Les Nouvelles Règles de Google Ads : Repenser le Search Marketing à l'Ère de l'IA

TL;DR

• Trois changements simultanés redéfinissent le search marketing : comment les gens cherchent, où les réponses apparaissent, et qui décide de l'affichage.
• Le nouveau métier n'est plus d'opérer Google Ads, mais de manager l'algorithme comme un collaborateur.
• Règle n°1 : briefez la machine avec des signaux propres (valeur de conversion, données first-party, résultats offline).
• Règle n°2 : testez avec structure — hypothèse, date de kill, une variable à la fois.
• Règle n°3 : décidez avec des frameworks (Scale / Hold / Cut) avant de regarder les données.

Il y a deux ans, une équipe de trois personnes gérait trois à quatre comptes Google Ads. Aujourd'hui, la même équipe en gère six à sept. Plus de revenus, plus de complexité, de meilleurs résultats — et personne n'a été embauché. Personne d'humain, du moins.

C'est le constat que pose Cindy Ebner, responsable de la search team chez une agence allemande spécialisée dans la finance, l'assurance et le B2B, dans son article fondateur pour PPC Hero : "The New Rules of Google Ads: Redefining Search Marketing in the Age of AI".

Chez Escale Ads, nous observons exactement la même dynamique avec nos clients : les annonceurs qui embrassent le nouveau paradigme doublent leur efficacité. Ceux qui s'accrochent aux méthodes d'il y a deux ans voient leurs performances stagner.

Voici les trois règles qui redéfinissent notre métier — et ce qu'il faut faire concrètement dès cette semaine.

Les 3 bouleversements qui changent tout

Trois changements se produisent simultanément, et ensemble ils expliquent pourquoi l'ancien playbook a cessé de fonctionner.

1. Comment les gens cherchent

Hier, on tapait "meilleur ETF" dans une barre de recherche. Aujourd'hui, on décrit une situation entière à son téléphone : "J'ai 42 ans, 50 000 € d'épargne, je veux investir 1 000 € par mois avec un risque modéré. Que faire ?"

On ne cible plus des mots-clés, on cible des situations. Et ce contexte est envoyé simultanément à Google, ChatGPT et Perplexity.

2. Où les réponses apparaissent

Les AI Overviews ne se limitent plus aux requêtes informationnelles. Elles s'affichent désormais sur des requêtes transactionnelles : "meilleur compte professionnel", "comparaison assurance-vie". La réponse arrive avant le clic.

Le clic qui subsiste a d'autant plus de valeur. Votre landing page et votre contenu doivent justifier ce clic. Le paid et l'organic ne sont plus des disciplines séparées — ce sont deux faces d'une même conversation où vous prouvez que vous méritez le clic.

3. Qui décide

Performance Max, Broad Match, AI Max : trois noms, une seule direction. Google choisit quelle requête correspond, quelle annonce s'affiche, quelle combinaison d'enchères et de placements gagne. Chaque trimestre, un levier de contrôle supplémentaire disparaît.

Arrêtez de faire le travail. Commencez à manager l'ouvrier.

Pendant des années, nous faisions le travail nous-mêmes : bouger les enchères, rédiger les annonces, choisir les mots-clés. Ce travail-là disparaît.

Le nouveau métier, c'est de manager l'ouvrier. Imaginez Google comme votre nouveau collaborateur direct : rapide, motivé, traitant plus de données en une seconde que vous n'en traiterez dans votre carrière. Comme tout membre d'une équipe, il a besoin de la même chose : un brief clair, des objectifs réels, des points réguliers, et quelqu'un qui le contredit avant qu'il ne fasse une bêtise coûteuse.

Si vous avez déjà managé une personne, vous savez déjà faire. Les bons managers font trois choses : ils briefent bien, ils vérifient le travail, et ils décident à l'avance ce qu'ils feront en cas de succès ou d'échec. La seule différence aujourd'hui, c'est que votre rapport direct est un algorithme.

Règle n°1 : Briefez la machine

Un mauvais brief ne produit pas un mauvais résultat. Il produit un résultat confiant dans la mauvaise direction. L'algorithme est exactement pareil : il n'est aussi intelligent que les signaux que vous lui donnez.

