Attribution multi-touch : le modèle qui casse là où les données s'arrêtent
Rédigé par Martin H.
Le rapport de canaux est sur la table, chaque canal a son pourcentage, et la somme tombe juste. Personne dans la salle ne demande ce qui manque à l'appel, et c'est pourtant là que se joue la prochaine coupe budgétaire. Quatre familles de points de contact n'entrent jamais dans ce calcul. Aucune d'elles ne déclenche la moindre erreur, aucune ne laisse de ligne vide. Savez-vous lesquelles touchent votre canal le plus faible ? Tant que la question reste implicite, la répartition se décide sur une hiérarchie que personne ne peut reconstruire à partir du modèle. Et le canal qui perd son crédit n'est presque jamais celui qui perd le moins.
Un modèle d'attribution multi-touch est facile à nommer et difficile à auditer. La plupart des pages qui en expliquent un sont publiées par une entreprise qui en vend un, si bien que le schéma que vous lisez a été dessiné par le fournisseur dont le modèle figure dessus. Ce n'est pas un scandale, et c'est une raison de savoir exactement où le schéma s'arrête : quatre familles de points de contact n'y apparaissent pas du tout.
Voici ce que cela coûte. Un rapport de canaux affiche un pourcentage pour chaque canal, et aucune ligne, nulle part, pour ce qu'il exclut. Cette omission ne s'annonce pas. Un canal qui n'a rien rapporté ce trimestre et un canal dont le travail n'a jamais été compté arrivent sur la même ligne du même rapport avec la même valeur, et l'arithmétique derrière les deux est correcte.
La ligne la plus faible est donc souvent celle dont le travail s'est produit là où le modèle n'arrive pas. Les points de contact sortent par quatre portes précises, et chacune a un nom, un mécanisme et un coût. Une fois que vous savez lesquelles touchent votre canal le plus faible, la conversation budgétaire ne porte plus sur le tableau de bord.
Ce que l'attribution multi-touch répartit vraiment
L'attribution multi-touch répartit le crédit d'une conversion sur chaque point de contact qu'elle peut observer. Un parcours qui passe par une annonce search, un webinaire, une impression de reciblage et une demande de démonstration obtient donc quatre quotes-parts au lieu d'un clic qui rafle tout. Les fractions s'additionnent pour faire un, et le rapport affiche un total par canal qui se lit comme une réponse.
Sous cette arithmétique repose une hypothèse qu'il vaut la peine de dire à voix haute : chaque point de contact contributeur a été observé, rattaché à un identifiant unique et relié à la conversion dans une fenêtre encore valide. Le modèle ne teste pas cette hypothèse. Il la pose et il divise.
Si vous en êtes à choisir un produit plutôt qu'à contester un résultat, c'est une autre décision, et elle ne se traite pas ici. Ce qui suit tient quel que soit l'outil que vous installez.
Les quatre points de contact que votre modèle ne voit pas
Chacun des mécanismes ci-dessous réduit l'ensemble des points de contact que le modèle peut identifier, et aucun ne produit d'erreur. Chacun renvoie un nombre propre, avec un morceau du parcours replié dans la colonne de quelqu'un d'autre.
La perte de consentement et le dénominateur identifiable qui rétrécit
Commencez par le dénominateur, parce que c'est la partie que l'on comprend de travers. Quand un visiteur refuse le suivi, ou n'est jamais interrogé d'une manière que la loi reconnaît, la session a quand même lieu et le clic a quand même lieu. Ce qui disparaît, c'est l'identifiant qui aurait rattaché cette session à une conversion trois semaines plus tard.
Le modèle ne réagit pas en affichant un total plus bas avec un trou dedans. Il affiche la même conversion, rattachée aux points de contact qui portaient un identifiant. Le crédit est redistribué entre les survivants, il n'est pas supprimé.
Les taux d'acceptation publiés sont plus fragiles qu'ils n'en ont l'air. Le benchmark 2026 de Didomi sur la confidentialité des données, publié en mai 2026, annonce un taux d'acceptation des cookies de 94,2 % aux États-Unis, avec 5,8 % de refus. Lisez la méthode et le chiffre bouge : la plupart des lois étatiques sur la vie privée traitent l'inaction comme un consentement implicite, donc le taux mélange des acceptations actives avec des visites où personne n'a rien choisi. Un taux d'acceptation de 94,2 % et une part identifiable de 94,2 % sont deux affirmations différentes, et le benchmark mesure la première.
