Le mythe des rendements linéaires
L'une des plus grandes erreurs du marketing moderne est de supposer qu'augmenter les dépenses publicitaires générera toujours une croissance proportionnelle. En réalité, chaque canal marketing finit par atteindre un point de rendements décroissants — où le budget supplémentaire produit des résultats incrémentaux de plus en plus faibles. C'est précisément ce que les courbes de saturation sont faites pour mesurer.
Comprendre la saturation n'est pas qu'un exercice académique. C'est l'un des outils les plus concrets à la disposition des marketeurs qui veulent cesser de gaspiller du budget et commencer à allouer leurs dépenses média avec précision.
Qu'est-ce qu'une courbe de saturation ?
Dans le Marketing Mix Modeling (MMM), les courbes de saturation visualisent la relation entre les dépenses média et des résultats de performance comme les conversions, le chiffre d'affaires ou l'acquisition client. Les premières dépenses offrent souvent de forts rendements, mais avec le temps la performance commence à plafonner à mesure que les audiences se saturent.
La courbe suit généralement une forme en S ou un arc concave. Les premières dépenses touchent rapidement et efficacement de nouvelles audiences à forte intention. À mesure que la dépense augmente, la plateforme épuise ces gains faciles et se met à cibler des segments à plus faible intention — faisant grimper le coût par acquisition et réduisant l'efficacité globale.
« Chaque canal a un plafond. Les marques qui le trouvent avant de trop dépenser ne font pas qu'économiser — elles réallouent vers des canaux qui ont encore de la marge de croissance. »
Un exemple concret
Prenons une campagne Meta Ads. Faire passer le budget de 10 000 $ à 20 000 $ peut doubler les conversions — le canal a encore de la marge et l'algorithme trouve efficacement de nouvelles audiences. En revanche, passer de 100 000 $ à 200 000 $ crée rarement la même efficacité. À ce stade, la plateforme a déjà touché la plupart des audiences à forte intention. Les dépenses supplémentaires courent après des utilisateurs de plus en plus marginaux, faisant chuter le ROAS et gonflant le CPA.
Le même schéma s'applique à tous les canaux média — Google Search, YouTube, TikTok, TV, OOH et paid social. Chacun a son propre point de saturation, façonné par la taille du marché, la fatigue créative, la profondeur de l'audience et la pression concurrentielle.
La saturation n'est pas un échec du canal — c'est une propriété naturelle de tout marché média. Les marques qui modélisent la saturation de façon proactive peuvent identifier précisément quand plafonner la dépense sur un canal et redéployer le budget vers un autre qui offre encore des retours incrémentaux efficaces.
Comment le MMM mesure la saturation
La modélisation de la saturation dans le MMM utilise les données historiques de dépenses et de résultats pour ajuster une courbe de réponse mathématique à chaque canal. Les approches courantes incluent les fonctions de Hill, les transformations Adstock et les courbes de Michaelis-Menten — chacune capturant la façon dont les effets média s'accumulent et se dissipent dans le temps.
Le résultat est une courbe de réponse au niveau du canal qui montre exactement ce que chaque euro de dépense supplémentaire est censé rapporter. Les marketeurs peuvent lire la courbe pour identifier :
- Le point d'efficacité maximale (la partie la plus pentue de la courbe)
- Le seuil de saturation (là où la courbe commence à s'aplatir)
- Le rendement marginal aux niveaux de dépense actuels
- L'opportunité optimale de réallocation entre canaux
De l'insight à l'allocation de budget
La modélisation de la saturation aide les marketeurs à identifier le niveau d'investissement optimal pour chaque canal. Au lieu d'augmenter la dépense à l'aveugle sur la base du ROAS rapporté par les plateformes, les marques peuvent allouer leurs budgets plus efficacement entre Google Ads, YouTube, TikTok, TV, SEO et paid social — guidées par des preuves indépendantes et cross-canal.
Les plateformes MMM modernes utilisent les courbes de réponse pour prévoir la performance, améliorer le ROI et soutenir une planification média pilotée par les données. En simulant différents scénarios de budget, les marketeurs peuvent répondre à la question qui compte le plus : où le prochain euro travaillera-t-il le plus dur ?
« L'objectif n'est pas de dépenser plus sur chaque canal. C'est de dépenser le bon montant sur chaque canal — et de connaître la différence. »
Pourquoi c'est important maintenant
Dans un monde de coûts d'acquisition en hausse, comprendre la saturation n'est plus optionnel — c'est essentiel pour une croissance rentable. À mesure que les CPM augmentent sur toutes les grandes plateformes digitales et que la concurrence s'intensifie sur le média offline, les marques qui se fient à l'intuition ou aux données rapportées par les plateformes pour fixer leurs budgets se retrouveront de plus en plus à surdépenser sur des canaux saturés tout en sous-investissant dans ceux qui ont une vraie marge.
La modélisation de la saturation donne aux marketeurs une base scientifique pour la planification média — une base ancrée dans des résultats business observés plutôt que dans des métriques rapportées par les plateformes, et qui passe à l'échelle avec la complexité d'un media mix multicanal moderne.