Modèles d'attribution : à qui revient vraiment la conversion de votre landing page ?

Fin de mois. Google Ads revendique un certain nombre de conversions, le gestionnaire de publicités Meta en revendique un autre, GA4 en compte un troisième. Et dans votre CRM, la liste des leads réellement reçus ne correspond à aucun des trois totaux. Rien n'est cassé : vous venez de découvrir qu'« une conversion » n'est pas un fait objectif, mais le résultat d'une convention de comptage. Cette convention porte un nom — le modèle d'attribution — et sur une landing page unique alimentée par plusieurs sources, c'est elle qui décide à qui revient le mérite. Donc, en pratique, où part votre budget le mois suivant.

Une landing page, cinq sources, un seul formulaire rempli

Prenons le parcours d'une page d'inscription à une liste d'attente. Une visiteuse tombe sur un article de votre blog via une recherche Google non payante : c'est la découverte, elle ignorait votre nom dix secondes plus tôt. Trois jours après, une publicité Meta la ramène sur la landing page ; elle lit, elle ne s'inscrit pas. La semaine suivante, un lien dans votre newsletter la fait revenir. Puis elle tape directement l'adresse du site, hésite encore. Enfin, elle cherche votre marque sur Google, clique sur votre annonce et remplit le formulaire. Cinq points de contact, une seule conversion à distribuer — et quatre de ces touches sont invisibles dans le rapport affiché par défaut.

Le sujet est documenté académiquement. Dans « Mapping the customer journey: Lessons learned from graph-based online attribution modeling » (International Journal of Research in Marketing, 2016), Eva Anderl, Ingo Becker, Florian von Wangenheim et Jan Hendrik Schumann modélisent les parcours comme des marches de Markov, sur quatre grands jeux de données individuelles couvrant chacun au moins sept canaux en ligne. Leur conclusion : la séquence des contacts porte de l'information, et les règles heuristiques usuelles — dont le dernier clic — valorisent les canaux de façon sensiblement différente d'un modèle tenant compte des parcours réels. Hongshuang (Alice) Li et P. K. Kannan, dans « Attributing Conversions in a Multichannel Online Marketing Environment » (Journal of Marketing Research, 2014), estiment les effets de report et de débordement d'un canal sur l'autre et montrent qu'ignorer ces effets fausse l'évaluation de chaque canal.

Les six modèles d'attribution, en clair

Un modèle d'attribution est une règle de répartition : elle prend une conversion et la distribue entre les points de contact qui l'ont précédée. Il n'existe pas de modèle « vrai », seulement des modèles plus ou moins adaptés à la longueur de votre cycle de décision, à votre volume et à la question que vous vous posez.

Faisons tourner ces règles sur le parcours ci-dessus. Le dernier clic donne tout à l'annonce de marque : dans votre tableur, le SEO n'a rapporté aucun lead ce mois-ci. Le premier clic inverse exactement le verdict. Le linéaire attribue un cinquième à chacun des cinq contacts. La dépréciation temporelle donne la plus grosse part à l'annonce de marque et une part résiduelle au SEO. Le modèle en U réserve l'essentiel au premier et au dernier contact. Cinq lectures, cinq arbitrages budgétaires — pour un seul et même lead.

Pourquoi le dernier clic sur-crédite le retargeting et la marque

Le dernier clic est le modèle par défaut de la plupart des tableaux de bord, et celui qui produit les erreurs de pilotage les plus coûteuses. Les canaux de fin de parcours captent tout le crédit, indépendamment de leur rôle réel — or ils s'adressent à des gens déjà convaincus. Le retargeting ne parle qu'à des visiteurs qui connaissent déjà votre page ; les annonces sur votre marque ne captent que des internautes qui tapent votre nom ; la newsletter ne touche que des gens qui ont déjà laissé leur email. Ces canaux affichent donc mécaniquement d'excellents coûts par acquisition et déclenchent le réflexe fatal : « augmentons le retargeting, c'est ce qui convertit ». Mais si vous coupez la découverte, il n'y a bientôt plus personne à retargeter.

L'expérience la plus citée sur ce point est celle de Thomas Blake, Chris Nosko et Steven Tadelis, « Consumer Heterogeneity and Paid Search Effectiveness: A Large-Scale Field Experiment » (Econometrica, 2015). Les auteurs ont coupé pour de bon les annonces de recherche payante d'eBay sur certains marchés, afin de mesurer leur effet causal plutôt que corrélationnel. Résultat : le rendement réellement causal du search payant n'était qu'une fraction de ce qu'estimaient les méthodes non expérimentales, l'écart étant le plus marqué sur les requêtes de marque, où les internautes seraient de toute façon arrivés par le résultat naturel. La ligne la plus flatteuse de votre rapport en dernier clic est souvent celle dont l'apport réel est le plus faible.

