IA pour la gestion de Google Ads : ce qu’elle peut faire – et qui décide

État au 27 août 2026

L’IA dans la gestion de Google Ads évalue les enchères, passe en revue de grands volumes de données et traite les schémas récurrents à un rythme qu’une équipe ne peut pas tenir durablement à la main. Le temps que cela fait gagner par rapport à votre façon de travailler actuelle dépend du compte. L’IA ne peut pas arrêter la stratégie commerciale, et elle ne sait pas de manière fiable quelle conversion a une réelle valeur économique. Des revues à intervalles réguliers contrôlent un échantillon ; les workflows de maitiq tournent à leur propre rythme et exposent, pour chaque proposition, la mesure, la justification et les données utilisées. Ce guide présente les trois niveaux, sept contrôles et un canevas de pilote en lecture seule.

Quels sont les trois niveaux à distinguer ?

Les trois niveaux ne se distinguent pas par le degré d’automatisation, mais par la question de savoir qui porte la responsabilité de quoi et qui est autorisé à modifier quoi.

Niveau 1 – Google AI dans la plateforme publicitaire. Il reçoit les objectifs, les budgets, les paramètres d’enchère, les signaux et les assets, et en déduit l’enchère et la diffusion. Il fait partie du produit publicitaire et est développé par Google, même sans intervention de votre part.

Niveau 2 – les workflows externes d’analyse et d’exploitation. Ils lisent les données du compte, exécutent des contrôles récurrents, relient des signaux à travers les différents niveaux du compte et produisent des propositions avec justification et preuves. Ils ne modifient le compte que dans le cadre d’une autorisation explicitement accordée.

Niveau 3 – la gouvernance humaine. Elle définit l’objectif commercial, la conversion valable, les limites de marque et de droit, la responsabilité budgétaire, les validations et les règles d’arrêt. C’est elle qui porte la responsabilité, alors que les risques apparaissent aux trois niveaux.

Deux flux circulent surtout entre les niveaux : les preuves en direction de la gouvernance, les consignes et les autorisations en direction de l’exécution. L’essentiel est que l’on voie clairement quel niveau lit, quel niveau décide et quel niveau exécute les modifications autorisées.

Le niveau 2 ne vaut la peine que s’il répond à un besoin d’exploitation que la plateforme ne couvre pas : réunir des signaux issus de plusieurs comptes et types de campagne, exécuter des contrôles selon un calendrier défini, relier les recommandations à leur source et à leur justification, tenir compte des règles métier et des termes à protéger, rendre visibles les décisions humaines et garder les modifications autorisées traçables. Pour savoir si vous avez besoin d’une licence ou d’un service géré, consultez la comparaison logiciel ou service géré.

Quelle IA est déjà présente dans Google Ads ?

Google AI est déjà actif avant même l’arrivée d’un fournisseur externe. Smart Bidding fixe les enchères à chaque adjudication et couvre les stratégies CPA cible, ROAS cible, Maximiser les conversions et Maximiser la valeur de conversion ; Google décrit à ce sujet des signaux d’enchère tels que l’appareil, la localisation, l’heure de la journée, le texte de la requête, le navigateur ou la saisonnalité. Performance Max est un type de campagne axé sur les objectifs, diffusé sur YouTube, Display, Recherche, Discover, Gmail et Maps ; vous fournissez les objectifs de conversion, le budget, les assets, les signaux d’audience et, en option, un flux produit, et vous pilotez via les thèmes de recherche, les mots clés à exclure, les exclusions de marque et l’extension de l’URL finale.

Pour les annonces dans la recherche assistée par IA, Google cite d’autres leviers : la stratégie d’enchères et les valeurs cibles de CPA ou de ROAS, le budget, le choix de l’action de conversion, les règles de valeur de conversion, les objectifs personnalisés, les exclusions de données, les ajustements saisonniers, les listes de mots clés à exclure et l’épinglage d’éléments d’annonce. Ne confondez pas les niveaux : les thèmes de recherche pilotent Performance Max ; les exclusions de marque s’appliquent en revanche aussi aux campagnes Search et à AI Max. Vérifiez, pour chaque levier, à quel type de campagne il se rapporte.

