Imaginez un instant que chaque euro investi en publicité génère trois fois moins de ventes selon le canal choisi. C’est exactement ce que révèle une étude académique récente sur les publicités ChatGPT face à Google Ads. Deux chercheurs européens ont passé au crible près de dix milliards de sessions e-commerce pour répondre à une question brûlante : les annonces dans les interfaces conversationnelles d’intelligence artificielle sont-elles vraiment rentables, ou s’agit-il encore d’un pari risqué pour les budgets 2027 ?

Depuis le déploiement progressif des formats sponsorisés sur ChatGPT, les responsables marketing, les équipes SEA et les e-commerçants tournent en rond autour des mêmes interrogations. OpenAI elle-même reconnaît manquer encore de benchmarks solides. Cette absence de données fiables a créé un vide que l’étude de Maximilian Kaiser et Christian Schulze vient enfin combler, chiffres de ventes à l’appui. Le tableau qui se dessine est nuancé, parfois déroutant, et surtout très instructif pour quiconque doit arbitrer des investissements publicitaires dans les mois à venir.

Une étude rare et indépendante sur un marché encore jeune

Maximilian Kaiser, de l’Université de Vienne, et Christian Schulze, de la Frankfurt School of Finance & Management, ont publié en octobre 2026 un document de travail qui se distingue par son approche empirique. Contrairement aux communications commerciales des plateformes, leur analyse repose exclusivement sur des données issues de Google Analytics 4, collectées auprès de 1 898 sites e-commerce. L’échantillon couvre soixante semaines et représente près de dix milliards de sessions. Parmi ces sites, cent deux annonceurs ont acheté des espaces sur ChatGPT Ads et disposaient d’un suivi financier complet.

L’intérêt de ce travail réside dans sa neutralité. Les auteurs n’ont aucun lien commercial avec OpenAI ni avec Google. Ils se contentent d’observer ce qui se passe réellement dans les boutiques en ligne américaines, là où les publicités ChatGPT ont été déployées en premier. L’Europe n’est pas encore incluse dans les données, ce qui constitue une limite importante à garder en tête pour les annonceurs français ou européens. Néanmoins, les tendances observées outre-Atlantique offrent déjà des repères précieux.

Le premier constat qui frappe est l’énorme disparité de performance entre les canaux. Une visite provenant d’une publicité ChatGPT génère en moyenne 0,89 dollar de chiffre d’affaires. Sur le même périmètre, une visite issue d’une annonce Google Search rapporte 2,45 dollars. L’écart est de près de trois pour un. Autrement dit, pour chaque dollar de ventes généré par un clic ChatGPT, un clic Google en produit presque trois.

Des taux de conversion qui parlent d’eux-mêmes

Au-delà du revenu par visite, les chercheurs se sont penchés sur les taux de conversion. Les résultats sont tout aussi parlants. Sur le trafic américain, les visiteurs issus des publicités ChatGPT convertissent à hauteur de 0,37 %. Ceux qui arrivent via Google Search atteignent 1,17 %. L’écart se maintient même lorsque l’on compare des sites identiques, sur le même appareil et pendant la même semaine. Il ne s’agit donc pas d’un biais lié à la nature des boutiques ou à la saisonnalité.

Plus troublant encore, la concentration des ventes. Sur les quatre-vingt-sept sites qui achetaient simultanément des espaces sur ChatGPT et sur Google, soixante-treize n’ont enregistré aucune vente provenant des publicités ChatGPT, malgré 18 726 visites payantes. Un seul annonceur concentre à lui seul soixante-six pour cent des achats générés par ce canal. Cette hyper-concentration suggère que le format fonctionne pour une minorité d’acteurs très spécifiques, mais laisse la grande majorité sur le carreau.

Les visiteurs d’une publicité ChatGPT convertissent environ trois fois moins que ceux de Google Search. L’écart tient même à site, appareil et semaine identiques.

– Synthèse de l’étude Kaiser et Schulze, octobre 2026

Ces chiffres obligent à reconsidérer l’enthousiasme initial qui a entouré le lancement des formats sponsorisés dans les interfaces conversationnelles. Ce n’est pas que le canal soit inexistant. C’est simplement qu’il n’a pas encore atteint la maturité nécessaire pour rivaliser avec des plateformes publicitaires rodées depuis plus de vingt ans.

