L’essentiel à retenir
- Définition : l’attribution basée sur les données (data-driven attribution) est un modèle qui répartit la valeur d’une conversion entre les points de contact du parcours en fonction de leur contribution réelle, estimée statistiquement en comparant les parcours qui convertissent et ceux qui ne convertissent pas.
- Différence avec le dernier clic : le dernier clic donne tout au dernier canal (souvent la recherche de marque ou le remarketing) ; le data-driven crédite aussi les canaux qui ont initié ou nourri le parcours, comme la publicité sociale.
- Où : modèle par défaut dans GA4 et Google Ads depuis 2023 ; Meta et LinkedIn ont leurs propres modèles et fenêtres.
- Limites : ne voit que les parcours mesurés (consentement, appareils, hors ligne), varie selon la plateforme, n’est pas une preuve d’incrémentalité.
Quand un client achète après avoir vu une publicité Instagram, cliqué sur une annonce Google et lu un e-mail, quel canal a « gagné » la vente ? La réponse dépend du modèle d’attribution. Le dernier clic donne tout au dernier canal ; le modèle basé sur les données (data-driven) répartit la valeur selon la contribution estimée de chaque point de contact. Pour le SMA, souvent en début de parcours, ce choix change la lecture du retour sur investissement. Cet article définit le modèle, explique son fonctionnement, ce qu’il change, ses limites et la façon de l’utiliser. La vue d’ensemble de l’attribution dans GA4 est dans l’attribution dans GA4.
Les modèles d’attribution comparés
| Modèle | Répartition | Effet sur le SMA | Disponibilité 2026 |
|---|---|---|---|
| Dernier clic | 100 % au dernier canal cliqué avant la conversion | Sous-estime la publicité sociale, qui initie souvent le parcours | GA4 (option), Google Ads (option), la plupart des outils |
| Premier clic | 100 % au premier canal | Surestime le social et le Display | Retiré de GA4 et Google Ads en 2023 |
| Linéaire, décroissance temporelle, position | Répartition par règle fixe | Arbitraire | Retirés de GA4 et Google Ads en 2023 |
| Basé sur les données (data-driven) | Selon la contribution estimée de chaque contact, par apprentissage statistique | Crédite le social pour sa part réelle dans les parcours qui convertissent | Par défaut dans GA4 et Google Ads |
| Modèles des plateformes sociales | Meta : dernier contact avec fenêtres 7 jours clic / 1 jour vue ; LinkedIn : dernier contact 30 jours clic / 7 jours vue | Chaque plateforme s’attribue toute conversion qu’elle a touchée | Dans les gestionnaires de publicités |
Comment fonctionne le modèle basé sur les données
- Collecte des parcours : pour chaque conversion, la séquence des points de contact mesurés (canal, campagne, ordre, délai), et de même pour les parcours qui n’ont pas converti.
- Comparaison : le modèle estime, pour chaque canal, de combien la probabilité de conversion augmente quand il est présent dans le parcours, à parcours comparables (approche inspirée des valeurs de Shapley).
- Répartition : la valeur de chaque conversion est distribuée entre ses points de contact proportionnellement à cette contribution ; un canal peut recevoir 0,3 conversion, un autre 0,7.
- Mise à jour : le modèle réapprend en continu ; il a besoin d’un volume minimal (GA4 : quelques centaines de conversions par mois ; en dessous, il se replie sur des règles).
Résultat : les conversions attribuées deviennent des nombres décimaux, et le total par canal ne correspond plus au dernier clic. C’est normal et attendu.
Ce que ça change pour la publicité sociale
- Le SMA récupère du crédit : une campagne Meta de découverte qui précède une recherche Google et un achat reçoit une part de la vente ; au dernier clic, elle en recevait zéro.
- Le remarketing et la recherche de marque en perdent : ils concluent des parcours que d’autres ont ouverts.
- Le coût par conversion et le ROAS par canal se rééquilibrent : un canal social qui semblait perdre de l’argent au dernier clic peut apparaître rentable ; voir le ROAS en SMA.
