Cette page approfondit les modèles d’attribution Google Ads : elle explique ce que l’allocation fondée sur les données permet de comparer, ce qu’elle ne démontre pas et les contrôles à effectuer avant de toucher aux budgets.
Comment Google Ads répartit-il le crédit d’une conversion ?
L’algorithme compare les chemins qui atteignent l’objectif mesuré avec ceux qui ne l’atteignent pas. Il cherche des motifs parmi les points de contact admissibles, puis accorde davantage de crédit à ceux qui sont associés à une probabilité de réussite plus élevée. Le principe est documenté dans l’aide officielle sur l’attribution basée sur les données.
Google décrit cette méthode comme contrefactuelle. Le mot compte, mais sa limite compte davantage : il s’agit d’une estimation modélisée à partir de chemins observés, pas d’une expérience randomisée. Un point de contact mieux crédité est statistiquement associé au résultat ; il n’est pas démontré comme sa cause.
Toutes les actions de conversion sont aujourd’hui éligibles, quelle que soit la quantité de données disponible. Google recommande néanmoins au moins 200 conversions et 2 000 interactions publicitaires admissibles sur 30 jours pour mieux identifier les motifs. Ce repère, vérifié le 22 juillet 2026, n’est ni un seuil d’accès ni une garantie de précision.
Les choix actuels sont principalement l’attribution basée sur les données et le dernier clic. Premier clic, linéaire, dépréciation dans le temps et basé sur la position sont 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 actuelle.
Davantage d’observations peut améliorer la capacité à distinguer des motifs. Cela ne corrige ni un objectif mal défini, ni des doublons, ni 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 sont souvent mélangées : peut-on reproduire la pondération, quels points de contact peuvent recevoir du crédit et le résultat prouve-t-il un effet commercial ? Les réponses ne sont pas les mêmes.
- Pondération : Google ne publie pas le détail nécessaire pour reproduire manuellement chaque fraction. Vous pouvez toutefois examiner les séquences, les crédits agrégés et les écarts entre modèles. Le dernier clic rend sa règle d’allocation lisible ; il ne rapproche pas à lui seul une vente CRM ni une conversion modélisée.
- Périmètre Google Ads : le modèle couvre les interactions admissibles du Réseau de Recherche, y compris Shopping, de YouTube, du Réseau Display et de Demand Gen. Selon le réseau et la source, elles comprennent des clics et des engagements vidéo. Un podcast non mesuré ou une recommandation hors de ce périmètre ne reçoit aucun crédit.
- Portée et causalité : GA4 peut répartir le crédit entre un autre ensemble de canaux, sans prouver qu’un canal mesuré a causé la vente. Les imports enrichissent l’issue commerciale, Analytics offre une autre portée de lecture et un test d’incrémentalité estime un effet causal agrégé. Ce sont trois fonctions distinctes.
Fenêtre de conversion et période d’analyse : deux réglages
La fenêtre de conversion fixe la durée après une interaction pendant laquelle l’objectif mesuré peut encore être enregistré dans Google Ads. La période d’analyse du rapport, réglable sur 30, 60 ou 90 jours, détermine quels points de contact antérieurs sont retenus pour l’allocation du crédit. L’une agit sur le comptage ; l’autre sur l’horizon étudié.
Le cycle commercial donne un contexte, pas la réponse. Consultez le rapport Métriques sur le chemin, sa moyenne de jours ou d’heures depuis la première ou la dernière interaction, la source de conversion et le compromis 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 du Réseau de Recherche et du Réseau Display, le défaut est de 30 jours ; les choix peuvent aller de 1 à 30, 60 ou 90 jours. Google conseille au moins sept jours pour disposer d’un ensemble plus complet.
- Après vue intentionnelle : ce réglage distinct concerne un engagement avec une vidéo. La plage va de 1 à 30 jours et le défaut documenté pour une nouvelle action est de trois jours.