C'est de l'arithmétique, pas une observation, et elle se déroule ainsi : les conversions non consenties ne ressortent pas comme non attribuées. Elles ressortent attribuées aux points de contact qui ont pu être vus, ce qui penche vers ce qui porte l'identifiant le plus fort, généralement l'internaute connecté et le bas de l'entonnoir.
Multi-appareils et le problème du foyer
Le guide des taux de correspondance de Relay42, relayé par Landbase dans un guide de fournisseur publié en 2026, compte 6,58 appareils connectés et environ 12 identifiants par personne, et conclut que la correspondance parfaite est mathématiquement impossible. Prenez la source pour ce qu'elle est, un document de fournisseur, et remarquez que la direction tient même sans la précision.
Vous allez chercher un taux de correspondance multi-appareils vérifié. Je l'ai fait, et je n'en ai pas trouvé. Les sources qui traitent du problème décrivent le mécanisme et s'arrêtent là. Le chiffre qu'un fournisseur vous cite est très probablement son propre benchmark sur son propre trafic, et il ne devrait pas porter une ligne budgétaire.
La version foyer est pire, parce que ce n'est pas un écart d'appareils. La recherche 2026 de Forrester, reprise dans des guides d'attribution B2B, situe une décision d'achat typique à 13 parties prenantes internes et neuf influenceurs externes, chacun menant un parcours séparé. Votre modèle suit des individus. La décision appartient à un groupe, sur des appareils que vous n'avez jamais vus.
Une conversion qui a mobilisé trois personnes et cinq appareils arrive comme une seule ligne, rattachée à l'identifiant arrivé en dernier sur l'appareil qui s'est trouvé convertir. Les quatre autres appareils n'ont pas été sous-pondérés. Ils étaient absents, et leur part est passée au canal qui possédait la session finale.
Les jardins clos
Celui-ci est structurel. C'est pourquoi il a fini par ne plus être enregistré comme un problème du tout. Les jardins clos, ou walled gardens dans le vocabulaire du secteur, désignent les plateformes qui mesurent leurs propres résultats.
Le rapport 2026 de Comscore sur l'état du programmatique, publié en janvier 2026, constate que 87 % des acheteurs média jugent les indicateurs de performance inter-canaux calculés dans les plateformes programmatiques critiques ou utiles à la décision. L'étude Outlook 2026 de l'IAB situe à 72 % en 2026 la priorité que les annonceurs accordent à la mesure inter-plateformes, contre 64 % un an plus tôt. Les deux publics veulent le chiffre unique qui leur permettrait de comparer les plateformes, et les deux demandent à la plateforme elle-même de le produire. La plateforme est donc à la fois participante à l'enchère et arbitre de son propre résultat.
Chaque plateforme compte les conversions dans sa propre fenêtre, contre son propre graphe d'identités, selon des règles qu'elle écrit. Aucune ne partage avec les autres une couche d'identité qui reconnaîtrait la même vente quand elle apparaît chez trois d'entre elles.
Ce qui signifie, arithmétiquement et non par observation, que la somme entre plateformes peut dépasser le total réel. Personne ne gonfle rien. Chaque plateforme revendique correctement une vente selon sa propre définition de la revendication, et trois définitions incompatibles produisent trois revendications pour une seule vente. C'est pourquoi le chiffre d'un fournisseur ne peut pas être audité de l'extérieur. Votre rapport n'affiche pas un surcomptage. Il affiche quatre totaux avec une note de bas de page, et ensuite quelqu'un les additionne sur une diapositive.
Le hors ligne et la conversion à délai long
Le plus discret des quatre. Il ressemble à une attribution propre plutôt qu'à une attribution manquante.
La recherche 2026 d'Optifai, reprise dans des guides d'attribution B2B SaaS, situe les cycles de vente 22 % plus longs qu'en 2022, avec une médiane de 84 jours et des contrats entreprise au-dessus de 100 000 dollars de valeur annuelle qui courent souvent 180 jours ou plus. Sur six mois, les points de contact se multiplient, les fenêtres de cookies expirent, les gens changent d'appareil, et le signal se dégrade.
Voici le piquant. Une conversion qui se conclut après la fermeture de la fenêtre n'est pas classée comme non attribuée, ce qui serait au moins honnête et apparaîtrait dans un rapport d'écarts. Elle est classée en direct ou en organique, parce qu'aucun point de contact payant n'a survécu pour la revendiquer. Une équipe qui a passé cinq mois à construire de la demande avec des événements, du contenu et un cycle de vente coûteux reçoit un rapport qui dit que l'affaire est arrivée toute seule.
J'ai vu un canal se faire couper son budget sur exactement cette lecture. Le travail était réel. Le rapport était propre. Les deux avaient cessé de se décrire l'un l'autre.
