L'IAB redistribue les ventes liées à l'IA : pourquoi les recommandations de ChatGPT disparaissent du suivi

L'Interactive Advertising Bureau a présenté le 12 novembre 2026 un nouveau cadre standard destiné à rendre visibles les recommandations de l'IA tout au long du parcours d'achat. Le AI-Era Attribution Blueprint distingue si les personnes achètent de manière autonome, si l'IA soutient la décision ou si un agent exécute l'achat. La question centrale pour les équipes marketing : à qui attribuer une vente lorsque le premier contact décisif a lieu dans une réponse de l'IA plutôt que sur un site web ?

Le reporting traditionnel au dernier clic ne voit souvent que le dernier résultat de recherche Google, l'accès direct ou la session dans la boutique. Pourtant, un client peut s'être informé sur le produit des jours plus tôt dans ChatGPT, Gemini ou auprès d'un agent d'achat.

Trois parcours d'achat au lieu d'un seul chiffre de conversion

L'association professionnelle définit trois catégories :

• Human-Owned : une personne développe l'intention d'achat, décide et réalise elle-même l'achat.
• AI-Assisted : un système d'IA aide à la recherche, à la sélection ou à la recommandation ; la décision reste essentiellement humaine.
• AI-Executed : un agent prend en charge l'achat final ou la transaction pour le compte de l'utilisateur.

Pour chaque opération, il faut documenter qui a déclenché l'intention, pris la décision et exécuté la transaction. Ensuite, une plateforme, un éditeur ou un autre acteur peut revendiquer une part dans la vente, mais uniquement sur la base de preuves vérifiables. Une simple affirmation n'est pas encore une attribution reconnue.

Le nouveau blueprint s'appuie ainsi sur l'ancien cadre de l'IAB pour la visibilité dans l'IA : là où il s'agissait des mentions et des sources dans les réponses de l'IA, c'est maintenant le lien avec le résultat commercial qui compte. Nous avions déjà expliqué les différences entre mention de marque, citation et référencement dans l'article sur la mesure de la visibilité IA.

Pourquoi de nombreuses recommandations de l'IA apparaissent comme recherche ou accès direct

L'ampleur possible de cet écart est illustrée par les données de Similarweb citées par l'IAB dans son étude. Les utilisateurs à qui un assistant IA avait recommandé une marque ont visité son site 2,5 fois plus souvent dans les sept jours suivants que les autres utilisateurs du groupe de comparaison analysé. Mais seuls 8,8 pour cent de ces visites ont été enregistrées comme référencements directs issus de l'IA. 55,9 pour cent provenaient de la recherche, 19,9 pour cent d'un accès direct.

Un tableau de bord analytique classique pourrait donc désigner la recherche ou l'accès direct comme premier contact, alors que la marque a déjà été intégrée au Relevant Set lors d'une conversation avec l'IA. C'est précisément cette erreur d'attribution qui influence la destination du budget.

La pratique de mesure des annonceurs subit aussi une pression d'adaptation : selon la IAB Outlook Study 2026, mise à jour de septembre, 45 pour cent des acheteurs publicitaires interrogés citent la comparaison des parcours pilotés par l'IA et des parcours classiques comme principal défi de mesure ; 44 pour cent utilisent la recherche de marque ou le trafic direct comme approximation de l'influence de l'IA.

Les éditeurs face à une nouvelle question d'attribution

Le rôle des contenus journalistiques est particulièrement intéressant. Un utilisateur se fait recommander un produit par un assistant, dont la réponse repose sur un test publié, puis achète dans la boutique. Le test a pu contribuer à la décision sans jamais générer de clic enregistré.

C'est pourquoi l'IAB distingue les revendications portant sur le contact décisif de celles portant sur une contribution assistante. Les éditeurs doivent pouvoir prouver que leurs contenus ont été utilisés et, lorsque c'est possible, qu'ils sont liés à une conversion ultérieure. La recommandation de l'IAB aux plateformes est de distinguer les recommandations payantes et organiques, de divulguer les sources et de signaler de manière cohérente le trafic déclenché par l'IA.

Cela touche à la discussion autour des AI Overviews de Google et de l'absence de données de clics pour les éditeurs. Parallèlement, les nouvelles ChatGPT Business Analytics liées aux mentions de marque et aux clics s'inscrivent comme une première brique d'une pile de mesure appelée à s'élargir.

Ce que les marketeurs peuvent intégrer dès maintenant à leur reporting

Plutôt que de réajuster immédiatement la pondération entre Search, Social et Direct, les équipes peuvent compléter méthodiquement les données disponibles : recommandation par IA, citation visible de la source, référence provenant de l'IA, Branded Search et conversion en aval doivent être saisies séparément. Des enquêtes menées après la découverte initiale du produit et des tests de lift contrôlés peuvent également aider.

Les agents IA modifient en outre la distinction entre visites humaines et actions automatisées. Le nouveau blueprint de l'IAB fournit pour cela un vocabulaire commun ; ce sont désormais les plateformes, les boutiques et les éditeurs qui doivent rendre accessibles ensemble les justificatifs réels des transactions.

Sources - IAB : communiqué de presse officiel sur l'AI-Era Attribution Blueprint, 12. novembre 2026 - IAB : AI-Era Attribution Blueprint – cadre et catégories - Digiday : le nouveau modèle d'attribution de l'IAB et les lacunes de données - MediaPost : contexte du cadre d'attribution de l'IAB