- Après affichage : ce réglage concerne les formats et réseaux admissibles, notamment le Réseau Display et la vidéo. Le défaut est d’un jour, avec des choix allant de 1 à 30 jours ou de 1 à 4 semaines. Il ne faut pas l’appliquer par défaut au Réseau de Recherche textuel.
| Contrôle | Ce qu’il mesure | Décision | Risque de mauvaise lecture |
|---|---|---|---|
| Métriques sur le chemin | Moyenne des jours ou heures depuis le premier ou le dernier point de contact | Choisir une durée compatible 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 | Une fenêtre de sept jours peut convenir à une promotion courte ; une durée supérieure à 30 jours peut convenir si les observations le montrent | Une durée trop courte omet des résultats retardés ; le sens du déplacement par campagne n’est pas garanti |
| Période d’analyse | Points de contact antérieurs inclus dans le rapport | Comparer 30, 60 ou 90 jours à périmètre constant | La confondre avec la fenêtre qui autorise l’enregistrement de l’objectif mesuré |
Dans Google Ads, une modification de fenêtre s’applique aux conversions enregistrées à partir du changement : datez l’action, le périmètre et l’effet attendu. Dans GA4, le modèle de rapport s’applique aux données historiques et futures ; une modification de la fenêtre d’analyse rétrospective s’applique immédiatement et se répercute 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 comparer l’allocation du crédit entre les campagnes, réseaux ou autres dimensions admissibles de la plateforme. Lorsque les chemins et la mesure le permettent, cette répartition peut être plus informative qu’un crédit intégral au dernier contact. Elle peut aussi demander davantage d’explication : une fraction n’est pas une vérité plus lisible par nature.
Elle ne réconcilie pas une vente avec le CRM et ne mesure pas la causalité. Le rapprochement unitaire repose sur des identifiants publicitaires ou de transaction reliés à une vente, puis sur un import correctement dédupliqué. Un test d’incrémentalité compare des groupes ou des zones pour estimer un effet causal agrégé ; il ne prouve pas qu’un point de contact précis a causé une vente précise.
| Ce que vous cherchez | Ce modèle suffit-il ? | Contrôle adapté |
|---|---|---|
| Comparer l’allocation entre points de contact admissibles de la plateforme | Oui, comme convention comparative | Comparaison de modèles, chemins et qualité économique |
| Rapprocher une mesure publicitaire avec une vente CRM | Non | Identifiant publicitaire ou de transaction, import aval et déduplication |
| Estimer l’effet causal de la publicité | Non | Expérience d’incrémentalité avec groupes ou zones comparables |
La qualité des entrées dépend de ce qui est observé, rapproché ou modélisé selon le consentement et les signaux disponibles. Une absence d’identifiant n’équivaut donc pas toujours à une perte brute ; elle peut aussi produire une estimation, avec ses propres conditions et limites.
Une mesure robuste améliore les signaux utilisés par le modèle : objectif commercial correctement défini, valeurs fiables, imports dédupliqués, consentement transmis et délais compris. Elle ne garantit ni une allocation stable ni la supériorité automatique d’un modèle.
Quel effet sur les enchères intelligentes après un changement ?
Le modèle influence les stratégies qui utilisent les actions incluses dans la colonne « Conversions », généralement les actions principales retenues dans les objectifs de la campagne. Le CPA cible optimise un nombre de conversions ; le ROAS cible optimise leur valeur. Le réglage ne touche donc pas ces deux stratégies de la même façon.
Ce qui alimente réellement les enchères
Un résultat peut être fractionné entre plusieurs points de contact admissibles. À titre d’illustration, un crédit de 0,4, 0,3 et 0,3 peut remplacer un crédit intégral au dernier contact ; un engagement vidéo peut faire partie des éléments concernés. Les colonnes de conversion et de valeur changent alors pour les segments qui utilisent cet objectif.
Un déplacement du dernier contact vers des points de contact antérieurs est possible, notamment entre marque et générique, mais il n’est pas garanti. Google précise que l’allocation fondée sur les observations et le dernier clic peuvent parfois produire le même résultat. Il faut lire l’écart constaté, sans attribuer à un type de campagne un rôle systématique.
Les écarts entre la plateforme et GA4 peuvent augmenter, diminuer ou rester stables. Leur sens dépend du périmètre, de la source de conversion, de la date d’attribution, des canaux créditables, des fenêtres et des réglages propres à chaque produit.
Comment recaler séparément un CPA cible et un ROAS cible
- Figez le périmètre de comparaison. Même objectif, mêmes filtres et période suffisamment mûre. Utilisez Comparaison de modèles ainsi que les colonnes « Conversions (modèle actuel) », « Coût/conv. (modèle actuel) », « Valeur de conv. (modèle actuel) » et « Valeur de conv./coût (modèle actuel) ». Excluez 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 même pourcentage à la cible de chaque campagne concernée. Un simple ratio des résultats ne suffit pas.
