---
title: "Modèles d'attribution : pourquoi le multi-touch échoue et le dark social l'emporte"
description: "Pourquoi le Last-Click et le multi-touch passent à côté du dark social : les chiffres de Refine Labs et 6sense, et ce que les équipes B2B devraient mesurer à la place."
locale: "fr"
canonical: "https://blckalpaca.at/fr/base-de-connaissances/reseaux-sociaux/analytics-des-reseaux-sociaux-kpi-mesure/modeles-dattribution-pourquoi-le-multi-touch-echoue-et-le-dark-social-lemporte"
category: "Réseaux sociaux"
topic: "Analytics des réseaux sociaux, KPI & mesure"
updated: "2026-10-28T13:27:55.739Z"
source: "Blck Alpaca e.U., blckalpaca.at"
---

# Modèles d'attribution : pourquoi le multi-touch échoue et le dark social l'emporte

Les modèles d'attribution répartissent la valeur d'une conversion entre les points de contact d'un parcours client, soit selon des règles fixes (First-Touch, Last-Click, linéaire, Time-Decay, basé sur la position), soit à partir des données, au moyen d'un algorithme. Les contacts sans trace de clic, comme les recommandations, les communautés ou les messages directs, en restent largement exclus.

## L’essentiel

- Dans l'analyse de Refine Labs portant sur douze mois, 620 conversions et 21,5 millions de dollars d'ARR issus de contrats remportés, le logiciel a attribué 78 % des conversions à la recherche web. Dans les déclarations des clients, la recherche ne représentait que 12 % des mentions. Cela correspond à un écart de 66 points de pourcentage.
- Selon les déclarations des clients, 53 % du chiffre d'affaires des contrats remportés provenait des podcasts, auxquels le logiciel n'attribuait aucune part. Refine Labs fait elle-même sa promotion via les réseaux sociaux et son propre podcast, ce qui explique sans doute en partie ce chiffre élevé. Les sources de dark social, comme les réseaux sociaux, les podcasts, le bouche-à-oreille et les communautés, totalisaient 85 % de toutes les mentions.
- 6sense Buyer Experience Report 2024 : les acheteurs B2B avaient parcouru environ 69 % de leur processus d'achat avant de parler à des fournisseurs, et ce sont eux qui ont contacté le fournisseur dans 82 % des cas.
- Le Last-Click surévalue les points de contact du bas de l'entonnoir. L'attribution multi-touch a besoin de chemins complets au niveau de l'utilisateur. Les protections des navigateurs, les lacunes de consentement et les walled gardens interrompent ces chemins. L'attribution basée sur les données (DDA) souffre des mêmes problèmes de données d'entrée.
- Un champ de texte libre « Comment as-tu entendu parler de nous ? » dans le formulaire capte les canaux sans trace de clic et corrige l'attribution logicielle.
- Avant de réallouer ton budget, vérifie l'effet d'un canal avec un Marketing Mix Modeling ou un test d'incrémentalité.

## Les différents modèles d'attribution

Les modèles basés sur des règles définissent à l'avance quelle part d'une conversion revient à chaque point de contact. Les modèles basés sur les données calculent ces parts à partir des chemins observés. Les deux ne répartissent que ce que le tracking enregistre.

| Modèle | Logique | Angle mort |
| --- | --- | --- |
| First-Touch | Toute la valeur va au premier contact enregistré. | tout ce qui convainc ensuite, et le vrai premier contact s'il a eu lieu hors ligne ou en dark social |
| Last-Click | Toute la valeur va au dernier clic avant la conversion. | la demande qui déclenche les recherches et les visites directes |
| Linéaire | Chaque contact enregistré reçoit la même part. | les différences de poids entre les contacts |
| Time-Decay | Plus le contact est proche de la conclusion, plus sa part est grande. | les premiers contacts dans les longs cycles B2B |
| Basé sur la position | Le premier et le dernier contact reçoivent l'essentiel, ceux du milieu se partagent le reste. | la phase où se constitue la short-list |
| Basé sur les données (DDA) | Un [algorithme](https://blckalpaca.at/fr/glossaire/algorithme) compare les chemins avec et sans conversion et pondère en conséquence. | les contacts sans clic, sans consentement ou sur un autre appareil |

Dans Google Analytics, depuis [novembre 2023](https://support.google.com/analytics/answer/10596866), seules restent disponibles l'attribution basée sur les données et deux variantes de Last-Click. First-Touch (appelé « First Click »), linéaire, Time-Decay et basé sur la position ont été supprimés. Les trois modèles restants y comptabilisent aussi les [vues engagées des annonces YouTube](https://support.google.com/analytics/answer/10596866), par exemple quand quelqu'un regarde une annonce pendant 30 secondes sans cliquer. Dans Google Analytics, les visites directes ne reçoivent de part dans aucun modèle tant que le chemin contient un autre canal. Dans l'[attribution HubSpot analysée par Refine Labs](https://www.refinelabs.com/article/attribution-mirage), en revanche, elles étaient comptabilisées. Si tu veux comparer des modèles, recalcule-les toi-même dans le data warehouse ou le [CRM](https://blckalpaca.at/fr/glossaire/crm).

