Alors que les budgets marketing sont stables d'une année sur l'autre, la pression pour justifier chaque euro ne faiblit pas. L'attribution au dernier clic voit de moins en moins les parcours, tandis que les signaux de mesure se dégradent. La réponse tient en une thèse : combiner plusieurs méthodes complémentaires, les calibrer entre elles et les rattacher aux résultats économiques. Cinq actions permettent de s'y engager, avec leurs limites.
En 2026, les budgets marketing restent presque stables : 7,8 % du chiffre d'affaires des entreprises, contre 7,7 % en 2025, selon l'enquête annuelle de Gartner. Dans le même temps, 56 % des directeurs marketing estiment manquer de budget pour déployer leur stratégie. Ils doivent donc délivrer croissance et efficacité sans rallonge budgétaire. Cette contrainte pèse d'autant plus que la question n'est plus seulement de savoir si la publicité fonctionne, mais combien elle rapporte réellement, et à quel coût.
L'exigence de preuve se heurte à des outils de mesure qui s'érodent. L'enjeu n'est donc pas de trouver un indicateur parfait, mais de combiner des méthodes dont les limites ne se recoupent pas. La performance se pilote en combinant ces méthodes, en les calibrant entre elles et en les rattachant aux résultats économiques.
Les budgets stagnent : mais chaque euro doit pourtant prouver son effet
La pression ne vient pas seulement des chiffres, elle s'inscrit dans un contexte où les signaux qui permettaient de suivre les internautes se sont raréfiés, mais pas de la même manière partout.
Safari bloque les cookies tiers par défaut depuis mars 2020 (WebKit), et Firefox isole les cookies de chaque site par défaut pour ses utilisateurs de bureau depuis juin 2022 (Mozilla). En France, la CNIL exige depuis septembre 2020 un consentement préalable pour les traceurs non essentiels, et impose de refuser aussi simplement que d'accepter. Chrome, de son côté, maintient son approche du choix laissé aux utilisateurs. En octobre 2025, Google a retiré dix technologies de remplacement du Privacy Sandbox, dont l'API Attribution Reporting, en invoquant de faibles niveaux d'adoption.
Le constat dépasse les navigateurs : pour l'IAB, la réglementation, la perte de signaux, l'optimisation intégrée aux plateformes et la fragmentation des données rendent plus difficile le lien entre exposition publicitaire et résultats.
Concrètement, les données qui reliaient une exposition publicitaire à une vente deviennent moins complètes, et les plateformes, qui concentrent une part croissante des données, proposent leurs propres mesures. Ces effets ne touchent pas toutes les marques de la même façon : ils dépendent du poids de la publicité en ligne dans leur mix marketing, de la qualité de leur propre base de données et des navigateurs que fréquentent leurs audiences.
Ce n'est pas la fin des cookies, c'est la fin de leur usage libre et non cadré. Les acteurs qui fondaient leur mesure sur cet usage doivent la reconstruire sur d'autres bases, à commencer par leurs propres données.
Le dernier clic crédite ce qu'il voit, pas ce qui provoque la vente
L'attribution au dernier clic accorde la totalité du mérite d'une vente au dernier point de contact enregistré. Mais quand le parcours passe par des interactions non observées, comme une réponse de chatbot sans clic ou un échange dans l'environnement fermé d'une plateforme, ces interactions sont créditées à un autre canal, ou ne le sont pas. Le biais vient donc de ce qui n'est pas vu, pas seulement de la disparition d'un identifiant. Un canal qui intervient juste avant l'achat reçoit le crédit, même s'il n'a pas créé la demande. Une part croissante du parcours se déroule hors du site de la marque, comme le développe un précédent article sur le parcours client.
Ce diagnostic change la lecture des tableaux de bord. Un résultat affiché par une plateforme n'est pas faux, mais il répond à une autre question : combien de conversions la plateforme a-t-elle observées dans sa propre fenêtre de mesure ? La question du décideur est alors différente : combien de ventes supplémentaires la campagne a-t-elle réellement produites ?
