Un client m’a appelé un mardi matin, assez agité. Il venait de couper son budget SEA de 40 % parce que “Google Ads ne génère quasiment pas de ventes — Google Analytics ne montre que 3 conversions directes en 3 mois.” Je lui ai demandé de regarder ses rapports d’attribution. En modèle linéaire, Google Ads apparaissait dans 67 % des parcours d’achat. En modèle first click, c’était 43 % des nouvelles acquisitions.
Il avait coupé le canal qui acquérait ses clients, parce qu’il mesurait mal.
L’attribution marketing est peut-être le sujet le plus mal compris du marketing digital. Et les erreurs d’attribution coûtent cher.
Pourquoi l’attribution est un problème difficile
Le parcours d’achat moderne n’est pas linéaire. Un client type peut découvrir votre marque via un Reels Instagram, vous rechercher sur Google trois jours plus tard, cliquer sur une pub retargeting une semaine après, recevoir un email promotionnel et finalement acheter en tapant directement votre URL.
Quel canal mérite le crédit de cette vente ?
Dans la réalité, chaque point de contact a joué un rôle. Le problème est que la plupart des outils analytics attribuent par défaut la conversion au dernier clic — le canal qui était là juste avant l’achat. Ce modèle “last click” est simple mais profondément trompeur pour comprendre ce qui génère réellement de la valeur dans votre marketing mix.
Les modèles d’attribution et ce qu’ils mesurent
Last Click (ou last non-direct click)
Le modèle par défaut de Google Analytics jusqu’à GA4. Attribue 100 % de la conversion au dernier canal touché avant l’achat (en ignorant les visites en direct).
Avantage : simple à comprendre et à implémenter.
Problème : favorise systématiquement les canaux de bas de funnel (SEA marque, email, SEO navigation directe) et minimise l’impact des canaux de discovery (display, social, contenu SEO top of funnel).
Si vous gérez votre budget uniquement sur ce modèle, vous sous-investirez dans les canaux qui acquièrent de nouveaux clients et surfinancerez les canaux qui récoltent la conversion que les autres canaux ont préparée.
First Click
À l’opposé : attribue 100 % au premier canal. Utile pour comprendre ce qui génère de la notoriété et attire de nouveaux clients, mais ignore totalement les étapes de maturation et de conversion.
Linéaire
Distribue le crédit équitablement entre tous les points de contact du parcours. Si un client a touché 5 canaux, chacun reçoit 20 % du crédit.
Plus équitable mais peu actionnable : il ne distingue pas les canaux vraiment décisifs de ceux qui ont juste été présents.
Dégressif dans le temps (Time Decay)
Donne plus de poids aux interactions récentes, juste avant la conversion. Logique pour les parcours courts ou les achats impulsifs. Moins adapté aux achats complexes avec un cycle de décision long.
Basé sur la position (Position-Based ou U-Shaped)
40 % au premier contact, 40 % au dernier contact, 20 % distribués entre les interactions intermédiaires. Ce modèle valorise à la fois l’acquisition et la conversion. C’est souvent un bon point de départ pour les entreprises qui veulent équilibrer notoriété et performance.
Data-Driven (Basé sur les données)
Google Analytics 4 propose un modèle d’attribution basé sur l’apprentissage automatique. Il analyse les parcours de conversion réels et attribue le crédit proportionnellement à la contribution statistique de chaque point de contact.
C’est théoriquement le modèle le plus précis — mais il nécessite un volume suffisant de données de conversion (plusieurs centaines par mois minimum) pour être fiable.
Choisir le bon modèle selon votre contexte
Il n’existe pas un modèle universel. Le choix dépend de plusieurs facteurs.
Durée du cycle de décision : pour un achat impulsif à 20 €, le last click est acceptable. Pour un abonnement B2B à 1 200 €/an avec un cycle de 3 mois, vous avez besoin d’un modèle multi-touch.
Objectif de l’analyse : si vous cherchez à comprendre ce qui acquiert de nouveaux clients, regardez le first click ou le modèle U-shaped pondéré acquisition. Si vous cherchez à optimiser les conversions, le data-driven ou le time decay sont plus pertinents.
Volume de conversions : avec moins de 50 conversions par mois, les modèles statistiques avancés ne sont pas fiables. Commencez avec le linéaire ou le U-shaped.