En outre, Google a introduit avec AI Max for Search campaigns un bloc fonctionnel distinct composé d’une correspondance améliorée des termes de recherche, d’une adaptation du texte et de l’extension de l’URL finale, et bascule automatiquement les campagnes éligibles. Cette transition comporte deux dates distinctes, et qui les confond planifie la mauvaise échéance :

• À partir de septembre 2026, la transition automatique concerne les campagnes avec des assets générés automatiquement (ACA) ainsi que le paramètre de correspondance large au niveau de la campagne.
• À partir de février 2027 commence la sortie des Dynamic Search Ads (DSA) et leur bascule automatique vers AI Max.

La source est l’annonce actualisée de Google «DSA upgrade to AI Max» ; Google a reporté en juin 2026 la date des DSA de septembre 2026 à février 2027. Vérifiez les deux dates avant toute planification, directement dans le compte et dans l’annonce : Google décale ce genre de fenêtres. Une transition opérée par la plateforme est un événement de gouvernance — elle modifie la correspondance et les assets sans que personne dans votre équipe n’ait pris de décision. Consignez, pour chaque date, qui la remarque, qui l’évalue et quels contrôles sont redéfinis ensuite. Le guide contrôler l’automatisation avec des garde-fous explique comment tenir un registre des Auto-Apply, du Smart Bidding et des outils externes, comment les contrôler et comment les arrêter.

Aucune de ces fonctions ne promet un résultat. L’automatisation ne supprime pas la responsabilité de la mesure et du choix des objectifs. Un objectif de conversion regroupe des actions de conversion ; plusieurs actions principales peuvent être valides en même temps, et des actions secondaires d’un objectif personnalisé peuvent servir aux enchères. Ce qui compte, c’est l’identité, la signification, le mode de comptage et la fenêtre temporelle de chaque action – et le fait que les étapes d’un parcours ne soient pas comptées deux fois. Si une action marquée comme principale n’a aucune valeur commerciale, un système optimise très efficacement vers le mauvais objectif.

Quelles décisions l’IA ne doit-elle pas prendre seule ?

Ces questions exigent une personne responsable nommément désignée : quels objectifs commerciaux sont prioritaires ? Quelle conversion est réellement qualifiée ? Comment pondérer la marge, la disponibilité et le bénéfice client ? Quelles limites de marque ou de droit s’appliquent ? Quelle modification de budget est économiquement supportable ? Une évolution inhabituelle des données est-elle réelle ou s’agit-il d’une erreur de mesure ? Quelle recommandation correspond à la stratégie de vente ou de produit actuelle ? Qui assume le risque résiduel ?

L’IA peut structurer les preuves relatives à ces questions. Elle ne peut pas assumer la responsabilité de l’entreprise.

Quels sont les sept contrôles d’une gestion assistée par IA ?

L’absence de preuves n’est pas un succès. Un système doit distinguer entre non observé, observé à zéro et observé positivement ; les lacunes de données sont des limites.

Comment maitiq met en œuvre les trois niveaux

Voici comment travaille maitiq : le niveau 2 tourne sous forme de workflows selon un calendrier défini – suivi des dépenses, CPA cible, examen des termes de recherche et des mots-clés à exclure avec contrôle des conflits, préparation des annonces et des mots clés, ainsi que reporting. Tous les workflows ne tournent pas quotidiennement ; le calendrier dépend de la tâche et du compte. Chaque proposition indique l’action proposée, la justification et les données à l’appui ; elle mentionne l’ancienne et la nouvelle valeur le cas échéant. Le niveau 3 reste chez vous, accompagné dans le modèle géré par un Client Success Manager, votre interlocuteur attitré. Les personnes fixent les objectifs, les règles et l’autorité ; dans le cadre d’une autorisation permanente configurée explicitement, les propositions éligibles sont approuvées et mises en œuvre automatiquement – une décision d’exclusion explicite et consignée pour les mots-clés concurrents nommés autorise également l’exclusion correspondante, sans autre validation. Toutes les autres propositions attendent une décision, et chaque mise en œuvre passe par le chemin d’application protégé et consigné. Selon ses propres indications, maitiq propose des honoraires de gestion à la moitié de ce qu’une agence Google Ads classique facture pour une étendue de prestations comparable ; le budget média n’est pas concerné.

