Si tu pilotes ton budget Google Ads avec du last-click en 2026, tu surfinances probablement le bas du tunnel et tu coupes des campagnes qui rapportent. C'est aussi mécanique que ça.
Un modèle attribution marketing est la règle qui distribue le crédit d'une conversion entre les différents points de contact qu'un acheteur a eus avant d'acheter (annonce Search, vidéo YouTube, e-mail, organique, direct). Le modèle que tu choisis détermine quelles campagnes paraissent rentables — et donc lesquelles tu finances. Changer de modèle, c'est changer la carte de ton ROI.
Ce guide passe en revue les six modèles utilisés aujourd'hui, leurs vrais cas d'usage, leurs angles morts, et comment basculer proprement sans casser ton historique.
Pourquoi le modèle d'attribution n'est pas un détail technique
Un parcours d'achat moyen en B2C touche 3 à 7 points de contact ; en B2B, 8 à 20. Si tu attribues 100 % du crédit au dernier clic, tu effaces 2 à 19 interactions qui ont contribué à la décision. Le résultat concret : tes campagnes Display, YouTube, Discovery et même Search générique en haut de tunnel semblent toujours peu rentables. Tu les coupes. Les campagnes Brand en bas de tunnel récoltent tout le crédit. Tu doubles leur budget. Et six mois plus tard, ton volume global baisse parce que personne ne nourrit plus le haut du tunnel.
Le choix du modèle attribution marketing répond à une seule question : quelle vue de la réalité veux-tu pour décider ?
Les 6 modèles d'attribution en 2026
1. Last-click (dernier clic)
100 % du crédit au dernier point de contact avant la conversion. Simple, lisible, et biaisé en faveur du bas de tunnel (Brand, retargeting, direct). C'était le modèle par défaut de Google Ads jusqu'à 2021 et de Universal Analytics jusqu'à sa fin. Il survit en 2026 surtout par habitude et parce que les directions financières le comprennent en 5 secondes.
Utile pour : business avec un cycle d'achat très court (impulse buy e-commerce), comptes mono-canal, audit rapide.
2. First-click (premier clic)
L'inverse : 100 % au premier point de contact. Sur-pondère le top of funnel. Pratique pour évaluer les sources de découverte, jamais pour piloter un budget global.
3. Linéaire
Crédit réparti équitablement entre tous les points de contact. Si 5 interactions, chacune reçoit 20 %. Démocratique mais naïf : un clic accidentel sur une bannière reçoit le même poids qu'une visite produit de 4 minutes.
4. Décroissance temporelle (time decay)
Plus le point de contact est proche de la conversion, plus il reçoit de crédit. Demi-vie typique : 7 jours. Modèle solide pour les cycles d'achat moyens (1 à 30 jours) parce qu'il reflète une réalité psychologique : le souvenir d'une marque s'estompe.
5. Basé sur la position (U-shape, 40/20/40)
40 % au premier clic, 40 % au dernier, 20 % réparti entre les milieux. Bon compromis quand tu veux à la fois récompenser la découverte et la conclusion. Souvent utilisé en B2B mid-market.
6. Data-driven (DDA)
Le modèle calcule en machine learning la contribution réelle de chaque point de contact en comparant des parcours qui convertissent à ceux qui ne convertissent pas. C'est le modèle par défaut de Google Ads et GA4 depuis 2023. Il a besoin d'un volume minimum (typiquement 300 conversions et 3 000 interactions publicitaires sur 30 jours) pour être fiable.
DDA bien configuré bat les autres modèles sur quasiment tous les comptes que j'ai vus. Mais il a deux faiblesses : il est opaque (boîte noire), et il ne peut pas attribuer ce qu'il ne mesure pas (chaînes hors Google, parcours cross-device cassés, conversions hors ligne non importées).
Comparatif rapide des modèles d'attribution
| Modèle | Pondération | Volume minimum | Force | Faiblesse |
|---|---|---|---|---|
| Last-click | 100 % au dernier | Aucun | Lisibilité | Tue le top of funnel |
| First-click | 100 % au premier | Aucun | Évalue la découverte | Ignore la conversion |
| Linéaire | Égale partout | Aucun | Vue d'ensemble | Trop naïve |
| Time decay | Croissante | Aucun | Cycles moyens | Sous-pondère la découverte |
| Position-based | 40/20/40 | Aucun | Compromis B2B | Arbitraire |
| Data-driven | ML | 300 conv./mois | Précision | Boîte noire |
Comment choisir ton modèle attribution marketing en 30 minutes
- Mesure ton cycle d'achat médian. Dans GA4 → Explorations → Chemin de conversion, regarde le délai entre le premier contact et la conversion. Moins de 1 jour : last-click ou DDA. 2 à 14 jours : time decay ou DDA. Plus de 14 jours : position-based ou DDA.
- Compte tes conversions mensuelles. Si tu passes les 300/mois (toutes campagnes confondues), DDA devient ton choix par défaut. En dessous, il reste instable ; reste sur time decay ou position-based.
- Audite tes points de contact. Si tu fais 95 % de Search Brand et rien d'autre, ton choix de modèle n'a quasiment aucun impact — règle d'abord ton mix média. Si tu mélanges Search, Shopping, PMax, Display, YouTube, alors le modèle devient critique.