Ma recommandation pratique : regardez plusieurs modèles en parallèle et observez les écarts. Quand un canal apparaît fort dans tous les modèles, c’est un signal fiable. Quand un canal n’apparaît fort que dans le last click, méfiance — peut-être qu’il bénéficie d’un effet de halo créé par d’autres canaux.
Les limites fondamentales de l’attribution digitale
Soyons honnêtes : même les meilleurs modèles d’attribution ont des angles morts.
Le cross-device : un utilisateur qui voit votre pub sur mobile et achète sur desktop sera souvent compté comme deux sessions distinctes sans lien entre elles. Sauf si votre outil peut faire le rapprochement via un compte utilisateur (comme GA4 avec les User IDs).
L’offline : si votre client a vu votre publicité en ligne, appelé votre commercial, et signé un contrat par courrier — la conversion n’apparaît pas dans vos outils digitaux. Pour les business avec une composante offline significative, l’attribution digitale seule est incomplète.
Les cookies tiers et le consentement : avec la disparition progressive des cookies tiers et la montée du refus de consentement (souvent 30 à 50 % des visiteurs selon votre CMP), une part croissante du trafic est invisible dans vos analytics. Les données sont sous-estimées pour certains canaux, notamment les plateformes sociales.
L’attribution des canaux non digitaux : radio, podcast, presse, bouche à oreille — ces influences existent mais ne sont pas capturables par les modèles classiques.
Comment mettre en pratique dans GA4
Google Analytics 4 a amélioré les capacités d’attribution par rapport à Universal Analytics. Pour explorer les modèles d’attribution dans GA4 :
Allez dans Publicité → Attribution → Comparaison des modèles. Vous pouvez comparer side by side différents modèles sur les mêmes données de conversion.
Le rapport “Chemins de conversion” montre les séquences de canaux les plus fréquentes avant une conversion. C’est une vue très lisible du parcours client réel.
Pour configurer le modèle d’attribution par défaut de votre propriété : Administration → Attribution Settings. Par défaut, GA4 utilise le modèle Data-Driven. Si vous n’avez pas assez de données, il reviendra au last click.
Les outils d’attribution avancés
Pour les entreprises avec des budgets marketing plus importants et des parcours clients complexes, des outils dédiés à l’attribution offrent des analyses plus sophistiquées.
Northbeam et Triple Whale (populaires en e-commerce DTC) intègrent des données de toutes les plateformes publicitaires et proposent des modèles d’attribution multi-touch avec modélisation prédictive.
Rockerbox et Funnel.io permettent de centraliser les données de toutes les sources marketing dans une vue unifiée.
Ces outils coûtent plusieurs centaines à plusieurs milliers d’euros par mois. Ils se justifient quand votre budget marketing dépasse 20 000 à 30 000 €/mois et que les erreurs d’attribution vous coûtent davantage que l’outil.
Pour la plupart des PME, GA4 avec ses modèles d’attribution intégrés est suffisant, à condition de les utiliser activement.
Mettre en place un framework d’attribution pragmatique
Sans aller vers des outils complexes, voici une approche pragmatique pour mieux comprendre votre attribution :
Étape 1 : Définir vos conversions clairement dans GA4 — pas seulement les achats, mais aussi les demandes de devis, les inscriptions, les appels trackés. Chaque micro-conversion est un signal.
Étape 2 : Analyser régulièrement les chemins de conversion — une fois par mois, regardez quelles séquences de canaux mènent à vos conversions les plus précieuses.
Étape 3 : Faire des expériences d’allocation budgétaire — plutôt que de couper brutalement un canal, réduisez progressivement et observez l’impact sur les autres canaux. Si couper la pub display fait chuter vos conversions SEO, c’est que les deux sont liés.
Étape 4 : Triangular avec d’autres données — les enquêtes post-achat (“Comment avez-vous entendu parler de nous ?”) révèlent souvent des influences que l’analytics n’a pas capturées. C’est une source de données sous-utilisée et pourtant très précieuse.
L’attribution parfaite n’existe pas. Mais une attribution imparfaite mais consciente de ses limites vaut infiniment mieux qu’une attribution naïve last-click qu’on prend pour la vérité absolue.