Le choix entre DDA et dernier clic n’est qu’une partie de la mesure Google Ads de bout en bout. Ici, la question est plus étroite : comment lire deux répartitions du crédit sans les prendre pour deux mesures de la réalité ?
La comparaison n’a de sens qu’avec le même événement clé, la même période, la même dimension, les mêmes canaux créditables et le même état de traitement des données. Changez l’un de ces éléments et vous ne mesurez plus seulement l’effet du modèle.
Pourquoi les chiffres changent-ils d’un modèle à l’autre ?
Ouvrez Publicité, puis Attribution et Comparaison de modèles. Choisissez la période, l’événement clé et la dimension à examiner, puis affichez l’attribution basée sur les données et le dernier clic côte à côte. Vous comparez ainsi deux règles sur le même jeu de données sans modifier le réglage de la propriété.
Le rapport redistribue un crédit, il ne crée pas une vente. Si un total évolue entre deux consultations, contrôlez d’abord la période, les filtres, le traitement tardif, la modélisation et la maturation des données. N’attribuez pas automatiquement cette variation au passage d’un modèle à l’autre.
Les modèles d’attribution et leurs partis pris répondent à une question conventionnelle : comment partager le crédit disponible entre les interactions admissibles ? Ils ne désignent pas, à eux seuls, ce qui a causé la conversion.
Attribution basée sur les données ou dernier clic : que comparez-vous ?
Le dernier clic payant et naturel attribue tout le crédit au dernier canal admissible avant l’événement clé. Le trafic direct est ignoré, sauf si le chemin entier est direct. GA4 propose aussi un dernier clic Google payant, qui ne crédite que le dernier canal Google Ads admissible.
Cette règle est déterministe et facile à suivre. Elle ne prouve pourtant pas que le dernier point de contact a fait tout le travail. Selon le parcours, le crédit peut revenir à une campagne de marque, à une recherche générique, à un courriel ou à un autre canal : aucun sens de transfert n’est garanti.
L’attribution basée sur les données estime la probabilité qu’un point de contact contribue à l’événement clé, puis distribue un crédit fractionné. Le modèle est propre à l’annonceur et à l’événement, mais peut aussi utiliser des données agrégées selon le partage autorisé et leur disponibilité. La mécanique de l’attribution basée sur les données mérite donc une lecture séparée.
Dernier clic
- Tout le crédit au dernier canal admissible
- Règle stable et explicable ligne par ligne
- Points de contact antérieurs non crédités
- Trafic direct écarté, sauf chemin entièrement direct
Attribution basée sur les données
- Crédit fractionné par modèle probabiliste
- Calcul propre à l’annonceur et à l’événement
- Données agrégées possibles selon les réglages
- Hypothèse d’attribution, pas preuve de causalité
Une règle simple est plus traçable, pas forcément plus juste. Un modèle complexe exploite davantage de signaux, pas forcément toute la causalité. Le bon réflexe consiste à nommer la convention avant de commenter la performance.
L’écart entre les deux : un indice, pas une preuve
Comparez les modèles lorsqu’une décision importante se prépare : réallocation de budget, changement de mesure ou révision de la combinaison de canaux. Il n’existe pas de cadence trimestrielle universelle. Attendez surtout que la période observée ait assez mûri pour éviter de commenter des crédits encore en cours de traitement.
Un crédit plus élevé sous DDA signifie que le modèle probabiliste valorise davantage les points de contact de cette ligne que la règle du dernier clic. Il ne démontre ni que la campagne a initié le parcours, ni que le dernier clic la sous-estime, ni qu’une hausse de budget produira plus de ventes.
La comparaison n’est propre que si vous savez quels événements GA4 sont déclarés comme événements clés. Un achat, un appel qualifié et un formulaire commencé ne racontent pas la même valeur. Analysez-les séparément au lieu de les fondre dans un total commode.
