Attribution

Les modèles d'attribution dominants créditent le canal mesurable et récent, en ignorant tout l'amont : ils flattent ce qui capture la demande au détriment de ce qui la crée. Les trois biais structurels, et les méthodes qui mesurent l'incrémental réel.

Fragment cartographique d'un delta de rivière, plusieurs tributaires convergeant vers une seule embouchure.
La bouche n'est pas la source

-

L’attribution, c’est la manière dont un système de mesure décide à quoi attribuer une conversion. La promesse du marketing digital était de résoudre cette question pour de bon : puisqu’on peut tracer le clic jusqu’à l’achat, on saurait enfin ce qui marche. Le problème est que les modèles d’attribution dominants attribuent la conversion à ce qui est mesurable et récent, en ignorant tout ce qui s’est passé avant.

Le résultat est contre-intuitif : la mesure la plus précise en apparence oriente les décisions budgétaires dans le mauvais sens. Elle flatte les canaux qui capturent une demande déjà existante, aux dépens de ceux qui la créent. Ce diagnostic est porté de longue date par Les Binet & Sarah Carter (How not to Plan) et, plus récemment, par un faisceau de praticiens de la mesure (WARC, Marketing Architects) - convergence d’autant plus crédible qu’elle vient de gens dont le métier est de mesurer.

Cette page expose les trois biais structurels de l’attribution, ce que la recherche en établit, et les méthodes qui corrigent le tir. Elle ne traite pas du détail des fenêtres de conversion ni des spécificités plateforme par plateforme, qui vivent ailleurs.

L’essentiel en 5 points

  • L’attribution last-click crédite le dernier point de contact de tout l’effet des canaux amont.
  • Elle compte comme « incrémental » des acheteurs qui auraient acheté de toute façon.
  • Le last-click n’est pas une méthodologie : c’est un héritage commercial (Urchin, puis Google Analytics).
  • L’effet Rosser Reeves inverse la causalité : on note davantage les pubs des marques qu’on achète déjà.
  • La correction passe par une mesure externe et incrémentale (geo-tests, MMM), pas par les dashboards des régies.

Trois biais structurels

Le diagnostic est posé par Binet & Carter, sous un titre de chapitre volontairement ironique - « En ligne, l’évaluation n’est plus un problème ».

1. Le last-click. 100 % de la valeur d’une conversion est attribuée au dernier point de contact. Le search capte l’effet de la TV, l’email capte l’effet de l’affichage, le retargeting capte l’effet de tout le funnel amont. Chaque canal semble « fonctionner » - y compris ceux qui ne seraient jamais déclenchés sans les canaux en amont.

2. La cannibalisation cross-canal. Un acheteur qui aurait acheté de toute façon - en magasin, par téléphone, en recherche directe - clique sur une bannière et se retrouve compté comme conversion incrémentale. La quasi-totalité des reportings digitaux ne corrigent pas cet effet.

3. Les effets de halo non mesurés. Une exposition publicitaire suivie d’un achat en magasin physique : l’effet existe, mais il est attribué à zéro source dans les outils digitaux.

S’y ajoute l’effet Rosser Reeves, un biais de causalité inverse : les acheteurs d’une marque retiennent davantage ses publicités et la cherchent plus. La conclusion facile est « la pub a marché » ; la conclusion correcte est que c’est parce qu’ils achètent la marque qu’ils la remarquent et la cherchent davantage.

Ce que la recherche établit

Le last-click n’est pas une méthodologie - c’est une décision business. Il était à l’origine la métrique d’Urchin, l’entreprise rachetée par Google et devenue Google Analytics. Google disposait d’études quantifiant que ce cadrage augmenterait la dépense search de plusieurs points ; le glissement narratif (« le search est la source ») a effectivement fait grimper cette dépense, comme prévu.

“It’s never been its purpose. It’s never been its intent. It’s only been to capture user level actions, not to model their impact on the overall business’s trajectory.”

WARC, Facing ROAS Reality

Les praticiens de la mesure parlent d’une décennie perdue :

“Digital attribution set us back a decade. The moment we could draw a line from ad click to conversion, we stopped asking whether or not we were actually growing. We optimized for what the model could see - and the model could only see the bottom of the funnel.”

