Meta Andromeda, GEM et GenRecs : comment Meta choisit vos annonces

Le 28 octobre, Meta a publié une courte note sur les trois systèmes d’IA qui décident désormais quelles publicités s’affichent sur Facebook et Instagram : Andromeda, GEM et GenRecs. Une phrase va plaire à tous les annonceurs. Il n’y a selon Meta aucun réglage à activer, aucun nouveau type de campagne et aucune migration à prévoir, puisque tout tourne déjà dans votre compte.

C’est justement pour cela que la note mérite dix minutes de lecture. Quand rien n’est à activer, il ne reste que les leviers que vous aviez déjà, et Meta les cite lui-même. Ce sont le résultat que vous lui demandez d’optimiser, la qualité des données que vous lui renvoyez, et la part de l’optimisation que vous laissez à ses modèles. Voici comment les trois systèmes s’articulent, comment lire les chiffres annoncés, et ce que nous changeons dans les comptes que nous pilotons.

Comment Meta choisit une annonce, en trois étapes

Chaque fois que quelqu’un ouvre Facebook ou Instagram, Meta doit retenir quelques annonces parmi des dizaines de millions. Il procède par étapes, et chacun des trois systèmes en tient une.

Andromeda dresse la liste courte. C’est l’étape de présélection, lancée en 2024 sur les puces MTIA de Meta et le matériel Grace Hopper de NVIDIA. Elle réduit le stock à quelques candidates par personne, après avoir appliqué les règles de ciblage que vous avez posées. La nouvelle version, conçue avec NVIDIA, confie chaque annonce à des modèles « experts » spécialisés plutôt qu’à un modèle unique, et note toutes les annonces éligibles. L’équipe d’ingénierie de Meta annonce plus d’un milliard d’annonces traitées par seconde, cent fois le système de 2024.

GEM classe la liste courte. GEM, pour Generative Ads Recommendation Model, a été présenté en 2025. Meta en fait aujourd’hui le modèle de fondation des recommandations publicitaires sur Facebook, Instagram, Reels et les conversions réalisées hors de Meta. Trop lourd pour tourner à chaque affichage, il transmet ce qu’il apprend à des modèles de classement plus légers, qui répondent en temps réel. La nouvelle génération lit un historique d’interactions deux fois plus long, avec un modèle 2,5 fois plus complexe.

GenRecs lit l’annonce elle-même. C’est la brique la plus récente. Des modèles de langage lisent le texte et les images de chaque annonce et les décrivent en « jetons sémantiques », qui couvrent par exemple la marque, la couleur, la coupe ou le style. GenRecs procède ensuite à l’envers. Pour une personne donnée, il génère la description de l’annonce idéale, puis cherche les vraies annonces qui s’en approchent. Meta a étendu cette présélection générative au fil Facebook au troisième trimestre.

Comment lire les chiffres de Meta

Meta ajoute que les améliorations de son classement ont apporté, au deuxième trimestre 2026, 8,3 % de clics en plus et 15,7 % de conversions en plus sur Facebook. Ce sont de gros chiffres, qui appellent trois réserves.

Tous sont déclarés par Meta, tirés de ses données internes, sans méthode publiée. Les périodes changent d’un chiffre à l’autre, « depuis 2025 », le deuxième ou le troisième trimestre, et février 2026 pour la tokenisation de GenRecs (+0,35 % toutes surfaces confondues). Les périmètres changent aussi. Certains chiffres portent sur Facebook seul, un autre sur les Reels d’Instagram (+0,24 % pour la dernière évolution d’Andromeda), d’autres sur des « utilisateurs ciblés ». Ils ne s’additionnent pas, et aucun ne vaut prévision pour votre compte.

Ils indiquent en revanche une tendance. Une part croissante des progrès de Meta vient de sa mécanique de classement, et plus seulement de nouveaux réglages de campagne. Si vos résultats ont bougé cet automne sans que personne ne touche aux campagnes, une partie de l’explication se trouve peut-être là. Seule une comparaison avec vos ventes ou votre CRM sur les mêmes semaines permet de le dire.

Premier levier, le résultat que vous demandez à Meta

La note de Meta se termine sur une phrase que nous afficherions volontiers au bureau. En substance, le système a toujours besoin que vous lui disiez à quoi ressemble une victoire pour votre entreprise. L’événement d’optimisation est cette définition. Une campagne optimisée sur les vues de page de destination trouvera des gens qui regardent des pages de destination, et elle le fera très bien.

GEM aide sur un problème ancien. Les ingénieurs de Meta écrivent que ce que le modèle apprend sur les clics, très nombreux, se transfère aux conversions, beaucoup plus rares. En pratique, une campagne qui a peu d’achats ou de leads devrait moins peiner qu’avant à optimiser sur cet événement. Nous y voyons une raison de faire passer certains comptes d’un événement intermédiaire, comme un formulaire ouvert ou une page vue, à l’événement le plus proche du chiffre d’affaires, après un test. Un signal faible ne devient pas fiable pour autant, et un compte à trois leads par mois a toujours besoin d’un événement de substitution.

