Le lead scoring a deux vies : un tableau de bord interne qui priorise l’action commerciale sans remonter en ligne côté acquisition, ou le signal renvoyé à Google pour orienter la diffusion vers les profils qui scorent haut, la mécanique même du tracking qualité des leads Google Ads : prédire le revenu, et revenir dans le compte. Dans les deux cas, l’outil qui porte le score, votre CRM, doit être structuré pour ça, un point sur lequel je reviens plus bas.
Qu’est-ce qu’un lead score utile pour Google Ads ?
La plupart des scores additionnent des points d’engagement, email ouvert (+5), page prix visitée (+10), qui flattent l’intuition sans prédire la signature. Un score utile ne mesure pas l’intérêt en ligne, il mesure la probabilité d’achat.
Et ça se vérifie : reprenez vos clients signés, regardez ce qu’ils avaient en commun avant de signer, secteur, taille d’entreprise, budget déclaré, source, comportements précis, et pondérez selon ce qui corrèle réellement au closing.
Un critère qui ne sépare pas les signés des non-signés ne mérite aucun point. Sinon vous n’avez pas un score, vous avez une opinion chiffrée, et vos commerciaux perdent du temps sur des contacts qui n’achèteront pas.
Score positif et score négatif : les deux faces du modèle
Un score devient opérationnel quand il fonctionne dans les deux sens. Ajouter des points quand un signal prédit le closing, c'est la face visible. Retirer des points quand un signal disqualifiant apparaît, c'est la face que beaucoup de modèles ignorent, et c'est souvent là que ça coince.
Les signaux disqualifiants se construisent à l'inverse de la méthode closing : regardez vos leads perdus, au-delà de vos signés. Secteur hors ICP, budget déclaré inférieur à votre ticket minimum, poste du contact sans pouvoir de décision, projet à horizon trop lointain, chaque critère qui revient souvent chez les leads non signés mérite un malus explicite.
L'effet sur Google Ads peut devenir très concret : un lead disqualifié voit sa valeur proxy baisser, voire passer sous le seuil de conversion principale que vous avez fixé. L'algorithme reçoit alors moins de valeur sur ce profil. Sans score négatif, le modèle continue à recevoir des leads que votre équipe commerciale écartera de toute façon, vous optimisez le volume, pas la qualité.
Un modèle bien calibré sur les positifs mais sans score négatif reste incomplet : il valorise les bons profils, mais il filtre mal les mauvais. Les deux leviers sont nécessaires, c’est la même logique qui distingue les opportunités solides des contacts qui feront perdre du temps à vos équipes commerciales.
Score basé sur des règles ou score prédictif : lequel choisir en premier ?
Le score prédictif est souvent vendu comme l'objectif à atteindre, parfois dès le lancement. Dans beaucoup de comptes, c'est trop tôt. Le score prédictif est l'étape trois, pas l'étape un.
Le score basé sur des règles, points attribués manuellement selon des critères que vous avez définis, devient praticable quand vous avez assez de clients signés pour comparer les bons profils aux mauvais. Vous pondérez, vous ajustez, vous validez contre le closing réel : c'est manuel, mais c'est lisible et contrôlable.
Le score prédictif entraîne un modèle sur votre historique. Il nécessite un volume de données structurées, une homogénéité dans la saisie CRM, et suffisamment de signés pour que la corrélation soit statistiquement solide. Un modèle ML mal alimenté, données hétérogènes, peu de signés, champs remplis à moitié, est moins fiable qu'un bon score à règles. La sophistication technique ne compense pas la pauvreté des données.
| Critère | Score basé sur règles | Score prédictif (ML) |
|---|---|---|
| Volume de signés requis | Assez de signés pour comparer | Historique plus dense et stable |
| Outillage CRM | CRM basique suffisant | CRM structuré, champs homogènes nécessaires |
| Complexité d'implémentation | Faible, configurable en interne | Élevée, modèle à entraîner et à monitorer |
| Lisibilité / explicabilité | Haute, critères visibles | Faible, boîte noire selon l'outil |
| Fiabilité initiale | Bonne si critères validés vs closing | Variable, risque élevé si données insuffisantes |
| Quand passer à l'étape suivante | Dès que la corrélation closing est stable | Quand le volume justifie l'automatisation |
Commencez par les règles, validez que le score corrèle avec le closing sur plusieurs cycles de vente, puis automatisez. Dans l'ordre inverse, vous risquez d’automatiser une hypothèse non validée.
Quel outil CRM pour porter le score ?