Quand nous auditions un compte, nous retrouvons presque toujours les mêmes fondations brisées : des conversions qui comptent des visites de page, des conversions double-comptées, des formulaires qui se déclenchent à chaque scroll, des conversions soft et hard mélangées sans valeurs associées.

Trois choses que Google a réellement besoin de vous :

• La valeur de conversion — Si vous ne connaissez pas la valeur au moment de la conversion, ce n'est pas une excuse, c'est le problème à résoudre. Valeurs proxy, lead scoring, value rules.
• Les données first-party — Tout ce que vous savez sur vos clients que Google ignore : valeur vie client, comportement récurrent, qualité du lead. Enhanced conversions et imports de conversions offline sont vos outils.
• Les résultats offline — Un lead est-il vraiment devenu client ? Signé, annulé, ou retourné ?

L'exemple concret : Un assureur avec 90 jours entre le premier clic et la signature. Pendant des années, il optimisait pour les soumissions de formulaires (faciles à tracker). Résultat : plus de leads, mais pas plus de contrats signés. Google ignorait quels leads étaient de qualité. En remontant les données de signature clients via les conversions offline, l'algorithme a enfin compris ce qu'était un bon lead — et s'est mis à en trouver davantage.

Règle n°2 : Testez, mais avec structure

Performance Max reste largement une boîte noire. La tentation est de faire trois changements à la fois, puis de ne plus savoir lequel a fonctionné.

Cindy Ebner propose une méthode simple : avant de lancer un test, répondez à quatre questions :

1. Que je pense qu'il va se passer ?
2. Quel résultat me prouverait que j'ai tort ?
3. Combien de temps vais-je le lancer, et pour quel budget ?
4. Qu'est-ce qui change lundi ?

La question n°4 est la plus importante. Si vous ne pouvez pas y répondre, vous n'avez pas un test. Vous avez un vœu pieux.

L'auteure raconte avoir testé le Broad Match sur une campagne performante. Six semaines plus tard, le CPA avait grimpé de 30 %. La décision honnête était de couper. Mais son cerveau a fourni trois excuses : un changement de taux, un nouveau concurrent, "l'algorithme a besoin de plus de temps". Pré-engager l'action a résolu le problème — pas parce qu'elle est devenue plus intelligente, mais parce qu'elle a retiré la décision à son futur moi fatigué.

Règles d'or : testez les entrées, pas les sorties (types de matching, signaux d'audience, règles de valeur, AI Max on/off). Considérez AI Max comme une fonction de reach, pas d'efficacité. Un seul test par campagne, une seule variable à la fois. Changez deux choses et vous n'avez rien appris.

Règle n°3 : Décidez avec des frameworks, pas des émotions

Celle-ci, même les meilleurs d'entre nous la négligent. La plupart des semaines, on réagit : les chiffres arrivent, on regarde, on ajuste. Ça marche quand les objectifs sont clairs, mais ça a un coût : on passe son temps à expliquer les données au lieu d'agir.

Google prend désormais mille micro-décisions par seconde. Les quelques décisions majeures qui restent — Scale, Hold, Cut — importent plus que jamais.

La plupart d'entre nous passent trop de temps à bricoler les campagnes Hold et pas assez à couper celles qui ne marchent pas. Le correctif est ennuyeux mais efficace : décidez la règle avant de regarder les données.

Concrètement : lundi matin, avant d'ouvrir votre tableau de bord, décidez ce qui vous ferait accélérer, ce qui vous ferait couper, et quand vous ne ferez rien intentionnellement. Ouvrez le tableau de bord. Et suivez vos propres règles.

Vous n'êtes plus l'opérateur. Vous êtes l'architecte.

Le rôle d'opérateur rétrécit chaque trimestre. Le rôle d'architecte grandit. Vous portez désormais trois casquettes :

• 🧠 Architecte des signaux — vous décidez ce que la machine apprend
• 🧪 Concepteur de tests — vous posez les questions que le tableau de bord ne peut pas poser
• ⚖️ Décideur — vous prenez les décisions que l'algorithme n'a pas le droit de prendre

Comme le résume Cindy Ebner : "L'IA n'a pas pris notre job. Elle a pris les parties qui n'ont jamais vraiment été les nôtres — celles qu'on faisait parce que personne ne les avait encore automatisées, pas parce que c'était là que nous ajoutions de la valeur."