De 3x à 6x ROAS : une étude de cas lead gen dans le secteur du bureau

Un ROAS de 3x donne souvent l'impression d'un résultat respectable. Vous récupérez trois euros pour chaque euro investi dans Google Ads, ce qui est mieux que d'être à l'équilibre. Mais dans le secteur du bureau, où la valeur moyenne des contrats est élevée et le cycle de vente plus long, 3x est rarement le plafond. C'est généralement le point de départ. Dans cette étude de cas, nous expliquons comment une approche progressive pilotée par l'IA a permis à une campagne lead gen dans le secteur du bureau de passer de 3x à plus de 6x ROAS — en quatre trimestres, sans augmentation de budget.

Le point de départ : une base solide, mais la croissance était au point mort

La campagne que nous avons reprise n'était pas mal construite. Le compte avait une structure claire, les annonces étaient équipées d'extensions pertinentes, et l'annonceur avait une certaine expérience avec Smart Bidding. Pourtant, le ROAS était bloqué autour de 3,1x depuis trois mois. Chaque tentative d'amélioration des performances via des ajustements d'enchères manuels ou de nouveaux textes d'annonces produisait des pics temporaires, mais aucune croissance structurelle.

Ce schéma est courant dans les secteurs orientés services, y compris le secteur du bureau. Google Ads fonctionne, mais sans les bonnes données en entrée, les bons signaux et un cycle d'optimisation continu, le système plafonne. La campagne tourne à un optimum local, alors que le potentiel réel est nettement plus élevé.

L'analyse a révélé trois problèmes fondamentaux. Premièrement, les signaux de conversion étaient incomplets : le tracking était implémenté côté client, ce qui signifiait qu'une partie des soumissions de leads réelles ne remontait pas dans Google Ads. Deuxièmement, l'analyse des termes de recherche était effectuée manuellement une fois par semaine, ce qui permettait à des termes non pertinents de gaspiller le budget pendant plusieurs jours avant d'être ajoutés comme mots-clés négatifs. Troisièmement, les Responsive Search Ads (RSAs) n'avaient pas été modifiés depuis des mois, avec des scores Ad Strength de « Moyenne » ou pire.

Phase 1 : renforcement des signaux de conversion avec le server-side tracking

Évolution du ROAS par trimestre

Campagne lead gen secteur du bureau — avant et après optimisation par IA (2026)

T1 — Base de référence (manuel)

3,1x

T2 — Après optimisation de la structure

4,2x

T3 — Après passage au Smart Bidding

5,1x

T4 — Entièrement piloté par l'IA

6,3x

La première étape consistait à corriger le problème de tracking. En utilisant notre propre infrastructure server-side GTM (sGTM), tous les moments de conversion ont été reconstruits avec Enhanced Conversions et un enrichissement par des données first-party. Cela signifie que Google Ads reçoit désormais des signaux plus riches sur qui soumet réellement une demande de devis : l'adresse e-mail hachée, les données géographiques et le type d'appareil sont tous envoyés avec l'événement de conversion.

L'effet direct a été immédiat : dans les deux semaines suivant l'implémentation, 28 % de conversions supplémentaires étaient trackées par rapport à avant. Ce n'étaient pas de nouveaux leads — c'étaient des leads qui avaient toujours existé mais qui n'étaient pas mesurés auparavant. Cela influence directement Smart Bidding, car l'algorithme reçoit plus de données à partir desquelles apprendre. Des signaux plus forts conduisent à de meilleures décisions de bidding, ce qui réduit le coût par lead (CPL) et pousse le ROAS à la hausse.

Pour les campagnes lead gen, cet effet est encore plus significatif que dans l'e-commerce, car les valeurs de conversion ne sont pas toujours immédiatement visibles dans le pixel. En attribuant une valeur modélisée à chaque soumission de devis — basée sur le taux de clôture historique et la valeur moyenne des contrats — nous avons pu activer Target ROAS comme stratégie de bidding au lieu du simple Maximize Conversions. Cela donne au système un objectif plus clair et rend l'optimisation considérablement plus précise.

Phase 2 : analyse quotidienne des termes de recherche et mots-clés négatifs

Parallèlement aux améliorations du tracking, l'analyse automatisée des termes de recherche a commencé. Là où auparavant un rapport sur les termes de recherche était examiné manuellement chaque semaine, notre IA analyse désormais tous les termes de recherche entrants quotidiennement. Les termes non pertinents sont détectés immédiatement et ajoutés comme mots-clés négatifs, souvent dans les 24 heures suivant leur première apparition.

