Pourquoi le CPI de mon app monte-t-il ou son ROAS stagne-t-il ? Cherchez d'abord ce qui a changé.

Quand un client me dit que son CPI a augmenté, je ne commence pas par le rapport d’enchères. J’ouvre le journal des modifications. Une hausse du CPI ou un ROAS qui stagne peut naître dans le produit, dans la stack de mesure ou dans l’âge des cohortes, et il est facile d’accuser les enchères, parce que c’est la partie du système qui vient avec un graphique.

Deux égalités portent tout le diagnostic. Le CPI est le CPM divisé par les installs pour mille impressions. Le ROAS à un âge donné est la valeur par install à cet âge divisée par le CPI. Tout ce qui fait bouger l’un ou l’autre est un de leurs termes, ou un changement dans la façon de mesurer un terme, et le travail consiste à trouver quel terme a bougé en premier. Les cas ci-dessous viennent de mes propres comptes et sont déjà publiés, chacun portant sur un seul compte. Tous les nombres des exemples chiffrés sont des illustrations déclarées comme telles, et tout autre chiffre cite sa source.

Qu’est-ce qui a changé au cours des deux à trois dernières semaines ?

Avant toute métrique, je note chaque changement des deux à trois dernières semaines, venant de tous ceux qui peuvent toucher au système. Versions de l’app et mises à jour du SDK. Tests de paywall, de prix, de durée d’essai et d’onboarding. Page de store, captures d’écran, note. Événements, mapping des événements, schéma de conversion value, fenêtres d’attribution du mobile measurement partner (MMP), réglage d’attribution de la plateforme publicitaire, nouveau connecteur dans la BI. Enchères, budgets, événements d’optimisation, nouvelles campagnes, consolidations. Nouveaux créatifs, et date du lancement du dernier nouveau concept. Je mets ensuite le décrochage de la métrique en regard de cette liste.

Deux de mes propres cas montrent où la cause peut se trouver. Dans un jeu casual, à la semaine 6, une mise en avant sur le store avait fait passer le CPI d’une fourchette de 4 £ à 6 £ jusqu’à 10 £ et la valeur des commandes de 10 £ à 29 £, et le ROAS D0 est ressorti au-dessus de 20 % les deux fois, avec un profil d’utilisateurs complètement différent. Sans la mise en avant dans le journal, la hausse du CPI ressemble à un problème d’enchères. Dans une app fitness, le coût par essai ne descendait pas sous 30 $ face à un objectif de 15 $, et la cause se trouvait dans le produit, pas dans le compte. Le produit convertissait une audience, et l’autre churnait. L’audience qu’il convertissait était trop petite pour que Meta puisse la trouver à l’échelle.

Un mécanisme rend le journal plus important qu’il n’y paraît. Si l’événement d’optimisation est le début d’essai ou l’achat, un changement produit qui fait baisser ce taux fait aussi baisser le signal sur lequel la plateforme apprend. Meta, TikTok et Google pondèrent tous les taux d’action prédits dans l’enchère, donc une semaine ou deux après une régression du produit, le prix effectif d’une impression peut monter lui aussi. Un problème de produit se transforme avec retard en problème d’enchères apparent, et le rapport d’enchères vous montre le deuxième événement, pas le premier.

Laquelle des trois composantes du CPI a bougé ?

CPI = CPM ÷ IPM, et l’IPM, les installs pour mille impressions, vaut 1 000 × taux de clic (CTR) × taux de clic vers install. Trois composantes, et une hausse de 30 % du CPI peut venir entièrement de l’une d’elles pendant que les deux autres ne bougent pas. Trouvez celle qui a bougé avant de nommer une cause.

Une illustration, deux semaines d’une même campagne :

L’essentiel de la hausse du CPI vient du taux de clic. Si vous voulez des parts, prenez le logarithme de chaque ratio. La variation du CPM explique environ 30 % de celle du CPI et le taux de clic environ 70 %. Le store n’y est pour rien. Le premier endroit où regarder est donc le créatif et le mix de placements, les enchères viennent en second, et le graphique du CPM seul aurait pointé dans l’autre sens.

D'après le tableau ci-dessus, parts de la variation logarithmique du CPI. Une barre pleine correspond à toute la hausse.

