Un commercial m'a appelé un jour, furieux. « Ton truc de lead scoring, ça m'a envoyé un lycéen qui cherchait un stage. » Il avait raison. Le gamin avait ouvert 14 e-mails, visité la page tarifs trois fois, téléchargé une étude de cas. Score : 87/100. Sauf qu'il n'avait aucun budget, aucune fonction de décision, et qu'il avait coché la case « étudiant » dans le formulaire. Le modèle s'en fichait : personne n'avait pensé à lui donner un score négatif pour ça.
Cette anecdote résume à peu près tout ce qu'il faut savoir sur le lead scoring : ce n'est pas une formule magique qui tombe du ciel, c'est une grille de lecture que vous construisez à la main, que vous cassez, que vous réparez. Et quand elle est bien réglée, elle change littéralement la journée de vos commerciaux.
Points clés à retenir
- Le lead scoring attribue une note chiffrée à chaque prospect pour hiérarchiser l'effort commercial.
- Deux familles de critères : le fit (qui est le prospect) et le comportement (ce qu'il fait).
- Un bon modèle pèse les signaux forts plus que les signaux nombreux : 3 visites sur une page tarifs valent mieux que 20 ouvertures d'e-mails.
- Prévoyez toujours des scores négatifs (désinscription, formulaire bidon, secteur exclu) — c'est ce qui manque le plus souvent.
- Sans boucle de retour avec les ventes, le modèle dérive en six mois et plus personne ne lui fait confiance.
Le lead scoring, c'est quoi au juste (et pourquoi la plupart des grilles ne servent à rien)
La définition tient en une phrase : vous donnez une note à chaque lead, et cette note décide de l'ordre dans lequel vos commerciaux le contactent. Marketing et ventes se mettent d'accord sur un seuil — au-dessus, on appelle ; en dessous, on nourrit (le fameux lead nurturing).
Jusque-là, tout le monde est d'accord. Le problème arrive à la deuxième phrase : comment vous calculez cette note. Et là, dans la majorité des cas que j'ai vus passer, la réponse est « on a mis +10 pour une visite de page, +5 pour une ouverture d'e-mail, et on a croisé les doigts ».
Résultat : un prospect qui ouvre 40 newsletters sans jamais rien faire d'autre dépasse un directeur financier qui a passé dix minutes sur votre page de tarifs. Le premier est un abonné distrait, le second est peut-être votre prochain client.
Fit score et score comportemental : deux notes distinctes, jamais une seule
Le fit répond à « est-ce que ce prospect ressemble à mon client idéal ? ». Secteur, taille d'entreprise, fonction, zone géographique, outil déjà en place. Ces données sont fixes, ou changent rarement.
Le comportement répond à « est-ce qu'il montre un intérêt maintenant ? ». Pages vues, fréquence de retour, téléchargements, réponses aux e-mails, présence sur un webinaire. Ces signaux sont volatils : ils expirent. Une visite de page tarifs il y a huit mois ne vaut pas une visite d'hier.
Ma règle personnelle, et je la défendrai bec et ongles : ne fusionnez jamais les deux scores en un seul chiffre. Gardez deux colonnes dans votre CRM. Un lead avec un fit de 90 et un comportement de 5 n'est pas un lead chaud, c'est une cible parfaite qui ne s'intéresse pas à vous — et qui mérite une séquence de nurturing, pas un appel à froid. Un lead avec un fit de 40 et un comportement de 85 est un signal d'alerte : soit votre ICP est mal défini, soit vous avez un nouveau segment de clientèle qui frappe à la porte.
Comment construire une grille de lead scoring qui tient debout
Voici la grille que j'utilise, avec des pondérations réelles. Elle n'est pas universelle — ajustez les montants — mais la structure, elle, fonctionne partout.
| Signal | Type | Points | Expiration |
|---|---|---|---|
| Fonction = décideur ou influenceur budget | Fit | +20 | permanent |
| Secteur hors ICP | Fit | −30 | permanent |
| Case « étudiant / curieux » cochée | Fit | −40 | permanent |
| Visite page tarifs | Comportement | +15 | 30 jours |
| Retour sur le site ≥ 3 fois en un mois | Comportement | +10 | 30 jours |
| Demande de démo remplie | Comportement | +35 | 14 jours |
| Ouverture d'e-mail | Comportement | +1 | 14 jours |
| Désinscription de la newsletter | Comportement | −25 | 90 jours |
Un exemple de calcul de bout en bout
Reprenons le prospect type. Directrice administrative d'une PME de 60 salariés, secteur qui correspond à votre ICP (+20 de fit). Elle a ouvert 6 e-mails sur deux semaines (+6), est revenue trois fois sur le site (+10), a consulté la page tarifs deux fois (+30), et a rempli un formulaire de contact (+15).
Total comportement : 61. Fit : 20 sur 50 possibles, disons « moyen ». Vous fixez le seuil MQL à 50 : elle passe. Le commercial reçoit la notification, appelle dans la journée. Ça, c'est le scénario où le modèle vous fait gagner du temps.
Maintenant, le même profil mais avec une case « je cherche des informations générales » cochée dans le formulaire (−40) et une désinscription six mois plus tôt (−25). Le score tombe à −4. Le lead reste dans la base, il est juste rangé dans la pile « nurturing » au lieu de la pile « appeler maintenant ». Nuance importante, et souvent oubliée : un score négatif ne veut pas dire jeter le lead.
