Tests d'incrémentalité : le geo-lift plutôt que le ROAS des plateformes
Les tests d'incrémentalité mesurent, par l'expérimentation, combien de conversions ou de chiffre d'affaires supplémentaires une action publicitaire génère. Un groupe test (utilisateurs ou régions) voit la publicité, un groupe témoin comparable ne la voit pas, et la différence correspond à l'effet incrémental. Les tests de geo-lift utilisent des régions comme groupes et n'ont donc pas besoin de tracking au niveau utilisateur.
L’essentiel
- Selon Lifesight, les tests de geo-lift (matched-market) nécessitent au moins 6 mois d'historique propre, une puissance statistique ≥80 % et des données first-party hebdomadaires ou quotidiennes par région, au minimum à l'échelle des États.
- Exprime les résultats sous forme de lift avec un intervalle de crédibilité (par ex. lift de +4,2 %, intervalle à 90 % de +1,8 % à +6,5 %) plutôt que comme une valeur unique faussement exacte, car selon Kard, des modèles trop précis peuvent produire davantage de faux positifs.
- 225 geo-tests menés sur différents canaux via la plateforme de Stella (août 2024 à déc. 2025, surtout des marques DTC américaines) : iROAS médian de 2,31x, 88,4 % des tests statistiquement significatifs. Dans l'introduction, Stella indique de manière générale que le ROAS des plateformes est souvent deux à trois fois plus élevé.
- Les tests de geo-lift se passent de tracking au niveau utilisateur et de données personnelles, et mesurent malgré tout un effet causal.
- Fixe la règle de décision, la puissance et la durée avant le lancement, et ne modifie ni le budget ni le ciblage pendant le test.
- Kard cite au moins 10 à 15 marchés appariés. En Autriche, les neuf États fédérés n'y suffisent pas : il te faut un découpage plus fin, comme les districts.
Le geo-lift dans le contexte européen
Pour les entreprises en Europe, c'est surtout la protection des données qui plaide en faveur du design géographique. Selon Lifesight, il se passe de tracking au niveau utilisateur et de données personnelles, car il n'analyse que des données agrégées de conversions ou de chiffre d'affaires par région. La comparaison entre régions test et régions témoins isole malgré tout l'effet causal de la publicité, ce que l'attribution au clic ne permet pas.
En Autriche, le goulot d'étranglement est le nombre de régions. Les neuf États fédérés restent sous le seuil de 10 à 15 marchés appariés indiqué par Kard. Un test autrichien a donc besoin de districts ou de zones de code postal auxquels tu peux attribuer proprement le chiffre d'affaires ou les conversions.
Le cadre général se trouve dans le pilier Analytics des réseaux sociaux, KPI & mesure. Les décisions connexes sont approfondies dans Marketing mix modeling : Meridian, Robyn et le seuil de données, Share of search : l'indicateur avancé le moins cher de la part de marché et Modèles d'attribution : pourquoi le multi-touch ne tient plus et le dark social l'emporte.
Notions et questions de décision
Deux formules gardent la discussion concrète. Le lift est la différence entre les conversions du groupe test et celles du groupe témoin, divisée par les conversions du groupe témoin. L'iROAS rapporte aux dépenses publicitaires le chiffre d'affaires incrémental ainsi obtenu, et non le chiffre d'affaires total de la zone test ; ce calcul de Lifesight explique pourquoi le ROAS des plateformes et l'iROAS divergent autant sur les mêmes données.
Des résultats qui changent la décision
Kard, Geo Lift Test, 2026, monde : Exprimer les résultats sous forme de lift avec un intervalle de crédibilité (par ex. lift de +4,2 %, intervalle à 90 % de +1,8 % à +6,5 %) plutôt que comme une valeur unique faussement exacte. Kard le justifie par le fait que des modèles trop précis peuvent produire davantage de faux positifs (erreurs de type I). Le taux d'erreur lui-même n'est limité que par une règle de décision fixée avant le lancement.
Stella, 2025 DTC Digital Advertising Incrementality Benchmarks, 2026, États-Unis : 225 geo-tests menés sur différents canaux (Google, Meta, CTV, TikTok et d'autres) via la plateforme de Stella entre août 2024 et décembre 2025 : iROAS médian de 2,31x, 88,4 % des tests statistiquement significatifs avec un niveau de confiance d'au moins 90 %. Dans l'introduction de l'étude, Stella indique de manière générale que le ROAS des plateformes est souvent deux à trois fois supérieur à l'iROAS, et cinq à dix fois pour le branded search et le retargeting. L'échantillon regroupe des marques e-commerce DTC, surtout aux États-Unis, et ne constitue pas un benchmark européen.
Points de contrôle pour un test de geo-lift fiable
Les seuils proviennent des guides de Lifesight et de Kard. Vérifie-les avant le lancement, pas après le résultat.