L'angle mort | Ce que le modèle perd | Ce que le rapport affiche à la place | Ce que cela vous coûte de le manquer |
|---|---|---|---|
Perte de consentement | L'identifiant qui relierait une session à une conversion ultérieure | La même conversion, créditée aux points de contact identifiables, souvent en bas d'entonnoir | Le travail de haut d'entonnoir qui a créé la demande semble avoir moins produit qu'il n'a produit |
Multi-appareils et foyer | Chaque point de contact sur les autres appareils, et chaque partie prenante sauf celle qui a converti | Une seule ligne, portée par la dernière session identifiable | Les canaux qui ouvrent les parcours sont systématiquement sous-pondérés face aux canaux qui les ferment |
Jardins clos | Toute couche d'identité partagée qui dédoublonnerait entre plateformes | Des totaux par plateforme qui peuvent légitimement dépasser le total réel | Vous ne pouvez pas auditer le chiffre d'un fournisseur, et la somme surestime ce que vous avez acheté |
Hors ligne et délai long | Les points de contact tombés hors de la fenêtre avant la conclusion de l'affaire | Une conversion classée en direct ou en organique | Les cycles longs, coûteux et à forte valeur sont lus comme auto-générés et deviennent la première coupe |
Ce que le crédit fractionné fait à une décision budgétaire
Passons de l'arithmétique à l'argent, avec des chiffres ronds. C'est un exemple illustratif, pas un benchmark issu de votre compte ni de celui de quelqu'un d'autre.
Supposez que vous dépensiez 100 000 dollars par trimestre sur quatre canaux : 40 000 en search payant, 30 000 en social payant, 15 000 en webinaires et contenu, et 15 000 en événements. Votre outil d'attribution rapporte du chiffre d'affaires, et on vous demande de trouver 20 000 dollars pour le trimestre suivant.
Search payant : 400 000 dollars attribués. Social payant : 250 000. Webinaires et contenu : 150 000. Événements : 80 000.
Classez ces quatre nombres et les événements arrivent derniers, loin derrière. Sur la page, aucune ambiguïté. Le geste évident consiste à prendre les 20 000 dollars sur les événements.
Superposez deux angles morts à ce classement. Le programme événementiel est là où démarrent les relations entreprise, et les affaires au-dessus de 100 000 dollars de valeur annuelle courent plus de 180 jours, donc au-delà de la fin de la fenêtre. Quand ces conversions se concluent, elles arrivent en direct ou en organique. Pendant ce temps, les conversations d'événement se répartissent sur plusieurs personnes et plusieurs appareils, et l'un des participants n'a jamais accepté d'invite de suivi, si bien que les sessions qui portaient un identifiant sont allées au canal touché le plus près de l'achat.
Les événements ont bien produit ce chiffre d'affaires. Il a été compté, simplement pas dans la colonne événements.
Appliquez la même superposition au search payant. Il siège au plus près de la conversion, donc il hérite de tout ce que les autres canaux ont perdu. Ses 400 000 incluent des conversions commencées dans un webinaire et conclues par une recherche de marque que l'acheteur a lancée ensuite. Cela ne fait pas du search un mauvais canal. Cela signifie que le chiffre du search et celui des événements mesurent des quantités différentes et sont classés comme s'ils mesuraient la même.
Ce qui en sort est une répartition, c'est-à-dire exactement ce qu'on vous demandait : les événements gardent leur budget et gagnent une réserve explicite, le chiffre du search est décoté d'un montant nommé pour ce qu'il a hérité, et les 20 000 dollars viennent du canal qui n'a ni angle mort ni retour démontré. C'est une décision différente de celle que produisait le classement brut, et elle ne coûte rien une fois que vous avez dit à voix haute quels points de contact chaque chiffre ne peut pas voir.
Une frontière compte ici, parce que les arguments voisins se confondent vite. Le volet mesure marketing défend l'idée que les canaux invisibles pour la pile d'outils n'apparaissent nulle part. Le présent article montre de quels points de contact il s'agit, où ils sortent du parcours, et ce que la redistribution fait à la ligne d'un canal. L'autre volet travaille en chiffres. Celui-ci travaille en points de contact.
Le rapprochement avec le CRM est un autre métier, et il relève de l'attribution de revenu, qui part de l'enregistrement CRM plutôt que du point de contact. Si vous montez la présentation qui porte ces chiffres, la question des outils se traite du côté des outils d'analyse marketing, pas ici.
Réparer les données ou changer de méthode
Il existe trois réponses honnêtes, et elles ne coûtent pas la même chose. Aucune ne fait disparaître les angles morts.