Chaque composante a sa propre liste de causes.

CPM en hausse, taux de clic et taux de clic vers install stables. La concurrence, la saison, un déplacement de la dépense vers des pays ou des placements plus chers, ou un taux d’action prédit plus bas après un changement d’événement ou d’audience. Tout système d’enchères documenté combine une enchère avec une prédiction de réponse. La page d’aide de Meta cite l’enchère, les taux d’action estimés et la qualité de la publicité comme les éléments de la valeur totale qui l’emporte. TikTok dit que ses enchères classent les publicités selon le prix de l’enchère et la pertinence. Apple Ads dit que les enchères sont combinées avec la pertinence, les enchères des autres annonceurs, les prix de réserve et l’expérience utilisateur globale selon des principes d’enchère au second prix. Le CPM est donc en partie le produit de votre propre créatif et de la qualité de votre signal, et une hausse du CPM ne prouve pas que le marché a bougé. Découpez le CPM par pays et par placement, et regardez les mêmes semaines calendaires de l’année précédente avant de parler de saison.

Taux de clic ou IPM en baisse. L’usure créative, aussi appelée fatigue créative, est le suspect habituel et le moins souvent vérifié. Le symptôme que je peux observer, c’est l’IPM d’un créatif précis qui baisse quand sa fréquence monte, avec un CPM stable, et la dépense qui se concentre sur moins de publicités. Les causes que les gens avancent, comme une audience saturée ou l’algorithme qui les pénalise, sont le plus souvent des suppositions. Les meilleures preuves causales que je connaisse disent que l’usure n’est pas une courbe unique, même si elles viennent de publicités display de 2010. Dans les 30 expériences naturelles de Lewis sur la page d’accueil de Yahoo, qui portent sur 2,8 milliards d’impressions, quatre campagnes se sont usées après une ou deux expositions, dix ont montré peu d’usure après cinquante expositions, et les estimations observationnelles naïves ont surestimé l’usure pour 26 des 30. L’équipe analytics de Meta ne met pas l’accent au même endroit. Dans un billet de 2023, elle modélise une probabilité de clic qui décroît à peu près comme (N+1) à la puissance moins 0,43, où N est le nombre de vues antérieures du même créatif. Elle situe la probabilité de conversion environ 45 % plus basse après quatre vues antérieures. Elle ne trouve aucune période de “wear in” (rodage) en réponse directe, où chaque répétition ne fait que coûter plus cher. C’est la régression observationnelle de Meta sur ses propres données, sans échantillon indiqué, et je la lis comme une forme, pas comme un chiffre. Son test A/B, qui ajoute un nouveau créatif à des ad sets fatigués sur environ 26 000 cas, a bien amélioré la conversion en proportion de la fatigue. Je teste donc le résultat et je laisse la cause ouverte. Dans une campagne tROAS, l’algorithme continuait de scaler cinq publicités qui n’atteignaient jamais l’objectif D0 de 30 %. J’ai dupliqué la campagne sans elles et j’ai fait tourner les deux pendant 30 jours. Dans l’originale, aucune des cinq premières par dépense n’a atteint l’objectif. Dans la copie, quatre sur cinq l’ont atteint, et l’algorithme a fait émerger six nouveaux créatifs au-dessus de l’objectif. L’IPM seul ne vous dit pas quel créatif produire ensuite, mais il vous dit lequel a cessé de fonctionner.

Clic vers install en baisse. La publicité obtient toujours le clic et la page de store le perd. Un changement de captures d’écran, une baisse de la note, un prix désormais affiché sur la page, une mise en avant terminée, ou un décalage entre ce que la publicité promettait et ce que la page montre. L’optimisation de la page produit d’Apple permet de tester jusqu’à trois variantes contre l’original pendant 90 jours au maximum, et le tech talk d’Apple sur le sujet passe en revue deux tests où le gagnant attendu a perdu. Un jeu de captures d’écran sur le thème des fêtes a perdu face à la version de contrôle evergreen, et dans un autre test une capture d’écran a battu l’aperçu de l’app qu’elle remplaçait. Un changement de page de store fait bouger le CPI sans aucune enchère en jeu, et il figure dans le journal des modifications si quelqu’un l’a noté.