Deuxième levier, les données que vous renvoyez

Le deuxième critère de Meta est la qualité des données, y compris la façon dont vous mesurez la performance. Les modèles de classement apprennent des conversions que vous leur remontez. Des conversions manquantes, en double, ou un achat envoyé sans sa valeur leur apprennent la mauvaise leçon, et désormais plus vite.

Les contrôles que nous faisons en premier sur un compte Meta n’ont rien de spectaculaire, et ils rapportent. Le Pixel et l’API Conversions envoient tous deux l’événement clé, dédoublonné par le même identifiant d’événement. La valeur et la devise accompagnent chaque achat. Les campagnes de leads renvoient les leads devenus clients, quand le CRM le permet. Si vous voulez un deuxième regard là-dessus, c’est le quotidien de notre équipe tracking et reporting.

Troisième levier, la marge laissée au système

Le billet technique sur Andromeda confirme que la présélection applique les règles de ciblage de l’annonceur avant toute notation. Chaque contrainte ajoutée retire des candidates avant même que les modèles les voient. Certaines contraintes traduisent une réalité de l’entreprise, comme une zone de livraison, un âge légal ou des clients existants à exclure. Gardez-les. D’autres sont des hypothèses posées il y a des années, un empilement de centres d’intérêt ou une tranche d’âge que plus personne ne sait justifier. Ce sont elles qu’il faut tester en les retirant.

Nous allions déjà dans ce sens avec les campagnes Advantage+, comme nous l’expliquions quand Meta a mis fin aux campagnes Advantage+ Shopping et App. La note d’octobre ne cite pas Advantage+, donc ce rapprochement est notre lecture, pas une consigne de Meta.

Quatrième levier, des créations que le modèle distingue

GenRecs change la façon dont le système perçoit vos créations. Des modèles de langage lisent le texte et les images de chaque annonce et la rangent sous des descriptions comme la marque, la couleur ou le style. Selon Meta, les nouvelles annonces, les créations renouvelées et les nouveaux produits démarrent plus vite, parce qu’ils héritent de ce que le modèle sait déjà d’éléments proches. Ses ingénieurs ajoutent que l’effet est le plus fort sur les annonces qui cumulent peu d’impressions, souvent celles des petits annonceurs.

Meta ne donne aucune règle sur le nombre d’annonces ni sur leur degré de différence, donc ce qui suit est notre lecture. Dix versions d’une même image avec dix accroches seront sans doute décrites presque dans les mêmes termes, ce qui laisse peu de vrais choix à la présélection. Cinq annonces qui montrent des produits, des lieux, des personnes ou des arguments différents lui donnent davantage de quoi répondre à des personnes différentes. Le même billet technique rappelle que les outils d’IA générative ont aidé les annonceurs à produire des centaines de millions de nouvelles annonces, donc le volume seul ne vous distinguera pas.

Nous briefons désormais les créations sur des angles distincts d’abord, et sur les variantes ensuite. Quand un client ne peut pas produire de nouvelles images chaque mois, notre équipe de création construit ces angles à partir de ce qui existe déjà.

« Si Meta fait tout, que nous reste-t-il ? »

C’est la question qu’on nous pose le plus après ce genre d’annonce, et nous y avions longuement répondu quand Meta a annoncé des campagnes entièrement automatisées. La note d’octobre rend la réponse plus concrète. La machine décide désormais qui voit quelle annonce. Vous décidez toujours de ce qui compte comme une réussite, des données qui le prouvent, des contraintes qui sont réelles et de ce que disent les annonces. Ces quatre décisions sont plus difficiles à bien prendre que les réglages d’enchères ne l’ont jamais été, et une erreur sur l’une d’elles se propage désormais plus vite dans le compte.

Ce que nous ferions ce mois-ci

Rien d’urgent, et rien à reconstruire. Le Black Friday arrive dans trois semaines, et relancer des campagnes à cause d’une mise à jour du classement coûterait plus d’apprentissage qu’il n’en rapporterait. Nous vérifierions l’événement d’optimisation de chaque campagne et ferions un court audit de l’API Conversions et des valeurs d’achat. Nous listerions aussi les contraintes de ciblage en marquant celles que personne ne sait justifier, puis nous préparerions les créations de janvier autour de trois ou quatre angles distincts.

Ensuite, nous lirions les résultats face aux ventes, et non face aux chiffres de la note de Meta. Ils décrivent une moyenne sur des milliards d’enchères, et votre compte n’en est qu’une petite partie.

Sources Meta for Business, 28 octobre 2026 - Meta Engineering, Andromeda, 28 octobre 2026 - Meta Engineering, GEM, 13 octobre 2026 - Meta Engineering, GenRecs Tokenization, 19 octobre 2026