La question n'est pas quel logiciel choisir en théorie, c'est comment celui que vous avez déjà gère le lifecycle stage, l'étape où se trouve chaque contact dans son parcours d'achat.
HubSpot peut intégrer du scoring selon l’offre utilisée ; Salesforce gère les statuts et stages, mais le scoring dépend souvent d’Einstein, d’un outil connecté ou d’une configuration dédiée. Ces informations peuvent alimenter Google Ads via connecteur natif ou conversion offline. Un CRM plus basique, Pipedrive, un tableur structuré, un outil métier, fonctionne tout aussi bien tant que trois champs existent : la source du contact, son statut de qualification, et l'issue finale (signé ou perdu). Le nom de l'outil compte moins que la discipline de saisie.
L’erreur classique : changer d'outil CRM pour « avoir du scoring » alors que le score le plus fiable se construit sur les données de closing que vous avez déjà, quel que soit le logiciel qui les héberge. Migrer sans avoir validé la méthode règle rarement le problème de fond.
Dans HubSpot comme ailleurs, la fonction de scoring n’est utile que si les commerciaux comprennent sa logique. Un scoring opaque peut calculer une probabilité, mais il ne fait pas progresser les opportunités commerciales tant que l’équipe ne s’en sert pas pour prioriser.
La différence avec le MQL/SQL
Le MQL/SQL est binaire : qualifié, ou pas. Le score est continu : il gradue. Les deux ne s’opposent pas, ils s’emboîtent. Le score affine ce que la définition tranche en oui/non, et il aide à dire non seulement « bon lead » mais « lead qui en vaut trois autres ». C’est exactement la matière qu’attend l’étage au-dessus, la brique qui transforme une action de qualification en stratégie d’enchères pilotée par la valeur.
Comment réinjecter votre lead score dans Google Ads ?
Un score qui reste dans votre CRM n’a aucun effet sur votre acquisition. Pour qu’il agisse, il doit revenir à Google, sous forme de valeur proxy pour les enchères à la valeur quand aucun montant en euros n’est disponible. L’outil de scoring devient alors une pièce de votre stratégie d’acquisition, pas un simple tableau de suivi commercial.
Concrètement, vous renvoyez le score, ou la valeur qu’il représente, en connectant votre CRM, et le Smart Bidding peut réorienter la diffusion vers les profils qui scorent haut. Le score cesse d’être un rapport, il devient un signal exploitable.
Les prérequis qu’on saute
Deux, et ils sont durs. D’abord, assez de données de closing pour valider que le score prédit réellement : sur quelques signatures isolées, vous ne calibrez rien.
Ensuite, la connexion CRM/Ads opérationnelle, sans quoi l’outil de scoring n’a aucun tuyau pour revenir en ligne. Sans ces deux-là, le lead scoring reste un exercice interne, utile pour prioriser vos commerciaux, sans aucun effet sur vos enchères.
Architecture multi-conversions dans Google Ads : comment l'organiser ?
La question n'est pas uniquement de remonter un score à Google, c'est de décider combien d'actions de conversion vous créez dans l'outil, et à quoi chacune sert.
La configuration en cascade est la plus lisible : une action de conversion principale (par exemple, lead dont le score dépasse un seuil élevé, SQL), et une action secondaire (lead dont le score atteint un seuil intermédiaire, MQL). Google optimise sur les actions principales du goal utilisé ; les actions secondaires servent surtout au suivi dans « Toutes les conversions », sauf si vous les intégrez explicitement dans un objectif personnalisé.
Le point de vigilance est courant : si le volume de leads SQL est faible, Google n'a pas assez de signal pour lire correctement l'action principale. L’action secondaire, plus fréquente, peut alors fausser votre lecture du compte si vous la mélangez avec les objectifs pilotés par enchères. Résultat : vous pensez optimiser vers les SQL, mais vous suivez surtout des MQL. Pour aller plus loin sur ce mécanisme d'optimisation, voir comment Google Ads choisit réellement ce qu'il optimise.
| Situation | Architecture recommandée |
|---|---|
| Peu de SQL mensuels | Une seule action à valeur graduée (score continu), pas de séparation principale/secondaire |
| Volume SQL intermédiaire | Action principale = SQL ; action secondaire = MQL (signal d'apprentissage) |
| Volume SQL solide | Action principale = SQL suffit ; envisager Target ROAS avec valeur proxy |
| Appels + formulaires | Actions distinctes par type de contact, toutes remontées avec valeur score |
L'autre option, une seule action de conversion avec une valeur graduée selon le score, convient quand le volume total est faible ou quand vous voulez éviter la fragmentation du signal. C'est ce que recommande le value-based bidding pour les leads : une valeur proxy différenciée vaut mieux que plusieurs actions qui se cannibalisent.
