Demand Gen et Performance Max : ce que l'automatisation coûte vraiment sur YouTube

Depuis leur généralisation, Demand Gen et Performance Max sont présentés comme la voie naturelle vers l'efficacité publicitaire : moins de campagnes à gérer, un algorithme qui répartit seul le budget entre YouTube, Discover, Gmail et le Display, et des rapports qui affichent des taux de conversion en amélioration. Une partie de cette promesse se vérifie. Une autre partie, moins souvent discutée, correspond à une perte réelle de visibilité sur ce que l'algorithme fait de l'argent confié.

Ce texte ne prétend pas que ces formats sont inefficaces. Il décrit ce qu'ils changent structurellement dans la relation entre l'annonceur et son budget, et ce qu'une entreprise B2B doit vérifier avant de leur transférer une part croissante de son enveloppe YouTube.

Ce que Performance Max automatise réellement

Performance Max fusionne en une seule campagne ce qui relevait autrefois de campagnes distinctes : Search, Display, YouTube, Gmail, Discover et Maps. L'algorithme répartit le budget entre ces inventaires selon les signaux de conversion qu'il collecte, en temps réel, sans que l'annonceur puisse fixer une part minimale ou maximale par canal. Concrètement, une entreprise qui pense acheter de la vidéo YouTube peut voir une fraction significative de son budget partir vers du Display ou du Gmail sans qu'aucun rapport natif ne le détaille clairement.

Cette opacité n'est pas un défaut de conception isolé : elle découle directement du principe même de l'outil. Performance Max a été construit pour optimiser un objectif de conversion global, pas pour donner à l'annonceur un contrôle fin sur le mix de canaux. Les deux logiques sont difficilement conciliables, et Google a tranché en faveur de la première.

Demand Gen : la même logique appliquée au vidéo et au social

Demand Gen, qui a remplacé les anciennes campagnes Discovery, applique un raisonnement voisin à un périmètre plus restreint : YouTube in-feed, YouTube Shorts, Discover et Gmail. L'algorithme choisit les formats et les emplacements en fonction des signaux de performance, avec une visibilité partielle sur la répartition effective entre Shorts et vidéo longue, ou entre in-feed et in-stream.

Le problème pour une entreprise B2B tient à la nature de ces emplacements. Une annonce diffusée en Shorts capte une attention de quelques secondes dans un flux de défilement rapide ; une annonce in-stream sur une vidéo longue s'inscrit dans un contexte de visionnage plus posé. Ces deux contextes ne produisent pas le même type de mémorisation ni le même taux de conversion différée, et l'algorithme ne rend pas de compte détaillé de la part de chacun dans le résultat final.

« Un outil qui optimise un objectif global n'a aucune raison de préserver la lisibilité du chemin qu'il emprunte pour l'atteindre. »

Ce que l'entreprise perd concrètement en contrôle

• Impossibilité d'exclure certains placements Display ou applications tierces jugés non pertinents pour une marque B2B.
• Absence de rapport natif détaillant la part réelle de budget consommée par YouTube versus les autres inventaires en Performance Max.
• Difficulté à isoler l'effet spécifique d'une créature vidéo sur la conversion, l'algorithme testant plusieurs variantes en continu sans détail exploitable.
• Phase d'apprentissage de trois à quatre semaines pendant laquelle les résultats fluctuent fortement, rendant toute décision d'arrêt prématurée coûteuse en données perdues.

Le coût réel n'est pas seulement financier

Le CPV et le CPM affichés dans les rapports Google Ads ne racontent qu'une partie de l'histoire. Le coût réel de l'automatisation inclut le temps passé à essayer de reconstituer, avec des rapports tiers ou des extractions manuelles, une lecture fine que l'outil ne fournit pas nativement. Il inclut aussi le risque stratégique : une entreprise qui ne sait plus précisément où va son budget ne peut plus arbitrer intelligemment entre ses canaux, ni justifier ses choix devant une direction financière exigeante.

Ce coût est d'autant plus problématique en B2B que les cycles de décision sont longs et que l'attribution multi-touch reste déjà complexe sans ajouter une couche d'opacité algorithmique supplémentaire. Une PME qui gère un budget de 4 000 à 8 000 euros mensuels sur YouTube n'a souvent ni la structure de données ni l'équipe data pour compenser ce manque de granularité par une analyse externe robuste.

Ce qu'une entreprise peut faire pour reprendre un peu de contrôle

Reprendre un contrôle total sur Performance Max ou Demand Gen n'est pas possible par conception. En revanche, plusieurs pratiques limitent l'opacité. Segmenter les objectifs de conversion pour que l'algorithme optimise sur un signal réellement pertinent plutôt qu'un proxy vague. Utiliser les listes d'exclusion de marque et de contenu disponibles, même partielles. Croiser les rapports Google Ads avec Google Analytics et la Search Console pour reconstituer une part du chemin de conversion. Et surtout, ne pas concentrer l'intégralité du budget d'acquisition sur des formats automatisés dont on ne maîtrise plus le détail.

C'est précisément sur ce dernier point que des dispositifs à coût fixe et à mécanique transparente, comme le Search Box Optimization, trouvent leur place dans le mix. Là où Performance Max optimise une boîte noire, le SBO travaille sur un objet visible et vérifiable : une suggestion d'autocomplétion, sur une expression choisie, dont on peut constater l'apparition ou l'absence en quelques secondes, sans dépendre d'un rapport agrégé.

Limites de cette analyse

Ces observations reflètent des retours d'agences et des constats opérationnels répandus en 2026, pas une documentation technique publiée par Google sur la répartition exacte de ses algorithmes. Google communique peu sur le détail interne de Performance Max et de Demand Gen, ce qui explique en partie la difficulté à obtenir des chiffres définitifs. Toute entreprise qui utilise ces formats devrait constituer son propre historique de données plutôt que de se fier uniquement à des ordres de grandeur externes.