[ Tracking et attribution ]

Attribution multi-touch : 7 modèles pour infopreneurs

Quentin Barroché25 avril 202612 min de lecture

← Tous les articles

Imagine la situation suivante. Un prospect voit ta pub Facebook lundi, revient mardi en tapant ton nom dans Google (résultat naturel), télécharge ton lead magnet jeudi via une recherche organique, ouvre 3 emails de ton funnel pendant une semaine, puis achète ta formation 1 497 euros le lundi suivant.

Qui a fait la vente ? Facebook, Google, ton SEO, ton emailing, ou ta page de vente ?

C'est la question à 1 497 euros que résout l'attribution multi-touch. Et la réponse change radicalement selon le modèle d'attribution utilisé. Cet article explique les 7 grands modèles d'attribution du marché, avec des exemples concrets, puis la règle unique que suit DataHide.

Le problème : l'attribution last-click te ment

Par défaut, beaucoup d'outils d'analyse attribuent toute la conversion au dernier clic avant la vente, quel que soit le canal. Ce modèle, appelé « last click » ou « last touch », est simple mais il déforme massivement la réalité.

Reprenons l'exemple précédent. En last click :

  • Meta : 0 euro de revenu attribué
  • Google : 0 euro
  • SEO : 0 euro
  • Email et page de vente : 1 497 euros (le dernier clic, depuis un email, emporte tout)

Tu en conclus que ton emailing fait tout le travail et que Meta ne sert à rien. Erreur stratégique majeure : sans la pub Meta, ce prospect n'aurait jamais entendu parler de toi, et il ne serait jamais entré dans ta liste. Tu coupes la source qui amène le trafic et tu crédites celle qui ne fait que clore la vente.

Les plateformes font l'erreur inverse : chacune s'attribue la vente quand un clic sur sa pub la précède, mais seulement dans sa propre fenêtre. Sur 7 164 ventes suivies chez 18 business, 58 % sont arrivées plus de 7 jours après le clic. Meta, lui, arrête de compter à 7 jours. C'est exactement ce qui pousse beaucoup d'infopreneurs à dire « Facebook ne marche plus » alors que Facebook est précisément ce qui alimente leur funnel. Ils mesurent mal, ils décident mal.

Qu'est-ce que l'attribution multi-touch ?

L'attribution multi-touch reconnaît qu'une vente B2C ou B2B (et particulièrement une formation à 500 ou 5000 euros) implique plusieurs points de contact avec ta marque avant la décision d'achat.

Le rôle de l'attribution multi-touch est de répartir le crédit de chaque vente entre tous les touchpoints qui ont contribué, selon une formule mathématique précise. Chaque modèle propose une formule différente, avec une logique propre.

Pour que l'attribution multi-touch fonctionne, il faut identifier chaque touchpoint et suivre le parcours du même utilisateur à travers eux. C'est exactement ce que permet le tracking server-side moderne, qui résout les limitations imposées par iOS 14 et les bloqueurs de pub.

Les 7 modèles d'attribution multi-touch

Voici les 7 grands modèles du marché. Je donne pour chacun la formule mathématique, le cas d'usage idéal, et les biais à connaître. DataHide n'en fait pas un réglage : la règle unique qu'il applique est expliquée plus bas.

Modèle 1 : First Touch

Formule. 100 % du crédit au premier touchpoint identifié.

Dans notre exemple : Meta reçoit 1 497 euros, tous les autres canaux reçoivent 0.

Cas d'usage. Ce modèle survalorise les canaux d'acquisition de trafic froid (publicité display, vidéo, content marketing top-of-funnel). Utile quand ton objectif est d'évaluer la capacité d'un canal à générer de la notoriété et de l'audience nouvelle.

Biais. Sous-estime massivement les canaux de conversion (search brand, email de relance, retargeting). Si tu pilotes ton budget sur du First Touch, tu vas couper tes canaux de closing et te demander pourquoi tes leads ne convertissent plus.

Modèle 2 : Last Touch (last click)

Formule. 100 % du crédit au dernier touchpoint identifié avant la conversion.

Dans notre exemple : la page de vente, atteinte depuis un email, reçoit 1 497 euros, tous les autres canaux reçoivent 0.