Une étude publiée dans Marketing Science compare ces méthodes à des expériences contrôlées sur des campagnes Facebook aux États-Unis (Gordon et al.). Son enseignement principal est net : les méthodes observationnelles surestiment le plus souvent l'effet publicitaire, même avec des données riches. Les auteurs recommandent donc des essais contrôlés randomisés à grande échelle chaque fois que c'est possible. Le périmètre de l'étude, un seul canal et un seul pays, invite néanmoins à la prudence avant toute généralisation. Ce biais rejoint l'endogénéité décrite plus loin : les investissements suivent souvent une demande qu'ils prétendent créer.
Attribution, modèle de mix et expériences : trois réponses à trois limites
Trois méthodes répondent à ces limites, avec des forces et des faiblesses différentes. De plus, elles ne produisent pas leurs résultats au même rythme : l'attribution fournit une lecture quotidienne, le MMM une estimation à chaque recalibrage, et l'expérience une réponse ponctuelle, mais fiable :
- L’attribution est la plus rapide. Elle s’appuie sur les parcours individuels observés, mais reste biaisée par ce qui échappe à l’observation.
- Le modèle de mix marketing (MMM) est une modélisation économétrique qui quantifie l’effet de chaque investissement sur les ventes, le chiffre d’affaires ou la marge. Il travaille sur des séries agrégées, souvent hebdomadaires, et distingue les ventes de base des ventes incrémentales. Il ne dépend donc pas du suivi individuel. Les versions bayésiennes, comme Meridian, outil open source publié par Google en 2025, peuvent intégrer des résultats d’expériences comme connaissances a priori (Google).
- Les expériences d’incrémentalité mesurent l’effet causé par une action, par comparaison avec un groupe témoin ou une zone non exposée. Les tests géographiques s’appuient sur la méthode du contrôle synthétique, outillée notamment par GeoLift, publié en open source par Meta (GeoLift).
Chaque méthode répond à une limite des autres. L'attribution guide le pilotage au quotidien, le MMM arbitre les budgets et l'expérience vérifie ce que les deux autres suggèrent.
Cinq actions pour passer du suivi individuel à l'estimation causale
Cinq actions permettent de passer de la mesure des parcours à l'estimation de l'effet réel. Chacune appelle une décision, comporte un piège fréquent et s'accompagne d'un indicateur de suivi.
- Cartographiez ce qui est mesuré et ce qui est vérifié. Identifiez, canal par canal, les effets que l’attribution mesure et ceux qu’aucune expérience n’a jamais confirmés. Le piège consiste à confondre mesuré et causal. Suivez la part du budget dont l’effet a été vérifié par une expérience.
- Construisez un MMM sur données agrégées. Réunissez l’historique hebdomadaire des ventes, des investissements, des prix, des promotions, de la distribution et des facteurs externes, puis choisissez l’outil, par exemple Meridian. Le piège est méthodologique : l’endogénéité, la colinéarité entre canaux et les variables omises faussent les estimations. Suivez la stabilité des résultats d’un recalibrage à l’autre.
- Calibrez le modèle par des tests d’incrémentalité. Choisissez en priorité les canaux dont l’effet est le plus incertain, testez-les par expérience géographique ou par groupe témoin, puis réinjectez les résultats dans le modèle. Le piège est de généraliser un test ponctuel à tous les contextes. Suivez l’écart entre l’effet estimé par le modèle et celui que mesure le test.
- Rattachez la mesure aux résultats économiques. Jugez chaque canal sur son apport en chiffre d’affaires et en marge, et non sur les indicateurs que produit la plateforme. Le piège est classique : juger un support sur ses propres chiffres, comme le montre notre précédent article consacré à la publicité dans les chatbots. Suivez la contribution incrémentale à la marge.
- Réallouez par cycles courts. Déplacez les budgets selon les courbes de saturation, et recalibrez le modèle à intervalle régulier, à un rythme que vos cycles de décision doivent fixer. Le piège est de réallouer sans test de confirmation. Suivez l’écart de marge entre les budgets réalloués et un scénario de référence.
