La plupart des entreprises créditent 100% de leur vente au dernier clic. Une erreur qui peut vous coûter 20-40% de ROI. Pire encore : elle vous pousse à couper les budgets qui génèrent vraiment les clients, tout en surfinançant le dernier point de contact. Pourquoi ? Parce que votre dernier clic n’a pas créé la vente, il l’a juste finalisée. Les trois canaux avant lui l’ont construite. Et tant que vous ne le prenez pas en compte, toute décision d’allocation budgétaire reste une supposition.
Cet article décortique les 5 modèles d’attribution, pourquoi chacun a des limites, et surtout : comment choisir le bon selon votre objectif métier et vos données.
Pourquoi parler d’attribution ?
Au début du web, l’équation était simple : les leviers marketing se partageaient entre liens sponsorisés et display. Un client voyait une annonce, cliquait, achetait. Un levier était égal à une conversion.
Aujourd’hui, c’est fini. Un prospect ne convertit quasi jamais après un seul contact. Avec l’évolution technologique, l’apparition des plateformes, et la multiplication des canaux, les parcours d’achats se sont complexifiés. En 2026, ils s’étendent sur plusieurs semaines et impliquent 4 à 8 canaux différents (selon Google, 2025).
Prenons un exemple :
- Un client tape une recherche dans google ou bing voit une annonce sponsorisée et clique.
- Le lendemain, Instagram lui propose la même marque. Il ne clique pas mais garde la publicité dans un coin de sa tête.
- Entre temps, ce client a certainement fait des comparaisons de produits ou en a simplement parlé à son entourage.
- Finalement, une fois décidé, ce client revient sur votre site directement et achète.
A quel canal (moteur de recherche, Instagram, accès direct) attribuez-vous la vente ? Est-ce le premier ? le dernier, ou un peu des trois ? C’est la vraie question. Et c’est ce que résout l’attribution.
Grâce au modèle d’attribution, vous transformez la gestion budgétaire de vos dépenses media. Vous basculez d’une gestion réactive (« le CPA monte, on coupe ») à du pilotage prédictif (« si on réduit Meta de 30%, les conversions Direct chutent de 40% »). Vous comprenez les effets cascades.
Réduire Google Ads de 30% semble économique : mais si Google génère 40% des premiers clics pour Meta, cette réduction tue votre entonnoir entier 3 semaines après.
Les principaux modèles d’attribution
Il existe plusieurs façons de répartir ce crédit, du plus simple techniquement aux plus évolués. Chacun répond à un enjeu business précis.
Last Clic (dernier clic)
Le dernier point de contact reçoit 100% du crédit. Dans notre exemple : Direct obtient 100%, Google et Instagram obtiennent 0%. Ce modèle est particulièrement utile pour les campagnes courtes, l’e-commerce direct, la rétention. Il est simple, pragmatique et exige peu de données. Il est encore très répandu, voire majoritaire, mais il occulte le rôle des canaux de sensibilisation et de considération.
Sans aller dans un modèle plus compliqué, le last clic peut être optimisé pour avoir une vue plus fine des parcours. SI cela vous intéresse, je vous invite à lire l’article que nous avons écrit à ce sujet :
First Clic (premier clic)
Le premier point de contact reçoit 100% du crédit. Dans notre exemple : Google obtient 100%, Instagram et Direct obtiennent 0%. Ce modèle est particulièrement utile pour mesurer l’acquisition et comprendre la sensibilisation car il montre quelle source créée vraiment du trafic. En revanche, il masque tout le travail effectué après la première visite.
Si votre business repose sur de la recommandation, comme ceux de l’assistance-assurance, il permettra de mettre en valeur vos investissements médias non ROIste. Et si vous l’adossé à une mesure d’incrémentalité, vous aurez toutes les cartes en mains pour étudier la pertinence de votre plan media.
Linéaire
Chaque point de contact reçoit une part égale du crédit. Dans notre exemple : Google, Instagram et Direct reçoivent chacun ~33%. Ce modèle est le plus consensuel. Il reconnaît que tous les points de contacts jouent un rôle dans le processus d’achat mais il a une limite : il ne prend pas en compte que certains points de contacts ont plus d’impact que d’autres.
Il est surtout utilisé lorsque la donnée ou le contexte est trop faible pour arbitrer comme par exemple, lorsqu’on ne connait pas très bien notre client type ou que les cycles d’achat sont longs voir très longs.
