Vous avez sans doute lu que l’attribution basée sur les données révèle enfin quelle campagne a « vraiment » généré la vente. Elle ne fait rien de tel : elle répartit un crédit entre les clics et les vues que Google Ads a mesurés, et s’arrête là. Cette page prolonge les modèles d’attribution Google Ads : ce que cette répartition permet de comparer, ce qu’elle ne démontre pas et les contrôles à faire avant de toucher aux budgets.
Comment Google Ads répartit-il le crédit d’une conversion ?
L’algorithme compare les chemins qui aboutissent à l’objectif mesuré avec ceux qui n’y aboutissent pas. Il cherche des motifs parmi les points de contact admissibles, puis donne plus de crédit à ceux qu’il associe à une probabilité de réussite plus élevée. Google décrit le principe dans l’aide officielle sur l’attribution basée sur les données.
Google appelle cette méthode « contrefactuelle ». Retenez surtout la limite du mot : le modèle estime à partir de chemins observés, il ne mène aucune expérience randomisée. Un point de contact mieux crédité est associé au résultat, statistiquement. Sa cause ? Rien ne le démontre.
Aujourd’hui, toutes les actions de conversion sont éligibles, quel que soit le volume de données. Google recommande quand même au moins 200 conversions et 2 000 interactions publicitaires admissibles sur 30 jours pour mieux repérer les motifs. Ce repère, vérifié le 22 juillet 2026, ne conditionne pas l’accès au modèle et ne promet rien sur sa précision.
Les choix actuels se résument à l’attribution basée sur les données et au dernier clic. Premier clic, linéaire, dépréciation dans le temps, basé sur la position : des repères historiques. Google les a retirés en 2023, et GA4 ne les propose plus depuis novembre 2023. L’aide sur les modèles pris en charge tient la liste à jour.
Plus d’observations donnent au modèle plus de chances de distinguer des motifs. Elles ne corrigent pas un objectif mal défini, des doublons ou une valeur commerciale absente. Une mesure abondante mais fausse reste une mauvaise entrée.
Que peut-on auditer, et où s’arrête le périmètre ?
Trois questions se mélangent souvent : est-ce qu’on reproduit la pondération, quels points de contact reçoivent du crédit, et le résultat prouve-t-il un effet commercial ? Trois réponses, toutes différentes.
- Pondération : Google ne publie pas le détail qui permettrait de recalculer chaque fraction à la main. Vous pouvez examiner les séquences, les crédits agrégés et les écarts entre modèles. Le dernier clic, lui, applique une règle que vous lisez d’un coup d’œil. Lisible, oui. Mais ça ne relie pas une conversion à une vente CRM, ni à une conversion modélisée.
- Ce que couvre Google Ads : le modèle traite les interactions admissibles du Search, Shopping compris, de YouTube, du Display et de Demand Gen. Suivant le réseau et la source, il s’agit de clics ou d’engagements vidéo. Un podcast non mesuré, une recommandation entre collègues : hors champ, donc zéro crédit.
- Portée et causalité : GA4 répartit le crédit sur un autre jeu de canaux, avec ses propres règles. La cause de la vente ? Il ne la démontre pas plus. Les imports enrichissent l’issue commerciale, Analytics offre une autre portée de lecture et un test d’incrémentalité estime un effet causal agrégé. Trois fonctions, trois usages.
Fenêtre de conversion et période d’analyse : deux réglages
La fenêtre de conversion fixe combien de temps, après une interaction, Google Ads accepte encore d’enregistrer l’objectif mesuré. La période d’analyse du rapport, réglable sur 30, 60 ou 90 jours, décide jusqu’où le rapport remonte pour retenir les points de contact antérieurs. L’une joue sur le comptage. L’autre sur l’horizon étudié.
Votre cycle de vente donne un contexte, pas la réponse. Je regarde d’abord le rapport Métriques sur le chemin : sa moyenne de jours ou d’heures depuis la première ou la dernière interaction, la source de conversion, puis l’arbitrage entre couverture et fraîcheur. L’aide sur les rapports d’attribution documente ces mesures.
- Après clic : la plage dépend de la source et du type de campagne. Pour plusieurs conversions Search et Display, le défaut est de 30 jours, avec des choix de 1 à 30, 60 ou 90 jours. Google conseille au moins sept jours pour disposer d’un ensemble plus complet.
- Après vue intentionnelle : un réglage à part, réservé à l’engagement avec une vidéo. La plage va de 1 à 30 jours. Pour une nouvelle action, le défaut documenté est de trois jours.