Point de contrôle | Question clé | Bon signe | Signal d'alerte |
|---|---|---|---|
Régions | Les marchés suffisent-ils pour le test et le contrôle ? | au moins 10 à 15 marchés appariés avec une corrélation historique d'au moins 95 % | quelques grandes régions, par exemple uniquement les neuf États fédérés autrichiens |
Historique | Y a-t-il assez de données antérieures propres ? | au moins 6 mois, en hebdomadaire ou en quotidien | lacunes ou changements de tracking sur la période antérieure |
Puissance | Le test détecte-t-il le plus petit lift pertinent ? | au moins 80 % de puissance, calculée avant le lancement | puissance vérifiée seulement après le test |
Durée | La durée est-elle fixée à l'avance ? | 4 à 8 semaines, déduites de l'analyse de puissance | prolonger le test jusqu'à ce qu'il devienne significatif |
Règle de décision | Quand le lift est-il considéré comme prouvé ? | fixée à l'avance, par ex. l'intervalle exclut 0 | seuil choisi seulement après le résultat |
Spillover | Les régions test et témoins sont-elles séparées ? | zones tampons entre les régions | zones de couverture médias qui se chevauchent |
Intégrité du test | Le dispositif reste-t-il stable pendant le test ? | budget et ciblage inchangés | budget déplacé en cours de test |
Erreurs de décision fréquentes
Les geo-tests ont leurs propres pièges statistiques. Kard en cite quatre : le spillover entre régions test et témoins, une puissance insuffisante, un contrôle synthétique qui dérive et des changements de budget ou de ciblage en cours de test. Ils faussent le résultat ou font disparaître un lift réel dans le bruit. Contre le spillover, les zones tampons aident ; la puissance, tu la fixes avant le lancement et non après coup. Comme seuil minimal pour un design solide, Kard cite au moins 10 à 15 marchés appariés. La durée n'est pas non plus une soupape de sécurité : une analyse de Wayfair montre que des tests plus longs n'améliorent pas forcément la précision et que des hypothèses de variance mal calibrées augmentent même le taux de faux positifs.
Données et statistiques
Selon Lifesight, les tests de geo-lift (matched-market) nécessitent au moins 6 mois d'historique propre, une puissance statistique ≥80 % et des données first-party hebdomadaires ou quotidiennes par région, au minimum à l'échelle des États
Lifesight, Geo-Based Incrementality Testing 2026 (2026)Exprimer les résultats sous forme de lift avec un intervalle de crédibilité (par ex. lift de +4,2 %, intervalle à 90 % de +1,8 % à +6,5 %) plutôt que comme une valeur unique faussement exacte, car des modèles trop précis peuvent produire davantage de faux positifs (erreurs de type I)
Kard, Geo Lift Test (2026)225 geo-tests menés sur différents canaux (Google, Meta, CTV, TikTok et d'autres) via la plateforme de Stella (août 2024 à déc. 2025) : iROAS médian de 2,31x, 88,4 % des tests statistiquement significatifs avec un niveau de confiance d'au moins 90 % ; échantillon : marques e-commerce DTC, surtout aux États-Unis
Stella, 2025 DTC Digital Advertising Incrementality Benchmarks (2026)Lift = (conversions du groupe test moins conversions du groupe témoin) / conversions du groupe témoin ; iROAS = chiffre d'affaires incrémental / dépenses publicitaires
Lifesight, Geo-Based Incrementality Testing 2026 (2026)Les tests de geo-lift n'ont besoin ni de tracking au niveau utilisateur ni de données personnelles, travaillent avec des données de conversion agrégées par région et mesurent l'effet causal de la publicité
Lifesight, Geo-Based Incrementality Testing 2026 (2026)Pièges statistiques des geo-tests selon Kard : spillover entre régions (parade : zones tampons), puissance insuffisante (à fixer avant le lancement, pas après coup), dérive du contrôle synthétique et changements de budget ou de ciblage en cours de test ; Kard fixe le seuil minimal à 10 à 15 marchés appariés, et Wayfair montre que des tests plus longs n'améliorent pas forcément la précision
Kard, Geo Lift Test (2026)“Collecte au moins 6 mois de données historiques propres avant le test”
— Lifesight, Geo-Based Incrementality Testing, 2026
“conçois le test pour au moins 80 % de puissance statistique afin de détecter ton lift minimum détectable”
— Lifesight, Geo-Based Incrementality Testing, 2026
Ouvre le chat avec un prompt prêt à l’emploi.
Questions fréquentes
Que signifie concrètement « test d'incrémentalité » ?
De combien de régions un test de geo-lift a-t-il besoin ?
Combien de temps un test de geo-lift doit-il durer ?
De quelles données un test de geo-lift a-t-il besoin ?
Pourquoi l'iROAS diffère-t-il du ROAS des plateformes ?
Qu'est-ce qui distingue un test de geo-lift d'une étude Conversion Lift proposée par une plateforme ?
Envie d’aller plus loin ?
Reçois les nouvelles analyses directement dans ta boîte mail ou découvre comment nous mettons ce savoir au service des entreprises.