Cas d'usage. C'est le modèle par défaut de beaucoup d'outils d'analyse web. Il est simple à comprendre et à mesurer. Pertinent uniquement pour les achats d'impulsion à très court cycle de décision (e-commerce d'impulse, microtransactions).

Biais. Catastrophique pour les infopreneurs et les SaaS B2B. Survalorise les canaux de conversion, sous-estime totalement le top-of-funnel. C'est le modèle qui peut te faire croire qu'une campagne de retargeting est très rentable alors qu'elle capte juste des prospects déjà chauffés par une autre source.

Modèle 3 : Linéaire

Formule. Crédit réparti également entre tous les touchpoints du parcours.

Dans notre exemple avec 5 touchpoints (Meta, Google, SEO, email, page de vente) : chacun reçoit 1 497 / 5 = 299,40 euros.

Cas d'usage. Modèle de base recommandé pour démarrer une analyse multi-touch quand tu n'as pas encore de conviction sur le poids relatif de chaque canal. Bien adapté aux funnels de formation longs où chaque touchpoint joue un rôle clair (découverte, considération, décision).

Biais. Tend à diluer la performance des canaux qui apparaissent rarement. Si tu as 10 touchpoints dans le parcours moyen, chaque canal reçoit 10 % et la précision se perd.

Modèle 4 : Time Decay (décroissance temporelle)

Formule. Plus un touchpoint est proche dans le temps de la conversion, plus il reçoit de crédit. Décroissance exponentielle (typiquement demi-vie de 7 jours).

Dans notre exemple, le clic Meta du lundi (à 7 jours de la vente) reçoit beaucoup moins que la page de vente du lundi suivant (à 0 jour).

Cas d'usage. Souvent présenté comme un bon compromis pour les funnels B2C. Il reflète bien le fait qu'un prospect qui consomme ton contenu hier est plus engagé que celui qui a vu ta pub il y a 30 jours. Pondère justement le rôle de chaque canal sans pénaliser le top-of-funnel.

Biais. Légère sur-pondération des canaux de fin de parcours. Moins adapté aux cycles de vente très longs (formations à 5 000 euros et plus, B2B avec comité d'achat).

Modèle 5 : Position-Based (U-Shape)

Formule. 40 % au premier touchpoint, 40 % au dernier, 20 % réparti entre les touchpoints intermédiaires.

Dans notre exemple : Meta reçoit 598,80 euros, page de vente reçoit 598,80 euros, et les 3 touchpoints intermédiaires (Google, SEO, email) se partagent 299,40 euros (soit 99,80 euros chacun).

Cas d'usage. Pertinent pour les funnels de formation à 1 000 - 5 000 euros où tu veux valoriser à la fois la source d'acquisition (qui amène le prospect) et la source de conversion (qui le convainc de payer).

Biais. Sous-pondère les touchpoints du milieu de parcours, qui peuvent être structurellement importants (séries d'emails de nurturing, webinaires de découverte).

Modèle 6 : W-Shape

Formule. 30 % au premier touchpoint, 30 % à l'inscription au lead magnet (souvent identifié comme touchpoint majeur), 30 % au dernier touchpoint, 10 % réparti entre les autres.

Cas d'usage. Adapté aux funnels avec un lead magnet ou un webinaire structuré où l'inscription est un événement de conversion intermédiaire critique. Très utilisé en B2B SaaS.

Biais. Demande une définition manuelle des touchpoints « majeurs ». Plus complexe à configurer.

Modèle 7 : Data-Driven (algorithmique)

Formule. Un algorithme de machine learning analyse l'ensemble des parcours convertis et non convertis, puis attribue à chaque touchpoint le crédit qui correspond à son impact réel sur la probabilité de conversion (modèle de Shapley value).

Cas d'usage. Le modèle théoriquement le plus précis. Il demande un gros volume de conversions pour entraîner le modèle.

Biais. Boîte noire : tu ne sais pas exactement pourquoi le modèle attribue tel poids à tel canal. Difficile à expliquer à un client ou un partenaire. Sensible au volume de données : peu fiable sur de petits volumes.

Ce que chaque modèle met en avant

Aucun modèle n'est neutre : chacun répond à une question différente.