Le critère de décision doit rester le chiffre d'affaires et la marge incrémentaux, pas les indicateurs de la plateforme. Sans ce critère, une baisse du coût par conversion affichée par une plateforme peut masquer des ventes qui se seraient produites sans la campagne.
Le MMM est la voie la plus prometteuse, mais pas forcément une solution universelle
À ce jour, le MMM est la solution la plus prometteuse, mais elle n'est pas forcément universelle. Ses limites méthodologiques sont connues. L'endogénéité, qui fait que les investissements augmentent souvent quand la demande est déjà favorable, fausse l'estimation de l'effet. Les variables omises, la colinéarité entre canaux et les données désalignées compliquent aussi l'exercice.
Le modèle ne mesure pas non plus la qualité créative. Le même partenaire reconnaît que Meridian n'est pas "le modèle le plus performant du marché" (La Réclame).
Quatre conditions déterminent la réussite d’un projet :
- un historique de données suffisant pour que les effets saisonniers et les variations de budget soient observables ;
- des compétences en données et en cloud, car l’outil n’est pas accessible à tous, selon un partenaire certifié de Meridian ;
- un outil à paramétrer, et non une solution clé en main, selon le même partenaire ;
- un calibrage régulier par des expériences, pour ne pas s’en remettre au seul modèle.
Les coûts et les délais se prennent avec prudence. Un partenaire estime le prix d'un MMM classique à plus de 100.000 € par an, et un premier projet demande plusieurs semaines de mise en place avant de produire des résultats. Quant aux intentions d'investissement, elles restent déclaratives. Une enquête américaine d'EMARKETER et TransUnion rapporte que près de 47 % des marketeurs prévoient d'investir davantage dans le MMM l'année suivante, selon un relevé de juillet 2025 (EMARKETER). Ce chiffre ne dit rien de l'adoption en France ni des résultats obtenus.
L'enjeu n'est donc pas de choisir une méthode universelle, mais de savoir quand le MMM est proportionné à votre situation. Le bon calibrage dépend de vos données, de vos moyens internes et du temps dont vous disposez avant d'attendre des résultats fiables.
Retour d’expérience Isoskèle
Trois réalisations d’Isoskèle portent sur le pilotage de la performance :
- Pour le groupe BPCE (banque), des reportings automatisés suivent le plan de contacts (volume de sollicitations, thématiques, canaux, pression commerciale) et sont déployés sur les 15 caisses régionales, ce qui a permis une baisse du désabonnement, une hausse du taux de clics et un churn stabilisé.
- Pour Hello Bank!, un programme d’affiliation de 14 ans a été refondu pour pouvoir être piloté par la valeur : score de valeur client, cartographie des partenaires selon leur contribution réelle, réallocation des budgets. Résultat : +30 % de clients à valeur par rapport à 2024.
- Pour Hello Bank! Pro, une stratégie couvrant tout le parcours, avec scoring de maturité et nurturing, a divisé par deux le coût d’acquisition client entre 2023 et 2025.
Quatre questions pour reprendre la main sur la mesure
La mesure ne disparaît pas, elle change de nature : elle passe du suivi individuel à l'estimation causale agrégée. Cette bascule demande de combiner des méthodes, de les calibrer entre elles et de les rattacher aux résultats économiques.
Quatre questions permettent de vérifier où en est votre dispositif :
- Quelle part de votre budget n’a jamais fait l’objet d’une expérience de vérification ?
- Vos indicateurs de performance sont-ils définis par vos plateformes ou par vos résultats économiques ?
- Disposez-vous d’un historique hebdomadaire exploitable pour un modèle de mix, et qui en est propriétaire ?
- Quel canal allez-vous tester en premier par une expérience géographique ?
Une marque ou organisation qui ne peut pas répondre à ces questions n'est pas condamnée à l'opacité. Elle peut commencer par le plus simple : une expérience géographique sur un seul canal, dont le résultat servira de référence aux discussions budgétaires suivantes.
Ces questions ne demandent pas de refondre l'organisation : elles demandent de savoir ce que vous mesurez, ce que vous avez vérifié et sur quelle base vous décidez. Chacune appelle une décision concrète, et non un indicateur de plus.
