Lead scoring : la methode pour ne plus perdre de clients chauds

Un prospect ouvre sept fois la page tarifs en trois jours, télécharge votre comparatif, puis… rien. Pas de formulaire rempli, pas d'appel. Votre CRM le classe dans la même catégorie que le stagiaire qui a téléchargé une plaquette par curiosité en 2023. Vous avez deux leads identiques sur le papier, un seul est prêt à acheter. C'est exactement ce trou que le lead scoring est censé boucher — et c'est aussi là que la plupart des entreprises que j'ai vues se plantent.

Je ne vais pas vous refaire le couplet sur « attribuer une note aux prospects pour prioriser les efforts ». Vous êtes ici parce que vous savez déjà ce que c'est. Ce qui manque partout, c'est la partie que personne ne veut aborder : le cadrage RGPD, un barème chiffré qu'on peut vraiment recopier, et la raison pour laquelle votre score va devenir faux dans six semaines si vous ne mettez pas en place une revue périodique.

Le lead scoring, c'est un triage sous contrainte

Un commercial n'a pas sept heures par jour pour qualifier à la main. Il en a une, peut-être deux, entre deux relances et un rendez-vous décalé. Le scoring sert à décider sur qui poser cette heure. Rien de plus, rien de moins.

Le piège classique, c'est de croire qu'un score élevé veut dire « va signer ». Un score élevé veut dire « ressemble à ce que tes clients signés ressemblaient au même stade ». La nuance paraît théorique. Elle ne l'est pas : elle détermine si vous construisez un modèle prédictif ou une machine à flatter l'ego des commerciaux.

Explicite contre implicite : la seule distinction qui compte

Les signaux explicites, ce sont les données déclaratives et firmographiques : secteur, taille d'entreprise, fonction du contact, budget annoncé. Elles bougent lentement. Un directeur financier reste directeur financier pendant des années.

Les signaux implicites sont comportementaux. Ils bougent vite, parfois dans la journée. Une visite sur la page tarifs, un retour trois fois sur la même étude de cas, une ouverture d'e-mail à 23h un dimanche — chacun de ces gestes raconte quelque chose sur le niveau d'urgence ressenti par la personne.

Voici ce que j'ai appris à la dure : les signaux explicites qualifient, les signaux implicites datent. Un lead avec le bon profil mais aucune activité depuis deux mois n'est pas chaud. Il est dormant. Le score doit le dire.

Un barème concret, pas un schéma théorique

Voici la grille que j'utilise aujourd'hui, après avoir jeté les trois précédentes. Elle tient sur une page et n'importe qui dans l'équipe peut l'expliquer sans notes.

Type de signal	Exemple	Points
Firmographique	Effectif entre 50 et 500	+15
Firmographique	Hors zone géographique cible	−20
Fonction	Décideur ou budget holder identifié	+20
Comportemental	Visite de la page tarifs	+10 par visite, plafonné à 20
Comportemental	Téléchargement d'un comparatif produit	+15
Comportemental	Ouverture d'e-mail sans clic	+2
Comportemental	Aucune activité depuis 45 jours	−25
Déclaratif	Formulaire de demande de démo rempli	+30

Deux principes derrière ce tableau. D'abord, les points négatifs comptent autant que les positifs. Un modèle qui ne fait qu'additionner finit par donner 80 points à un lead qui n'a rien fait depuis un mois, simplement parce qu'il a visité vingt pages un après-midi. Ensuite, les plafonds. Sans plafond sur les visites de page, vous récompensez l'acharnement, pas l'intention d'achat.

Comment fixer le seuil de passage aux commerciaux

Ne le fixez pas au ressenti. Prenez vos cent derniers leads convertis et regardez leur score au moment où ils sont devenus clients. Vous verrez une concentration. Chez un client dont je suivais le CRM, ce seuil se situait à 55 : en dessous, le taux de conversion s'effondrait à moins de 3 %. Au-dessus de 70, il dépassait les 20 %.