Question que tu te posesModèle qui y répondLimite
Quel canal fait connaître mon offre ?First TouchIgnore tout ce qui fait conclure
Quel canal déclenche l'achat ?Last TouchIgnore tout ce qui a amené le prospect
Quels canaux participent au parcours ?LinéaireDilue le crédit quand le parcours est long
Qui a relancé le prospect juste avant l'achat ?Time DecaySous-pondère la découverte
Qui amène le prospect et qui conclut ?Position-Based (U-Shape)Sous-pondère le milieu du parcours
Quel rôle joue l'inscription au webinaire ?W-ShapeDemande de définir les étapes majeures
Quel est l'impact réel de chaque canal ?Data-DrivenBoîte noire, gros volume nécessaire

La règle que suit DataHide

DataHide ne te fait pas choisir de modèle. Il applique une seule règle, la même pour tout le monde :

  • chaque vente revient à la dernière pub payante cliquée dans les 30 jours qui la précèdent ;
  • la vente est datée au jour du closing, pas au jour de l'inscription du lead.

Pourquoi ce choix. Ta question de pilotage est simple : quelle pub a amené cette vente, et combien elle t'a coûté. En ne retenant que les clics sur des pubs payantes, l'email, la recherche naturelle ou la page de vente ne peuvent pas voler le crédit d'une campagne. Avec une fenêtre de 30 jours, tu récupères les ventes que Meta ne compte plus après 7 jours : en médiane, il se passe 10 jours entre le clic et l'achat. Et en datant la vente au closing, ton chiffre du mois correspond aux ventes réellement conclues ce mois-là.

Dans notre exemple, DataHide crédite la vente de 1 497 euros à la pub Meta du lundi, et la range au jour de l'achat. Une vente sans clic de pub dans les 30 jours n'est rattachée à aucune campagne.

Comment implémenter l'attribution multi-touch concrètement

Trois étapes obligatoires.

Étape 1 : tracker chaque touchpoint individuellement. Installation d'un pixel ou d'un script de tracking qui capture chaque interaction (vue de pub, clic, soumission de formulaire, ouverture d'email, achat). Sans tracking exhaustif, l'attribution multi-touch ne sait pas combien de touchpoints existent.

Étape 2 : identifier le même utilisateur à travers les canaux. Le défi central. Sur le web, le matching se fait par cookies + identifiants serveur (fbp, fbc) + email/téléphone hashés (server-side). Le tracking server-side moderne est indispensable pour que ce matching fonctionne malgré iOS 14, ITP, et les bloqueurs de pub.

Étape 3 : appliquer une règle d'attribution. Soit manuellement avec une formule Excel (faisable mais fragile), soit avec un outil dédié qui fait le calcul pour toi. DataHide applique une seule règle : la dernière pub payante cliquée dans les 30 jours avant la vente, avec la vente datée au closing.

Exemple : un coach qui croit que « Facebook est mort »

Prenons un exemple illustratif : un coach business pense que Meta ne fonctionne plus pour lui. Dans son Business Manager, ses campagnes Meta affichent très peu de ventes pour beaucoup de dépense, alors que ses campagnes Google sur son nom de marque semblent très rentables.

Conclusion naturelle qu'il était sur le point de prendre : couper Meta entièrement et investir tout sur Google.

En reliant chaque vente Stripe à son vrai clic, l'image change. Une bonne partie des acheteurs ont cliqué sur une pub Meta, puis ont mis plus de 7 jours à acheter : Meta ne les comptait plus. Sans Meta, une partie de ces ventes n'existerait tout simplement pas. Le ROAS Meta est plus faible que celui de Google, mais pas nul, et son rôle est structurel.

La bonne décision : garder Meta pour son rôle d'acquisition et travailler les créatives, plutôt que de couper le canal qui alimente tout le tunnel.

Limites de l'attribution multi-touch

L'attribution multi-touch n'est pas magique. Trois limites importantes à garder en tête.

Le tracking est imparfait. Même avec le server-side, on ne capture pas 100 % des touchpoints. Les vues de pubs Reels qui ne génèrent pas de clic, les conversations en DM Instagram, les recommandations bouche-à-oreille, le branding sur des podcasts non trackés : tous ces touchpoints sont invisibles. L'attribution multi-touch attribue selon ce qu'elle voit, pas selon ce qui s'est vraiment passé.