Au cours du premier mois d'analyse automatisée, plus de 140 termes de recherche uniques ont été ajoutés comme mots-clés négatifs qui auraient gaspillé le budget pendant au moins une semaine sous gestion manuelle. On peut citer par exemple des termes comme « mobilier de bureau gratuit », « chaises de bureau d'occasion », ou des requêtes informationnelles comme « combien coûte en moyenne une rénovation de bureau » — des termes qui génèrent des clics mais qui mènent rarement à des demandes de devis sérieuses.

Le budget libéré a été redistribué vers les termes de recherche les plus performants, qui ont d'abord été testés en toute sécurité via notre Keyword Incubator dans une campagne incubateur séparée avant de passer à la campagne de production. Cela garantit que seuls les mots-clés dont la conversion est avérée reçoivent l'intégralité de l'allocation budgétaire.

• Le Quality Score moyen est passé de 6,2 à 7,8 sur l'ensemble des mots-clés actifs
• Le CPC moyen a baissé de 18 % grâce à une meilleure pertinence des annonces et une meilleure correspondance des termes de recherche
• Le pourcentage de clics non pertinents est passé d'environ 22 % à moins de 6 %
• Le volume total de leads a augmenté de 31 % sans augmentation de budget
• Le ROAS a atteint 4,2x au T2, soit une amélioration de 35 % par rapport au point de départ

Phase 3 : optimisation des RSAs et amélioration des performances des annonces

Entonnoir de conversion lead gen secteur du bureau

Flux moyen après optimisation par IA (benchmarks 2026)

Impressions

Impressions ciblées via Search et PMax

Clics

CTR moyen de 7 % après optimisation des RSAs

Page lead visitée

38 % des visiteurs ayant cliqué atteignent la page du formulaire de devis

Devis soumis

Taux de conversion de 18 % sur la page d'atterrissage

Leads rentables via Smart Bidding piloté par l'IA

Dans la troisième phase, l'optimisation par IA s'est concentrée sur les textes d'annonces eux-mêmes. Les RSAs existants avaient pour la plupart un Ad Strength de « Moyenne » voire « Faible » lors de l'audit. Cela indique que Google ne considère pas les combinaisons de titres et de descriptions comme optimales pour les requêtes de recherche ciblées.

Notre système d'amélioration des RSAs analyse automatiquement les scores Ad Strength par groupe d'annonces et génère de nouveaux titres et descriptions basés sur les meilleures combinaisons du secteur, complétés par des signaux provenant de la page d'atterrissage. Les annonces ayant un statut « Faible » sont automatiquement réécrites et soumises pour approbation avant leur mise en ligne.

En six semaines, tous les RSAs de la campagne ont été améliorés à au moins « Bonne », avec une part significative atteignant « Excellente ». Cela impacte directement l'Ad Rank et donc la position de l'annonce dans l'enchère. Un Ad Rank plus élevé à un CPC égal ou inférieur est le scénario idéal pour l'amélioration du ROAS.

Parallèlement aux améliorations des RSAs, la stratégie d'audience a également été automatisée. Grâce à notre système de gestion des audiences, les audiences RLSA ont été créées automatiquement et actualisées chaque semaine : les visiteurs de la page du formulaire de devis qui n'avaient pas converti recevaient une enchère augmentée, tandis que les visiteurs déjà convertis étaient exclus de la campagne. Cela réduit davantage le gaspillage et améliore la qualité de l'audience atteinte.

Comment l'IA d'AdBrains gère cela de manière structurelle

Ce que cette étude de cas illustre, c'est que doubler le ROAS n'est pas le résultat d'une intervention magique unique, mais d'un ensemble de processus d'optimisation fonctionnant en continu et de manière coordonnée. C'est précisément pour cela que la technologie IA propriétaire d'AdBrains a été conçue.

La base est notre système de vérification multi-agents. Chaque décision d'optimisation — qu'il s'agisse d'un ajustement d'enchère, d'un mot-clé négatif ou d'une modification de RSA — est examinée par quatre agents IA indépendants avant exécution. Cela élimine les erreurs qui surviennent dans la gestion manuelle ou dans les systèmes IA à agent unique. Un agent qui souhaite ajouter un terme de recherche comme mot-clé négatif est signalé si un autre agent indique que ce même terme a historiquement généré des conversions dans une autre campagne. Cela évite les conflits qui, en gestion manuelle, entraînent un gaspillage budgétaire important.

