Efficacité de la publicité par l'IA en 2025 : Pourquoi les publicités créées par l'IA surpassent les experts humains de 19 % [Étude de NYU x Emory]

‍Pourquoi vos publicités modifiées par l’IA ne fonctionnent pas — et ce que font les grandes marques de e-commerce à la place

Une étude révolutionnaire menée par NYU Stern et l’Université Emory, publiée en octobre 2025, vient de bouleverser les idées reçues sur l’intelligence artificielle dans la publicité. L’équipe de recherche – Hyesoo Lee, Vilma Todri, Panagiotis Adamopoulos et Anindya Ghose – a testé…105 999 impressions publicitairesJ’ai analysé de véritables campagnes display Google Ads et découvert quelque chose de contre-intuitif :Les publicités entièrement générées par l’IA surpassent de 19 % les publicités créées par des experts humains, tandis que les publicités modifiées par l’IA ne montrent aucune amélioration significative.

Cette découverte contredit les convictions de nombreux responsables marketing. Pendant des années, on a supposé que l’IA fonctionnait mieux en tant que…outil d’édition— une façon d’améliorer et d’affiner les créations existantes. Or, les recherches prouvent le contraire. Et pour les marques qui diffusent des publicités Shopping, des flux de produits et des campagnes e-commerce, cette distinction peut faire toute la différence entre une croissance rentable et un gaspillage discret de leur budget média.

Dans cet article, nous allons analyser en détail ce que révèle l’étude surEfficacité de la publicité IA en 2025, pourquoi les résultats sont importants pour votre entreprise, et comment les plateformes modernes commeDataïadssont conçues pour exploiter cet avantage de performance lié à l’IA tout en restant alignées sur les contraintes du monde réel telles que les règles de divulgation et la cohérence de la marque.

Découverte révolutionnaire : les publicités créées par l’IA surpassent les experts humains de 19 %.

Commençons par le résultat principal :Les publicités générées par l’IA ont enregistré une augmentation relative de 19 % du taux de clics par rapport aux publicités créées par des experts humains., ce qui a permis d’augmenter le CTR de 3,73 % à 4,44 % lors de tests sur le terrain sur le Réseau Display de Google.

Il ne s’agissait pas d’un gain marginal observé uniquement en laboratoire. L’équipe NYU-Emory a mené une véritable campagne Google Ads pour des marques de cosmétiques et de beauté, avec :

• **105 999 impressions
  **
• **4 026 clics
  **
• 10 conditions créatives (expert humain, modifié par genAI, créé par genAI avec et sans packaging conçu par IA)

L’amélioration des performances des publicités créées par l’IA était cohérent, statistiquement significatif et économiquement pertinent.

Pourquoi les publicités créées par l’IA remportent le succès : trois mécanismes psychologiques et visuels

Les chercheurs ont identifié trois facteurs clés expliquant pourquoi les publicités entièrement générées par l’IA surpassent les créations humaines et celles modifiées par l’IA.

1. Un engagement émotionnel plus fort

En phase de laboratoire, les publicités créées par l’IA ont suscité l’engagement émotionnel plus élevé que les valeurs de référence humaines. L’engagement émotionnel est un facteur clé de l’efficacité informative et persuasive de la publicité.

En clair : les visuels créés par genAI ont suscité des émotions plus fortes, ce qui s’est traduit par une intention d’achat plus élevée.

2. Meilleure fluidité de traitement et qualité esthétique

Les publicités créées par GenAI ont également obtenu de meilleurs résultats sur les points suivants :

• **Attrait esthétique
  **
• **Relations équilibrées entre le produit et son contexte
  **
• Contraste de couleurs utile qui améliore la clarté perceptive

Lorsque la différence de taille entre le produit et l’arrière-plan est plus équilibrée et que la séparation des couleurs est nette, les consommateurs traitent plus facilement la publicité. Cette fluidité de traitement réduit la charge cognitive et renforce la persuasion, ce que confirme précisément l’étude de terrain.

3. Optimisation créative sans restriction

Quand l’IA génère des publicités à partir de zéro, il peut optimiser simultanément sur toutes les dimensions :

• Composition, mise en page et points focaux

• Éclairage, texture et profondeur

• Mise en avant du produit par rapport à l’arrière-plan

• Hiérarchie visuelle et clarté du message

Les designers humains travaillent souvent avec des contraintes : modèles, visuels de campagnes précédentes, bibliothèques de marques et processus d’approbation. Les modèles d’IA, entraînés sur d’immenses corpus visuels, sont libres d’explorer un espace créatif plus vaste et de converger vers des structures performantes sans ces contraintes.pour autant que vous leur permettiez de créer de manière holistique.