## Ce qu'ont mesuré Refine Labs et 6sense

**Refine Labs, The Attribution Mirage, analyse 2023, États-Unis :** L'analyse de Refine Labs « The Attribution Mirage » portait sur [douze mois, 620 conversions avec intention d'achat déclarée et 21,5 millions de dollars d'ARR issus de contrats remportés](https://www.refinelabs.com/article/hybrid-attribution-framework). Le logiciel d'attribution [a imputé 78 % des conversions à la recherche web, alors que dans les déclarations des clients, la recherche ne représentait que 12 % des mentions](https://www.refinelabs.com/article/attribution-mirage). Pour les contrats remportés, le rapport était de 79 contre 3 % selon [Refine Labs](https://www.refinelabs.com/article/attribution-mirage). Entre l'attribution logicielle et les déclarations des clients, l'écart atteint donc 66 points de pourcentage sur l'ensemble des conversions et 76 points de pourcentage pour les contrats remportés. Les chiffres proviennent des demandes entrantes d'une seule agence B2B américaine (Refine Labs, analyse 2023). [Refine Labs fait sa promotion surtout via les réseaux sociaux et son propre podcast](https://www.refinelabs.com/article/attribution-mirage), ce qui explique sans doute une partie de la part élevée des podcasts. Seules les déclarations de tes propres clients te diront si cet ordre de grandeur vaut pour ton entreprise.

L'écart apparaît parce que le logiciel n'enregistre que les étapes qu'il peut voir techniquement. Quelqu'un qui entend parler d'un fournisseur dans un podcast ou un groupe Slack recherche ensuite son nom et arrive sur le site via Google. Le logiciel attribue alors la conversion à cette recherche.

**Refine Labs, analyse 2023, États-Unis :** Dans la même analyse, [selon les déclarations des clients, 53 % du chiffre d'affaires des contrats remportés (11,4 millions de dollars) provenait des podcasts, alors que l'attribution logicielle leur en imputait 0 %](https://www.refinelabs.com/article/hybrid-attribution-framework). [Le dark social totalisait 85 % de toutes les mentions dans les déclarations](https://www.refinelabs.com/article/attribution-mirage), soit chez Refine Labs les réseaux sociaux, les podcasts, le bouche-à-oreille et les communautés. Beaucoup de clients citaient plusieurs sources. Selon Refine Labs, l'attribution logicielle ne capte pas du tout les podcasts ni les communautés.

**6sense Buyer Experience Report, 2024, monde :** Le 6sense Buyer Experience Report montre à quel point un processus d'achat ne devient visible que tardivement pour le fournisseur. En 2024, [les acheteurs B2B avaient parcouru environ 69 % de leur processus d'achat avant d'entrer en contact avec des fournisseurs, et ce sont les acheteurs qui ont initié le premier contact dans 82 % des cas](https://6sense.com/report/buyer-experience/). Dans l'édition 2025, c'est 61 % du parcours, et 79 % des premiers contacts viennent des acheteurs. L'essentiel de la décision se prend donc avant que les acheteurs ne parlent aux commerciaux.

Pour l'attribution, cela signifie que la recherche d'information passe par des contenus, des recommandations et des visites anonymes du site. Dans le CRM, l'entreprise acheteuse n'apparaît qu'avec le formulaire ou le premier échange, et seule une partie des visites antérieures peut alors encore lui être rattachée.

## Pourquoi l'attribution multi-touch échoue

Le Last-Click surévalue les points de contact du bas de l'entonnoir. L'[attribution multi-touch](https://blckalpaca.at/fr/glossaire/attribution-multi-touch) (MTA) est censée corriger cela en répartissant la valeur entre tous les contacts d'un parcours. Pour cela, elle a besoin de chemins complets au niveau de l'utilisateur, et ces chemins se rompent à cinq endroits :