- 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 séparément la cible. Ne réutilisez pas la formule du CPA.
- Évaluez après le délai observé. Attendez au minimum le nombre moyen de jours avant conversion avant de juger les résultats récents, puis surveillez le coût, la valeur, le nombre d’objectifs atteints et les cibles. La comparaison simule une autre allocation ; 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 indique combien de fois une dimension apparaît avant la dernière interaction. Comparaison de modèles simule deux règles d’allocation. Chacun répond à une question précise.
Chemins, métriques et conversions indirectes
Chemins de conversion affiche les séquences de points de contact avant l’objectif suivi. Il ne classe pas chaque étape dans des catégories inventées comme « initiateur », « assistant » ou « clôturant ». L’ordre est observable ; le rôle causal ne l’est pas.
Métriques sur le chemin fournit la moyenne des jours ou des heures avant conversion, mesurée depuis le premier ou le dernier point de contact. Conversions indirectes distingue les clics ou vues indirects de la dernière interaction. Une apparition en amont décrit une position dans la séquence, pas un effet commercial démontré.
Une faible présence en amont peut venir de la couverture des réseaux, des filtres, de la source de mesure, de la qualité du suivi, de la période choisie ou d’un historique insuffisant. Le rapport peut aussi exclure automatiquement les segments qui manquent d’observations.
Comparaison de modèles
Cette comparaison confronte deux modèles et permet de choisir une dimension telle que campagnes, groupes d’annonces, mots clés ou appareils. Ne regardez pas seulement le nombre de résultats : ajoutez le coût par conversion et la valeur de conversion par coût pour interpréter correctement CPA cible et ROAS cible.
Un ratio inférieur ou supérieur à 1 signale une différence d’allocation sur la période. Il ne démontre ni qu’une vente était déjà décidée, ni qu’un point de contact antérieur a créé la demande. Même Conversions indirectes décrit une position, pas une contribution causale.
La bonne décision croise cet écart avec les chemins, la marge, la qualité commerciale, le délai et, lorsque le budget le justifie, une mesure d’incrémentalité. Sinon, vous remplacez une règle simple par une histoire plus sophistiquée, sans preuve supplémentaire.
Le suivi avancé des conversions rend-il l’attribution plus fiable ?
Le suivi avancé des conversions peut améliorer la mesure et les enchères sans modifier le modèle d’attribution. Il s’appuie sur des informations client fournies par l’utilisateur. Selon l’implémentation, vous les normalisez puis les hachez en SHA-256 avant transmission, ou Google effectue ces opérations avant qu’elles atteignent ses serveurs. Leur traitement reste soumis au consentement et aux règles Google. Google rapproche ensuite les valeurs hachées de comptes connectés ayant interagi avec une annonce ; cela ne promet pas de reconstituer tout trajet multiappareil.
Le mode Consentement répond à une autre question. Il adapte le comportement des balises au choix transmis par l’utilisateur et peut, lorsque les conditions sont remplies, permettre une modélisation des signaux manquants. Sans signaux exploitables, certaines conversions restent non observées. Une meilleure observabilité peut enrichir la mesure et les enchères, sans garantir une pondération plus stable.
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.
- L’allocation repose sur des associations statistiques, pas sur une preuve de causalité.
- La plateforme couvre les points de contact admissibles de ses réseaux pris en charge ; GA4 possède un autre périmètre.
- Fenêtre de conversion, période d’analyse et modèle répondent à trois questions différentes.
- Davantage d’observations aide à distinguer des motifs ; la qualité de l’objectif suivi reste décisive.
La décision : garder, comparer ou changer
L’attribution basée sur les données est le réglage par défaut pour la plupart des objectifs mesurés dans Google Ads. Gardez-la lorsque l’objectif, sa source, les canaux créditables, les fenêtres, la matière disponible et les objectifs d’enchères sont cohérents. Le statut par défaut ouvre le contrôle ; il ne le remplace pas.
Avant une réallocation importante, documentez l’écart entre les deux modèles dans Comparaison de modèles, sur une période qui exclut les observations encore immatures. Ajustez séparément CPA cible et ROAS cible si l’objectif alimente les enchères. Et si la décision dépend de ce que la publicité a réellement ajouté, changez de question : il faut un test causal, pas un autre partage du crédit.