Les chiffres concrets : résultats de l’étude de terrain

Selon les résultats sans modèle et les estimations logit présentés dans l’étude, l’expérience sur le terrain menée par Google Ads dans le monde réel démontre un avantage clair et statistiquement significatif en termes de performances pour les annonces créées par l’IA. Les annonces créées par des experts humains ont atteint un taux de clics de 3,73 %, tandis que celles entièrement générées par l’IA ont atteint 4,44 %. Cela correspond à une augmentation relative de 19 % du CTR, soit une hausse absolue de 0,71 point de pourcentage.
Sur les 105 999 impressions incluses dans l’essai sur le terrain, cette augmentation de 0,71 point se traduit directement par un nombre plus élevé de clics pour les variantes générées par l’IA. Pour être plus concret, pour une marque qui génère environ 1 million d’impressions par mois, une amélioration absolue similaire produirait environ 7 100 clics supplémentaires, avant même de tenir compte des améliorations du taux de conversion, de la valeur moyenne des commandes ou des revenus en aval.

Pourquoi les publicités modifiées par l’IA sont moins performantes : le problème des contraintes créatives

Le résultat le plus surprenant de l’étude est queLes publicités modifiées par l’IA ne surpassent pas significativement les publicités rédigées par des experts humains.—et tendent à réduire l’intention d’achat en laboratoire.

Cela contredit ce que l’on sait des modèles d’apprentissage textuels, où l’IA excelle souvent dans la correction plutôt que dans la création de contenu original. Pour l’IA visuelle, la tendance est inversée.

Le piège de la modification : comment les contraintes nuisent à l’efficacité

Lorsqu’une IA modifie une publicité existante, elle hérite de toutes les contraintes de conception de l’original créé par un humain :

• Mise en page et composition fixes

• Rapport produit existant/fond

• Placement prédéfini des actifs de marque

• Palette de couleurs et style fixes

Ces contraintes limitent la capacité du modèle à optimiser la création en tant quetout cohérentL’analyse du mécanisme présentée dans l’article montre :

• Publicités modifiées par GenAI ont des scores élevés en matière de nouveauté,

• Mais faible en validité écologique—elles paraissent moins réelles et crédibles.

Les téléspectateurs sentent que quelque chose cloche. Résultat : une nouveauté sans pertinence et un pouvoir de persuasion moindre.

Preuves de laboratoire : grande nouveauté, faible crédibilité

En laboratoire, les chercheurs estiment un modèle d’équations structurelles reliant :

• Caractéristiques visuelles(score esthétique, différences de taille, différences de couleur)

• Variables perceptuelles(validité écologique, engagement émotionnel, nouveauté)

• **Parcours informatifs et persuasifs
  **

• **Intention d’achat
  **

Principales conclusions :

• Les publicités modifiées par GenAI ont un **coefficient négatif sur la validité écologique (β = −0,52)
  **

• Les publicités et les offres créées par GenAI augmentent l’engagement émotionnel à la place

• Les publicités modifiées et créées par genAI sont toutes deux jugées plus novatrices que les publicités de référence évaluées par des humains, mais**La nouveauté à elle seule n’explique pas les différences de performance
  **

En résumé : les publicités modifiées par l’IA ont l’air nouvelles, mais ne sont pas « justes ». Ce décalage nuit à l’intention d’achat.

Ce que cela signifie pour votre flux de travail

Si votre processus actuel est :

1. Une équipe humaine conçoit des publicités

2. L’IA les « améliore » (filtres de style, changements d’arrière-plan, retouches mineures).

3. Vous expédiez les variantes améliorées par l’IA

…vous êtes probablement assis dans le zone à faible impact et à forte contrainte l’étude met en garde contre.

La recherche suggère une nouvelle tendance : L’IA d’abord, les humains affinent — et non l’inverse.

Le dilemme de la transparence : comment la transparence coûte environ 31,5 % du CTR

L’étude a également testé un aspect auquel tous les spécialistes du marketing devront faire face en vertu de la loi européenne sur l’IA :divulguer qu’une publicité a été créée ou aidée par une IA.