- Les arbitrages de budget changent : couper le social parce que « ça ne convertit pas au dernier clic » fait souvent baisser, quelques semaines plus tard, les conversions du Search de marque.
Les limites
| Limite | Conséquence | Parade |
|---|---|---|
| Ne voit que les parcours mesurés | Refus de consentement, changements d’appareil, navigation privée, conversions hors ligne échappent | Conversions améliorées, API de conversions, import des conversions hors ligne, modélisation |
| Un modèle par plateforme | GA4, Google Ads, Meta et LinkedIn donnent des chiffres différents pour la même vente ; la somme des plateformes dépasse 100 % | Une source de vérité (GA4 ou CRM) pour arbitrer entre canaux ; les plateformes pour optimiser en leur sein |
| Corrélation, pas causalité | Un canal présent dans les parcours qui convertissent n’est pas forcément la cause | Tests d’incrémentalité (géographiques, groupes témoins) pour les gros budgets |
| Volume minimal | Sur un petit compte, GA4 se replie sur des règles | Regrouper les conversions, allonger les périodes |
| Boîte noire | Les poids ne sont pas explicables individuellement | Lire les tendances, pas les décimales |
Lire et utiliser l’attribution en pratique
- Choisir la source de vérité : GA4 (canaux payants et non payants, modèle data-driven) ou le CRM pour les cycles longs. Les gestionnaires de publicités servent à optimiser à l’intérieur de chaque canal, pas à comparer les canaux entre eux.
- Comparer les modèles : dans GA4, Publicité, Comparaison des modèles d’attribution : dernier clic contre data-driven par canal. L’écart montre les canaux sous-estimés (souvent le social) et surestimés (marque, remarketing).
- Regarder les chemins : Chemins de conversion dans GA4 : la place du social (début, milieu, fin) et la longueur des parcours.
- Décider sur des tendances : arbitrer les budgets sur trois mois d’attribution data-driven, pas sur une semaine ; tester une baisse de budget social et observer l’effet sur les conversions de marque à 4 à 6 semaines.
- Documenter : le modèle et les fenêtres utilisés dans le tableau de bord, pour que tous lisent la même chose ; voir les KPI du SMA et le suivi des conversions en SMA.
Comment GreenRed vous aide
Plutôt que de jongler entre plusieurs outils, le module Retour sur investissement de GreenRed réunit ces indicateurs dans un seul tableau de bord, les compare dans le temps et vous indique les actions prioritaires. Vous pouvez le tester gratuitement, sans carte bancaire, depuis la page Tarifs.
Questions fréquentes
Qu’est-ce que l’attribution basée sur les données ?
Un modèle qui répartit la valeur de chaque conversion entre les canaux du parcours selon leur contribution estimée, calculée en comparant les parcours qui convertissent et ceux qui ne convertissent pas. C’est le modèle par défaut de GA4 et Google Ads depuis 2023 ; il remplace le dernier clic qui donnait tout au dernier canal.
Pourquoi Meta et GA4 n’affichent-ils pas le même nombre de conversions ?
Chaque plateforme a son modèle et ses fenêtres : Meta s’attribue toute conversion dans les 7 jours après un clic ou 1 jour après une vue, et modélise les pertes ; GA4 répartit entre tous les canaux mesurés selon le data-driven, au clic seulement. Un écart de 20 à 50 % est normal. Utilisez GA4 ou le CRM pour arbitrer entre canaux, Meta pour optimiser dans Meta.
L’attribution data-driven prouve-t-elle qu’un canal est rentable ?
Non : elle mesure une contribution statistique dans les parcours observés, pas une causalité. Un canal peut être présent sans être décisif. Pour prouver l’incrémentalité, il faut un test avec groupe témoin ou une expérience géographique ; pour une PME, la comparaison des tendances sur trois mois et un test de baisse de budget suffisent souvent.
Faut-il changer le modèle d’attribution de GA4 ?
Non, gardez le modèle basé sur les données par défaut ; utilisez la comparaison des modèles pour comprendre les écarts avec le dernier clic. Le choix du modèle affecte les rapports d’attribution et les conversions exportées vers Google Ads, donc les enchères automatiques ; changez-le seulement si vous savez pourquoi.