Entre les deux, la zone grise. C'est là que se joue la vraie valeur du scoring, parce que c'est là qu'un lead peut basculer avec la bonne action. Un score brut dans cette zone ne sert à rien si personne ne sait quoi en faire.

• Score inférieur à 40 : nurturing, aucune sollicitation commerciale directe.
• Entre 40 et 70 : séquence de contenu ciblée, avec un déclencheur d'alerte si le score franchit 65.
• Au-dessus de 70 : transmission immédiate, avec un délai de contact inférieur à quatre heures ouvrées.
• Score négatif ou compte disqualifié : suppression de la séquence active, conservation minimale.

Ce dernier point mérite qu'on s'y arrête, parce qu'il touche à quelque chose que la plupart des articles sur le sujet balaient d'un revers de main.

Le cadrage juridique que personne ne veut lire mais qui vous concerne

Dès que votre score déclenche une décision automatisée — une exclusion d'une campagne, un refus de mise en relation, un classement qui conditionne l'accès à un commercial — vous êtes dans le champ du profilage au sens du RGPD. Ce n'est pas une interprétation exotique. C'est la définition même : une évaluation automatisée d'aspects personnels visant à analyser ou prédire un comportement.

Ça ne veut pas dire que c'est interdit. Ça veut dire que ça impose des obligations précises, et qu'un score calculé dans un coin de votre outil marketing sans que personne n'ait documenté la logique est un problème qui attend son heure.

Ce que ça impose concrètement

La personne concernée doit pouvoir savoir qu'un traitement automatisé produit un jugement sur elle, et obtenir une explication de la logique retenue. Traduction opérationnelle : votre grille de notation doit être écrite quelque part de façon compréhensible. Si votre réponse à « comment ce score est calculé » est « c'est l'algorithme », vous êtes en infraction.

La durée de conservation, ensuite. Un score n'a pas vocation à vivre indéfiniment. Un prospect inactif depuis dix-huit mois avec un score figé ne sert plus à rien — ni commercialement, ni juridiquement. Fixez une purge, et respectez-la.

Et le point que j'ai vu le plus souvent ignoré : si le score conduit à écarter systématiquement certaines catégories de prospects sur une base qui recoupe un critère sensible, même indirectement, vous entrez dans une zone nettement plus risquée. Un code postal comme proxy d'origine, un nom de famille, une école — ce genre de variable traîne parfois dans un modèle sans que personne ne l'ait décidé.

Question que je pose systématiquement aux équipes qui me montrent leur scoring : « Si un prospect vous demande pourquoi il n'a jamais été rappelé, vous lui montrez quoi ? » Le silence qui suit répond à ma question.

Trois erreurs que j'ai commises, et que vous allez probablement commettre aussi

La première : avoir voulu tout mesurer dès le départ. J'ai construit un modèle à vingt-trois variables sur un CRM qui contenait quatre cents leads. Résultat, un score que personne ne comprenait, que les commerciaux contournaient en créant des listes manuelles à côté. Six semaines de travail pour rien.

La deuxième : ne pas avoir prévu de revue. Le modèle tournait tout seul, et au bout d'un trimestre, les commerciaux m'ont dit qu'il envoyait « n'importe quoi ». Ils avaient raison. Le comportement des visiteurs avait changé — plus de lecture mobile, moins de téléchargements — et les pondérations, elles, étaient restées figées. Un score sans revue périodique n'est pas un actif. C'est une dette.

La troisième est plus sournoise. J'ai pendant longtemps traité le score comme une vérité, sans jamais le confronter au terrain. Un commercial qui recevait un lead à 75 points et se le faisait raccrocher au nez se disait que le modèle était mauvais. Il ne l'était pas forcément — mais je n'avais aucun moyen de le prouver, parce que je ne remontais pas les issues réelles dans le CRM.

Franchement, la leçon tient en une phrase : un score qui n'est pas confronté aux conversions réelles n'est qu'une opinion déguisée en chiffre.