Lorsque les chercheurs ont ajouté des mentions telles que « conçu par IA » ou « généré par IA » à des publicités par ailleurs identiques, le taux de clics a chuté brutalement :

• Taux de clic estimé avec divulgation : **2,56%
  **
• par rapport à une référence pour les publicités d’experts humains : **3,73%
  **
• → une baisse de 1,17 point de pourcentage, soit −31,5 % réduction relative du CTR

L’effet négatif était cohérentes entre les spécifications du modèle et s’appliquait que la publicité ait été modifiée ou créée par l’IA.

Pourquoi la divulgation nuit à la performance

Les mécanismes les plus plausibles :

1. **Authenticité réduite
   **Les gens voient « généré par IA » et dévalorisent l’honnêteté ou le savoir-faire perçus.

2. **Activation du scepticisme
   **La divulgation déclenche la prise de conscience persuasive : « Il s’agit d’une astuce marketing alimentée par l’IA. »

3. **Redéfinir la nouveauté comme manipulation
   **Ce qui peut sembler créatif et novateur devient suspect dès lors que l’IA est explicitement nommée.

L’étude met en lumière un conflit bien réel : L’IA améliore l’efficacité publicitaire, mais la divulgation de son utilisation la réduit considérablement.

L’article 50 de la loi européenne sur l’IA, qui exige la transparence des contenus générés par l’IA susceptibles d’influencer les décisions, ne fera que s’intensifier en 2025 et au-delà.

Quelles sont les conséquences pour les annonceurs e-commerce?

Pour les responsables marketing de la performance dans le e-commerce, cette étude arrive à un moment crucial :

• Performance Max, Shopping ads, Meta Advantage Plus sont **de plus en plus automatisé et visuel
  **

• Les flux de produits, les contenus créatifs et les pages de destination sont plus interconnectés que jamais.

• Les flux de travail axés sur l’IA passent du statut de « projet d’innovation » à celui de « nécessité de survie ».

Voici comment ces conclusions se traduisent en actions concrètes.

1. Utilisez l’IA pour la création, pas pour la correction finale.

Les données sont claires :

• Publicités modifiées par GenAI : **aucun gain significatif ; validité écologique moindre
  **
• Publicités créées par GenAI : **Augmentation du taux de clics de 19 % ; engagement émotionnel et fluidité accrus.
  **

Donc au lieu de : Conception humaine → Ajustement par IA → Navire

Visez: Données produit → L’IA crée des actifs complets → L’humain peaufine → Expédition

Autrement dit: L’IA en amont du processus, et non pas ajoutée à la fin.

2. Misez sur les packagings et les visuels de produits conçus par l’IA

Lorsque les chercheurs ont demandé à l’IA non seulement de concevoir la publicité, mais aussi…l’emballage du produit présenté dans la publicité, les performances se sont encore améliorées :

• Publicités créées par l’IA
• Packaging créé par l’IA$
• →**Augmentation du CTR d’environ 15 %**par rapport aux publicités créées par l’IA sans nouvel packaging

Pour l’e-commerce :

• visuels PDP

• Images de style de vie pour les publicités de catalogue

• Lots, emballages saisonniers ou coffrets cadeaux

…sont tous candidats à une conception et à des tests natifs de l’IA.

3. Déployer des tests créatifs à grande échelle grâce à l’IA multimodale

Les marques de commerce électronique sont confrontées à :

• Catalogues volumineux (des centaines ou des milliers de références)

• Plusieurs marchés et langues

• Nombreux emplacements (Recherche, Display, Discovery, Réseaux sociaux, YouTube, Retail media)

L’étude confirme que l’intelligence artificielle visuelle est particulièrement efficace pour générer des créations holistiques à grande échelleC’est précisément ce dont vous avez besoin pour rester compétitif face aux plateformes médiatiques axées sur l’IA.

4. Adoptez une approche systémique : flux → publicité → page de destination

Les mécanismes mis en évidence dans l’article (engagement émotionnel, fluidité de traitement, validité écologique) ne se limitent pas à la publicité. Ils influencent également :

• Comment les utilisateurs perçoivent vos fiches produits dans Shopping

• La cohérence perçue de la page de destination ou de la page produit après le clic

• Que le voyage paraisse cohérent ou décousu

C’est là que le point de vue Product Intelligence de Dataïads devient crucial : les données produit, les éléments visuels et les pages de destination soient optimisés comme un seul système, et non comme trois silos distincts.

Comment Dataïads met en œuvre ces connaissances

L’étude NYU-Emory ne se contente pas de valider « l’IA dans la publicité ». Elle valide spécifiquementL’IA dans les flux de travail créatifs de bout en bout à faible contrainteC’est précisément dans cette zone que Dataïads opère.