Pourquoi Google Ads, Meta et GA4 ne diront jamais la même chose

• Les fenêtres de conversion diffèrent. Chaque plateforme ne compte une conversion que si elle survient dans un certain délai après le clic, et ce délai n'est ni le même partout ni réglé de la même façon dans vos comptes.
• L'attribution après affichage n'est pas celle après clic. Meta peut créditer une conversion à une simple impression vue, là où un outil analytics raisonne en visites issues d'un clic : une même conversion existe d'un côté et pas de l'autre.
• Chaque régie ne voit que son périmètre. Google Ads ignore ce qu'a fait Meta, Meta ignore votre newsletter, et chacune s'attribue 100 % de ce qu'elle observe. Aucune ne peut dédoublonner un lead touché par les deux.
• La modélisation entre en jeu quand la donnée manque. Consentement refusé, cookies tiers bloqués, suivi restreint sur mobile : une partie des conversions n'est pas observée, et chaque plateforme en estime une part à sa façon.
• La date d'imputation n'est pas la même. Google Ads rattache par défaut une conversion à la date du clic, un outil analytics à la date où elle s'est produite : sur un mois glissant, les totaux divergent à comportement identique.

La conséquence pratique est la seule chose à retenir : n'additionnez jamais les conversions revendiquées par vos différentes régies. Le total dépassera systématiquement le nombre de leads réellement présents dans votre CRM, puisque plusieurs plateformes revendiquent les mêmes personnes. La seule source de vérité sur le volume réel, c'est votre CRM ou votre outil de facturation. C'est aussi la seule base saine pour calculer le ROI de votre landing page.

Ce que le consentement et la mesure côté serveur changent

Toute cette mécanique repose sur une chaîne d'identification qui, en Europe, est conditionnée au consentement. Si le visiteur refuse les cookies de mesure sur votre bandeau, le parcours se fragmente : la visite d'aujourd'hui et celle de la semaine prochaine ne sont plus reliées, et le modèle n'a plus grand-chose à répartir. C'est ce que tente de compenser le consent mode v2 de Google, qui transmet l'état du consentement plutôt que d'annuler la remontée, et permet d'estimer une partie des conversions non observées. Notez la nature de cette donnée : des conversions modélisées, pas constatées. Utiles pour lire une tendance, jamais pour justifier un chiffre à l'unité près.

La mesure côté serveur poursuit le même objectif autrement : au lieu de laisser le navigateur envoyer l'information à la régie, votre serveur le fait, avec des données de première main. C'est le principe de l'API de conversions de Meta associée au pixel et, chez Google, des conversions améliorées, qui font remonter un identifiant hashé pour rapprocher un lead d'un clic. Cela renforce la mesure face aux blocages techniques, mais ne dispense pas du consentement : ce qui est interdit côté navigateur le reste côté serveur. Et cela n'a de sens que si vos entrées sont propres — d'où l'importance d'un balisage UTM rigoureux sur tous vos liens, emails et publications sociales compris.

La position pragmatique quand on n'a pas d'équipe data

1. Choisissez un modèle et tenez-vous-y. Le pire n'est pas de choisir le « mauvais » modèle, c'est d'en changer tous les mois : vos comparaisons deviennent ininterprétables.
2. Désignez une source de vérité unique pour le volume. Votre CRM ou votre outil de facturation comptent les leads réels ; les régies servent à comparer des campagnes entre elles, pas à établir le total du mois.
3. Regardez les tendances, pas les valeurs absolues. « Le coût par lead de cette campagne augmente depuis trois semaines » est exploitable ; « Meta et GA4 n'affichent pas le même total » ne l'est pas, et réconcilier les deux prendra un temps que vous n'avez pas.
4. Testez la coupure quand un doute est coûteux. Avant d'augmenter le budget d'un canal de fin de parcours, mettez-le en pause quelques semaines et observez le volume total de leads. S'il ne bouge presque pas, ce canal récoltait des conversions déjà acquises.
5. Demandez l'information à la source. Un champ « Comment nous avez-vous connus ? » est déclaratif et imparfait, mais il capte ce qu'aucun cookie ne verra : bouche-à-oreille, podcast, recommandation en réunion. Croisé avec vos conversions suivies dans GA4, il révèle des angles morts complets.
6. Vérifiez l'interface avant de vous appuyer sur un modèle précis. Les options d'attribution de GA4 comme de Google Ads ont évolué à plusieurs reprises, certains modèles ayant été retirés : regardez ce que votre propriété propose aujourd'hui plutôt qu'un tutoriel daté.

L'attribution n'est pas un problème que l'on résout, c'est une incertitude que l'on apprend à cadrer. Aucun modèle ne dira la vérité sur une décision humaine étalée sur trois semaines et cinq points de contact. En revanche, un modèle constant, une source de vérité unique et un peu de scepticisme envers les canaux de fin de parcours suffisent à décider nettement mieux que la moyenne. Le préalable reste une page propre et correctement instrumentée : le template saas-waitlist de LanderKit est pensé pour ça, avec son formulaire d'inscription et sa page de confirmation distincte, qui permet de déclencher un événement de conversion propre. Comme les neuf autres modèles du catalogue, il est disponible à 89 € l'unité ou dans le pack complet à 229 €.