Programmatique : le Top 10 GreyFox Ads 🍿 et nos théories sur l’algorithme LinkedIn
On commence à avoir pas mal de contenus dans notre petite série « Programmatique : ». Alors, pourquoi ne pas faire notre propre Top 10 des posts les plus vus, façon Netflix ? 🍿 TUDUM ! Et puisque vous nous demandez comment fonctionne le reach sur LinkedIn, on partage aussi nos théories issues de l’analyse de nos statistiques.
Notre classement repose sur les impressions organiques de nos publications. Côté algorithme LinkedIn, notre hypothèse est que le temps de lecture, la réaction des premières audiences et la capacité du visuel à retenir l’attention jouent un rôle important (ce sont nos observations, pas la formule officielle de LinkedIn 😉).
🍿 Top 10 France : nos posts « Programmatique » les plus vus
Voici notre classement des publications ayant généré le plus d’impressions organiques. Ce n’est donc ni un classement des clics ni un palmarès des engagements.
- Les 3 blocs de l’Open Web — le marché en trois grands ensembles.
- Clap de fin Xandr DSP — une page de l’histoire programmatique se tourne.
- CTV-washing — attention aux promesses trop faciles de la télévision connectée.
- First-party data annonceur — la valeur de la donnée propriétaire.
- Récap saison 01 — retour sur la série.
- IA et programmatique : la fin des traders ? — quel avenir pour le métier ?
- Programmatique et repas de Noël — l’AdTech s’invite à table.
- Throttling — ce qui arrive aux bid requests avant l’enchère.
- Risques MFA — les limites de certains inventaires.
- CTV-washing dans Open Garden — approfondissement de notre analyse.
Un point de contexte : nous avons observé une baisse d’environ 50 % de notre reach moyen après septembre 2025, période que nous associons à un changement de l’algorithme (corrélation observée sur nos contenus, sans preuve que la modification de LinkedIn soit la seule cause).
Comment fonctionne l’algorithme de recommandation LinkedIn ? Nos hypothèses
Réponse courte : LinkedIn personnalise la distribution des publications selon leur pertinence pour les membres et les signaux d’intérêt. La pondération exacte des signaux n’est pas publique. Voici notre lecture empirique, construite en retournant les statistiques de nos posts dans tous les sens 🕵️.
1. Le temps de lecture moyen : l’indicateur secret ? ⌛
Notre hypothèse principale : le temps de lecture moyen (TLM) serait un signal particulièrement important. Il mesure, dans notre raisonnement, la capacité d’une publication à retenir les lecteurs (nous ne disposons pas de ce KPI détaillé dans l’interface pour valider directement son poids).
2. Une diffusion progressive, par paliers
Nous imaginons un premier test auprès d’un groupe d’utilisateurs intéressés par l’auteur ou le sujet, puis un élargissement de la distribution lorsque les réactions sont favorables. Si le temps de lecture est bon, le post pourrait accéder à un public plus large, et ainsi de suite (c’est un modèle explicatif, pas une description vérifiée du fonctionnement interne de LinkedIn).
Dans nos statistiques, l’essentiel du reach arrive dans les premières 48 heures, puis la progression devient plus sporadique (ce constat dépend évidemment des comptes et des publications).
Quels engagements « donnent du jus » à une publication ?
Au-delà de la lecture, nous surveillons particulièrement les interactions suivantes :
- 💾 Les sauvegardes : un signal potentiel de valeur durable.
- ⌲ Les partages publics et privés : ils peuvent exposer le contenu à de nouvelles audiences.
- 💬 Les commentaires développés : ils enrichissent la conversation.
- 👍 Les likes : un signal d’intérêt, parmi d’autres.
Attention : cet ordre reflète notre intuition et nos analyses, pas un classement officiel des facteurs de ranking. La pertinence pour chaque audience et la qualité des interactions restent déterminantes.
Le pouvoir de l’image : le premier hook est parfois visuel 🪝
Sur un écran mobile, une image peut occuper une grande partie de la zone visible. C’est souvent elle qui décide si l’utilisateur s’arrête ou continue à scroller.
Sur notre série, nous avons constaté qu’un visuel moins accrocheur pouvait être associé à un reach jusqu’à trois fois plus faible (observation sur nos publications, pas un effet causal isolé ni une moyenne universelle).
Trois articles de fond méritaient selon nous davantage d’exposition, mais leur hook visuel n’a probablement pas aidé :
- L’enjeu de l’attribution — post LinkedIn.
- La stratégie des créations intégrées — post LinkedIn.
- Les limites du GEO — post LinkedIn.
Morale de l’histoire : dans une série qui parle d’attention publicitaire, on ferait bien d’appliquer nos propres conseils à nos créas 😅.
Chez GreyFox Ads : de l’attention LinkedIn à l’efficacité média
Chez GreyFox Ads, nous défendons un Open Web de qualité. Notre Master Curated Deal vise à simplifier les achats tout en travaillant sur la qualité réelle de la diffusion :
- 📡 SPO privilégiant les sièges directs des éditeurs.
- 🚫 Exclusion des sites et sous-domaines MFA.
- 🛡️ Filtres de Brand Safety.
- 📐 Optimisation de la part d’écran occupée par la publicité.
- 🎯 Ciblage multi-environnements : cookies, identifiants alternatifs et signaux sémantiques.
- 👌 Activation simple pour les Media Traders.
- 🪟 Transparence des coûts.
Et si vos campagnes captaient la bonne attention ? 🦊
Vous cherchez un partenaire pour améliorer la qualité de vos achats Display et Vidéo sur l’Open Web français ? Parlons curation, attention et transparence.
Échanger avec GreyFox Ads →Article adapté de notre publication LinkedIn originale. Le Top 10 et les hypothèses sur le reach proviennent de nos observations internes ; ils ne constituent pas une documentation officielle de l’algorithme LinkedIn.