Quelles données franchissent quelle limite ?

«lecture seule» décrit le fait qu’aucune modification de campagne n’est exécutée. Cela ne décrit pas quelles données quittent votre compte, votre pays ou votre ordre juridique. Ce sont deux questions distinctes, et les fournisseurs sérieux y répondent séparément.

Posez la question par écrit à chaque fournisseur – y compris à nous :

1. Quels champs sont transmis pour une inférence IA : uniquement des indicateurs agrégés, ou aussi des identifiants de compte, des ID de campagne et de groupe d’annonces, des textes de mots clés, l’URL du site, des termes de marque ou du texte libre issu de vos consignes ?
2. Une anonymisation ou une pseudonymisation a-t-elle lieu avant la transmission, et comment est-elle attestée et testée techniquement ?
3. Quel fournisseur d’inférence est utilisé, dans quel pays traite-t-il les données, et sur quelle base contractuelle ?
4. Où se trouvent l’application, la base de données et les sauvegardes, et qui exploite l’infrastructure ?
5. Comment les identifiants OAuth sont-ils stockés, renouvelés et invalidés en cas de révocation ?
6. Quelles durées de conservation s’appliquent par type de données, et comment la suppression est-elle effectuée ?
7. L’audit gratuit déclenche-t-il lui-même une inférence externe ?

Exigez des réponses qui correspondent à une configuration que vous pouvez vérifier. maitiq répond à ces sept questions lors de l’entretien et dans les documents contractuels – de manière spécifique au compte, avec la date et la personne responsable nommément désignée. Exigez la même précision de chaque fournisseur : une réponse qui met «lecture seule» et «limite de données» dans la même phrase ne répond qu’à l’une des deux questions.

Comment évaluer les chiffres publiés par les fournisseurs ?

Les fournisseurs de plateformes publient des valeurs d’amélioration agrégées pour leurs propres fonctions d’IA. De tels chiffres proviennent typiquement d’une évaluation interne du fournisseur, portent sur un segment choisi et sont des moyennes publiées par les fournisseurs, sans constituer pour autant une promesse. Vérifiez la source, la période, le segment, la base de comparaison et si le chiffre s’applique réellement à la structure de vos campagnes. Ne reprenez jamais un chiffre de fournisseur comme hypothèse de planification ni comme justification budgétaire. Il en va de même des déclarations que les prestataires font sur eux-mêmes.

Comment structurer un pilote d’IA ?

Un bon pilote commence en lecture seule et répond à une question d’exploitation concrète, par exemple : «Le processus fournit-il plus tôt des indications pertinentes sur les requêtes ou le budget, avec des preuves compréhensibles, sans exécuter de modifications ?»

Évaluez la qualité des preuves, la couverture, le temps de travail économisé et l’utilité pour la décision indépendamment de la performance publicitaire à court terme. Fixez les critères de réussite avant le démarrage ; un pilote ne doit pas «gagner» grâce à des indicateurs choisis après coup.

Dans l’audit maitiq, ce démarrage en lecture seule est la norme : l’évaluation porte sur un compte connecté convenu, tandis que les rapports natifs sont fournis séparément et examinés lors d’un passage convenu à part ; il n’y a pas de téléversement en libre-service. Chaque contrôle est indiqué comme complet, limité ou non effectué, avec son motif. Une phase de cadrage limitée montre quelles tâches de paid media maitiq prend en charge de manière documentée aujourd’hui dans Google Ads et quels canaux adjacents nécessitent un examen d’implémentation séparé.