Position-Based (en U)
Le premier et le dernier point de contact reçoivent chacun 40%, les intermédiaires se partagent 20%. Dans notre exemple : Google 40%, Direct 40%, Instagram 20%. Ce modèle permet de prendre en compte la sensibilisation et la conversion dans le cycle d’achat mais il a tendance à masquer l’importance de la considération.
Ce modèle peut être particulièrement intéressant en e-commerce où la logique media est souvent de travailler la sensibilisation et la conversion via le retargeting.
C’est un modèle intermédiaire, intelligemment placé entre linéaire (trop simple) et last-click (trop biaisé).
Time Decay (décroissance temporelle)
Ce modèle repose sur un principe simple : le crédit diminue avec le temps écoulé. Les points de contacts les plus proches de la conversion reçoivent plus. Dans notre exemple : Direct reçoit le plus, Instagram reçoit plus que Google. Ce modèle permet de répondre à la vraie question : quel canal vaut vraiment son coût ? En mesurant à la fois le ROAS (rentabilité immédiate) et la CLV (valeur client long-terme : la valeur totale qu’un client va générer pour vous sur toute la durée de sa relation avec votre marque.), il guide l’allocation budgétaire sans couper les bons leviers.
Prenons un exemple :
- Votre search a un ROAS de 3:1 et une CLV = 150 € (one-time buyers)
- Votre retargeting a un ROAS de 2:1 et une CLV = 400 € (loyal customers)
Si vous regardez juste le ROAS, vous êtes tenté de couper le retargeting. Mais si vous regardez également la CLV, vous voyez que le retargeting amène vos super clients. Ici, la bonne décision serait d’investir dans le retargeting mais en l’optimisant car la CLV montre que vous avez trouvé votre meilleure audience.
Ce modèle peut être très utile si vous faites du nurturing. En effet, les cycles de ventes sont généralement longs, mais le déclenchement de l’achat est souvent lié à une action précise : une démo, une email promo, un call découverte.
Mais attention : il n’est pertinent que si tous vos points de contacts sont marketing. Si vos données mélangent marketing (email) et actions commerciales pures (call de vente fermant), préférez le First ou last clic. Sinon vous créditerez le commercial pour un lead généré par le marketing.
Data-Driven (algorithmique)
Contrairement aux modèles précédents qui distribuent le crédit selon une règle fixe, le Data-Driven utilise un algorithme machine learning qui apprend de vos données réelles. Il analyse les parcours réels et attribue le crédit selon ce qui corrèle vraiment avec les conversions.
Prenons un exemple :
L’algorithme détecte que 70% de vos conversions incluent un retargeting dans les 3 derniers jours. Il va créditer massivement le retargeting. Mais attention : corrélation n’est pas causalité. Ce ne sont peut-être pas vos meilleurs clients qui achètent, mais simplement ceux qu’on retargete.
Le Data-Driven fonctionne bien quand vous avez beaucoup de volume (1000+ conversions/jour) et des données propres. Mais il a deux défauts majeurs :
- il est très opaque, vous ne comprenez pas pourquoi l’algorithme a pris cette décision, ce qui rend la communication aux parties prenants difficile.
- il reste une corrélation, pas une causalité. Sans test d’incrémentalité (test A/B avec groupe témoin, tests géographiques, etc.), vous ne savez pas si le point de contact crédité a vraiment généré la vente.
Ce modèle est très utile pour le gros volume de données mais il est très opaque : vous ne comprenez pas pourquoi l’algorithme a fait ce choix. Enfin, si votre tracking est incomplet, vos IDs mal croisés ou votre configuration approximative, le modèle sortira des conclusions erronées.
Quelques conseils pour choisir votre modèle d’attribution
Ces modèles se sélectionnent selon le nombre de leviers qui entre en jeu, les objectifs finaux définis (vente, lead) et la finesse d’analyse que vous devez avoir. En d’autres termes, il se sélectionne selon la manière que vous souhaitez ou devez évaluer vos actions marketing.
Bonne nouvelle : vous ne devez pas commencer par les modèles avancés.
Commencez par votre objectif métier
C’est le plus simple conseil qu’on puisse vous donner : remettez le choix de l’attribution en rapport avec vos objectifs marketing et commerciaux.
Si vous cherchez :
- à optimiser l’acquisition (attirer de nouveaux clients) : optez pour le first ou last clic.
- A comprendre la rétention : le last click est approprié.
- L’équilibre entre tous les efforts : linéaire ou U peuvent être intéressant.