Le paradoxe du trafic organique ChatGPT

Là où l’étude devient particulièrement intéressante, c’est lorsqu’elle examine le trafic organique généré par ChatGPT. Avant l’arrivée des publicités, les sessions provenant de recommandations non sponsorisées de l’assistant conversaient déjà très bien. Après le déploiement des annonces, ce trafic organique a diminué de six à huit pour cent. Pourtant, les visiteurs restants continuent de convertir à un niveau élevé, autour de 2,21 %.

Le revenu par session organique ChatGPT s’établit même à 3,27 dollars, soit nettement plus que les 2,45 dollars de Google Search payant. Cette performance supérieure s’explique probablement par la nature même de l’interaction. Lorsqu’un utilisateur reçoit une recommandation spontanée de l’intelligence artificielle, il la perçoit comme un conseil neutre. Dès que la même recommandation est identifiée comme sponsorisée, la confiance chute et l’intention d’achat s’érode.

Trois facteurs principaux semblent expliquer cet écart de performance entre le gratuit et le payant :

• Les annonces ne s’affichent qu’auprès des utilisateurs de la version gratuite de ChatGPT, un public qui ne dispose pas forcément du pouvoir d’achat le plus élevé.
• Les formats publicitaires n’apparaissent pas au cœur de la réponse conversationnelle, mais dans des emplacements périphériques, ce qui réduit leur impact.
• Les acheteurs potentiels restent beaucoup plus sensibles aux recommandations perçues comme organiques qu’aux suggestions explicitement sponsorisées.

Ces éléments confirment une intuition que beaucoup de spécialistes du marketing digital partagent déjà : le véritable levier de croissance à long terme se trouve peut-être davantage du côté de la visibilité organique dans les modèles de langage que dans l’achat d’espaces publicitaires encore immatures.

Le calcul du prix de parité : un outil concret pour les budgets

L’apport le plus opérationnel de l’étude réside dans la notion de « prix de parité ». Il s’agit du coût par clic maximal qu’un annonceur peut accepter sur ChatGPT Ads pour obtenir la même rentabilité que sur Google Search. Le raisonnement est simple et transparent.

Une visite ChatGPT Ads rapporte 0,89 dollar, soit environ trente-six pour cent des 2,45 dollars générés par une visite Google. Dans l’échantillon étudié, le CPC médian sur Google Search s’élevait à 0,72 dollar. En appliquant le ratio de trente-six pour cent, on obtient un plafond théorique de 0,26 dollar par clic sur ChatGPT. Au-delà de ce seuil, chaque dollar investi rapporte moins de ventes traçables que le même dollar dépensé sur Google.

Or, le plus gros compte de l’échantillon a payé en moyenne 1,72 dollar par clic sur ChatGPT Ads, soit plus de six fois le prix de parité. Ce décalage explique en grande partie pourquoi tant d’annonceurs n’ont enregistré aucune vente. Ils achetaient simplement trop cher un trafic de moindre qualité.

Pour appliquer ce calcul à votre propre activité, la méthode est directe. Dans Google Analytics 4, isolez le revenu par session de la source/support « chatgpt.com / cpc » et celui de « google / cpc ». Divisez le premier par le second, puis multipliez le résultat par votre CPC moyen Google Ads. Vous obtenez ainsi votre propre prix de parité. Si le CPC réellement payé sur ChatGPT dépasse ce seuil, le canal est moins rentable que Google sur la base des ventes immédiates mesurables.

Les limites méthodologiques à garder en tête

Comme toute étude, celle de Kaiser et Schulze présente des limites qu’il faut connaître pour interpréter correctement les résultats. La première concerne la zone géographique. Les données s’arrêtent avant le déploiement des publicités ChatGPT dans l’Union européenne. Les comportements d’achat, le pouvoir d’achat et la maturité digitale ne sont pas identiques des deux côtés de l’Atlantique. Ce qui vaut aux États-Unis ne se transposera pas automatiquement en France, en Allemagne ou en Italie.

Deuxième limite importante : le suivi des conversions. OpenAI a indiqué que ses robots de vérification des annonces peuvent visiter les pages de destination avec les paramètres de suivi. Certains outils d’analytics comptabilisent alors ces passages comme du trafic payant réel, ce qui fausse les performances. Les auteurs ont tenté de corriger ce biais, mais il reste difficile de l’éliminer complètement.

