Les courbes de réponse
Une courbe de réponse estime ce que rapporte un canal selon différents niveaux de dépense, plutôt qu'au seul niveau actuel. Elle aide à anticiper le retour de la prochaine décision budgétaire, sans se limiter à un retour moyen.
6 min de lecture · Mis à jour 7 septembre 2026
Ce que c’est
Une courbe de réponse relie la dépense d’un canal au chiffre d’affaires qu’elle génère. Lue à la dépense actuelle, elle donne le retour que le canal produit. Lue à toute autre dépense, elle donne ce que le canal produirait là. Un plan a besoin de toute la courbe, parce qu’un plan est un ensemble de décisions pour s’éloigner du point actuel.
La forme est fixée par la saturation : raide au début, s’aplatissant à mesure que le canal s’épuise. La hauteur est fixée par le coefficient ajusté du canal. La fourchette autour vient du posterior d’un modèle bayésien.
Pourquoi c’est important pour un plan média
Deux chiffres vivent sur la même courbe et répondent à des questions différentes.
Le retour moyen est le chiffre d’affaires divisé par la dépense au point actuel : la droite de l’origine jusqu’à l’endroit où vous êtes. C’est ce qu’un dashboard appelle ROAS. Il répond à « qu’a rapporté ce canal sur ce que nous avons dépensé ? »
Le retour marginal est la pente de la courbe là où vous êtes. Il répond à « que rapportera le prochain euro ? » Sur toute courbe qui sature, le retour marginal est sous la moyenne, et d’autant plus bas qu’on a dépassé le coude.
Un plan construit sur les retours moyens continue d’alimenter les canaux qui ont bien marché historiquement, qui sont exactement les canaux les plus susceptibles d’être saturés. Un plan construit sur les retours marginaux déplace le budget là où la pente est la plus raide. Cette différence, c’est le plan.
Comment ça marche
Pour chaque canal, le modèle ajusté donne un coefficient β, un point de demi-saturation k et une forme s. La courbe en chiffre d’affaires est :
chiffre d'affaires(dépense) = β × saturation(adstock(dépense))
évaluée sur une grille de niveaux de dépense. Le retour moyen à la dépense x est chiffre d’affaires(x) / x. Le retour marginal est la dérivée, en pratique la différence finie entre le chiffre d’affaires en x et un peu au-dessus de x.
Un scénario est un ensemble de niveaux de dépense, un par canal. Son chiffre d’affaires projeté est la somme des courbes évaluées à ces niveaux, plus la base. Comme le modèle est bayésien, cette somme est calculée sur chaque tirage du posterior, et la projection du scénario est une distribution : une estimation ponctuelle et une fourchette.
Comparer deux scénarios, c’est comparer deux distributions. Un scénario « croissance » qui ajoute du budget partout et un scénario « efficacité » qui coupe les canaux saturés se lisent côte à côte, chacun avec son retour projeté, sa fourchette et le compromis qu’il fait.
Comment Kuwalyst l’utilise
La vue Planifier du Media Planner est construite sur les courbes de réponse. Les scénarios énoncent leur retour mixte projeté avec sa fourchette, et l’argumentaire lit le retour marginal de chaque canal sur sa courbe : « déplace de la dépense d’un canal à 0,87× marginal, sous le seuil de rentabilité, vers un canal à 3,2× ». Quand la fourchette du gain projeté traverse zéro, le plan dit que le gain ne se distingue pas de zéro.
La vue Ajuster propose des réallocations le long des courbes et les dimensionne : combien peut bouger avant que le canal receveur atteigne son propre coude. Un canal proche du haut de sa plage ajustée reçoit un plafond, et le plan propose le test qui étendrait la courbe plutôt que de prétendre que le modèle sait.
Les pièges
Les courbes s’arrêtent où s’arrêtent les données : au-delà de la dépense la plus élevée que le modèle a vue, la courbe est une extrapolation. Traitez les scénarios qui y vont comme des hypothèses.
Une courbe, un canal, une période : les courbes sont ajustées sur une période. Une nouvelle création, un nouveau concurrent, un changement de prix peuvent les déplacer. Un plan qui court sur un trimestre doit être réajusté, et c’est à cela que sert une boucle continue.
Les interactions ne sont pas sur la courbe : la télévision fait monter le search de marque. La courbe search d’un modèle additif inclut une partie du travail de la télévision. Les effets entre étages du funnel doivent être raisonnés hors de la courbe ou modélisés explicitement.
Lisez la fourchette : une courbe dessinée d’un seul trait cache l’incertitude du modèle, et chaque décision qui dépend de la pente en hérite.
Le voir dans le produit