- Après affichage : ce réglage vise les formats et réseaux admissibles, Display et vidéo entre autres. Le défaut est d’un jour, avec des choix de 1 à 30 jours ou de 1 à 4 semaines. Ne l’appliquez pas par défaut aux annonces textuelles du Search.
| Contrôle | Ce qu’il mesure | Décision | Le piège de lecture |
|---|---|---|---|
| Métriques sur le chemin | Moyenne de jours ou d’heures depuis le premier ou le dernier point de contact | Choisir une durée cohérente avec les délais observés et la source | Déduire le délai publicitaire du seul cycle de vente |
| Fenêtre après clic | Résultats encore comptés après le point de contact | Sept jours pour une promotion courte. Plus de 30 jours si les délais observés le demandent | Trop courte, elle oublie les résultats tardifs. Le sens du déplacement par campagne, lui, n’a rien de garanti |
| Période d’analyse | Points de contact antérieurs que le rapport inclut | Comparer 30, 60 et 90 jours à réglages constants | La confondre avec la fenêtre qui autorise l’enregistrement de l’objectif mesuré |
Dans Google Ads, un changement de fenêtre s’applique aux conversions enregistrées à partir du changement : notez la date, le champ concerné et l’effet attendu. Dans GA4, le modèle de rapport s’applique aux données passées et futures, et un changement de la fenêtre d’analyse rétrospective prend effet tout de suite, dans tous les rapports de la propriété. Ne transposez pas une règle d’un produit à l’autre.
Quand cette attribution est-elle réellement utile ?
Elle sert à une chose : comparer la répartition du crédit entre campagnes, réseaux ou toute autre dimension admissible de la plateforme. Si les chemins et la mesure le permettent, cette répartition en dit plus qu’un crédit entier au dernier contact. Elle a un revers : une fraction de crédit demande plus d’explications qu’un dernier clic entier.
Elle ne rapproche pas une vente du CRM et ne mesure pas la causalité. Pour rapprocher, il vous faut des identifiants publicitaires ou de transaction reliés à une vente, puis un import correctement dédupliqué. Pour la causalité, un test d’incrémentalité compare des groupes ou des zones et estime un effet agrégé. Quel clic a déclenché quelle vente, il ne le dit pas non plus.
| Ce que vous cherchez | Ce modèle suffit-il ? | Le bon outil |
|---|---|---|
| Comparer le crédit entre points de contact admissibles de la plateforme | Oui, comme convention de comparaison | Comparaison de modèles, chemins et qualité économique |
| Relier une conversion publicitaire à une vente CRM | Non | Identifiant publicitaire ou de transaction, import aval et déduplication |
| Estimer ce que la publicité a ajouté | Non | Test d’incrémentalité avec groupes ou zones comparables |
La qualité des entrées dépend de ce que Google observe, rapproche ou modélise, suivant le consentement et les signaux disponibles. Un identifiant absent n’est donc pas toujours une perte sèche : dans certains cas, Google produit une estimation, avec ses conditions et ses limites.
Une mesure solide nourrit mieux le modèle : un objectif commercial bien défini, des valeurs fiables, des imports dédupliqués, un consentement transmis et des délais compris. Une répartition stable ou un modèle meilleur que l’autre, elle ne le promet pas.
Quel effet sur les enchères intelligentes après un changement ?
Le modèle pèse sur les stratégies qui lisent la colonne « Conversions », donc en général les actions principales retenues dans les objectifs de la campagne. Une action principale est une action de conversion que vous avez désignée pour nourrir les enchères ; les secondaires servent à l’observation. Le CPA cible optimise un nombre de conversions. Le ROAS cible optimise leur valeur. Le même réglage ne touche donc pas ces deux stratégies de la même façon.
Ce qui alimente réellement les enchères
Le modèle fractionne un résultat entre plusieurs points de contact admissibles. Illustration : trois contacts crédités 0,4 puis 0,3 puis 0,3 à la place d’un crédit entier au dernier. Un engagement vidéo entre dans ce partage, suivant le réseau. Les colonnes de conversion et de valeur changent alors pour les segments qui utilisent cet objectif.
Un déplacement du crédit du dernier contact vers des contacts antérieurs, entre marque et générique par exemple ? Possible. Pas garanti. Google précise que l’attribution basée sur les données et le dernier clic produisent parfois le même résultat. Lisez l’écart constaté, sans prêter à un type de campagne un rôle systématique.
L’écart entre Google Ads et GA4 ? Après un changement, il monte, descend ou reste stable. Son sens dépend de ce que chaque produit couvre et règle : source de conversion, date d’attribution, canaux créditables et fenêtres.
Comment recaler séparément un CPA cible et un ROAS cible
- Figez le cadre de comparaison. Même objectif, mêmes filtres, période assez mûre. Ouvrez Comparaison de modèles avec les colonnes « Conversions (modèle actuel) », « Coût/conv. (modèle actuel) », « Valeur de conv. (modèle actuel) » et « Valeur de conv./coût (modèle actuel) ». Écartez les semaines récentes, encore touchées par le délai avant conversion.
- Pour le CPA cible, partez du coût par conversion. Calculez sa variation entre l’ancien modèle et le modèle actuel, puis appliquez ce pourcentage à la cible de chaque campagne concernée. Un simple ratio du nombre de conversions ne vous donne pas ce chiffre.
- Pour le ROAS cible, partez de la valeur de conversion par coût. Comparez cette colonne à son équivalent sous le modèle actuel, calculez la variation et ajustez la cible à part. La formule du CPA ne se réutilise pas ici.