Troisième point : l’étude ne mesure que les ventes immédiates et traçables. Elle ne prend pas en compte les effets de notoriété, les achats différés, ni l’impact sur la considération de marque. Un clic ChatGPT qui ne convertit pas immédiatement peut néanmoins contribuer à un achat ultérieur via un autre canal. Ces effets de second ordre restent invisibles dans les données GA4 purement transactionnelles.

Enfin, le marché évolue très vite. Les formats publicitaires, les emplacements, les audiences et les algorithmes de diffusion changent régulièrement. Les performances observées entre début 2025 et mi-2026 ne préjugent pas de ce qui se passera en 2027 ou 2028.

Que faire concrètement avec ces enseignements ?

Face à ces résultats, trois postures se dessinent pour les annonceurs. La première consiste à rester à l’écart des publicités ChatGPT tant que le canal n’a pas atteint une maturité suffisante. Cette approche prudente peut se justifier pour les entreprises dont les marges sont serrées ou dont le volume de données est trop faible pour réaliser des tests significatifs.

La deuxième posture, plus proactive, consiste à tester le canal avec un budget strictement plafonné. L’objectif n’est pas de générer immédiatement un retour sur investissement positif, mais de collecter des données propriétaires. En fixant un plafond de dépenses et en suivant scrupuleusement le revenu par session et le coût par acquisition, chaque entreprise peut construire son propre référentiel plutôt que de s’appuyer uniquement sur des études externes.

La troisième posture, probablement la plus pertinente à moyen terme, consiste à renforcer massivement les efforts de visibilité organique dans les modèles de langage. Si les recommandations non sponsorisées de ChatGPT génèrent déjà 3,27 dollars de chiffre d’affaires par visite, investir dans le GEO (Generative Engine Optimization) apparaît comme une stratégie à fort potentiel. Cela implique d’optimiser les contenus pour qu’ils soient cités par les grands modèles de langage, de structurer les données de manière à faciliter leur ingestion, et de travailler la crédibilité de la marque aux yeux des systèmes d’intelligence artificielle.

Dans tous les cas, l’arbitrage budgétaire entre Google Ads, Meta Ads, les publicités ChatGPT et les autres canaux émergents doit désormais intégrer cette nouvelle dimension. Les responsables marketing ne peuvent plus se contenter de regarder le coût par clic ou le taux de clics. Ils doivent descendre jusqu’au revenu par session et au retour sur investissement réel, en tenant compte des spécificités de chaque audience.

L’impact sur les stratégies d’acquisition 2027

Les enseignements de cette étude dépassent largement le simple comparatif entre deux plateformes. Ils interrogent la façon dont les marques doivent appréhender l’arrivée des interfaces conversationnelles dans le mix média. Pendant des années, Google Search a dominé le marché de l’intention d’achat. Les utilisateurs formulaient une requête précise et cliquaient sur les résultats, organiques ou payants. Le modèle économique était clair, les performances relativement prévisibles.

Avec les assistants conversationnels, le parcours change radicalement. L’utilisateur pose une question ouverte, reçoit une réponse synthétique, et peut ou non cliquer sur une source. Lorsque des publicités s’immiscent dans ce flux, elles rompent parfois la magie de la recommandation perçue comme impartiale. C’est probablement l’une des raisons pour lesquelles les performances restent décevantes à ce stade.

Pour les e-commerçants, cela signifie qu’il faut préparer plusieurs scénarios. Un scénario dans lequel les publicités dans les interfaces d’intelligence artificielle restent un canal de niche, utile pour certaines catégories de produits à forte marge ou pour des marques déjà très connues. Un scénario alternatif dans lequel les plateformes améliorent considérablement le ciblage, les formats et le placement des annonces, rendant le canal compétitif. Et un troisième scénario, plus structurel, dans lequel la visibilité organique dans les grands modèles de langage devient un actif stratégique aussi important que le référencement naturel classique.

Dans ce contexte, les entreprises qui investiront dès maintenant dans la compréhension de ces nouveaux mécanismes auront une longueur d’avance. Celles qui attendront d’avoir des preuves absolues de rentabilité risquent de se retrouver en retard lorsque le marché basculera.

