Le « préchargement prédictif » peut sonner comme une boîte noire : on confie ses données et on espère. Vous devriez pouvoir pointer chaque étape et savoir ce qui arrive à votre donnée et pourquoi. Voici la séquence décrite sur la page produit Foresight, avec le raisonnement derrière chaque étape.

Étape 1 : Collecte des données

Avant de construire quoi que ce soit, on vérifie si GA4 exporte vers BigQuery, et si cet export contient assez d’historique pour être utile. « Assez » dépend de votre volume de trafic et de la variété de vos parcours de navigation. En règle générale, le modèle doit voir un schéma se répéter assez souvent pour lui faire confiance.

Si l’export n’existe pas, on le met en place et on attend environ une semaine que GA4 alimente BigQuery avec de vraies sessions. Aucun raccourci n’existe. Un modèle entraîné sur trois jours de données apprend ce qui s’est trouvé être inhabituel pendant ces trois jours.

Étape 2 : Construction du modèle ML

Ici, on transforme la donnée de navigation en modèle prédictif. Pour un contexte de visiteur donné (page d’entrée, source de trafic, appareil, pages déjà visitées pendant la session), le modèle estime la probabilité de chaque page suivante possible.

On entraîne le modèle sur vos propres schémas de navigation. Le comportement de page suivante varie d’un site à l’autre : celui d’un média n’a rien à voir avec celui d’une page catégorie e-commerce. Un modèle qui n’a jamais vu votre structure devine. Un modèle entraîné sur vos données fait du pattern-matching à partir de précédents.

Étape 3 : Intégration Google Tag Manager

Une prédiction n’aide que si quelque chose agit dessus. On déploie un tag de préchargement via GTM, sans nouveau SDK et sans refonte du site. Le tag consulte la meilleure prédiction du modèle pour chaque visiteur et précharge ce contenu quand la confiance justifie la bande passante.

GTM tourne déjà sur la plupart de ces sites, et le tag lit la prédiction et agit dessus sans toucher au code de votre application. On a conçu l’approche autour de cette contrainte, parce qu’elle n’a de sens que si sa livraison ne demande aucun sprint d’ingénierie.

Étape 4 : Reporting

La dernière étape vous donne un dashboard dans votre propre Looker Studio, qui suit le LCP moyen, le taux de conversion et le pourcentage de sessions avec un préchargement réussi. Il se met à jour en continu et ne se limite pas à un rapport ponctuel. C’est aussi ici qu’on construit la comparaison avant/après de l’article sur le business case, avec vos propres chiffres plutôt qu’une estimation de déploiement type.

Ce que ça signifie pour vous

Aucune des quatre étapes ne touche au code cœur de votre site, et aucune ne demande un flux de consentement au-delà de ce que votre setup GA4 gère déjà. L’étape 1 pèse le plus lourd quand l’export BigQuery n’existe pas encore. Les suivantes vont vite, parce qu’elles utilisent des données que vous collectez déjà.

Un audit montre par où votre propre setup démarrerait dans cette séquence, en général dès la première conversation.