À quelle fréquence revoir le modèle

Une revue légère tous les mois : est-ce que les seuils produisent toujours le bon volume de leads transmis ? Si vos commerciaux reçoivent trois fois plus de leads qu'ils ne peuvent en traiter, le seuil est trop bas, point.

Une revue lourde tous les six mois : quelles variables prédisent réellement la conversion sur les données des six derniers mois ? Il y a de fortes chances qu'une ou deux variables aient perdu tout pouvoir prédictif, et qu'une autre, négligée, soit devenue centrale.

Faut-il un outil dédié ou un tableur suffit-il ?

Ça dépend d'une seule chose : le volume. En dessous de quelques centaines de leads par mois, un tableur connecté à votre CRM fait le travail. Au-delà, la maintenance manuelle devient une plaie et vous passerez à côté de signaux comportementaux en temps réel, qui sont précisément ceux qui font bouger un score dans la journée.

Un point qu'on oublie souvent : la qualité du scoring dépend moins de l'outil que de la propreté des données entrantes. Si vos formulaires laissent passer des adresses génériques et des noms de société mal orthographiés, aucun outil ne rattrapera ça.

Est-ce que le lead scoring fonctionne aussi en B2C ?

Oui, mais les variables changent complètement. En B2C, la firmographie disparaît au profit de l'historique d'achat, de la fréquence de visite et du panier moyen. La logique reste identique : distinguer les signaux qui qualifient de ceux qui datent l'intention. La différence, c'est que les cycles sont plus courts, donc le score doit se recalculer plus souvent — parfois en temps réel.

Combien de temps avant de voir un effet sur le taux de conversion ?

Sur les modèles que j'ai accompagnés, les premiers effets visibles sur le taux de conversion des leads transmis apparaissent au bout de quatre à six semaines. Pas avant : il faut le temps que les commerciaux s'approprient le score et que vous ayez remonté assez d'issues réelles pour ajuster les seuils. Méfiez-vous de quiconque vous promet un gain en dix jours.

Ce qui a changé récemment, et ce que ça implique pour votre modèle

Le comportement des acheteurs B2B s'est déplacé vers des espaces que votre outil analytics voit mal. Une part croissante de la recherche se fait via des assistants conversationnels, où le prospect obtient sa réponse sans jamais visiter votre site. Le résultat est mécanique : certains signaux comportementaux s'appauvrissent simplement parce qu'il y a moins de pages vues à mesurer.

Ça ne rend pas le scoring obsolète. Ça déplace le centre de gravité. Les signaux déclaratifs — un formulaire rempli, une demande explicite — reprennent du poids relatif, parce qu'ils sont devenus plus rares et donc plus significatifs. Les modèles qui n'ont pas été revus depuis deux ou trois ans surpondèrent probablement des comportements de navigation qui ne veulent plus dire grand-chose.

Corollaire moins agréable : la collecte de données devient plus délicate, et le cadrage juridique dont je parlais plus haut n'est plus un sujet qu'on repousse. Moins de données collectées, ce n'est pas un problème de scoring. C'est un changement de méthode.

Ce qui reste quand on a tout calibré

Un score bien construit ne remplace jamais une conversation. Il vous dit qui appeler en premier un mardi matin quand vous avez quarante minutes devant vous. Il ne vous dit pas quoi dire, ni pourquoi cette personne a ouvert votre page tarifs sept fois sans jamais remplir le formulaire.

La question que je me pose maintenant, et à laquelle je n'ai pas de réponse propre : à force d'optimiser le tri, est-ce qu'on ne finit pas par ne plus jamais parler aux leads qui ne rentrent pas dans la case ? Le prospect qui ne ressemble à rien de connu, celui dont le score plafonne à 35 et qui aurait pourtant été votre meilleur client de l'année — combien de ceux-là vos seuils ont-ils écartés sans que vous le sachiez ?