- Fixez le périmètre. Même période, même événement clé, même dimension et mêmes canaux créditables.
- Comparez dans le même rapport. Affichez les deux modèles côte à côte dans Comparaison de modèles.
- Repérez les écarts. Cherchez les lignes dont la répartition change, puis examinez leurs chemins et leur qualité économique.
- Validez par un test. Avant de couper ou d’accélérer, confrontez l’hypothèse à un test d’incrémentalité ou à une variation contrôlée.
Le modèle de rapport GA4 et les réglages d’attribution des conversions Google Ads ne sont pas le même levier. Le premier change les rapports de portée événement. Le choix des canaux créditables dans GA4 et le modèle d’une conversion Google Ads peuvent, eux, toucher les rapports publicitaires et les enchères. Vérifiez les deux environnements séparément.
Une campagne faible en dernier clic peut avoir joué plus tôt dans des chemins mesurés. C’est une raison pour enquêter, pas un sauf-conduit budgétaire. Regardez aussi les coûts, les marges, la qualité des demandes et l’évolution du volume total.
Si le volume baisse après une coupe, la chronologie fournit un indice. Elle ne suffit toujours pas à prouver que la campagne supprimée causait les conversions perdues : la demande, la saison, les prix et les autres canaux ont pu bouger en même temps.
Cette limite est fondamentale : l’attribution compare des interactions mesurées, pas un monde avec publicité à un monde sans publicité. Elle ne mesure donc pas l’incrémentalité. Les écarts de conversions entre Google Ads et GA4 ajoutent encore d’autres causes, comme les règles de comptage et les fenêtres.
| Point de contrôle | Attribution basée sur les données | Dernier clic |
|---|---|---|
| Répartition | crédit probabiliste et fractionné | tout au dernier canal admissible |
| Lecture | valorise les points de contact selon le modèle | rend la convention facile à retracer |
| Limite | pondération non reproductible à la main | interactions antérieures non créditées |
| Décision | formuler une hypothèse, puis la tester | |
- Comparez deux modèles dans le même rapport et sur le même périmètre.
- L’écart peut aller dans les deux sens ; il ne désigne pas automatiquement l’initiateur et le concluant.
- Le modèle de rapport GA4 n’est pas le réglage d’attribution d’une conversion Google Ads.
- Une répartition de crédit n’est pas une mesure de causalité.
Quel modèle GA4 votre rapport utilise-t-il ?
Le réglage d’attribution de la propriété s’applique aux dimensions de trafic de portée événement. Les dimensions de portée session et utilisateur gardent leurs propres règles. Le nom du rapport ne suffit donc pas : regardez la portée de la dimension utilisée.
| Rapport GA4 | Portée et règle | Question à laquelle il répond |
|---|---|---|
| Acquisition de trafic | session ; dernier clic payant et naturel | quelle source a acquis la session ? |
| Acquisition d’utilisateurs | portée utilisateur ; canal ayant initialement acquis l’utilisateur | quelle source a acquis l’utilisateur pour la première fois ? |
| Publicité → Attribution → Comparaison de modèles | événement ; deux modèles choisis | comment le crédit varie-t-il entre ces conventions ? |
| Publicité → Attribution → Chemins d’attribution | événement ; modèle de rapport choisi | quels chemins mesurés précèdent l’événement clé ? |
| Explorations | dépend de la portée de la dimension | événement, session ou premier utilisateur ? |
Une session n’est pas un utilisateur. Une même personne peut ouvrir plusieurs sessions et revenir par plusieurs canaux. Une dimension de source de session répond donc à une autre question qu’une dimension de premier utilisateur ou de portée événement.
Les rapports d’acquisition décrivent l’origine d’un utilisateur ou d’une session. Ils ne distribuent pas la contribution de tous les canaux du chemin. Ce n’est pas une version dégradée du DDA : c’est une autre portée.
