Performance Max qui baisse : les causes et la méthode pour reprendre la main

Une Performance Max qui baisse en performance, ou qui se met à cibler des recherches hors sujet, n’est presque jamais un problème d’algorithme. C’est un problème de pilotage. Google Ads a besoin de garde-fous : des exclusions posées, des données de conversion propres, un budget suffisant. Sans ça, la campagne dérive.

Pourquoi une campagne Performance Max qui baisse cible souvent hors sujet

Performance Max combine plusieurs canaux dans une seule campagne : Search, YouTube, Discovery, Gmail, Display. L’algorithme décide seul où diffuser vos annonces, en s’appuyant sur les signaux que vous lui donnez (audiences, assets, données de conversion). Quand la performance baisse ou que le ciblage part dans une direction inattendue, la cause la plus fréquente n’est pas l’automatisation elle-même. C’est l’absence de cadre : pas d’exclusion de marque, pas de renouvellement des assets, budget trop bas pour sortir de la phase d’apprentissage.

Sur un compte B2B, cela peut se traduire par des clics venus de recherches grand public, ou par des requêtes qui n’ont clairement rien à voir avec l’offre vendue. Sans ce cadre, l’algorithme explore. Et sur une campagne qui touche l’intégralité du funnel, explorer veut parfois dire toucher des requêtes hors sujet.

Le cas d’un client B2B que j’ai dû reprendre en main

Chez un client B2B anonymisé, une Performance Max lancée sur son offre a commencé à perdre en performance sans raison visible dans l’interface. J’ai branché le script d’extraction des termes de recherche Performance Max dès les premiers signes de dérive, pour voir ce qui déclenchait réellement les annonces côté search. Le rapport a confirmé ce que je soupçonnais : un nombre significatif de requêtes n’avaient aucun lien avec l’activité du client, suffisamment nombreuses pour peser sur le budget quotidien sans générer la moindre conversion.

Face à ce constat, je n’ai pas coupé l’automatisation en totalité. J’ai basculé la structure vers plus de contrôle manuel : segmentation par flux, c’est à dire une répartition des groupes d’assets par segment d’offre plutôt qu’une seule Performance Max généraliste, associée à des exclusions ajoutées au fur et à mesure que les termes hors sujet remontaient. Les quelques requêtes qui convertissaient malgré tout ont été réintégrées dans les campagnes Search dédiées, où elles pouvaient être pilotées avec des enchères et des annonces précises. La campagne a retrouvé un ciblage cohérent avec l’offre du client une fois ce cadre posé.

Ce que j’ai vu sur les comptes B2B qui pilotent du Performance Max

Sur les comptes B2B que j’accompagne, la Performance Max est une bonne campagne. Elle apporte un gain incrémental réel, à condition d’être combinée avec des campagnes Search bien maîtrisées à côté. Je ne l’utilise jamais seule.

Trois réglages reviennent systématiquement sur les comptes où elle fonctionne bien : l’exclusion de la marque hors de la PMax (sinon elle capte le trafic déjà acquis par le Search), l’alimentation en audiences qualifiées, et le renouvellement régulier des assets jugés peu performants. À l’inverse, sur les comptes où la campagne dérive, ces trois points sont presque toujours absents.

Le budget et le temps d’apprentissage que la Performance Max exige vraiment

Une Performance Max a besoin d’un budget minimum pour sortir correctement de sa phase d’apprentissage : je recommande au moins 60 euros par jour, soit environ 1800 euros par mois. En dessous de ce seuil, je déconseille purement et simplement de lancer une Performance Max : mieux vaut concentrer le budget sur du Search, plus simple à maîtriser avec peu de moyens.

Le temps d’apprentissage est aussi plus long que sur une campagne Search classique. La Performance Max est multicanal (Search, YouTube, Discovery, Gmail) et s’applique sur l’intégralité du funnel, de la découverte à la conversion. Elle a donc plus de combinaisons à tester avant de stabiliser sa diffusion.

Ma méthode pour reprendre la main : exclusions, segmentation, scripts

Maîtriser la diffusion search d’une Performance Max n’est pas optionnel, c’est la condition pour qu’elle reste pertinente. Voici ce que je mets en place systématiquement :

• Brancher un rapport de termes de recherche sur la campagne, pour voir ce qui déclenche réellement les annonces côté search.
• Exclure les termes non pertinents dès qu’ils apparaissent, avant qu’ils ne pèsent sur le budget.
• Segmenter les groupes d’assets par flux ou par segment d’offre plutôt que de tout regrouper dans une seule campagne généraliste.
• Ajouter les termes ayant généré des conversions aux campagnes Search adaptées, pour les contrôler avec des enchères et des annonces dédiées.

Ce pilotage repose entièrement sur la qualité des données envoyées à l’algorithme. Sans données de conversion fiables, impossible de savoir quels assets ou quelles audiences performent vraiment. C’est pour ça que je vérifie toujours en premier lieu qu’il est possible d’implémenter les enhanced conversions et de bien configurer GTM et GA4 avant de toucher aux réglages de la campagne. Un algorithme mal nourri en données ne peut pas cibler juste, quelle que soit la qualité des exclusions posées.

Au delà du script de termes de recherche, j’utilise d’autres scripts de monitoring Google Ads pour surveiller les campagnes automatisées sans devoir les vérifier manuellement chaque jour.

Quand je désactive un signal automatique, et quand je le laisse actif

Mon avis est tranché : je ne désactive presque jamais l’automatisation elle-même. Couper un signal audience ou repasser en full manuel n’est pas la solution, c’est un aveu qu’on ne maîtrise pas ses exclusions. Ce que je désactive, en revanche, ce sont les assets qui sous-performent, dès que je les identifie. Je préfère renouveler que couper l’automatisation entière.

La seule exception : quand aucune donnée de conversion fiable n’arrive à l’algorithme. Dans ce cas, laisser tourner une Performance Max en pilotage automatique revient à lui demander de deviner. Là, je mets la campagne en pause le temps de corriger le tracking, plutôt que de laisser l’algorithme apprendre sur des données fausses.