3 secondes pour capter l'attention : la science du scroll

Votre prospect ne décide pas de regarder votre publicité. Son cerveau décide pour lui, en quelques millisecondes, avant même qu'il ait conscience d'avoir vu quelque chose. Comprendre ce filtre change la façon dont vous concevez une première frame de pub (la toute première image qui s'affiche), un hero de page produit (la zone en haut, visible sans descendre) ou une miniature. Voici ce que dit la recherche, sans le folklore du poisson rouge.

Votre cerveau en plein scroll : un filtre, pas un lecteur

Votre système visuel est d'abord une machine à éliminer. Des neuroscientifiques du MIT ont montré que le cerveau peut identifier le contenu d'une image vue pendant seulement 13 millisecondes (Potter et al., 2014), bien plus vite que les 100 ms qu'on croyait jusque-là. Ce traitement "feedforward" (en un seul passage, sans aller-retour ni réflexion) sert à diriger les yeux, qui changent de cible environ trois fois par seconde. C'est ce qu'on appelle le traitement pré-attentif : avant toute lecture, le cerveau dresse des cartes de saillance visuelle (en clair, il repère ce qui ressort le plus de l'image) et classe ce qui mérite un regard, sur la base du contraste de luminosité, de la couleur, de l'orientation et du mouvement (modèle d'Itti et Koch).

Ce filtre travaille dans des conditions brutales. Selon les données partagées par Facebook en 2016 et 2017 (des ordres de grandeur jamais démentis depuis), les utilisateurs font défiler le fil 41 % plus vite sur mobile que sur ordinateur (Axios) et passent en moyenne 1,7 seconde sur un contenu en fil mobile, contre 2,5 secondes sur ordinateur (Facebook IQ, via Marketing Dive). Et quand le prospect s'arrête enfin, il ne lit pas vraiment : les études d'eyetracking (le suivi du regard à l'écran) du Nielsen Norman Group montrent un balayage en motif en F (l'œil parcourt les premières lignes puis descend en sautant le reste), avec au mieux 20 à 28 % des mots réellement lus sur une page (NN/g).

Ce qu'il faut en retenir pour agir : votre créa, c'est-à-dire votre visuel ou votre vidéo publicitaire, n'est pas en concurrence avec les autres publicités. Elle est en concurrence avec un réflexe de tri du cerveau qui a rendu son verdict avant la première seconde.

Le poisson rouge des 8 secondes : autopsie d'un mythe

Vous avez forcément croisé la statistique : "l'attention humaine est tombée à 8 secondes, moins qu'un poisson rouge". Elle vient d'un rapport de Microsoft Canada publié en 2015, massivement repris par la presse (Time). Le problème : le rapport ne tirait pas ce chiffre de sa propre recherche, mais d'un site tiers, Statistic Brain. En 2017, le journaliste Simon Maybin de la BBC a remonté la piste : aucune étude scientifique n'existe derrière le chiffre de 8 secondes, ni derrière les 9 secondes attribuées au poisson rouge, dont la mémoire est d'ailleurs étonnamment bonne. Votre attention n'est pas un réservoir fixe qui se viderait avec le temps : elle dépend de ce que vous faites. La même personne qui zappe votre pub en 0,4 seconde regarde une série pendant trois heures.

Faut-il en conclure que vous avez tout votre temps ? Non, et voici la nuance honnête : si le chiffre des 8 secondes est faux, la rareté de l'attention dans un fil, elle, est solidement mesurée. La recherche du cabinet Amplified (Karen Nelson-Field) estime que 85 % des emplacements publicitaires en ligne reçoivent moins de 2,5 secondes d'attention, et qu'à l'inverse 1,5 seconde d'attention réelle suffit à fixer une marque en mémoire quand ses codes visuels sont reconnaissables (The Media Leader, 2025). Facebook avançait déjà, via une étude indépendante de Fors Marsh Group, un souvenir de marque statistiquement net après 0,25 seconde d'exposition (Fors Marsh Group, via Marketing Dive). Le vrai problème n'est donc pas un manque d'attention : c'est un excès de concurrence pour une ressource que le cerveau trie en millisecondes.

Ce qui capte l'œil mécaniquement : mouvement, visages, contraste

Ce filtre pré-attentif n'a rien d'aléatoire. Trois familles de signaux le déclenchent de façon quasi réflexe.

Le mouvement. Dans le modèle de saillance, le mouvement est l'un des signaux les plus puissants, surtout en vision périphérique (ce que vous percevez sur les côtés, sans regarder directement), qui réagit en priorité aux variations de contraste et de luminosité. C'est la raison pour laquelle une première frame qui bouge dès l'image 1 (un zoom, un geste, un objet qui tombe) fait mieux qu'un plan figé en ouverture, et pourquoi un démarrage "logo sur fond propre" est une milliseconde perdue. Le même principe explique pourquoi une vidéo l'emporte parfois sur une image fixe, mais pas toujours : nous l'avons détaillé dans statics contre vidéo.

Les visages. Le cerveau possède un circuit dédié aux visages : les nouveau-nés orientent déjà leur regard vers un visage plutôt que vers tout autre élément (Frontiers in Psychology), et chez l'adulte, l'électroencéphalographie (la mesure de l'activité électrique du cerveau) enregistre une réponse spécifique aux visages, appelée composante N170, environ 170 millisecondes après leur apparition (Bentin et al., 1996 ; revue Frontiers). Un visage humain en gros plan, avec une émotion lisible, est donc un aimant à attention câblé d'origine. C'est aussi l'un des ressorts derrière le succès des ugly ads filmées au smartphone : un vrai visage, cadré serré, bat souvent un visuel produit trop léché.