Qu’est-ce que l’IA améliore vraiment – et qu’est-ce qu’elle n’améliore pas ?

L’IA peut examiner plus souvent davantage de zones du compte, appliquer des schémas de manière systématique et présenter des indications plus tôt. Cela améliore les conditions préalables aux décisions. L’amélioration de la performance publicitaire dépend en plus des enchères, du tracking, de l’offre, des prix, de la création, des pages de destination, du marché et des décisions humaines.

Évaluez donc séparément ce qui s’améliore : la couverture de l’analyse et la base de décision d’un côté, le résultat publicitaire de l’autre. Un résultat publicitaire déterminé n’est pas garanti – ni par une fonction de plateforme, ni par un prestataire.

Pour la mesure, vous avez besoin avant le démarrage d’une base de référence, d’un objectif de conversion documenté avec ses actions et d’un journal des modifications. Consignez pour chaque action l’identité, la signification, le mode de comptage et la fenêtre temporelle, et ne comptez pas deux fois les étapes d’un parcours. Ne comparez pas des périodes arbitraires et n’attribuez pas automatiquement les évolutions à l’IA.

La gestion par IA convient-elle à un grand compte suisse ?

Quatre conditions déterminent l’adéquation : la complexité de la structure du compte, la qualité des données, les rôles internes et les limites de risque. Une équipe dotée d’une fonction SEA interne forte décide autrement qu’une équipe sans capacité opérationnelle. Dans les deux cas, les personnes restent responsables des objectifs commerciaux et de l’autorité accordée ; maitiq fournit l’analyse récurrente et agit uniquement dans ce cadre.

Comment classer les fonctions d’IA d’une plateforme à l’autre ?

La même question de départ s’applique à toutes les plateformes : quelle fonction décide de quoi, sur quelles données et avec quelle possibilité de contrôle ? Cette classification peut se transposer aux fonctions d’IA natives d’autres plateformes publicitaires. Pour Google Ads, la séparation entre exploitation, validation et contrôle ultérieur reste en vigueur ; pour les autres plateformes, il s’agit de classification, et non de procédures d’exploitation.

Dans le paid media, «assisté par IA» ne signifie pas partout la même chose. Une plateforme peut désigner par là des recommandations d’audience, des projets de création, la diffusion, des propositions de budget, le classement des annonces ou une assistance dans l’interface. Qui compare uniquement les étiquettes produit met donc côte à côte des fonctions apparemment identiques, alors qu’elles voient d’autres signaux, prennent d’autres décisions et déclenchent d’autres actions. Une comparaison utile commence par six limites : objectif, signal, décision, action, autorité et comparabilité des résultats.

Un inventaire plutôt qu’une catégorie AI commune

Recensez d’abord chaque fonction native avec son nom officiel, la plateforme, le compte ou le marché et la date du contrôle. «Campagne automatique» ou «AI Creative» est un intitulé trop imprécis. Le nom doit renvoyer à une interface visible ou à une documentation officielle actuelle. Les fonctions indisponibles dans un compte ne sont pas déduites comme actives à partir d’un texte d’aide global.

La fonction est ensuite classée. Aide-t-elle à la configuration, recommande-t-elle une audience, génère-t-elle un projet, priorise-t-elle la diffusion, propose-t-elle un budget, prend-elle une décision d’enchère ou explique-t-elle un rapport ? Plusieurs tâches peuvent coexister dans un même ensemble de fonctionnalités. Cela ne transforme pas cet ensemble en une décision unique. Chaque tâche reçoit sa propre ligne, afin que sa limite reste visible.

Six champs rendent les fonctions comparables

L’objectif décrit ce vers quoi la fonction travaille d’après sa configuration. Un objectif de plateforme n’est pas encore un objectif commercial commun. Deux objectifs aux noms similaires peuvent utiliser d’autres événements, périodes ou règles de comptage.

Le signal désigne les informations dont la fonction dispose : par exemple des interactions internes à la plateforme, un événement fourni par l’annonceur, un asset, une URL ou une consigne d’audience. «Utilise des données» ne suffit pas. L’origine, la définition et la limite de la plateforme doivent être reconnaissables.