Marketing Architects, No More Mild Marketing

Le test grandeur nature d’eBay l’a démontré : quand eBay a coupé son paid search, les conversions ont été quasi intégralement récupérées par l’organique. Autrement dit, l’essentiel de cette dépense payait pour capturer une demande déjà acquise. Pour une scale-up DTC qui dépense fortement en paid search de marque, un geo-test ciblé sur les seules requêtes de marque est le diagnostic le plus rapide pour mesurer la part cannibale.

Nuance : tous les last-click ne se valent pas. Julian Runge et Koen Pauwels, dans leur revue Open-Source MMM (2026), précisent un point souvent oublié : le last-click surestime l’incrémentalité d’autant plus que la marque est installée. Une marque déjà bien connue voit ses conversions last-click dopées par tout le baseline organique - brand search, retargeting, halo offline - qu’elle capte à tort. Symétriquement, pour une marque nouvelle, peu connue, sans découverte organique notable, les conversions last-click peuvent approcher l’effet incrémental réel : le baseline étant quasi nul, presque tout l’achat est effectivement causé par l’exposition. L’erreur du last-click croît avec la maturité de la marque. Une jeune scale-up en amorçage peut piloter raisonnablement au last-click ; le biais devient corrosif à mesure que la disponibilité mentale s’accumule.

Comment corriger

Quatre méthodes permettent de remplacer une attribution biaisée par une mesure d’incrémentalité réelle :

1. Les tests d’exposition contrôlée (geo-experiments). Couper une zone géographique, comparer ses ventes à une zone identique restée exposée. On isole ainsi l’effet incrémental du canal. Fait notable : Google (GeoX) et Meta proposent ces outils nativement - admettant de fait que leurs propres dashboards d’attribution sont biaisés.

2. Les ghost ads. Servir au groupe de contrôle une bannière non pertinente plutôt qu’aucune bannière, pour neutraliser l’effet de ciblage et ne garder que l’effet du message.

3. Le marketing mix modeling (MMM). De l’économétrie sur séries temporelles, calibrée par geo-experiment. Demande 24 à 36 mois de données historiques.

4. La segmentation acheteurs / non-acheteurs. Avant d’interpréter un taux d’engagement ou de conversion, séparer ces deux groupes dans la population exposée. Si le lift ne vient que des acheteurs existants, c’est du Rosser Reeves, pas un effet causal.

Un test pragmatique permet de repérer la mesure-théâtre : pour chaque dashboard d’attribution consulté, se poser deux questions - existe-t-il un résultat possible qui changerait l’allocation budgétaire, et si oui, l’organisation est-elle prête à exécuter ce changement ? Si l’une des réponses est non, le dashboard n’éclaire aucune décision.

“Measurement that doesn’t lead to a change in behavior is pure theater.”

WARC, How marketing measurement is evolving in 2026

Si ta scale-up plafonne aujourd’hui

Le pattern typique : un ROAS Google Ads de 5×, un ROAS Meta de 3×, et la conclusion « la perf marche ». La déconstruction :

  • Le ROAS Google inclut massivement du search de marque - des convertisseurs déjà décidés.
  • Le ROAS Meta inclut du retargeting et du lookalike - une sélection d’audience biaisée.
  • L’attribution last-click capte tout l’effet de marque hors-ligne accumulé pendant des années.
  • Quand la scale-up coupe son budget de marque, les ROAS tiennent 6 à 12 mois… puis décrochent, à mesure que la disponibilité mentale s’érode.

Le principe organisationnel qui en découle : laisser Meta optimiser comme il l’entend (et lui donner toute la donnée qu’il réclame), mais évaluer la performance via un dispositif externe - tests d’incrémentalité, geo-experiments, MMM - qui couvre tous les canaux de façon uniforme. La validation indépendante est décisive : une régie restera toujours biaisée en faveur de sa propre plateforme, consciemment ou non.

Pour relier ce diagnostic au mécanisme qui l’explique, voir la disponibilité mentale : c’est l’actif que l’attribution court terme ne voit pas s’éroder.

Pour aller plus loin

Sources

ℹ️ À propos de cette page

Reaching Kibo explore les vrais moteurs de la croissance des scale-ups B2C - et comment les mettre en pratique. Cette page appartient à Basecamp, le playbook du projet.

Elle est rédigée par IA, d’après le cadre et la direction que je donne. Une erreur, un désaccord, une source à ajouter ? Écris-moi : romain@reachingkibo.com.