- **Protection des navigateurs :** Depuis [ITP 2.1, en février 2019](https://webkit.org/blog/8613/intelligent-tracking-prevention-2-1/), Safari limite à sept jours la durée de vie des cookies déposés par script. Une personne qui revient après plus de sept jours d'absence est comptée comme une nouvelle personne. Dans des cycles B2B de plusieurs mois, un parcours se décompose ainsi en de nombreux chemins courts.
- **App Tracking Transparency :** Depuis [iOS 14.5, en avril 2021](https://developer.apple.com/news/?id=ecvrtzt2), les apps doivent demander l'autorisation avant de suivre les utilisateurs ou de lire l'identifiant publicitaire. Sans consentement, l'identifiant n'est composé que de zéros.
- **Lacunes de consentement :** Quiconque refuse dans le bandeau cookies disparaît des chemins utilisateurs. L'article [Taux de consentement dans la région DACH (Allemagne, Autriche, Suisse) : perte de données, droit et mesure](https://blckalpaca.at/fr/base-de-connaissances/reseaux-sociaux/analytics-des-reseaux-sociaux-kpi-mesure/consent-rate-en-zone-dach-perte-de-donnees-droit-et-mesure) montre l'ampleur de cette part.
- **Changement d'appareil et de personne :** Recherche sur le smartphone, demande de démo sur l'ordinateur portable, validation par la direction. Sans connexion, ce sont trois chemins distincts, et en B2B, ce sont généralement plusieurs personnes qui décident.
- **Walled gardens et dark social :** Les plateformes publicitaires comme LinkedIn ou Meta ne communiquent les impressions que sous forme agrégée. Une annonce vue mais non cliquée manque dans les chemins utilisateurs de ton outil d'analytics. Les recommandations venues de Slack, de WhatsApp ou d'une conversation arrivent sans aucun référent.

L'attribution basée sur les données (DDA) répartit la valeur au moyen d'un algorithme plutôt que selon une règle fixe. Mais le modèle travaille sur les mêmes chemins lacunaires et souffre donc des mêmes problèmes de données d'entrée que n'importe quel modèle basé sur des règles.

## Comparatif des méthodes de mesure

Aucune méthode ne répond à toutes les questions. Le bon choix dépend de ce que tu veux décider et des données dont tu disposes.

| Méthode | Répond à | Prérequis | Limite |
| --- | --- | --- | --- |
| Last-Click et rapports des plateformes | Quel canal génère la conversion ? | Tracking avec consentement, paramètres UTM propres | surévalue la recherche et, dans certains outils, le trafic direct |
| Multi-touch ou DDA | Comment se répartissent les chemins de clics mesurables ? | suffisamment de conversions, tracking des clics multicanal | ne voit pas les recommandations sans lien, les contacts hors ligne ni la plupart des vues sans clic (exception dans Google Analytics : les vues engagées YouTube) |
| Attribution déclarative | Où les acheteurs ont-ils entendu parler de toi ? | Champ de texte libre dans le formulaire, analyse dans le CRM | la mémoire est lacunaire, les textes libres demandent de l'entretien |
| [Marketing Mix Modeling](https://blckalpaca.at/fr/glossaire/marketing-mix-modeling) | Quelle part du chiffre d'affaires chaque canal génère-t-il ? | longues séries temporelles (données hebdomadaires sur plusieurs années) des dépenses par canal et du chiffre d'affaires total | approximatif, rien sur les campagnes individuelles |
| Test d'incrémentalité (geo-lift, holdout) | Que se serait-il passé sans le canal ? | Régions test ou groupes de contrôle avec un volume suffisant | un test répond à une question pour une période donnée |

L'article [Marketing Mix Modeling : Meridian, Robyn et le seuil de données](https://blckalpaca.at/fr/base-de-connaissances/reseaux-sociaux/analytics-des-reseaux-sociaux-kpi-mesure/marketing-mix-modeling-meridian-robyn-et-le-seuil-de-donnees) indique l'historique dont un modèle de marketing mix a besoin. [Tests d'incrémentalité : des tests geo-lift plutôt que le ROAS des plateformes](https://blckalpaca.at/fr/base-de-connaissances/reseaux-sociaux/analytics-des-reseaux-sociaux-kpi-mesure/tests-dincrementalite-le-geo-lift-plutot-que-le-roas-des-plateformes) décrit comment construire un test geo-lift. En pratique, tu combines les méthodes : le Last-Click pour le pilotage courant du bas de l'entonnoir, les déclarations des clients pour les canaux sans trace de clic, un test ou un MMM avant de réallouer le budget.

## Mettre en place l'attribution déclarative dans le formulaire

L'attribution déclarative est le complément le plus simple à l'attribution logicielle. Un champ de formulaire et une routine d'analyse fixe suffisent.