Une réserve de mesure sur le découpage lui-même. Les installs crédités à une view n’ont pas de clic, donc les installs divisés par les clics surestiment le taux de conversion. Utilisez l’IPM d’une seule source au lieu du taux de clic multiplié par la conversion de deux sources, et attendez-vous à ce que la version de la plateforme et celle du MMP diffèrent. AppsFlyer indique que l’eCPI calculé par Meta et celui calculé par AppsFlyer diffèrent en général, parce que Meta fournit le coût et qu’AppsFlyer compte les installs selon ses propres règles.

Le ROAS peut-il baisser alors que le CPI reste stable ?

Oui. Le ROAS à l’âge t est la valeur par install à t divisée par le CPI. Pour une app subscription, la valeur par install vaut à peu près install vers essai × essai vers payant × proceeds par premier paiement × (1 + renouvellements réalisés à t). Pour un jeu, c’est taux de payeurs × valeur par payeur + revenu publicitaire par install. Tous les termes sauf le CPI se situent en aval de la publicité, et l’âge t est un terme à part entière.

Je reprends le cas du jeu, parce que c’est le plus net que j’aie. Sur quatre semaines, la valeur des commandes est tombée de 29 £ à 25 £, puis à 23 £, puis à 18 £, sur la même campagne, avec le même setup et le même objectif d’optimisation, et le ROAS D0 a été divisé par deux, de 22 % à 11 % alors que le CPI a à peine bougé. Le jeu entier s’essoufflait. L’ARPDAU avait baissé de 30 %, le revenu d’achats par utilisateur de 33 % et le revenu publicitaire par utilisateur de 25 %. Le mix de revenu était passé de 85 % d’achats à une répartition égale avec la publicité, donc la valeur des commandes dépendait désormais aussi des eCPM publicitaires. C’était plus qu’un problème d’acquisition. Le chiffre qui a tenu était le coût par achat, sous 30 £ chaque semaine où le D0 dépassait 20 %.

Une illustration pour une app subscription. Le CPI reste à 2,00 $, l’install vers essai reste à 10 %, et après une refonte du paywall, l’essai vers payant passe de 40 % à 30 % sur un premier paiement de 40 $. La valeur par install à D30 passe de 1,60 $ à 1,20 $ et le ROAS D30 de 80 % à 60 %, sans que les enchères, le créatif ou le ciblage aient bougé. L’inverse existe aussi. Déplacez la dépense vers des pays où un install vaut plus et le CPI passe de 2,00 $ à 2,50 $ pendant que la valeur par install passe de 1,60 $ à 2,40 $, donc le ROAS passe de 80 % à 96 %. Coupez la campagne chère sur le seul CPI et vous coupez la meilleure. Je vois le ROAS comme l’intention fois le fit fois la force du funnel, divisé par le coût, et le CPI n’en est que le dénominateur.

Est-ce la mesure, et non la performance ?

Plusieurs choses changent le chiffre rapporté sans aucun changement chez les utilisateurs, et je les écarte avant de toucher à quoi que ce soit.

Fenêtres d’attribution. L’Ads Insights API de Meta a cessé de renvoyer les fenêtres 7 day view et 28 day view le 12 janvier 2026, comme Meta l’avait annoncé aux développeurs en octobre 2025 et comme Supermetrics l’a documenté pour son connecteur. Tout rapport qui les demandait encore affichait une baisse de conversions qui était un changement de reporting, pas un changement de performance. Je ne l’ai pas vu sur mes propres comptes, donc c’est une vérification sourcée et pas une observation. Le MMP et la plateforme diffèrent aussi par conception. AppsFlyer indique 7 day click et 1 day view comme maximum et valeur par défaut de Meta, et sur un compte que j’ai mesuré, les campagnes en 1 day view tournaient environ 20 % au-dessus du MMP sur les installs. Un écart stable est un facteur de calibration. Un écart qui a bougé à une date précise est un changement de réglages.

