Faut-il encore faire du ciblage manuel sur Meta Ads en 2026 ?

Andromeda a changé la manière dont Meta diffuse les publicités, et la question revient sans cesse chez les PME qui gèrent encore leurs campagnes Facebook et Instagram en interne : faut-il continuer à paramétrer ses audiences à la main, ou laisser l’algorithme décider seul ? La réponse n’est ni “abandonnez tout ciblage” ni “rien n’a changé”. Elle se situe entre les deux, et elle dépend surtout de ce qu’on entend par ciblage manuel.

Ce que Andromeda a changé, en bref

Avant d’aller plus loin, un point de repère utile : Andromeda n’est pas un simple réglage qu’on peut activer ou désactiver. C’est le moteur qui décide, à chaque affichage, quelle publicité montrer à quelle personne. Cette décision se prend en quelques millisecondes, en croisant le contenu de la création (image, vidéo, texte) avec le comportement réel de l’utilisateur sur la plateforme. Le ciblage que l’annonceur définit ne disparaît pas de l’équation, mais il pèse beaucoup moins lourd qu’avant dans le résultat final.

Le moteur publicitaire de Meta fonctionne différemment depuis le déploiement mondial d’Andromeda. L’ancien système cherchait quelle audience correspondait à une publicité donnée. Le nouveau cherche l’inverse : quelle publicité, parmi des dizaines de milliers de créations candidates, va le mieux résonner avec une personne précise, à un instant précis. Le signal de ciblage se trouve désormais dans la création publicitaire elle-même, beaucoup plus que dans le segment d’audience défini en amont. On a déjà détaillé ce mécanisme et ses conséquences sur le suivi des conversions dans un article sur les publicités Meta Ads qui ne convertissent pas ; ici, on reste volontairement concentré sur la seule question du ciblage.

Le ciblage manuel qui perd son utilité

Pendant des années, la performance reposait sur un ciblage de plus en plus précis : centres d’intérêt empilés, exclusions multiples, audiences testées les unes contre les autres sur plusieurs semaines. Cette méthode fonctionnait bien avec l’ancien système, qui avait besoin de critères clairs pour savoir à qui montrer une publicité. Avec Andromeda, elle devient contre-productive : restreindre une audience avec des critères trop fins limite la quantité de signaux que l’algorithme peut analyser, ce qui se traduit concrètement par une hausse du CPM et un apprentissage plus lent. C’est précisément ce type de diagnostic qu’on mène en amont d’un accompagnement sur les campagnes Facebook Ads, avant de revoir la structure d’un compte.

Le test de plusieurs audiences en parallèle, longtemps recommandé pour identifier la plus rentable, pose aussi un problème. Chaque ad set apprend séparément, ce qui fragmente le volume de conversions et ralentit l’apprentissage de l’algorithme. L’audience qui semblait gagner un mois donné est souvent celle qui perd le mois suivant, sans qu’aucun changement n’ait été fait côté annonceur. On avait détaillé les anciennes méthodes dans un article sur les stratégies de ciblage Facebook Ads, utile aujourd’hui pour mesurer le chemin parcouru en quelques années.

Ce qui reste entre les mains de l’annonceur

Le ciblage n’a pas totalement disparu, il a simplement changé de nature. Meta distingue désormais deux catégories d’inputs dans un ensemble de publicités. Les contrôles d’audience sont des garde-fous stricts : zone géographique, langue, âge minimum, exclusions. Ils sont toujours respectés à la lettre, et c’est là que le travail manuel garde tout son sens. Les suggestions d’audience (centres d’intérêt, audiences personnalisées, lookalike) ne sont plus que des indications pour l’IA, qui peut diffuser hors de ces critères si elle estime que ça améliore la performance. Beaucoup d’annonceurs ne connaissent pas encore cette distinction, et continuent à passer du temps sur des réglages qui n’ont plus le même poids qu’avant.

Les audiences personnalisées construites à partir du pixel restent, elles aussi, une matière première précieuse. Un visiteur du site, un client existant ou un utilisateur ayant déjà interagi avec une page reste un signal fort, même si l’algorithme ne s’y limite plus strictement. La qualité de ces données compte aujourd’hui plus que leur volume ou leur précision, ce qui change la priorité : mieux vaut un pixel propre et bien configuré qu’une liste interminable de centres d’intérêt empilés.

Sur les objectifs ventes, génération de prospects ou promotion d’application, Meta affiche désormais Advantage+ comme mode d’audience par défaut. Concrètement, l’annonceur renseigne des suggestions (âge, zone, intérêts), et l’IA s’en sert comme point de départ plutôt que comme limite. C’est ce mode qui produit le plus souvent les meilleurs résultats sur les comptes récents ou les comptes au pixel encore jeune, justement parce qu’il laisse l’algorithme explorer sans contrainte excessive. Désactiver Advantage+ pour revenir à un ciblage entièrement manuel reste possible, mais cela revient à se priver du principal avantage d’Andromeda.

Un budget modeste change la donne

Toutes les PME n’ont pas les mêmes moyens à investir, et le budget mensuel influence directement la marge de manœuvre face à Andromeda. En dessous de 1 000 euros de dépenses publicitaires par mois, l’algorithme manque souvent de volume de conversions pour apprendre rapidement. Dans ce cas, mieux vaut concentrer le budget sur une seule campagne et un seul ensemble de publicités, plutôt que de le disperser sur plusieurs audiences ou plusieurs objectifs en même temps. Deux ou trois créations solides valent mieux qu’une quinzaine de variantes mineures quand le volume de données reste limité. C’est souvent ce point, plus que le ciblage lui-même, qui explique pourquoi deux comptes avec un budget similaire obtiennent des résultats très différents.

Un exemple concret côté PME

Prenons le cas d’un artisan qui vendait des produits du terroir en ligne. Son équipe construisait jusqu’ici des audiences très découpées : femmes de 35 à 50 ans, intéressées par la gastronomie locale, vivant dans un rayon de 50 kilomètres autour de l’atelier. Les résultats restaient corrects, sans jamais vraiment progresser. Après avoir basculé vers une audience large, gardé uniquement les exclusions utiles, et ajouté deux nouvelles créations (une vidéo de fabrication filmée au téléphone, un témoignage client court), la diffusion a changé de visage en quelques semaines. L’algorithme a trouvé des profils inattendus, notamment des hommes plus âgés vivant hors de la zone initialement définie, que le ciblage manuel n’aurait jamais retenus. Le coût par commande a baissé sans qu’aucun réglage d’audience supplémentaire n’ait été nécessaire.