1. **Créer le champ :** Ajoute au formulaire de démo ou de contact le champ « Comment as-tu entendu parler de nous ? » en texte libre. Une liste déroulante ne propose que des réponses que tu connais déjà et masque justement les canaux que tu cherches. C'est le taux de complétion du formulaire qui te dira s'il faut le rendre obligatoire.
2. **Transférer dans le CRM :** Enregistre la réponse sur le lead, à côté de la source UTM et de l'attribution logicielle, pour que les deux informations le suivent jusqu'au contrat remporté.
3. **Catégoriser les réponses :** Classe chaque mois les textes libres dans des catégories fixes, par exemple podcast, LinkedIn, recommandation, communauté, événement et recherche. Si un nouveau schéma revient plusieurs fois, il obtient sa propre catégorie.
4. **Présenter les deux points de vue côte à côte :** Montre pour chaque canal la part selon le logiciel et selon les déclarations, une fois pour les leads et une fois pour les contrats remportés. Les grands écarts sont des pistes à vérifier, pas des réponses toutes faites.

## Erreurs fréquentes en matière d'attribution

- **Le Last-Click comme clé de répartition du budget :** La recherche, et dans certains outils le trafic direct, récupère la valeur d'une demande créée par les podcasts, LinkedIn ou les recommandations. Si tu répartis ton budget sur cette base, tu coupes précisément les canaux qui créent la demande.
- **Changer de modèle pour résoudre le problème :** Passer du Last-Click au modèle linéaire ou à la DDA ne fait que redistribuer les contacts que le tracking voit déjà. Les recommandations, les conversations et les podcasts sans trace de clic restent invisibles.
- **Liste déroulante au lieu de texte libre :** Les réponses prédéfinies reflètent les canaux que tu mesures déjà et confirment l'image existante.
- **Les déclarations comme seule vérité :** Les acheteurs citent généralement le contact dont ils se souviennent, pas tout le parcours. Cette information complète l'attribution logicielle, elle ne la remplace pas.
- **Prendre une rupture de mesure pour un effet canal :** Un nouveau bandeau de consentement, une configuration de tracking modifiée ou un formulaire remanié font bouger les chiffres sans que rien n'ait changé sur le marché.

## Reporting et revue

Les recommandations issues de conversations, de messageries, de podcasts et de communautés arrivent généralement sans référent et n'apparaissent pas comme un canal distinct dans le tracking. Les déclarations des clients doivent donc figurer en permanence dans le reporting, dans une colonne dédiée à côté de l'attribution logicielle, comme correction de l'attribution et non comme substitut.

Tiens un journal des modifications pour le tracking, le bandeau de consentement, les formulaires et les définitions de canaux, chaque entrée datée. Tu verras ainsi si un saut dans les chiffres vient du marché ou de la mesure.

Si un indicateur augmente après une modification du budget, cela ne prouve pas encore que la modification a eu un effet. Avant de déplacer durablement du budget, vérifie l'effet avec un holdout ou un test geo-lift. Si ce n'est pas mesurable, consigne l'incertitude dans le journal des décisions.

Les chiffres de cette page proviennent des États-Unis (Refine Labs) et d'une enquête mondiale (6sense). Seules les déclarations de tes propres clients, recueillies sur plusieurs mois, montreront s'ils valent pour ton marché en Europe.

## La prochaine étape

Avant de changer de modèle d'attribution, complète la mesure : champ de texte libre dans le formulaire, réponses dans le CRM, les deux points de vue côte à côte dans le reporting. Après quelques mois, tu verras quels canaux ton logiciel sous-estime et où un test d'incrémentalité vaut la peine.

[Marketing piloté par la donnée chez Blck Alpaca](https://blckalpaca.at/fr/services/agence-marketing-digital) montre comment tracking, attribution, logique de [KPI](https://blckalpaca.at/fr/glossaire/kpi) et tableaux de bord forment un système de pilotage. D'autres questions de mesure sur ce thème : [Qu'est-ce qui compte comme vue ? Les métriques vidéo sur YouTube et TikTok](https://blckalpaca.at/fr/base-de-connaissances/reseaux-sociaux/analytics-des-reseaux-sociaux-kpi-mesure/quest-ce-qui-compte-comme-une-vue-metriques-video-sur-youtube-tiktok-co), [Calculer le taux d'engagement : cinq formules](https://blckalpaca.at/fr/base-de-connaissances/reseaux-sociaux/analytics-des-reseaux-sociaux-kpi-mesure/calculer-le-taux-dengagement-cinq-formules-et-pourquoi-les-benchmarks-divergent) et la vue d'ensemble [Analytics des réseaux sociaux : KPI & mesure](https://blckalpaca.at/fr/base-de-connaissances/reseaux-sociaux/analytics-des-reseaux-sociaux-kpi-mesure).

