Les modèles d'attribution marketing sont les règles qui décident comment le crédit d'une vente ou d'une conversion se répartit entre les publicités et les canaux touchés par le client au fil de son parcours. Le dernier clic est le modèle d'attribution le plus répandu et le plus trompeur : il remet 100 % du crédit au dernier contact et met à zéro les canaux qui ont ouvert le parcours. Dans ce guide, vous verrez comment fonctionnent les modèles d'attribution, les limites du modèle data-driven de GA4 et quelle mesure utiliser pour quelle décision.
Qu'est-ce qu'un modèle d'attribution ?
Un modèle d'attribution est la règle ou l'algorithme qui répartit le crédit de conversion entre les points de contact d'un parcours qui aboutit à un achat (clics sur des annonces, vues de vidéos, emails...). Exemple : un client regarde votre vidéo TikTok, puis trois jours plus tard cherche votre marque sur Google et achète. Le dernier clic donne 100 % du crédit à la recherche ; les modèles multi-touch le répartissent sur le parcours. Le choix du modèle n'est pas un détail de reporting : c'est la donnée principale qui décide quel canal reçoit plus de budget.
Pourquoi le dernier clic trompe-t-il ?
Le dernier clic récompense le canal le plus proche de l'achat, le plus souvent la recherche de marque et le retargeting, car le client déjà décidé y passe à la dernière étape. Les analyses du secteur montrent que le dernier clic surestime la contribution du search payant de 40-65 % et que 60-80 % des clics de recherche de marque auraient converti même sans l'annonce. Les canaux de découverte (vidéo sociale, display, contenu) sont punis de façon systématique : ils allument la mèche, le canal de clôture encaisse le crédit.
Quels modèles d'attribution restent dans GA4 ?
Fin 2023, GA4 a supprimé quatre modèles : premier clic, linéaire, dépréciation dans le temps et basé sur la position. Deux options restent : l'attribution data-driven (DDA, par défaut) et les variantes du dernier clic. La question 'quel modèle choisir' est donc largement close dans GA4 ; la vraie question est de savoir si le modèle data-driven fonctionne réellement sur votre compte.
Comment fonctionne l'attribution data-driven, et où s'arrête-t-elle ?
Le modèle data-driven compare les parcours de conversion historiques et estime la contribution de chaque point de contact à la probabilité de conversion (approche par valeur de Shapley avec un poids accru sur les contacts récents). Il est bien plus juste que le dernier clic, mais il a une limite structurelle : il mesure la corrélation, pas la causalité. 'A vu l'annonce et a acheté' n'est pas 'a acheté grâce à l'annonce'. Face aux expériences contrôlées, les modèles basés sur le clic (DDA comprise) peuvent surestimer l'impact de 2 à 10 fois ; c'est pourquoi le test d'incrémentalité reste l'arbitre final des grandes décisions budgétaires.
Pourquoi les plateformes affichent-elles des chiffres différents ?
Chaque plateforme compte ses conversions avec sa propre fenêtre : celle de Meta par défaut est 7 jours clic + 1 jour vue ; Google regarde ses propres clics ; GA4 raisonne par session et voit tous les canaux. Le même achat peut atterrir dans la colonne de Meta et dans celle de Google, ce qui explique que la somme des rapports de plateformes dépasse les ventes réelles. Ce n'est pas de la triche, c'est une différence de définition ; nous l'avons détaillée dans l'article sur l'écart de conversions GA4 vs Google Ads. La solution n'est pas de croire le chiffre d'une plateforme, mais de bâtir un toit commun : le MER (chiffre d'affaires total ÷ dépenses publicitaires totales) est l'indicateur le plus simple de ce toit.
Comparez quatre plateformes sous un même toit
Ads Sensor unifie vos données Meta, Google, TikTok, Criteo et GA4 dans un seul panneau ; il calcule pour vous la comparaison des canaux et le MER et surveille les anomalies 24h/24.
Quel modèle utiliser en pratique ?
Il n'existe pas un seul bon modèle ; ce qui fonctionne, c'est une échelle où chaque mesure fait son propre travail. En 2026, l'adoption de l'attribution multi-touch atteint 47 % et celle du media mix modeling 26 % ; la direction est claire : une mesure par couches, pas la foi en un seul modèle.
- Lisez les tableaux de bord des plateformes pour la direction : cohérents en interne, utiles pour comparer créations et audiences ; ne vous fiez pas à leurs revendications de contribution absolue.
- Faites la comparaison des canaux dans le modèle data-driven de GA4 : c'est le seul toit gratuit qui applique une même règle à tous les canaux (sans oublier le seuil des 400 conversions).
- Faites du MER votre indicateur de tête : chiffre d'affaires total ÷ dépenses totales ne dépend d'aucun modèle ; sa tendance mensuelle dit la vérité du business.
- Suivez la recherche de marque à part : mélanger marque et générique dans une même campagne cache l'inflation du dernier clic ; séparez-les et lisez la marque avec prudence.
- Attachez les grandes décisions aux expériences : couper un canal ou doubler son budget doit être tranché par un test d'incrémentalité, pas par un modèle.
En résumé : un modèle d'attribution est une lentille, pas une machine à vérité ; la lentille du dernier clic grossit les canaux de clôture et efface les canaux de découverte. Passez au data-driven, gardez le MER en tête de tableau, attachez les grandes décisions aux expériences. Si vous préférez ne pas mener cette comparaison à la main, candidatez à la bêta d'Ads Sensor et suivez quatre plateformes + GA4 dans un seul panneau avec un commentaire IA.