Le contraste et la lisibilité. La saillance est toujours relative : un élément attrape l'œil parce qu'il tranche avec ce qui l'entoure. Dans un fil saturé de couleurs vives et de texte dense, le contraste peut justement venir d'un fond uni, d'un espace vide, d'une typographie énorme. Règle pratique : si votre accroche ne se lit pas en un seul coup d'œil (3 à 5 mots, gros caractères, fort contraste), elle n'existe pas pour un cerveau qui fait défiler le fil. Le choix des mots de cette accroche compte autant que sa taille, comme pour vos boutons et CTA (le bouton d'appel à l'action, celui sur lequel on doit cliquer).

Capter ne suffit pas : ce qui fait rester après la première seconde

Une fois le pouce arrêté, le cerveau passe du réflexe à l'évaluation : "est-ce que ça me concerne ?". Deux mécanismes bien documentés font tenir les 3 secondes suivantes.

La curiosité comme manque. Dans sa revue de référence publiée en 1994 dans Psychological Bulletin, George Loewenstein décrit la curiosité comme un "information gap", autrement dit un manque : la sensation désagréable qui apparaît quand on prend conscience d'un trou entre ce qu'on sait et ce qu'on voudrait savoir (Loewenstein, 1994). Une question posée sans réponse crée une tension presque physique. En pratique : ouvrez sur une affirmation incomplète ("Personne ne vous a dit pourquoi vos retours explosent en hiver"), montrez un résultat avant la méthode, ou un geste dont on ne devine pas l'issue. Ce manque ne doit être ni trop petit (banal) ni trop grand (hors sujet).

Le sentiment que "ça me concerne". Le cerveau qui fait défiler le fil se pose une seule question : "pour moi ou pas pour moi ?". Nommer la personne, son contexte ou son problème dès la première phrase ("Si vous lancez des pubs Meta avec moins de 100 € par jour...") court-circuite cette évaluation. C'est exactement le rôle des 3 premières secondes d'un script vidéo de 30 secondes : le hook (l'accroche, la phrase ou l'image d'ouverture qui retient) ne vend pas le produit, il vend la suite de la vidéo à la bonne personne.

Et une fois l'attention captée ? Le Nielsen Norman Group a modélisé la durée des visites web : le risque de départ est maximal dans les 10 premières secondes, puis la courbe s'aplatit ; un visiteur encore là après 30 secondes a de bonnes chances de rester 2 minutes ou plus (NN/g). La valeur doit donc apparaître dans les 10 secondes, pas "quelque part sur la page". Et tout cela suppose que la page se charge vite : une seconde de lenteur, et le visiteur part avant même d'avoir vu votre accroche, comme le montre la data sur la vitesse de site.

Application e-commerce : première frame, hero et mesure

La première frame de votre pub est l'unité qui compte, pas la vidéo entière. Auditez vos créas image par image : la frame 1 contient-elle un mouvement déjà amorcé, un visage expressif ou un contraste fort ? Le bénéfice ou la cible sont-ils lisibles en un coup d'œil, même son coupé ? Sur Meta, la sanction se mesure au hook rate (le taux d'accroche), soit les vues vidéo de 3 secondes divisées par le nombre d'affichages (Motion). Les repères publiés varient (médiane autour de 20 %, "bon" entre 25 et 35 % et plus selon les sources) : prenez-les comme ordre de grandeur et comparez surtout vos créas entre elles, sur la même audience. Une fois qu'une accroche gagne, le réflexe est de la décliner sans la casser : voyez comment itérer une winning ad (la pub qui marche déjà). Pour les formats et les familles de hooks qui font la différence en 2026, data à l'appui, nous avons consacré une analyse complète aux hooks publicitaires : le présent article explique le pourquoi, celui-là catalogue le quoi. Et un hook rate élevé ne suffit pas si l'addition ne tombe pas juste : pour savoir à partir de quel coût d'acquisition vous gagnez de l'argent, passez vos chiffres dans le calculateur de ROAS et de rentabilité (le ROAS, c'est le chiffre d'affaires généré pour chaque euro de pub dépensé).

Le hero de votre page produit obéit aux mêmes lois. Au-dessus de la ligne de flottaison (la partie visible sans descendre) : un visuel qui ressort (le produit en situation, avec un humain, plutôt qu'un produit isolé sur fond blanc), une promesse en moins de 10 mots, un signe de preuve. Le motif en F implique que le début de chaque ligne porte l'information : commencez vos puces par le bénéfice, pas par "Notre produit". Mesurez avec le scroll depth dans GA4, par paliers de 25/50/75/100 % : un décrochage massif avant 50 % signale un hero qui promet mal, pas un produit qui n'intéresse pas. Pour construire ce haut de page point par point, voyez quoi écrire sur une page produit, ou faites cadrer votre première frame et votre hero en visio pour décider quoi tester en priorité.

La miniature et le carrousel organique suivent la même grammaire : un visage expressif en gros plan, 3 à 5 mots maximum, un seul point de contraste. Si vous devez plisser les yeux pour lire le texte à la taille réelle du fil, le cerveau de votre audience ne le lira jamais : il sera déjà deux contenus plus bas.

Divergences signalées : les chiffres de 1,7 s, 2,5 s et 0,25 s proviennent de recherches commandées ou publiées par Facebook, non revues par des pairs ; les repères de hook rate varient sensiblement d'une source à l'autre (médiane vers 20 %, cibles de 25 à 35 % et plus) ; le NN/g précise lui-même que le motif en F décrit des pages de texte non formatées, pas une loi universelle de lecture.