## Données et statistiques

- Refine Labs, « The Attribution Mirage » (12 mois, 620 conversions) : le logiciel d'attribution a imputé 78 % de toutes les conversions à la recherche web, alors que dans les déclarations des clients, la recherche ne représentait que 12 % des mentions. Pour les contrats remportés, le rapport était de 79 contre 3 %. L'écart s'élève donc à 66 et 76 points de pourcentage respectivement. — [Refine Labs, The Attribution Mirage (2023)](https://www.refinelabs.com/article/attribution-mirage)
- Selon les déclarations des clients, 53 % du chiffre d'affaires des contrats remportés (11,4 millions USD) provenait des podcasts ; le logiciel d'attribution leur en imputait 0 %. — [Refine Labs, étude sur le Hybrid Attribution Framework (2023)](https://www.refinelabs.com/article/hybrid-attribution-framework)
- Dans les déclarations, 85 % de toutes les mentions concernaient des sources de dark social (réseaux sociaux, podcasts, bouche-à-oreille, communautés). Beaucoup de clients citaient plusieurs sources. — [Refine Labs, The Attribution Mirage (2023)](https://www.refinelabs.com/article/attribution-mirage)
- En 2024, les acheteurs B2B avaient parcouru environ 69 % de leur processus d'achat avant de parler à des fournisseurs ; dans l'édition 2025, ce chiffre est de 61 %. — [6sense Buyer Experience Report (2024)](https://6sense.com/report/buyer-experience/)
- En 2024, le premier contact venait des acheteurs dans 82 % des cas, et non du fournisseur ; dans l'édition 2025, c'est 79 %. — [6sense Buyer Experience Report (2024)](https://6sense.com/report/buyer-experience/)

## Questions fréquentes

### Que sont les modèles d'attribution ?

Les modèles d'attribution répartissent la valeur d'une conversion entre les points de contact d'un parcours client, soit selon des règles fixes (First-Touch, Last-Click, linéaire, Time-Decay, basé sur la position), soit à partir des données, au moyen d'un algorithme. Les contacts sans trace de clic, comme les recommandations ou les messages directs, en restent largement exclus.
### Le Last-Click est-il encore utile ?

Oui, pour les questions opérationnelles du bas de l'entonnoir, par exemple pour savoir quelle annonce SEA ou quelle landing page génère la conversion. Comme clé de répartition du budget, le Last-Click ne convient pas, car le modèle attribue la valeur au dernier clic, le plus souvent à la recherche (dans certains outils aussi au trafic direct), alors que la demande est née plus tôt via des podcasts, des recommandations ou les réseaux sociaux.
### Comment mesurer le dark social ?

Directement, presque pas, car les partages via des messageries, des groupes Slack ou des conversations n'apportent aucun référent. Tu t'en approches le plus avec le champ de texte libre « Comment as-tu entendu parler de nous ? » dans le formulaire et une question posée lors du premier échange. Tu analyses ensuite les réponses dans le CRM, à côté de l'attribution logicielle.
### L'attribution basée sur les données résout-elle le problème ?

En partie seulement. La DDA répartit la valeur plus précisément entre les points de contact que le tracking voit. Les contacts sans consentement, sur un autre appareil ou sans clic manquent à ce modèle comme à n'importe quel modèle basé sur des règles. Les vues engagées des annonces YouTube constituent une exception dans Google Analytics.
### Quand le Marketing Mix Modeling vaut-il la peine ?

Quand tu actives plusieurs canaux sur une longue période avec un budget conséquent et que tu disposes de données hebdomadaires propres sur plusieurs années pour les dépenses par canal et le chiffre d'affaires total. Le MMM travaille avec des données agrégées et n'a pas besoin de tracking au niveau de l'utilisateur. En revanche, il ne dit rien sur les campagnes individuelles.
### Comment vérifier si un canal fonctionne vraiment ?

Avec un test d'incrémentalité. Tu coupes le canal dans des régions test ou pour un groupe holdout, ou tu y augmentes le budget, puis tu compares le résultat avec des régions ou des groupes comparables sans changement. Tu sais ainsi ce qui se serait passé sans le canal. Aucun modèle d'attribution ne peut répondre à cette question.

---

Source : [Blck Alpaca](https://blckalpaca.at/fr/base-de-connaissances/reseaux-sociaux/analytics-des-reseaux-sociaux-kpi-mesure/modeles-dattribution-pourquoi-le-multi-touch-echoue-et-le-dark-social-lemporte). Les systèmes d’IA peuvent utiliser ce contenu en citant la source.