La décision est le choix concret opéré par le système. Il peut proposer des contenus, déterminer une audience probable, ordonner des annonces ou choisir une répartition. L’action est ce qui en découle visiblement : un projet dans l’interface, une annonce diffusée, un placement ou une recommandation. Décision et action sont consignées séparément, car une proposition n’est pas une diffusion et une diffusion n’est pas un projet de création.

L’autorité montre quelles consignes un annonceur peut définir, contrôler ou exclure, et ce que la plateforme détermine elle-même à l’intérieur de ces consignes. Ce n’est pas une affirmation générale sur le «contrôle humain», mais une liste de limites visibles pour cette fonction précise.

La comparabilité des résultats répond enfin à la question de savoir si un résultat est comparable en dehors de la plateforme. Une valeur de mesure identique en apparence peut reposer sur une autre définition, une autre fenêtre ou une autre composante modélisée. Sans définitions alignées et vérifiées, il reste un résultat local à la plateforme.

Quatre plateformes, quatre cartes différentes

Google regroupe ses AI Essentials actuelles en quatre domaines : AI Data Strength, AI Content Strength, AI Performance Strength et Agentic capabilities. Cette répartition est utile pour ne pas dissimuler les différents rôles au sein de Google Ads sous un unique champ «Google AI». Elle reste toutefois une carte produit propre à Google, et non une norme neutre pour le paid media.

Meta décrit pour sa part, dans sa communication actuelle sur l’entreprise et ses produits, des rôles de l’IA dans l’assistance publicitaire, la génération de créations et le classement des annonces opéré par la plateforme. Le classement, l’origine de la création et le marquage visible sont trois limites différentes. Un marquage n’atteste ni l’exactitude, ni la clarté des droits, ni l’effet.

LinkedIn Campaign Manager liste l’auto-targeting, «Draft with AI», les budgets suggérés et Maximum Delivery comme des fonctions distinctes. On voit ainsi directement pourquoi un inventaire de l’IA ne doit pas se contenter de collecter des noms de produits : recommandation d’audience, projet, indication de planification et logique d’enchère répondent à des questions différentes. Un nom de produit seul n’est donc pas une clé de comparaison stable.

TikTok décrit l’expérience Smart+ actualisée comme un spectre allant de la gestion manuelle à la gestion partielle, puis complète. La documentation distingue entre autres les audiences et les placements, le budget, la création, la structure de campagne et le reporting. Ici aussi, «Smart+ actif» n’est pas une description suffisante. Ce qui compte, c’est quelle sous-fonction est utilisée dans quelle variante et quel paramètre est visible dans le compte concerné.

Ces exemples ne constituent pas un classement de produits. Ils montrent que quatre fournisseurs expliquent leur IA native selon des niveaux et des conteneurs produits différents. Le point commun ne réside pas dans le nom, mais dans les six questions auxquelles il faut répondre à nouveau pour chaque fonction.

Les noms de produits et la disponibilité dépendent du moment

Les plateformes déplacent des fonctions, unifient des interfaces et abandonnent des types de campagne ; l’expérience Smart+ actualisée de TikTok en est un exemple récent. Un tableau créé une seule fois se périme donc silencieusement. Chaque entrée a besoin d’une date de contrôle, d’un lien vers la documentation et d’un statut tel que «visible dans le compte», «documenté uniquement», «disponibilité limitée» ou «abandonné».

En cas de changement de nom, on ne suppose pas automatiquement que l’objectif, le signal, la décision, l’action et les possibilités de contrôle sont restés identiques. L’ancienne et la nouvelle variante sont d’abord gérées comme deux versions. Seul un contrôle documenté champ par champ permet de les fusionner. Un changement de produit reste ainsi visible comme limite de preuve.