Implémenter avec GTM et valeur de conversion dynamique
Passer le score au tag de conversion peut se faire sans retouche de code si le DataLayer expose déjà les champs nécessaires. Il faut surtout comprendre trois points de friction que les tutos contournent.
- Le DataLayer doit transmettre la valeur au moment du formulaire, pas au chargement de la page. Si votre CRM pousse le score après un délai de traitement, la valeur ne sera pas disponible quand le tag se déclenche. Le score doit être calculé et transmis côté client, au submit du formulaire, ou remonté en conversion offline (voir ci-après).
- La lookup table GTM limite les retouches de code lors des recalibrages. Vous créez une table de correspondance dans GTM (critère A = X points, critère B = Y points), et votre tag de conversion lit la valeur résultante depuis le DataLayer. Modifier les pondérations du score devient une opération GTM tant que les variables nécessaires existent déjà.
- Les enhanced conversions for leads aident à rapprocher les conversions offline. Si le score n'est calculé qu'après qualification par l'équipe commerciale, ce qui est souvent le cas, vous remontez la valeur via import de conversions offline ou connecteur Salesforce/HubSpot. Les données de contact normalisées puis hachées peuvent alors compléter ou remplacer le GCLID pour aider Google à rapprocher le lead. Le setup complet est dans la page connecter votre CRM à Google Ads, inutile de dupliquer ici.
Qui décide des critères du score : la question qu'on ne pose pas
Le score casse quand une équipe pondère les critères sans l'autre. C'est aussi fréquent que prévisible.
Marketing apporte ce qu'il observe en ligne depuis les formulaires et les pages visitées : les signaux comportementaux. Sales apporte ce qu'il observe sur le terrain, au contact direct des clients : les critères qui distinguent les leads qui signent de ceux qui traînent. Un score construit par marketing seul finit par optimiser les leads les plus engagés en ligne, pas les plus proches de la signature. Un score construit par sales seul ignore souvent les signaux mesurables disponibles avant même le premier appel.
Le co-ownership a une implication concrète : les deux équipes doivent valider ensemble, dans une action commune de calibration, quels critères entrent dans le score, avec quels poids, et sur quelle base de closing. Cette réunion de calibration doit se tenir à un rythme défini, par exemple trimestriel si le volume de signatures le justifie. La FAQ ci-dessous sur la fréquence de revalidation s'applique également à cette gouvernance : si le mix de clients évolue, c'est en session commune que les pondérations changent, pas dans le CRM en solo.
La règle simple, qui donne sa place à chaque équipe dans la gouvernance : si le commercial qui rappelle les leads ne comprend pas pourquoi ce lead est noté 80 et l'autre 30, le score ne sera pas adopté en pratique. La lisibilité du modèle n'est pas un détail UX, c'est une condition d'utilisation, et c'est une raison de plus de commencer par les règles plutôt que par le prédictif.
Le cas qui le prouve : le meilleur lead rappelé en quatrième
Même quand il ne revient pas encore à Google, un score validé change déjà une chose que les comptes sous-estiment : l’ordre de traitement commercial.
Un installateur de vérandas recevait un volume régulier de leads Google Ads, avec un délai de rappel déjà correct, et une transformation qui plafonnait. Le réflexe de l’équipe était le vieux manuel : rappeler tout le monde encore plus vite. Mais la vitesse n’était pas en cause.
Le problème était l’ordre : les leads étaient traités par ordre d’arrivée, premier arrivé premier rappelé, si bien qu’un prospect au gros budget, projet mûr, attendait derrière trois curieux tièdes avant de tomber sur le premier commercial libre, pas le meilleur.
L’ordre d’arrivée a été remplacé par un score (budget, type de projet, réponses du formulaire) : les leads chauds remontaient en tête, vers le meilleur closer. L’objection était réelle : faire patienter des gens qui viennent de remplir un formulaire, certains tièdes iront ailleurs, et un score mal calibré peut reléguer un bon lead.
Sur le segment chaud, le taux de signature a nettement progressé ; à volume de leads et budget identiques, les ventes ont augmenté sans changer l’acquisition.