Comment mesurer correctement la performance des publicités ChatGPT

Mettre en place un suivi fiable constitue le prérequis indispensable à tout test sérieux. Plusieurs bonnes pratiques se dégagent déjà de l’expérience des premiers annonceurs.

Premièrement, utiliser des paramètres UTM stricts et distincts pour chaque campagne. La source doit clairement identifier « chatgpt.com » et le medium « cpc » ou « paid ». Cela permet d’isoler proprement le trafic dans Google Analytics 4 ou dans tout autre outil d’analytics.

Deuxièmement, surveiller attentivement les pics anormaux de trafic qui pourraient correspondre aux robots de vérification d’OpenAI. Certains outils permettent déjà de filtrer ces sessions techniques. Lorsque ce n’est pas possible, une analyse manuelle des logs ou des comportements de navigation (temps passé, pages vues, absence d’interactions) peut aider à les identifier.

Troisièmement, ne pas se limiter aux conversions immédiates. Mettre en place un suivi des conversions assistées et analyser les parcours multi-canaux. Un utilisateur peut découvrir une marque via une publicité ChatGPT, revenir plusieurs jours plus tard via une recherche Google, et convertir alors. Attribuer l’intégralité de la vente au dernier clic sous-estimerait l’apport du premier contact.

Quatrièmement, comparer systématiquement les performances à celles des autres canaux sur des périodes identiques et des audiences similaires. C’est le seul moyen d’éviter les conclusions hâtives fondées sur des volumes trop faibles ou des effets de saisonnalité.

Les profils d’annonceurs qui s’en sortent le mieux

Même si la majorité des sites de l’échantillon n’a généré aucune vente, un petit nombre d’annonceurs a obtenu des résultats corrects. L’étude ne détaille pas leurs caractéristiques exactes, mais plusieurs hypothèses peuvent être formulées à partir des données disponibles et des retours terrain.

Les marques déjà très connues semblent mieux performer. Lorsqu’un utilisateur voit une publicité pour une enseigne qu’il connaît et apprécie, la méfiance envers le caractère sponsorisé diminue. À l’inverse, une marque inconnue a beaucoup plus de mal à convaincre dans un environnement où la confiance est essentielle.

Les produits à fort ticket moyen ou à forte marge peuvent également mieux absorber un coût par acquisition élevé. Si une vente rapporte plusieurs centaines d’euros de marge, même un taux de conversion faible peut rester rentable. Les produits d’entrée de gamme, en revanche, souffrent davantage de l’écart de performance.

Enfin, les catégories de produits pour lesquelles les utilisateurs sollicitent régulièrement des conseils auprès des assistants conversationnels (technologie, voyage, bien-être, formation) semblent plus naturellement alignées avec le format. Les catégories purement transactionnelles et peu réfléchies (produits de grande consommation basiques) ont probablement plus de mal à tirer parti de cet environnement.

L’avenir des publicités dans les interfaces conversationnelles

Personne ne peut prédire avec certitude comment évolueront les performances des publicités ChatGPT dans les prochains mois. Plusieurs variables entreront en jeu. L’amélioration des algorithmes de ciblage et de pertinence, l’évolution des formats créatifs, l’élargissement des audiences payantes, et surtout la façon dont les utilisateurs s’habitueront (ou non) à voir des messages sponsorisés dans leurs conversations avec l’intelligence artificielle.

Ce qui est déjà certain, c’est que le paysage de l’acquisition digitale se complexifie. Google Search conserve une position dominante, mais de nouveaux acteurs émergent. Les interfaces conversationnelles, les moteurs de réponse, les assistants vocaux et les réseaux sociaux continuent de redistribuer l’attention des utilisateurs. Les marques qui sauront diversifier intelligemment leurs investissements, tout en mesurant précisément la contribution de chaque canal, seront les mieux armées pour les années à venir.

Dans ce contexte, l’étude de Kaiser et Schulze constitue un point de repère précieux. Elle ne prétend pas dire le dernier mot sur le sujet, mais elle offre enfin des données concrètes, indépendantes et fondées sur des ventes réelles. Pour les équipes marketing qui préparent leurs budgets 2027, c’est une base de réflexion bien plus solide que les discours promotionnels des plateformes.