Réparer la couche d'identité. Un consentement qui enregistre un choix réel, une plateforme de données client qui recoud les identifiants, un tagging côté serveur et une décision assumée sur ce qu'il advient du trafic non authentifié. Cela réduit le problème du dénominateur et ne change rien aux jardins clos ni au délai long. C'est le bon premier geste quand votre part identifiable est assez faible pour que le modèle divise un chiffre mince par un chiffre large.
Lancer un test d'incrémentalité. Un holdout répond à une autre question, ce qui se serait passé sans la dépense, et les tests d'incrémentalité couvrent les protocoles. Réservez-le au canal dont la valeur ne se tranche pas par l'argument.
Changer de méthode. Le marketing mix modeling travaille à l'échelle agrégée, pas au niveau utilisateur : il contourne donc entièrement l'identité et apporte ses propres limites en échange. C'est une option légitime, et une autre discipline.
Certaines équipes parcourront cette liste, répareront ce qu'elles peuvent, et tiendront malgré tout un chiffre qu'elles ne peuvent pas défendre entièrement. Pour elles, le geste honnête consiste à cesser de présenter le chiffre comme complet : accrocher les quatre angles morts au chiffre, marquer les canaux qu'ils touchent, et laisser la décision se prendre avec la réserve visible. C'est un rapport qui a moins belle allure et une meilleure décision, et je préfère défendre le premier rapport que répéter la seconde décision.
Conclusion
Revenez à ce rapport de canaux. Le canal du bas est toujours en bas, et vous savez maintenant ce que le classement ne peut pas voir.
Vous n'obtiendrez pas de réponse propre sur la part invisible du parcours, et je ne vais pas en inventer une. Mesurer ce qu'un modèle ne peut pas voir demande autre chose que le modèle. Ce que vous pouvez faire, c'est nommer les quatre mécanismes, dire lesquels touchent votre canal le plus faible, et cesser de laisser un chiffre incomplet décider où va l'argent.
Un modèle qui ne voit pas un point de contact ne signale pas une lacune. Il signale la victoire de quelqu'un d'autre.
Questions fréquentes
Qu'est-ce que l'attribution multi-touch en marketing ?
C'est une façon de répartir le crédit d'une conversion sur chaque point de contact marketing qu'un système peut observer avant elle, au lieu d'attribuer toute la conversion au premier ou au dernier clic. L'outil qui fait la répartition compte moins que la question de savoir si les points de contact l'atteignent. Si vous avez passé le diagnostic et que vous en êtes au choix du produit, c'est une autre décision, et elle ne se traite pas ici.
Quel modèle d'attribution une petite équipe doit-elle utiliser ?
Le plus simple que vos données peuvent réellement alimenter, et c'est rarement celui qui a le plus de paramètres. Un modèle pondéré suppose un parcours que votre identifiant n'a probablement pas suivi de bout en bout : sur des données minces, il ajoute donc des hypothèses là où vous cherchiez une lecture. Un modèle au dernier clic ou linéaire que vous pouvez expliquer, livré avec une liste écrite de ce qu'il manque, vaut mieux qu'un modèle sophistiqué que personne dans la salle ne peut auditer.
L'attribution multi-touch, est-ce la même chose que la modélisation d'attribution ?
Non. La modélisation d'attribution est la pratique générale qui consiste à attribuer du crédit, et elle englobe les approches agrégées descendantes à côté de celles au niveau utilisateur. L'attribution multi-touch est la branche au niveau utilisateur, ce qui explique sa dépendance aux identifiants et pourquoi les quatre angles morts la frappent spécifiquement.
Quel pourcentage des points de contact l'attribution multi-touch voit-elle réellement ?
Personne ne publie ce chiffre. L'explication est structurelle et découle de ce qu'est le modèle : mesurer la part invisible supposerait d'observer les points de contact que le modèle ne peut pas observer, donc le chiffre doit venir d'autre chose, par exemple un holdout, un groupe de contrôle apparié ou une enquête. Ce qui existe à la place, ce sont des chiffres étroits pour des mécanismes pris un par un, comme des taux de consentement sous une valeur par défaut donnée ou des nombres d'appareils issus d'un guide de fournisseur, et aucun ne se compose en un total. Si un fournisseur vous cite un pourcentage de couverture pour votre compte, demandez quel est le dénominateur.
Voyez ce que votre pile de mesure ne peut pas voir
Allable connecte vos comptes d'analyse, de recherche et de publicité et parcourt les mêmes quatre questions sur vos propres données : quels points de contact manquent, quels canaux en héritent, et ce que cela fait à la ligne que vous défendez.