Au-dessus de ce système de vérification fonctionne l'optimisation automatique tCPA/tROAS : les stratégies de bidding par campagne sont ajustées quotidiennement en fonction du volume de conversions actuel et des objectifs de marge définis par client. Lorsqu'une campagne passe temporairement en dessous du seuil minimum de conversions, notre système de changement de stratégie bascule automatiquement vers une stratégie de bidding plus sûre pour éviter toute perte de qualité, et réactive la stratégie initiale une fois que le flux de données se rétablit.

Le Keyword Incubator joue un rôle crucial dans la croissance sécurisée. Les nouveaux mots-clés détectés via l'analyse des termes de recherche comme potentiellement prometteurs sont d'abord placés dans une campagne incubateur contrôlée avec un budget limité. Ce n'est qu'une fois qu'ils ont accumulé suffisamment de données de conversion qu'ils migrent automatiquement vers la campagne de production, protégeant ainsi en permanence les performances de la campagne principale.

Enfin, notre enrichissement des signaux server-side garantit que les signaux de conversion que Google reçoit sont toujours aussi riches et complets que possible. Via notre propre infrastructure sGTM, des points de données first-party tels que les signaux CRM, les scores de qualité des leads et les valeurs vie client sont réinjectés dans Google Ads sous forme d'Enhanced Conversions. Cela donne à Smart Bidding l'image la plus détaillée possible des clics qui génèrent de véritables clients de valeur, ce qui profite directement à l'optimisation Target ROAS.

Résultats : de 3x à 6x en quatre trimestres

Gestion manuelle vs. AdBrains AI

Comparaison des performances de campagne lead gen secteur du bureau

Gestion manuelle

• ROAS : 3,1x (stagnation après 3 mois)
• Analyse manuelle hebdomadaire des termes de recherche
• Stratégie de bidding statique (Maximize Clicks)
• RSAs rarement mis à jour
• Mots-clés négatifs ajoutés de manière réactive
• Aucune segmentation d'audience
• Signaux de conversion basiques (côté client)
• Extension de campagne : mensuelle, manuelle

AdBrains AIRecommandé

• ROAS : 6,3x (croissance chaque trimestre)
• Analyse automatisée quotidienne des termes de recherche
• Target ROAS dynamique via Smart Bidding
• Système d'amélioration des RSAs (correction automatique du statut POOR)
• Mots-clés négatifs ajoutés de manière proactive quotidiennement
• Gestion automatisée des RLSA et des audiences
• Enrichissement des signaux server-side (Enhanced Conversions)
• Extension automatique de campagne basée sur les données de croissance

L'impact combiné de toutes les phases d'optimisation est visible dans les chiffres trimestriels. Partant d'un ROAS de 3,1x au T1, la campagne a progressé à 4,2x au T2 suite aux améliorations du tracking et des termes de recherche. Au T3, le passage au Smart Bidding combiné aux améliorations des RSAs a poussé le ROAS à 5,1x. À la fin du T4, avec le système entièrement automatisé fonctionnant à pleine capacité, la campagne a atteint un ROAS de 6,3x.

Pour replacer cela dans un contexte lead gen : pour chaque euro de dépense publicitaire, 6,30 euros de valeur pipeline étaient générés à la fin du processus. Avec un budget mensuel constant, cela s'est traduit par plus du double de demandes de devis qualifiées — sans coût supplémentaire. Le CPL a diminué de 41 % sur la même période, tandis que la qualité moyenne des leads (mesurée via les données CRM et les taux de clôture) s'est nettement améliorée.

Ce schéma est cohérent avec d'autres clients lead gen tels que Clima-Active.nl, qui propose l'installation de climatisation et de pompes à chaleur. Dans le secteur du CVC, tout comme dans le secteur du bureau, les demandes de devis sont le principal objectif de conversion et les valeurs des contrats sont suffisamment élevées pour faire de Target ROAS une stratégie de bidding viable. L'approche progressive par IA délivre systématiquement de meilleurs résultats dans ce type de campagne que la gestion manuelle ou l'automatisation générique.

Le tableau suivant résume les différences les plus significatives entre la gestion manuelle et le système AdBrains AI dans le contexte du lead gen :

Le tableau montre clairement que le doublement du ROAS n'est pas fortuit : c'est le résultat logique de dizaines de petites améliorations appliquées quotidiennement, tandis que la gestion manuelle présente systématiquement des lacunes sur chacune de ces dimensions.

