# Roblox déploie un système de présélection des créations publicitaires

> Un nouveau système présélectionne les créations publicitaires avant leur classement pour chaque utilisateur. Roblox indique qu’il est en service après un test A/B ; des simulations de rejeu montrent que moins de créations sont transmises, avec un allongement minime du temps de diffusion.

Oossa · 2026-10-28 · https://oossa.com/fr/roblox-puts-creative-ad-pre-ranking-system-into-production

Des chercheurs décrivent un système désormais utilisé par Roblox pour présélectionner les créations publicitaires qui passeront à l’étape de classement des annonces par utilisateur. Il estime leurs performances à partir de données mutualisées entre les segments d’audience, les articles, les campagnes et les créations, afin qu’une nouvelle création puisse bénéficier des informations relatives aux groupes auxquels elle appartient. Un score aléatoire unique donne aux créations moins testées une chance d’être sélectionnées et évaluées.

Lors d’une simulation de rejeu du trafic des Sponsored Ads de Roblox, la présélection a augmenté de 8.14% le taux de visionnage complet prédit, contre 2.80% pour une présélection aléatoire de même taille. Selon les chercheurs, elle a transmis plus de 40% de créations en moins que l’ensemble des créations disponibles et n’a augmenté le temps de diffusion que de 0.2% ; l’article indique aussi que Roblox l’a déployée après un test A/B en conditions réelles.

## Les faits

- La simulation de rejeu a fait état d’une hausse de 8.14% du taux de visionnage complet prédit, contre 2.80% pour une présélection aléatoire de même taille.
- Selon les chercheurs, le système transmet plus de 40% de créations en moins que l’ensemble des créations disponibles et augmente de 0.2% le temps de diffusion.

## Pourquoi c'est important

Pour les annonceurs sur Roblox, le système pourrait aider à tester les nouvelles publicités tout en réduisant le nombre de créations transmises aux étapes de classement suivantes ; l’article ne donne pas les résultats du test A/B en conditions réelles.

## Sources et références

1. [Exploratory creative pre-ranking: Hierarchical empirical-Bayes Thompson sampling for real-time creative optimization](https://arxiv.org/abs/2610.36020) – arXiv cs.LG, 2026-10-28

Dernière mise à jour: 2026-10-28