1. Smart Creative : des publicités Catalog Ads créées à grande échelle par l’IA, et non des modèles modifiés par l’IA.

L’étude montre que l’IA visuelle brille lorsqu’elle crée les publicités entières, et non les versions modifiées. Smart Creative est conçu sur ce principe :

• Génère des publicités de catalogue et des ressources vidéo à partir des données produit

• Utilise une IA multimodale et multimodèle (modèles de diffusion + LLM + modèles de vision)

• Génère des contenus créatifs diversifiés, natifs de l’IA, qui optimisent l’engagement émotionnel et la fluidité.

• Prend en charge une vitesse de test élevée : nombreuses variations, cycles courts, données de performance réelles

Pas de « filtre IA superposé à un modèle ». Au lieu de cela,Des actifs générés par l’IA, peaufinés par des humains, et non l’inverse.

2. Feed Enrich : pertinence avant clic qui alimente à la fois l’IA et les médias

L’analyse du mécanisme présentée dans cet article souligne l’importance de la pertinence et de la valeur informative : les visuels et les messages doivent être pertinents, réalistes et faciles à comprendre.

Feed Enrich soutient cela en :

• Enrichir les titres, les descriptions et les attributs des produits grâce à l’IA

• Ajout des champs manquants (taille, matériau, couleur, cas d’utilisation)

• Amélioration des types et catégories de produits pour une meilleure adéquation

• Activation des tests A/B sur les modifications au niveau des attributs (titre vs description vs type de produit, etc.)

Meilleur flux → meilleures créations générées par l’IA → meilleures performances des annonces Shopping.

3. Smart Landing Page : fluidité et continuité après clic

L’étude revient à plusieurs reprises sur la fluidité du traitement et la validité écologique. Si la publicité semble cohérente et facile à traiter, mais que la page de destination ne l’est pas, vous rompez la chaîne.

Les pages de destination intelligentes rétablissent cette continuité :

• Pages générées et commercialisées à partir des mêmes données produit

• Recommandations de produits contextuelles alignées sur le point d’entrée de la publicité

• Mises en page rapides et optimisées pour les mobiles

• Possibilité de personnaliser les pages pour les soldes, les campagnes saisonnières ou les zones géographiques de la marque, tout en conservant la structure de base.

Pour PMax et Shopping, cela signifie le parcours utilisateur, depuis flux → publicité → page de destination—semble cohérent, convaincant et rassurant.

4. Une couche Product Intelligence unifiée

En résumé :

1. Feed Enrich→ données produit riches, structurées et prêtes pour l’IA

2. Smart Creative → Visuels et vidéos générés par IA pour les publicités

3. Smart Landing Page→ Expériences post-clic optimisées et basées sur les données

C’est ce qu’on appelle l’intelligence produit en action : utiliser vos données produit comme couche centrale qui alimente l’optimisation avant, pendant et après le clic, exactement comme le préconise l’étude NYU-Emory comme facteurs déterminants de l’efficacité de la publicité basée sur l’IA.

Tendances sectorielles accélérant la publicité par IA en 2025

L’article situe également l’IA générative visuelle dans le contexte plus large des tendances d’adoption et de dépenses :

• Presque 90 % des spécialistes du marketingsignalent utiliser une forme ou une autre d’intelligence artificielle générale dans leurs flux de travail, etEnviron 45 % utilisent déjà l’IA visuellepour le contenu des réseaux sociaux et des sites web.

• Les dépenses publicitaires numériques mondiales continuent de croître et les revenus de l’IA de génération devraient bondir deDe 137 milliards de dollars à 1 304 milliards de dollarssur huit ans.

Couche supérieure :

• GoogleAI Mode et AI Overviews

• Des formats hautement automatisés comme PMax, Advantage+ Catalog Ads et Retail Media

• Des concepts émergents comme **Optimisation des moteurs génératives(GEO)
  **

…et il est clair que l’efficacité de la publicité IA en 2025 ce n’est pas un sujet de niche. C’est la nouvelle norme.

Recommandations concrètes : intégrer l’étude à votre stratégie

Pour les décideurs qui choisissent des plateformes publicitaires IA

• Privilégier les architectures natives de GenAI, et non des outils hérités auxquels on a greffé un « bouton IA ».

• Demandez : la plateforme modifie-t-elle principalement des créations existantes ou les génère-t-elle à partir de zéro ?

