A retenir :

• Un outil de pilotage stratégique et de souveraineté des données : plus qu’un simple algorithme, Meridian est une boîte à outils stratégique qui permet aux marques de posséder leur code, d’héberger leurs données et d’auditer leurs résultats. Il leur permet de mesurer un ROI omnicanal, de comprendre la contribution incrémentale de chaque levier et d’optimiser les budgets futurs.
• Un saut technologique avec des données médias de Google : bâti sur une infrastructure moderne (JAX, PyMC), Meridian facilite l’accès à des données de Google Ads (Reach & Frequency). Cela offre une précision inégalée pour mesurer les propres canaux de Google, faisant du framework un levier puissant pour valoriser son inventaire.
• Un framework équilibré et « business-ready » malgré quelques défis : Meridian trouve un juste milieu entre l’automatisation « boîte noire » de concurrents comme Robyn (Meta) et la complexité de librairies de code pures. Bien qu’il rencontre des défis comme l’instabilité des données ou l’interprétation des modèles, ses rapports interactifs et son planificateur de scénarios en font l’une des solutions MMM les plus pratiques et accessibles du marché.

Le Marketing Mix Modeling (MMM) n’est plus une mesure réservée à quelques entreprises. Si les restrictions sur les cookies tiers ont relancé l’intérêt pour ces modèles, leur valeur historique n’a pas changé : le MMM est toujours le seul arbitre capable de réconcilier l’impact massif des leviers offline (TV, Affichage, Presse..) avec les investissements en ligne. Au centre de cette renaissance : Meridian, le framework open-source de Google. Un an après son lancement, voici notre bilan complet : entre prouesse statistique et défis d’implémentation.

Meridian pour les décideurs : reprendre le contrôle de sa donnée

Meridian n’est pas qu’un algorithme, c’est une boîte à outils statistique qui permet de mesurer l’impact réel de chaque euro investi. Son atout majeur réside dans sa nature Open Source : vous possédez le code, vous contrôlez l’hébergement de vos données et vous auditez vos propres résultats de bout en bout.

Il répond à trois questions vitales pour piloter la direction marketing :

• Le ROI Historique : Qu’est-ce que les dépenses passées ont réellement rapporté ?
• L’Incrémentalité (la Causalité) : Quelle est la contribution propre de chaque canal (TV, Social Media, Search, Affichage) sur mes ventes ?
• L’Optimisation sous scénarios : Comment répartir mon budget futur pour maximiser le chiffre d’affaires ?

Le pitch est habituel pour le MMM. C’est l’outil idéal pour justifier les budgets omnicanaux et identifier les points de saturation de chaque levier avant de voir le point où le ROI tend vers la chute (retours décroissants) .

Un saut technologique exclusif pour le MMM

Oubliez les modélisations statistiques rigides du siècle dernier. Meridian signe l’entrée du MMM dans l’ère moderne avec une infrastructure fluide (propulsée par JAX et PyMC), capable d’accélérer drastiquement les calculs bayésiens massifs. L’outil s’exécute là où vous le décidez : en local sur votre machine ou dans votre environnement cloud privé.

Mais le véritable avantage stratégique pour les entreprises réside dans la MMM Data Platform. Ici, l’intérêt n’est pas technique (scripts ou pipelines), mais réside dans l’accès exclusif à des données de campagne Google Ads parfois fastidieuses à obtenir ailleurs. Google ouvre ses vannes pour fournir des signaux ultra-granulaires sur DV360, Google Ads et YouTube, dont des métriques critiques comme le Reach & Frequency.

Google pousse Meridian car c’est le meilleur moyen de bien valoriser ses propres supports auprès des grands comptes. En fournissant des données exclusives sur ses propres inventaires, Google s’assure que ses canaux sont mesurés avec une précision qu’aucun autre framework ne peut égaler.

Par ailleurs, l’outil impose un véritable changement de logiciel mental. Ici, on ne cherche pas de « recettes miracles » comme en Machine Learning classique. On entre dans le monde de l’inférence bayésienne et des priors (connaissances a priori).

C’est une approche beaucoup plus proche de la causalité réelle : on n’injecte pas seulement des chiffres, on injecte de la connaissance business. C’est passionnant, mais cela exige des équipes Data de réapprendre à « penser » le modèle et à formuler des hypothèses, plutôt que de simplement lancer un script d’apprentissage automatique.

Notre retour d’expérience Meridian : ce qu’on aime (et ce qui fâche)

Après un an de tests sur divers projets chez Converteo, le bilan est riche en enseignements. La version 1.5.0 corrige de nombreux défauts de jeunesse, mais des défis persistent.

✅ Les points forts de Meridian

• Des rapports « Business-Ready » : les visualisations et rapports interactifs natifs sont exemplaires. Ils transforment des statistiques arides en récits stratégiques digestes pour un stakeholder.
• Flexibilité de l’Adstock (v1.2.0) : l’ajout de la loi binomiale permet enfin de modéliser un impact différé (time-lag). C’est une avancée majeure par rapport à la seule option décroissance géométrique classique, qui imposait un pic d’effet immédiat, souvent irréaliste pour des canaux tel la TV ou l’Affichage.
• Le Scenario Planner (v1.4.0) : la capacité de simuler des futurs budgétaires en quelques clics est un véritable game changer pour la planification budgetaire.
• L’EDA Engine (v1.3.0) : un garde-fou automatique qui détecte les erreurs de données et les corrélations absurdes avant même le lancement.

❌ Les défis de Meridian

• Le syndrome de la « Baseline Négative » : le modèle peut parfois suggérer des ventes négatives en l’absence de marketing. Un point qui mériterait d’être taclé par la possibilité d’imposer des bornes positives plus strictes.
• Instabilité à la mise à jour : les résultats manquent encore parfois de consistance lors de l’ajout de données fraîches, demandant une vigilance constante des Data Scientists pour conserver une cohérence historique.
• Le piège du « Query Volume » : le volume de requêtes Google est un facteur de confusion puissant. Proxy de la demande naturelle et du SEA, il a tendance à vampiriser l’attribution des autres leviers s’il n’est pas parfaitement isolé.

Meridian by Google : bilan pour le MMM

Meridian réussit le tour de force de réconcilier l’exigence statistique avec les impératifs business. Si quelques aspérités techniques demeurent, le framework s’impose indéniablement comme l’une des solutions de mesure les plus pratiques du marché.

Face à ses concurrents, Meridian occupe un « sweet spot » : là où Robyn (Meta) séduit par son automatisation poussée mais parfois « boîte noire », et où PyMC-Marketing offre une flexibilité totale mais exige une expertise en code et maths plus lourde, Meridian trouve le point d’équilibre. Il offre la puissance de calcul de PyMC sous le capot, mais habillée d’une interface de planification stratégique prête à l’emploi. Cela en fait aujourd’hui l’une des solutions les plus fiables pour installer une mesure souveraine et accessible sur le long terme.