SKAN et AdAttributionKit. Avec SKAN 4, une campagne reçoit trois postbacks, jours 0 à 2, 3 à 7 et 8 à 35, la fine value n’arrivant que dans le premier. AdAttributionKit, à partir d’iOS 18.4, laisse chaque réseau configurer ses propres fenêtres, donc ne présumez pas ces durées et vérifiez-les dans votre propre setup. La documentation d’Apple indique que la conversion value est conditionnelle et n’est incluse que lorsque les seuils d’anonymat de la foule sont atteints. Un volume plus faible peut faire descendre une campagne d’un palier et rendre ses valeurs nulles, donc le ROAS iOS s’effondre sur le dashboard alors que le revenu dans RevenueCat ne change pas. Une modification du schéma ou d’une fenêtre produit le même effet. J’ai détaillé comment le paiement de l’essai tombe dans ces fenêtres et pourquoi Google Ads, le MMP et SKAN divergent.

Mapping des événements, devise et doublons. Un achat envoyé sans valeur. Du revenu en devise locale étiqueté en dollars. Des événements d’essai et de paiement inversés. Des remboursements ou des renouvellements non envoyés. Des événements de test en production. Deux pipelines qui envoient le même achat, ce qui compte parce qu’AppsFlyer note que Meta déduplique les installs entre MMP mais pas les événements in app. Et une couche BI qui est passée discrètement du brut aux proceeds. Je confronte les dates de sortie du SDK au décrochage de la métrique, et je lance les trois comparaisons entre la plateforme, le MMP et RevenueCat avant de croire une baisse.

Les nouvelles cohortes sont-elles simplement jeunes ?

Augmenter la dépense fait baisser le ROAS blended à lui seul. Prenez une courbe de ROAS cumulé illustrative par âge de cohorte, avec 10 % en semaine 0, 25 % en semaine 1, puis 33 %, 38 %, 42 % et 45 % en semaine 5. Dépensez 10 000 $ par semaine pendant six semaines et le ROAS blended de l’ensemble à ce jour est de 32,2 %. Gardez les quatre semaines les plus anciennes à 10 000 $ et doublez les deux plus récentes à 20 000 $, avec une qualité de cohorte identique, et le ROAS blended à ce jour est de 28,5 %. Le compte n’a pas empiré. Il a rajeuni. Une coupe de budget récupérerait mécaniquement le chiffre blended, et c’est le piège.

Le correctif est la règle de l’article sur les cohortes. Comparez au même âge, D7 contre D7 et D28 contre D28, par semaine d’install. La vraie question après avoir augmenté la dépense est de savoir si les cohortes marginales sont moins bonnes que les précédentes au même âge, puisque les rendements décroissants sont bien réels, et cette question ne se lit pas du tout sur un chiffre blended. Pour la lecture précoce, j’utilise le D0, parce que dans mon étude à 606K $ le D0 a classé 38 campagnes presque de la même façon que le D28.

Le compte a-t-il changé de structure ?

Mix de pays et de placements. Un CPI blended peut monter alors que le CPI de chaque pays n’a pas bougé, parce que la dépense s’est déplacée entre les pays. Décomposez la variation en la part qui se produit à l’intérieur de chaque pays et la part qui vient du mix, et faites de même pour les placements, puisque des impressions bon marché à faible IPM font baisser le CPM et monter le CPI en même temps. Dans mon audit par pays, un pays a tourné à 28 % de ROAS pendant trois mois dans une campagne qui affichait 70 %, et le chiffre blended n’a jamais bronché.

Remises à zéro de l’apprentissage. Changer l’événement d’optimisation, la stratégie d’enchères ou la structure relance l’apprentissage et change les utilisateurs que la plateforme achète. TikTok conseille aux annonceurs de ne pas modifier une enchère de plus de 10 % pendant la phase d’apprentissage. Google vous conseille de juger Smart Bidding sur des périodes d’au moins 30 conversions, 50 pour le ROAS cible, et déclare une App campaign limitée par l’enchère quand le CPA obtenu suit de près la cible ou la dépasse par intermittence. La page de Meta indique elle-même qu’un ad set sort en général de l’apprentissage après environ 50 résultats dans la semaine qui suit sa dernière modification significative, ce qui est un chiffre de Meta, pas une loi. Toute comparaison qui chevauche une modification significative est biaisée, donc attendez un cycle d’apprentissage avant de la juger.