Mettre en place un test contrôlé dès maintenant

Pour les annonceurs qui souhaitent se faire leur propre opinion, voici une méthode pragmatique en plusieurs étapes. Commencez par définir un budget maximal que vous êtes prêt à perdre en apprentissage. Ce montant doit être suffisamment élevé pour générer un volume de clics statistiquement significatif, mais suffisamment limité pour ne pas mettre en péril les objectifs globaux.

Sélectionnez ensuite un ou deux produits ou catégories sur lesquels vous disposez déjà de bonnes performances sur Google Ads. Cela permettra une comparaison pertinente. Créez des campagnes dédiées avec un suivi analytique irréprochable. Fixez dès le départ le prix de parité théorique en vous appuyant sur vos propres données Google. Suivez quotidiennement le coût par acquisition et le revenu par session. Au bout de quatre à six semaines, dressez un bilan honnête.

Si les performances restent très inférieures au seuil de parité, réduisez ou suspendez les investissements. Si elles s’en approchent ou les dépassent, envisagez une montée en charge progressive. Dans tous les cas, documentez précisément ce que vous avez appris. Ces apprentissages internes vaudront souvent plus que n’importe quelle étude externe.

Le GEO comme priorité stratégique parallèle

Pendant que les publicités ChatGPT trouvent encore leurs marques, le travail sur la visibilité organique dans les modèles de langage ne doit pas attendre. Les contenus cités spontanément par les assistants conversationnels génèrent déjà des sessions de haute qualité. Les entreprises qui structurent dès aujourd’hui leurs données, qui produisent des contenus exhaustifs et fiables, et qui travaillent leur autorité de domaine dans l’écosystème de l’intelligence artificielle se positionnent avantageusement pour les années à venir.

Cela implique de revoir les stratégies de contenu traditionnelles. Un article optimisé uniquement pour les moteurs de recherche classiques n’est pas nécessairement optimisé pour être cité par un grand modèle de langage. Les formats, la structure, le niveau de détail, la fraîcheur de l’information et la crédibilité des sources jouent un rôle différent. Les équipes SEO et contenu doivent donc élargir leur champ de compétences et collaborer plus étroitement avec les spécialistes de l’intelligence artificielle.

Cette double approche – tester prudemment les formats payants tout en investissant massivement dans la visibilité organique – apparaît aujourd’hui comme la plus raisonnable. Elle permet de ne pas manquer d’éventuelles opportunités tout en sécurisant le levier qui, selon les données disponibles, génère déjà les meilleures performances.

Conclusion : un canal à surveiller, pas encore à surinvestir

Les publicités ChatGPT ne sont ni une révolution immédiate ni un échec annoncé. Elles constituent un canal d’acquisition encore immature, dont les performances moyennes restent nettement inférieures à celles de Google Search sur la base des données disponibles fin 2026. Le revenu par visite, les taux de conversion et le coût d’acquisition observés plaident pour une grande prudence dans l’allocation des budgets.

Cependant, l’histoire des plateformes publicitaires montre que les débuts difficiles ne préjugent pas toujours de l’avenir. Google Ads lui-même a mis plusieurs années à atteindre le niveau de sophistication et de rentabilité que nous lui connaissons aujourd’hui. Meta a connu des phases de turbulences après chaque changement d’algorithme majeur. Les publicités dans les interfaces conversationnelles suivront probablement un chemin similaire d’itérations successives.

Pour les décideurs marketing, la posture la plus sage consiste donc à rester informés, à tester de façon contrôlée, à mesurer avec rigueur, et à ne jamais perdre de vue le levier organique qui, pour l’instant, surpasse largement les formats payants. Les entreprises qui sauront naviguer entre prudence et curiosité seront les mieux placées pour tirer parti de la prochaine évolution majeure de l’acquisition digitale.

Les chiffres de l’étude Kaiser et Schulze offrent un point de départ solide. À chaque annonceur maintenant de les confronter à sa propre réalité, de construire ses propres références, et de décider, en connaissance de cause, quelle place accorder aux publicités ChatGPT dans son mix média de 2027 et au-delà. Le marché de la publicité conversationnelle ne fait que commencer. Ceux qui l’aborderont avec méthode plutôt qu’avec précipitation en sortiront gagnants.