Évaluez votre maturité data
Inutile de choisir un modèle complexe si vous n’avez pas les ressources techniques ou interne. Avez-vous des données propres et centralisées ? Votre tracking est-il homogène ? Vos données sont-elles partagées avec toutes les équipes ou en silo ?
Si l’une de ces réponses est négative, commencez par normaliser votre last clic avant d’aller chercher du data-driven. C’est la vraie prérequis. Un mauvais modèle sur des bonnes données vaut mieux qu’un bon modèle sur des données fragmentées.
Regardez votre volume de conversions
Un modèle d’attribution doit aussi se choisir selon votre réalité business :
- si vous avez moins de 100 conversions/jour ? Le Last clic ou first clic sont suffisants. Ce sont des modèles simples, robustes et évolutifs si vous connectez vos données à un entrepôt de données.
- Si vous avez Entre 100 et 1000/jour, vous pouvez tester le modèle linéaire ou en U. De premiers modèles comportementaux apparaitront.
- Enfin, si avez plus de 1000/jour, les modèles Time decay ou data-driven possible, mais seulement si vos données sont vraiment propres.
N’oubliez pas non plus que ce choix se fait également selon le modèle de votre business : une marketplace (beaucoup de conversions, peu d’enjeu par transaction) n’a pas les mêmes besoins qu’un SaaS (peu de conversions, beaucoup d’enjeu par transaction).
La règle d’or : les données passent avant le modèle
Une bonne attribution exige autant de rigueur dans le paramétrage des données que dans le choix du modèle. Si votre modèle repose sur des données fragmentées, brutes ou mal organisées, vos conclusions seront fausses. Voici quelques points de vigilance :
Le tracking : les fondamentaux
Vérifiez votre tracking. Il peut être incomplet ou fragmenté. Meta envoie « utm_source=facebook », Google envoie « utm_source=google », puis quelqu’un change « facebook » en « fb ». Résultat : vos données sont fragmentées et aucun modèle d’attribution ne peut fonctionner correctement.
Mettez en place une convention de nommage UTM stricte et documentée. Par exemple : utm_source doit toujours être en minuscules : ‘google’, ‘facebook’, ‘linkedin’.
Cross-device et cross-browser. : le défi technique.
Parfois, un client visite votre site sur mobile, puis achète sur desktop. Deux appareils différents = deux IPs différentes. Les outils de tracking ont du mal à reconstituer le parcours complet.
Beaucoup de plateformes analytics (Google Analytics, Mixpanel) utilisent des identifiants probabilistes ou déterministes pour relier ces parcours. Mais ce n’est jamais parfait. Idéalement, utilisez un identifiant utilisateur côté serveur (login, email) pour linker les parcours avec certitude.
Last clic brut : l’illusion des données propres
Beaucoup d’entreprises croient avoir du last click normalisé, mais en réalité, leurs données sont brutes. GA4 enregistre « Google », « google » et « GOOGLE » séparément. Vous croyez analyser, vous analysez du bruit.
Dans GA4, créez une dimension calculée qui normalise ‘source’ en minuscules. Exemple : ‘lower(source)’. Vérifiez aussi vos filtres : avez-vous des filtres qui suppriment certaines sources par erreur ?
Attribution offline manquante : le gap d’intégration.
Un prospect clique sur votre pub, puis appelle ou achète en magasin. Si vous ne faites pas le pont entre les données online/offline, vous perdez le lien. L’attribution reste incomplète.
- Solution 1 : taggez vos appels entrants avec le paramètre UTM du visiteur.
- Solution 2 : Importez vos données CRM/point de vente dans Google Analytics pour reconstituer le parcours complet.
- Solution 3 : utilisez l’offline conversion import de Google Ads ou Meta pour créditer les campagnes.
Conclusion : d’une question technique à un enjeu organisationnel
La vraie question n’est pas « Quel modèle d’attribution choisir ? ». La vraie question est : « Savons-nous vraiment par quel canal chacune de mes transactions a été générée, ET avec des données propres ? »
Car tant que vous ne répondez pas à cette question avec rigueur, toute décision média reste une supposition.
Normaliser l’attribution, c’est passer d’une mesure brute et fragmentée à une infrastructure alignée. C’est transformer « Où va mon budget ? » en « Quel est mon ROI ? ». Et cette transformation crée enfin les conditions pour des décisions média confiantes.
Vous n’avez pas besoin d’une révolution technologique pour commencer. Juste de la rigueur. Et c’est déployable rapidement.