Trop de campagnes. Sur un compte US, quatre campagnes sur huit n’avaient jamais dépassé 50 événements d’optimisation par semaine et en ont produit 70 à elles quatre, le signal d’une seule campagne réparti sur quatre. Elles ont pris 23 % du budget et renvoyé 54 % au jour 28 contre 80 % pour les quatre autres, et 54 % contre 75 % en neutralisant l’âge de lancement. C’est un seul compte, et le budget y a suivi la performance. Traitez le seuil de 50 événements comme une vérification à faire en premier, pas comme une règle.

Est-ce la saison ?

Seulement si vous pouvez le montrer face à votre propre référence. Je n’ai trouvé aucun jeu de données primaire sur la saisonnalité du CPM mobile, et les primes du T4 avancées par les agences et les éditeurs d’outils divergent entre elles de plus d’un facteur deux, donc aucune n’apparaît ici. La vérification consiste à prendre les mêmes semaines calendaires de l’an dernier, par pays et par placement, normalisées selon votre propre dépense. Un CPM en hausse avec un taux de clic et un taux de clic vers install stables est cohérent avec la concurrence. Un CPM en hausse avec un taux de clic en baisse est une question de créatif avec une excuse saisonnière en prime. La saison joue aussi côté produit, donc la hausse du taux d’essai d’une app fitness en janvier, c’est de la saison au numérateur.

À quoi ressemble l’arbre de décision ?

1. La mesure a-t-elle changé ? SDK, réglages du MMP, fenêtres d’attribution, schéma de conversion value, connecteurs, devise, brut ou net. Si oui, corrigez-la et fixez une nouvelle référence avant toute décision de budget.
2. Les cohortes ont-elles le même âge ? Sinon, reconstruisez par semaine d’install à un jour fixe.
3. Le CPI a-t-il bougé, et quelle composante ? Le CPM renvoie à la concurrence, au mix ou à la qualité du signal. Le taux de clic ou l’IPM renvoie au créatif et au placement. Le clic vers install renvoie à la page de store.
4. La conversion après l’install a-t-elle bougé ? Install vers essai, essai vers payant, taux de payeurs, par version de l’app, face au journal des versions.
5. La valeur par payeur a-t-elle bougé ? Prix, mix de plans, remboursements, renouvellements, valeur des commandes, eCPM publicitaires, setup de médiation.
6. L’écart se situe-t-il seulement entre la plateforme et le MMP ? Alors ce sont des fenêtres ou des doublons, pas des utilisateurs.
7. Rien n’a bougé sur des cohortes appariées et des données fiables ? Vous êtes alors à la marge de la demande à cette efficacité, et l’étape suivante est un holdout ou un test géographique, puis une décision de budget.

Quand couper le budget est-il la bonne décision ?

Ma règle est de couper quand des cohortes du même âge dépassent le plafond de CPA sur des données réconciliées, et que rien dans le journal des modifications n’explique ce dépassement. L’app fitness est le cas le plus proche que j’aie, avec un objectif de 15 $ tenant lieu de plafond. Au jour 25, le coût par essai se situait à 30 $ face à un objectif de 15 $, sur une mesure que nous avions mise en place entre Meta, App Store Connect, RevenueCat et Mixpanel. Plus de 40 créatifs avaient tourné et l’algorithme avait mis 90 % de la dépense sur deux qui n’atteignaient toujours pas l’objectif, et le diagnostic était un produit qui servait deux audiences avec un seul funnel. Nous avons mis les campagnes en pause, avec le travail produit et les conditions de reprise consignés par écrit. Le coût par essai de 30 $ était un vrai plancher, et de petites retouches ne l’auraient pas fait bouger.

Ce qu’une coupe ne fait pas. Elle ne corrige pas une régression du paywall, puisque le ROAS reste bas quelle que soit la dépense. Elle ne corrige pas une erreur de mapping des événements, puisque la plateforme continue d’optimiser vers le mauvais signal. Elle ne corrige pas l’usure, puisqu’une dépense plus basse peut réduire la fréquence pendant une semaine et ne renouvelle rien. Elle ne corrige pas des cohortes jeunes, puisqu’elle n’améliore le chiffre blended que de façon cosmétique. Et une modification importante sur Meta, TikTok ou Google peut relancer l’apprentissage et ajouter un deuxième problème au premier. Quand la décision est lourde, un holdout ou un test géographique passe avant la coupe, comme j’en mènerais un pour un réseau.