• Vérifiez qu’ils soutiennent optimisation multimodale(texte + image, et de plus en plus, vidéo).

• Demande Des résultats sur le terrain, pas seulement des démonstrations en laboratoire—le journal NYU–Emory fait lui-même les deux.

Pour les équipes marketing qui modifient leur flux de travail

• Introduction de l’IA au stade de l’idéation et du concept, pas comme filtre de finition.

• Laissez l’IA générer plusieurs pistes créatives ; laissez l’équipe les sélectionner, les affiner et les aligner sur l’image de marque.

• Configurer en interne la gouvernance de l’IA: garde-fous de marque, listes de contrôle pour les évaluations, règles de divulgation.

• Mettre en place des cadres de test structurés (expérimentations créatives avec des budgets médias stables).

Pour les équipes performance marketing gérant Shopping et PMax

1. Régénérez et enrichissez votre flux de produits, ne vous contentez pas de le « corriger ».

2. Créez de nombreuses variantes créatives natives de l’IA par produit ou segmentez et testez-les.

3. S’assurer les landing pages font partie du cycle d’optimisation, et non une idée de dernière minute.

4. Mesurer et comparer : flux/créations/pages de destination générés par l’IA par rapport à ceux créés manuellement.

L’avenir de l’IA dans la publicité : où cela nous mène-t-il ?

L’étude met en évidence quelques orientations claires pour les années à venir :

Univers des packagings et des produits générés par l’IA

L’utilisation des packagings créés par l’IA au sein de publicités créées par l’IA a permis d’obtenir une amélioration supplémentaire du taux de clics d’environ 15 % par rapport aux publicités créées par l’IA seules.

Cela ouvre la voie à laquelle :

• Les idées d’emballage sont d’abord prototypées dans les publicités.

• Les gagnants sont ensuite mis en production.

• Les tests créatifs deviennent un élément de conception produit, et non plus une simple étape d’optimisation des médias.

IA agentique pour les campagnes

Le document indique explicitement que l’IA générative visuelle fonctionne mieux avec des contraintes de sortie faibles. En termes de campagne, cela indique clairement que les agents autonomes ou semi-autonomes vont bientôt :

• Générer des créations

• Lancer des ensembles de publicités

• Variations de rotation

• Optimisez vos indicateurs clés de performance (CTR, ROAS, AOV) dans le respect des limites que vous avez définies.

Optimisation générative des moteurs (GEO)

À mesure que la recherche et la découverte deviennent plus conversationnelles et médiatisées par l’IA, les marques devront réfléchir aux points suivants :

• Comment les données produit sont « lues » par les moteurs génératifs

• Comment les éléments visuels et textuels contribuent conjointement aux recommandations

• Comment apparaître dans les résumés de l’IA, et pas seulement dans les liens bleus

L’intelligence produit devient le fondement de GEO.

Conclusion : le point d’inflexion de la publicité IA

La recherche NYU–Emory marque un tournant dans notre façon de penser àEfficacité de la publicité IA en 2025. Cela montre que :

• Les publicités créées par l’IA surpassent les publicités d’experts humains d’environ 19 % en termes de taux de clics., dans de véritables campagnes Google Ads.

• Les publicités modifiées par l’IA n’apportent pas de gains significatifs et peuvent nuire à l’intention d’achat..

• La divulgation de l’implication de l’IA réduit le taux de clics d’environ 31,5 %., créant ainsi une véritable tension stratégique.

Pour les marques et les retailers e-commerçants, le message est clair :

L’avenir appartient aux flux de travail créatifs axés sur l’IA, alimentés par des données produits riches et des expériences de destination cohérentes, et non à l’IA comme simple outil de retouche cosmétique.

Dataïads a été conçu exactement autour de cette vision : une plateforme de veille produit native GenAI qui relie Feed Enrich, Smart Creative, Smart Asset et Smart Landing Page afin que vous puissiez activer vos données produit tout au long du funnel d’achat.

Si vous souhaitez tirer parti des gains de performance que cette étude démontre possibles, la question n’est plus de savoir si…« Devrions-nous utiliser l’IA dans la publicité ? » mais:

Utilisons-nous l’IA de manière appropriée — création à partir de l’entonnoir complet et avec peu de contraintes — ou sommes-nous coincés dans une boucle de modification à forte contrainte et à faible impact ?

C’est cette décision stratégique qui, au cours des prochaines années, fera la différence entre les gagnants et les retardataires dans le domaine du commerce électronique piloté par l’IA.