La mise en place, étape par étape (et pourquoi le premier jet sera mauvais)
Comptez une demi-journée pour poser la grille, et trois mois pour qu'elle devienne fiable. Le déséquilibre est normal.
- Listez 10 clients récents qui ont signé, et 10 leads qui n'ont jamais converti. Regardez ce qui les distingue concrètement dans votre CRM.
- Attribuez des points à partir de cette comparaison, pas à partir de votre intuition. C'est l'erreur que j'ai faite la première fois : j'avais pondéré la visite de la page blog à +8 parce que « ça montre un intérêt ». En réalité, mes meilleurs clients ne lisaient jamais le blog.
- Fixez deux seuils : MQL (à contacter) et SQL (prêt à acheter). Laissez-les provisoires pendant un mois.
- Croisez avec les ventes pendant quatre semaines : sur les leads notés au-dessus du seuil, combien ont réellement avancé ?
- Révisez les pondérations en fonction de ce que le terrain vous renvoie.
La boucle de retour avec les ventes : le seul mécanisme qui empêche le modèle de pourrir
Sans ça, votre grille est morte en six mois. Les habitudes changent, les canaux évoluent, un nouveau concurrent apparaît et soudain la page « comparatif » devient le signal le plus fort de votre site — sauf que personne ne l'a repondérée.
Le mécanisme que j'utilise aujourd'hui : une réunion de 20 minutes chaque mois, marketing et ventes autour de la même table, avec une seule question. « Quels leads on vous a envoyés ce mois-ci qui ne valaient rien, et lesquels on a ratés ? ». Les commerciaux adorent cette réunion. C'est la seule où ils peuvent se plaindre du marketing avec un mandat officiel.
Les pièges qui faussent un lead scoring sans que personne ne s'en aperçoive
Le premier piège est le sur-scoring par accumulation. Un prospect qui ouvre 20 e-mails récolte 20 points sans avoir jamais manifesté la moindre intention d'achat. La solution : plafonnez chaque catégorie de signal. Chez moi, le total des points « ouverture d'e-mail » ne peut pas dépasser 8, quel que soit le nombre d'ouvertures.
Le deuxième est la donnée périmée. Un lead qui a visité la page tarifs en janvier et qu'on rappelle en novembre, c'est un appel à froid déguisé. Chaque signal comportemental doit avoir une date d'expiration.
Le troisième, plus insidieux : la dérive silencieuse. Le modèle continue de tourner, les scores continuent d'être calculés, mais plus personne ne les regarde. J'ai vu une équipe découvrir que depuis huit mois, son seuil MQL envoyait 90 % des leads dans la pile « à appeler » — les commerciaux avaient simplement cessé d'ouvrir la file.
Et le RGPD dans tout ça ?
Point souvent oublié : les données comportementales que vous collectez pour scorer un lead relèvent du consentement. Tracker les visites de page, croiser avec un profil identifié, c'est de la donnée personnelle. Vous devez pouvoir expliquer à un prospect quels signaux vous collectez, et pourquoi. Concrètement, un bandeau cookies correct et une politique de confidentialité qui mentionne le profilage commercial suffisent dans la plupart des cas — mais pas dans tous, et un avis juridique sur votre configuration précise vaut mieux qu'un modèle copié ailleurs.
Lead scoring et CRM : ce qu'il faut vraiment attendre d'un outil
HubSpot, Salesforce, Pipedrive — les grands CRM proposent tous un module de scoring. Ne vous attendez pas à ce que l'outil fasse le travail à votre place. Il exécute la grille que vous lui donnez, avec les pondérations que vous choisissez. Un mauvais modèle dans un bon CRM reste un mauvais modèle.
Ce qu'un outil doit vous apporter, en revanche : le calcul automatique, l'expiration des signaux, la possibilité de pondérer négativement, et un historique lisible pour que le commercial comprenne pourquoi un lead a ce score. Ce dernier point est sous-estimé. Un commercial qui reçoit « score : 74 » sans détail ne fait pas confiance au chiffre. Un commercial qui voit « +15 page tarifs, +35 demande de démo, −5 secteur hors cible » comprend immédiatement et appelle.
Mon conseil, franchement peu populaire : si vous démarrez, construisez la première version dans un tableur avant d'acheter quoi que ce soit. Trois semaines sur un fichier Google Sheet vous apprendront plus sur vos vrais signaux que six mois de configuration dans un outil que vous ne maîtrisez pas encore.
Ce qui compte, au fond
Le lead scoring n'est pas un problème de formule. C'est un problème d'accord entre deux équipes qui ne se parlent pas assez. La note chiffrée n'est que le prétexte qui les force à s'asseoir à la même table et à définir ce qu'est un bon prospect.
Et si vous ne retenez qu'une chose de cet article, prenez celle-ci : votre grille sera fausse au départ. Elle le sera encore un peu au bout d'un an. Ce n'est pas un échec, c'est le fonctionnement normal. Ce qui distingue les équipes qui en tirent quelque chose des autres, ce n'est pas la qualité de leur pondération initiale — c'est la régularité avec laquelle elles la remettent en question.
Le lycéen en stage, lui, n'a jamais rappelé.