- Jugez après le délai observé. Attendez au moins le nombre moyen de jours avant conversion avant de lire les résultats récents. Ensuite, suivez le coût, la valeur, le nombre d’objectifs atteints et les cibles. La comparaison simule une autre répartition du crédit. Elle ne remplace pas une expérience causale.
Comment lire les quatre rapports d’attribution Google Ads ?
Chemins de conversion montre les séquences. Métriques sur le chemin mesure le délai et le nombre moyen d’interactions. Conversions indirectes compte combien de fois une dimension apparaît avant la dernière interaction. Comparaison de modèles simule deux règles de répartition. Quatre rapports, quatre questions.
Chemins, métriques et conversions indirectes
Chemins de conversion affiche les suites de points de contact avant l’objectif suivi. Il ne range pas chaque étape dans des cases inventées comme « initiateur », « assistant » ou « clôturant ». L’ordre, vous le voyez. Le rôle causal, non.
Métriques sur le chemin donne la moyenne des jours ou des heures avant conversion, comptée depuis le premier ou le dernier point de contact. Conversions indirectes sépare les clics ou vues indirects de la dernière interaction. Apparaître en amont décrit une place dans la séquence, pas un effet commercial démontré.
Peu de présence en amont ? Avant de conclure, je regarde la couverture des réseaux, les filtres, la source de mesure et la qualité du suivi. Puis la période choisie et la profondeur d’historique. Autre piège : si un segment manque d’observations, le rapport l’écarte de lui-même.
Comparaison de modèles
Ce rapport met deux modèles face à face, sur la dimension de votre choix : campagnes, groupes d’annonces, mots clés ou appareils. Ne vous arrêtez pas au nombre de conversions. Ajoutez le coût par conversion et la valeur de conversion par coût, sinon vous lirez de travers CPA cible et ROAS cible.
Un ratio sous ou au-dessus de 1 signale une différence de répartition sur la période. Rien de plus : il ne dit pas qu’une vente était déjà décidée, ni qu’un contact antérieur a créé la demande. Même Conversions indirectes décrit une position. La contribution causale, elle, reste hors du rapport.
La bonne décision croise cet écart avec les chemins, la marge, la qualité commerciale et le délai. Quand le budget le justifie, ajoutez une mesure d’incrémentalité. Sinon, vous remplacez une règle simple par une histoire plus sophistiquée, sans preuve de plus.
Le suivi avancé des conversions rend-il l’attribution plus fiable ?
Le suivi avancé des conversions vise à améliorer la mesure et les enchères. Le modèle d’attribution, lui, ne bouge pas. Le principe : le client laisse des données sur votre site, un e-mail ou un téléphone par exemple. Suivant l’implémentation, vous les normalisez et les hachez en SHA-256 avant l’envoi, ou Google s’en charge avant qu’elles n’atteignent ses serveurs. Leur traitement reste soumis au consentement et aux règles Google. Google rapproche ensuite ces valeurs hachées de comptes connectés qui ont interagi avec une annonce. Reconstituer tout trajet multiappareil ? Ce n’est pas la promesse.
Le mode Consentement répond à une autre question. Il adapte le comportement des balises au choix que le visiteur a exprimé et, si les conditions sont remplies, il ouvre la modélisation des signaux manquants. Sans signal exploitable, certaines conversions restent invisibles. Mieux observer enrichit la mesure et les enchères. Une pondération plus stable ? Rien ne le garantit.
Sources officielles vérifiées le 22 juillet 2026 : Google Ads documente le fonctionnement et les données recommandées, les modèles et canaux créditables, le calendrier de retrait des anciens modèles, les fenêtres de conversion, les quatre rapports d’attribution et le changement de modèle et les cibles. La documentation Google Ads couvre aussi les actions principales et secondaires, le suivi avancé des conversions, la normalisation et le hachage, le mode Consentement et sa modélisation. Google Analytics documente le modèle de rapport GA4 et les effets historiques de ses réglages d’attribution.
- Le crédit repose sur des associations statistiques. Une preuve de cause, non.
- Google Ads crédite les points de contact admissibles de ses réseaux pris en charge. GA4 couvre un autre terrain.
- Fenêtre de conversion, période d’analyse et modèle : trois réglages, trois questions.
- Plus d’observations, plus de motifs distingués. La qualité de l’objectif suivi décide du reste.
Faut-il conserver, comparer ou changer son modèle d’attribution ?
L’attribution basée sur les données est le réglage par défaut pour la plupart des objectifs mesurés dans Google Ads. Gardez-la tant que tout est cohérent : l’objectif et sa source, les canaux créditables et les fenêtres, la matière disponible et les objectifs d’enchères. Le statut par défaut vous ouvre le contrôle. Il ne vous en dispense pas.
Avant de déplacer un budget important, documentez l’écart entre les deux modèles dans Comparaison de modèles, sur une période qui exclut les observations encore immatures. Si l’objectif alimente les enchères, recalez CPA cible et ROAS cible chacun de leur côté. Et si la décision dépend de ce que la publicité a vraiment ajouté, changez de question : il vous faut un test causal, pas un autre partage du crédit.