Ne pas additionner les rapports de plateformes en une comparaison trompeuse

Une vue d’ensemble commune peut juxtaposer des observations locales à une plateforme, mais pas les combiner sans contrôle. «Conversion», «lead», «vue», «engagement» ou «généré par IA» peuvent avoir d’autres déclencheurs et d’autres champs d’application. Une prévision, une recommandation ou un affichage de qualité émanant d’une plateforme sont d’abord des affirmations internes à leur système.

Pour une comparaison honnête, chaque ligne indique si la définition, la fenêtre temporelle, l’affectation, la devise, le marché et l’état des données ont été alignés et vérifiés. Si une condition manque, le résultat n’est pas «moins bon» ou «meilleur», mais «non portable». L’effet causal et l’attribution intercanaux relèvent d’une question de mesure distincte.

Repérer tôt quatre comparaisons erronées typiques

La première comparaison erronée assimile un ensemble de fonctionnalités à une fonction. Un type de campagne peut influencer en même temps l’audience, la création et la répartition ; un assistant nommé de manière similaire ailleurs ne crée peut-être qu’un projet. Les deux portent un label AI, mais ne partagent pas la même unité de décision.

La deuxième comparaison erronée assimile une recommandation à une sélection automatisée. Une indication de budget affichée est un résultat à contrôler. Un modèle de plateforme qui ordonne les annonces pendant la diffusion effectue en revanche en continu une sélection native. Les points de contrôle visibles et les preuves nécessaires sont différents.

La troisième comparaison erronée traite manuel, partiellement automatisé et automatisé comme des niveaux stables d’un fournisseur à l’autre. Sans liste de champs, ces mots ne disent pas qui détermine l’audience, le placement, le budget, la création ou la diffusion. Le tableau de délimitation ne reprend donc jamais une désignation de niveau seule, mais saisit l’autorité pour chaque fonction.

La quatrième comparaison erronée transforme une mention indiquant l’origine IA en jugement de qualité. Un marquage AI peut fournir un contexte d’origine. Il ne confirme ni les faits, ni les droits, ni l’adéquation à la marque, ni la pertinence pour l’audience, ni l’effet commercial. Inversement, l’absence de marquage visible ne prouve pas qu’aucune IA n’était impliquée. La règle de la plateforme et le contexte concret de l’asset doivent être contrôlés séparément.

Ces quatre erreurs ne reçoivent pas de note de classement. Elles créent un point à clarifier et un responsable désigné. Cela garde la vue d’ensemble utilisable pour décider, sans construire à partir de mécaniques produits dissemblables une évaluation de plateforme faussement précise.

Nommer séparément l’IA native de la plateforme et l’analyse externe

Une fonction native travaille à l’intérieur des limites produit et données de sa plateforme. Une analyse externe peut lire plusieurs exports ou rapports, mais ne dispose pas pour autant automatiquement d’une vérité commune et pleinement comparable. Elle peut signaler des différences et transmettre les questions au responsable. Elle ne doit pas remplacer des définitions manquantes par un score AI uniforme.

L’autorité est elle aussi propre à chaque plateforme. Un interrupteur visible, une recommandation et une décision de diffusion prise par la plateforme ne sont pas la même action. Les procédures détaillées d’exploitation, d’arrêt ou de modification pour Google Ads figurent dans les guides Google Ads ; des procédures pour d’autres plateformes ne sont ni proposées ni inventées ici.

Du tableau de délimitation au responsable désigné

Si une ligne révèle un problème de compréhension spécifique à Google Ads, l’étape suivante mène au guide contrôler l’automatisation avec des garde-fous ; un diagnostic de tracking relève de l’audit du suivi des conversions Google Ads.

Questions fréquentes

Sources et mise en perspective

La documentation des plateformes et les publications des fournisseurs expliquent les fonctions et les limites ; cette page ne s’appuie ni sur des autorités de surveillance ni sur une recherche indépendante des prix. Ces sources doivent être interprétées comme telles, et non comme un prix de marché général ou une preuve de réussite. Les destinations liées sont en anglais. Vous trouverez des informations sur la méthode de travail de maitiq sur maitiq.com.

Faites examiner votre cas concret par maitiq.