Ce que la gestion manuelle rate structurellement

Le contraste entre la gestion manuelle de campagnes et l'optimisation pilotée par l'IA est particulièrement marqué dans le secteur du bureau. Les raisons sont multiples :

• Temps de réaction lent : l'optimisation manuelle se fait chaque semaine ou toutes les deux semaines. Dans une enchère Google Ads en temps réel, c'est trop lent pour répondre aux évolutions du comportement de recherche ou à la pression concurrentielle.
• Analyse des données incomplète : un gestionnaire de compte humain ne peut pas analyser des milliers de termes de recherche, des centaines de combinaisons d'annonces et des dizaines de segments d'audience chaque jour. L'IA le fait en continu.
• Bidding sous-optimal : la gestion manuelle des enchères conduit à des ajustements basés sur l'intuition ou des jeux de données limités, plutôt que sur l'ensemble des données de conversion disponibles.
• Réactif, pas proactif : les mots-clés négatifs sont ajoutés manuellement après que le budget a déjà été gaspillé ; notre système détecte et bloque quotidiennement les termes non pertinents avant qu'ils ne consomment des dépenses significatives.
• Aucune efficacité à l'échelle : développer une campagne manuellement nécessite du temps et des ressources supplémentaires ; avec AdBrains AI, l'optimisation s'adapte automatiquement à la croissance de la campagne.

Questions fréquentes sur l'optimisation du ROAS en lead gen

Combien de temps faut-il pour passer de 3x à 6x ROAS ?

Dans cette étude de cas, le parcours a pris quatre trimestres — une année complète. La vitesse de croissance dépend de trois facteurs : la qualité de la structure de compte existante, le volume de conversions disponible (plus de conversions signifie des algorithmes Smart Bidding qui apprennent plus vite), et le niveau d'implémentation du server-side tracking. Pour les campagnes qui disposent déjà d'une base solide, des améliorations significatives du ROAS sont parfois visibles après seulement deux trimestres. Le premier mois est généralement le plus impactant, car les améliorations du tracking et l'analyse des mots-clés négatifs produisent des effets immédiats.

Target ROAS est-il adapté comme stratégie de bidding pour toutes les campagnes lead gen ?

Target ROAS fonctionne mieux lorsque suffisamment de données de conversion sont disponibles (recommandation : au moins 30 à 50 conversions par mois et par campagne) et lorsqu'une valeur a été attribuée à chaque conversion. Pour les campagnes lead gen, cela signifie définir une valeur modélisée par soumission de devis basée sur votre taux de clôture historique et la valeur moyenne des contrats. Sans cette attribution de valeur, Target Conversions ou Maximize Conversions est un meilleur point de départ. AdBrains AI aide à définir les bonnes valeurs de conversion et bascule automatiquement entre les stratégies de bidding en fonction du volume de conversions disponible.

Quels sont les pièges les plus courants dans l'optimisation du ROAS en lead gen ?

Le plus grand piège est d'optimiser pour les leads plutôt que pour la qualité des leads. Un CPL faible semble attrayant, mais si les leads ne se convertissent pas en clients, le véritable ROAS est bien inférieur à ce que le ROAS mesuré laisse entendre. C'est pourquoi il est essentiel de réinjecter les données CRM dans Google Ads, afin que l'algorithme Smart Bidding apprenne à optimiser pour les leads qui deviennent réellement des clients. Une deuxième erreur courante consiste à augmenter les objectifs Target ROAS trop rapidement, ce qui amène le système à opérer dans un volume de recherche trop étroit et à perdre des impressions. AdBrains AI surveille ce seuil automatiquement.

Comment fonctionne le Keyword Incubator en pratique ?

Le Keyword Incubator est une campagne séparée au sein du compte Google Ads qui sert d'environnement de test pour les nouveaux mots-clés. Lorsque notre analyse des termes de recherche détecte un terme qui semble potentiellement prometteur mais qui n'a pas d'historique de conversion avéré, ce terme est ajouté comme mot-clé en exact match ou phrase match à la campagne incubateur avec un budget limité. Une fois qu'il a accumulé suffisamment de données de conversion et que ses performances en termes de CPA ou de ROAS dépassent le seuil défini, le mot-clé migre automatiquement vers la campagne de production. Cela protège les performances de la campagne principale tout en permettant une croissance sûre et basée sur les données du portefeuille de mots-clés.