Que faut-il vérifier avant le prochain changement de budget ?

1. Geler et consigner. Chaque changement des deux à trois dernières semaines, côté app, page de store, événements, réglages d’attribution et campagnes.
2. Réconcilier. Plateforme contre MMP contre RevenueCat pour les installs, les essais et les achats. Fenêtres alignées, devise et base confirmées, aucun événement en double.
3. Vérifier les fenêtres. Aucun rapport ne demande encore une fenêtre que la plateforme ne renvoie plus.
4. Vérifier le signal iOS. Volume de postbacks, part de valeurs nulles ou coarse, toute modification de schéma ou de fenêtre.
5. Reconstruire sur des cohortes du même âge. D0, D7 et D28 par semaine d’install, jamais un chiffre blended par période calendaire.
6. Décomposer le CPI. CPM, taux de clic ou IPM, et clic vers install, par pays et par placement.
7. Séparer le mix du taux. La variation à l’intérieur de chaque pays face au déplacement de la dépense entre les pays.
8. Vérifier le funnel par version de l’app. Install vers essai, essai vers payant, taux de payeurs, valeur par payeur, renouvellements, face au journal des versions.
9. Vérifier les créatifs. IPM par âge du créatif et par fréquence, concentration de la dépense, date du dernier nouveau concept.
10. Vérifier l’état d’apprentissage. Si une modification significative tombe dans la fenêtre de comparaison, attendre un cycle.
11. Comparer la saison à l’an dernier, ou abandonner l’hypothèse.
12. Ensuite, décider, sur le ROAS marginal au même âge face au plafond, avec un holdout d’abord quand le montant est élevé.

Si vous en êtes à l’étape un et que le journal est vide parce que personne n’en a tenu, le growth audit est l’endroit où je le reconstruis pour un compte et où je déroule les douze vérifications, et vous pouvez le réserver seul, quel que soit votre niveau de dépense.

Sources et périmètre

Toutes vérifiées le 5 octobre 2026. La documentation des plateformes change sans préavis, donc vérifiez la date avant de citer un seuil ou une fenêtre. Le découpage du CPI, l’exemple du paywall, l’exemple du mix de pays et l’exemple de scaling sont de l’arithmétique sur des hypothèses déclarées comme telles, pas un compte réel. Les cas vers lesquels je renvoie viennent de comptes sur lesquels j’ai travaillé, un seul compte chacun, et ne sont pas des expériences contrôlées. Les pages d’aide de Meta bloquent la récupération automatisée, donc je les ai fait ouvrir dans un navigateur.

• Meta : About ad auctions et About the learning phase, Meta Business Help Center.
• TikTok : Available bidding methods et Available bid strategies for App Event Optimization, TikTok Ads Manager Help.
• Google : Best practices for App campaigns et About Smart Bidding, Google Ads Help.
• Apple : Apple Ads glossary, Create a product page optimization test, Make the most of product page optimization, Tech Talk, et Measuring ad performance with AdAttributionKit.
• Adjust : How SKAdNetwork 4 works, Adjust Help Center.
• AppsFlyer : Meta ads FAQ et Measuring attribution with multiple MMPs, AppsFlyer Help Center.
• Meta : Ads Insights API Metric Availability Updates, Meta for Developers, 16 octobre 2025.
• Supermetrics : Facebook Ads: new historical limitations, attribution window and metric removals, January 12, 2026, documentation d’un éditeur de connecteurs sur ce même changement.
• Lewis : Worn Out or Just Getting Started? The Impact of Frequency in Online Display Advertising, AEA 2015, document de travail sans version évaluée par des pairs trouvée, auteur alors chez Google, publicités display de la page d’accueil de Yahoo de 2010.
• Analytics at Meta : Creative Fatigue, Medium, 10 mai 2023, régression observationnelle de Meta sur ses propres données plus un test A/B d’environ 26 000 cas, étude du fournisseur.