Les modèles sont des approximations. Aucun modèle ne reflète parfaitement la réalité psychologique de la décision d'achat. Le rôle d'un canal peut être structurellement crucial (rassurer, créer de la confiance) sans générer un clic mesurable. Les modèles compensent ce flou en répartissant le crédit, mais l'imprécision reste.

L'attribution ne remplace pas le bon sens marketing. Si ton attribution te dit que Facebook performe à 0,9 de ROAS et Google à 4, ça ne veut pas dire que Facebook est rentable au niveau économique. À un ROAS de 0,9, tu perds de l'argent, même avec une attribution juste. L'attribution clarifie le rôle de chaque canal, elle ne remplace pas l'analyse de la marge brute par vente.

Questions fréquentes

Quelle est la différence entre attribution multi-touch et attribution multi-canal ?

Multi-canal et multi-touch désignent souvent la même chose dans le langage courant. Stricto sensu, « multi-canal » signifie « plus d'un canal différent » (Facebook + Google), et « multi-touch » signifie « plus d'un touchpoint » (qui peut être plusieurs sur le même canal, par exemple 3 vues de pub Facebook successives). L'attribution moderne combine les deux dimensions.

Combien de jours d'historique pour l'attribution multi-touch ?

La fenêtre la plus courante est de 30 jours, et c'est celle de DataHide. Sur nos données, 38 % des acheteurs achètent en moins de 48 h et 85 % en moins de 60 jours. Pour des cycles plus longs (B2B, formations très chères), certains outils poussent à 60 ou 90 jours, en sachant que la dilution sera plus forte.

Peut-on changer de modèle d'attribution rétroactivement ?

Certains outils, comme Hyros ou Google Analytics 4, permettent de relire les mêmes ventes avec un autre modèle. DataHide a fait un autre choix : une seule règle, stable, pour que les chiffres d'un mois ne changent pas selon le réglage de la personne qui les lit. Les outils plus simples (Stape, GTM serveur sans logique propriétaire) ne font pas d'attribution aux ventes.

L'attribution multi-touch fonctionne-t-elle pour le B2B avec cycle long ?

Les modèles Position-Based ou W-Shape avec une fenêtre longue sont les plus utilisés en B2B. Pour les ventes où la décision implique plusieurs personnes (comité d'achat), il faut idéalement coupler le tracking avec un CRM qui suit chaque interlocuteur (HubSpot, Pipedrive). Dans DataHide, la vente reste rattachée à la dernière pub payante cliquée dans les 30 jours, et le portail closers montre qui l'a conclue.

Quelle attribution sur Meta Ads et Google Ads en parallèle de mon outil ?

Garde l'attribution last-click standard sur Meta et Google (c'est leur signal d'optimisation) et utilise ton outil tiers (DataHide, Hyros) pour une attribution consolidée sur tes ventes réelles. Les deux mesures cohabitent : Meta voit son monde via last-click pour optimiser ses enchères, et toi tu pilotes ton budget global avec cette attribution consolidée.

Récap : pourquoi le last-click ne suffit plus

Le last-click est le standard depuis que Google Analytics existe. Il a été conçu pour des cycles d'achat courts et des canaux peu nombreux. Il n'est plus adapté à la réalité 2026, où un infopreneur combine plusieurs canaux d'acquisition et où un acheteur passe par plusieurs points de contact avant de payer.

Si tu pilotes ton budget pub à partir du last-click, tu coupes des canaux structurellement utiles et tu sur-investis sur les canaux de fin de parcours. Tu maximises localement et tu détruis globalement.

Comprendre les modèles t'évite de mal lire tes chiffres. Pour piloter ton budget, il te faut surtout une règle stable, reliée aux ventes réelles : chez DataHide, la dernière pub payante cliquée dans les 30 jours avant la vente, avec la vente datée au closing. Tes décisions budgétaires reposent alors sur ce qui vend vraiment.

Tu peux tester DataHide gratuitement pendant 14 jours, sans carte bancaire, après un setup de 10 minutes en visio avec le fondateur.

Tu n’as pas besoin de plus de leads. Tu as besoin de plus de ventes.

14 jours d'essai gratuit, sans carte bancaire. Installé en 10 minutes, en visio avec le fondateur.