Rappeler vite ne sert à rien si vous rappelez votre meilleur prospect en quatrième. C’est le même score qui, réinjecté, optimise les enchères, et qui, en interne, optimise l’ordre des appels : deux leçons d’un seul actif.
Score et appels téléphoniques : comment scorer un lead entrant par téléphone ?
Les appels entrants sont souvent hors score tant qu’un call tracking ou une saisie CRM ne les relie pas au clic. C'est le paradoxe : ce sont souvent les leads qui manifestent le plus d'intérêt d'achat, intention déclarée, contact humain immédiat, et ils n'ont ni GCLID visible ni champs CRM remplis. Résultat : ils entrent en base sans valeur, l'algorithme ne les voit pas, quel que soit l'outil de tracking en place.
Le point de départ est le call tracking : relier l'appel à son GCLID de clic Google Ads, ce qui aide à identifier quelle annonce et quel mot-clé ont généré l'appel. Sans cette attribution, la boucle est coupée dès le départ.
À partir de là, deux signaux aident à attribuer un score :
- La durée d'appel. Un appel très court peut indiquer un appel non qualifié ou un faux numéro. Un appel de plusieurs minutes avec questions précises signale souvent un prospect plus sérieux. La durée est un proxy brut, mais c'est un proxy disponible automatiquement.
- Le résultat déclaré par le commercial. Après chaque appel, le commercial renseigne dans le CRM : qualifié/non qualifié, niveau d'intérêt, budget évoqué. Ce résultat, même binaire, devient un score remontable à Google comme conversion offline.
Le cas local est le plus fréquent : plombier, installateur, artisan, dont le cycle de vente passe presque entièrement par le contact vocal avec de futurs clients. Les leads Google Ads de ces secteurs arrivent majoritairement par téléphone. Scorer uniquement les formulaires revient à ignorer la majorité du volume. Améliorer la qualité des leads commence donc par décider si les appels entrent dans le modèle ou s'ils en sont exclus volontairement.
Le score change-t-il de forme entre B2B et B2C ?
Oui, et pas uniquement dans les critères retenus. La mécanique de construction du score n'est pas la même selon le modèle d'affaires.
En B2C, travaux, artisanat, vente directe au particulier, le volume de contacts est souvent plus élevé et le cycle plus court : vous pouvez parfois atteindre assez de signés pour construire un score à règles en quelques semaines, et le comportemental (durée d'appel, réactivité au premier contact) pèse lourd parce qu'il n'y a souvent qu'un seul décideur à convaincre.
En B2B, vente à une entreprise, cycle plus long, plusieurs contacts impliqués dans la décision d'achat, le volume de signés est plus faible et le score doit s'appuyer davantage sur des critères déclaratifs fermes : taille d'entreprise, budget annoncé, fonction du contact, maturité du projet. Un score B2B qui copie la méthode B2C, pondérer l'engagement en ligne, surpondère les contacts curieux au sein d'une même entreprise sans isoler celui qui a le pouvoir de signer.
La conséquence pour l'architecture Google Ads : en B2B à faible volume, la seule action à valeur graduée (vue plus haut) est souvent plus robuste, faute d'assez de SQL mensuels pour justifier une cascade principale/secondaire. En B2C à fort volume, la cascade SQL/MQL devient vite pertinente. Le modèle d'affaires dicte l'architecture autant que le volume brut.
Pour qui c’est superflu, et la limite
Si vos leads sont homogènes ou votre volume faible, un bon binaire qualifié/pas qualifié suffit : le score n’apporte de la valeur que quand vos leads se hiérarchisent réellement.
Le garde-fou : un score est un modèle, et un modèle vieillit. Le profil qui signait l’an dernier n’est pas forcément celui de cette année ; sans revalidation, le score peut optimiser vers un client qui n’existe plus.
Vous scoriez vos leads. À vérifier : votre score prédit-il la signature, et revient-il jusqu’à Google ? S’il vit dans un coin de votre CRM sans toucher vos enchères, on pose la bonne grille : on teste sa valeur prédictive et on le rebranche dans votre stratégie d'enchères, au service d'une acquisition de leads qui vise les profils qui signent, dans la branche tracking et qualité.
- Un score qui ne corrèle pas avec le closing est une opinion chiffrée, pas un actif Ads.
- La boucle CRM vers Google Ads est le chemin pour que votre score agisse sur les enchères.
- Le score sert aussi l’ordre de traitement commercial : rappeler le bon prospect en premier, pas le premier arrivé.
- Sans volume de closing suffisant et connexion CRM opérationnelle, le lead scoring reste un tableau de bord interne.