Le risque concret est de comparer une campagne dans Acquisition de trafic avec la même campagne dans Comparaison de modèles, puis d’attribuer tout l’écart au DDA. Vous avez changé à la fois de portée, de règle et parfois de canaux admissibles.
Règle simple : pour isoler l’effet du modèle, restez dans Comparaison de modèles et conservez la même dimension de portée événement.
Deux colonnes proches signalent-elles une panne du DDA ?
Non. GA4 ne documente plus l’ancien seuil public d’activation ni un basculement silencieux du DDA vers le dernier clic. Deux colonnes proches ne prouvent donc ni une panne, ni un manque de volume, ni que GA4 aurait changé de règle.
Pourquoi les résultats peuvent-ils se ressembler ?
Les chemins peuvent comporter un seul point de contact admissible. Les pondérations estimées peuvent aussi se rapprocher du dernier clic sur l’événement et la période choisis. Enfin, une dimension de portée session ou utilisateur peut vous sortir du champ du modèle de rapport.
La similitude n’est donc pas un test d’activation. Contrôlez le modèle sélectionné, l’événement, la portée de la dimension, les canaux créditables et la fraîcheur des données. Les crédits d’attribution peuvent encore être révisés après l’événement.
Gardez les événements distincts. Fusionner un achat, un appel et un formulaire pour fabriquer davantage de volume détruit leur sens économique. La lecture des limites de l’attribution basée sur les données doit partir d’événements propres, pas d’un agrégat artificiel.
Comment vérifier le périmètre avant d’interpréter ?
- Vérifiez les deux modèles affichés. La comparaison doit nommer explicitement l’attribution basée sur les données et le dernier clic choisi.
- Filtrez un seul événement clé. Ne mélangez pas des actions dont la valeur ou l’intention diffère.
- Contrôlez la portée. Utilisez une dimension de trafic de portée événement et gardez les mêmes canaux créditables.
- Laissez les données mûrir. GA4 peut réattribuer des conversions jusqu’à 7 jours et mettre à jour certaines données modélisées de canal jusqu’à 12 jours.
La fenêtre d’attribution change-t-elle la lecture DDA et dernier clic ?
Oui. La fenêtre d’analyse rétrospective fixe la durée pendant laquelle un point de contact reste admissible au crédit. Une interaction située avant cette fenêtre est hors champ pour les deux modèles, quelle que soit son importance supposée.
Pour les événements d’acquisition, GA4 utilise 30 jours par défaut et propose 7 jours. Pour les autres événements clés, la valeur par défaut est 90 jours, avec des choix de 30, 60 ou 90 jours. Ce sont des réglages officiels, pas une recommandation universelle.
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. Consignez donc les dates de réglage avant d’interpréter une rupture dans une série.
Cette vérification appartient à une mesure Google Ads tenue de bout en bout. Le mode Consentement v2 avancé n’ajoute pas automatiquement des événements modélisés : GA4 ne les intègre que lorsqu’il estime pouvoir le faire avec une confiance suffisante ; sinon, certaines données ne sont pas affichées ou sont attribuées à Direct.
La décision : comparer avant d’arbitrer
Trois contrôles suffisent pour éviter la fausse précision :
- Réglage : notez le modèle de rapport, les canaux créditables, la fenêtre et la conversion Google Ads concernée.
- Comparaison : gardez le même événement, la même portée et une période suffisamment mûre.
- Décision : traitez l’écart comme une hypothèse à tester, jamais comme une permission automatique de couper ou d’augmenter.
Le modèle ne remplace ni une mesure propre ni un test causal. Cette comparaison s’inscrit dans une mesure Google Ads tenue de bout en bout. Sources officielles vérifiées le 21 juillet 2026 : principes et modèles d’attribution GA4, comparaison de modèles, réglages d’attribution et fenêtres, portée des dimensions de source, modélisation des événements clés, chemins d’attribution et modèles d’attribution Google Ads.