- Vérifie le tracking en amont. Un modèle data-driven sur un tracking GA4 cassé donne des décisions data-driven cassées. C'est la première chose à durcir : voir le guide suivi conversion Google Ads et la mise en place des Enhanced Conversions.
- Choisis et fige pour 90 jours. Changer de modèle tous les mois rend toute analyse comparative impossible.
Auditer mon attribution Google Ads gratuitement
L'angle mort que personne ne corrige : les conversions hors ligne
En 2026, environ 30 à 50 % des conversions B2B et services se finalisent par téléphone, en magasin, ou via un commercial. Si tu ne réimportes pas ces conversions dans Google Ads via l'API Offline Conversion Import ou Enhanced Conversions for Leads, aucun modèle d'attribution ne peut être correct — même DDA. Il optimise sur des signaux partiels.
La séquence saine en 2026 :
- Tracking GA4 propre, événements de conversion bien définis.
- Enhanced Conversions activées sur le site (hash des emails, téléphones).
- Import des conversions hors ligne (au minimum les ventes signées) toutes les 24 à 48 heures.
- Modèle data-driven activé sur tout (Google Ads, GA4, Smart Bidding).
- Revue mensuelle des chemins de conversion dans GA4.
Sans ces fondations, parler de modèle d'attribution, c'est repeindre une voiture sans moteur.
Attribution et stratégie d'enchères : la dépendance cachée
Le Smart Bidding (tCPA, tROAS, Maximize Conversions) utilise le modèle d'attribution que tu as choisi pour décider combien enchérir sur chaque enchère. Si tu passes de last-click à data-driven, les enchères vont se recalibrer dans les 7 à 14 jours suivants. Attends-toi à une période d'instabilité : CPC qui montent sur certaines audiences, CPA qui bougent, volume qui varie de ±20 %. C'est normal. Ne touche à rien pendant deux semaines.
La logique de fond est expliquée dans le guide Smart Bidding et le rapport global au ROAS Google Ads qui dépend directement du modèle choisi.
Cas concret : un e-commerce mode mid-market
Compte avec 800 conversions/mois, mix Search Brand + Search générique + Shopping + PMax + retargeting Display. Avant : last-click. Décisions : Brand surfinancée, générique stagnante, Display coupée plusieurs fois.
Bascule en DDA, import des retours commerciaux (annulations), Enhanced Conversions activées. Trois mois plus tard, redistribution observée :
- Search Brand : crédit divisé par 1,8 (elle récoltait du crédit qu'elle ne créait pas).
- Search générique : crédit ×1,5.
- Shopping : stable.
- PMax : crédit ×1,3.
- Display retargeting : crédit ×2,2.
Décision : rééquilibrage des budgets dans le même ordre. ROAS global +18 % à dépense égale six mois plus tard. L'argent n'avait pas disparu — il était mal attribué.
Les pièges classiques en 2026
- Comparer le ROAS d'un modèle à un autre en absolu. Les modèles ne donnent pas le même volume total de conversions attribuées. Compare des tendances, pas des chiffres.
- Penser que DDA résout tout. DDA optimise dans les limites de ce que Google Ads voit. Hors Google, rien. D'où l'importance des imports.
- Changer de modèle pendant un test. Si tu fais un A/B sur une landing page ou un test de stratégie d'enchères, fige le modèle d'attribution avant.
- Ignorer la fenêtre d'attribution. Le modèle dit comment répartir le crédit, la fenêtre dit sur combien de jours. 30 jours est le défaut Google Ads, 7 jours par défaut sur certains outils marketing. Une vente B2B avec cycle de 60 jours sur une fenêtre de 7 jours = données fausses.
FAQ
Quel est le meilleur modèle attribution marketing en 2026 ?
Dans la plupart des cas, le modèle data-driven (DDA) de Google Ads et GA4, à condition d'avoir au moins 300 conversions par mois et un tracking propre incluant Enhanced Conversions et les imports hors ligne. En dessous de ce volume, time decay ou position-based donnent des résultats plus stables.
Last-click est-il encore utilisable en 2026 ?
Oui, comme vue secondaire de lisibilité ou pour un business mono-canal à cycle d'achat court (moins de 24 h). Comme modèle de pilotage principal sur un compte multi-canal, il est obsolète : il sous-finance systématiquement la découverte et fausse les décisions budgétaires.
Combien de temps faut-il avant de juger un changement de modèle d'attribution ?
Minimum 30 jours, idéalement 60 à 90 jours. Le Smart Bidding a besoin de 7 à 14 jours pour recalibrer ses enchères, puis il faut au moins un cycle d'achat complet pour mesurer l'impact réel sur le revenu.
Quelle différence entre modèle d'attribution et fenêtre d'attribution ?
Le modèle décide comment répartir le crédit entre les points de contact. La fenêtre décide sur combien de jours en arrière on regarde. Les deux sont indépendants et doivent être réglés selon ton cycle d'achat médian observé dans GA4.
Le data-driven fonctionne-t-il pour un petit compte ?
En dessous de 300 conversions mensuelles, DDA peut être activé mais sera instable : les attributions varient fortement d'une semaine à l'autre. Tu prends de meilleures décisions avec time decay sur ce volume.
Faut-il le même modèle d'attribution dans Google Ads et GA4 ?
Idéalement oui, pour cohérence. Les deux proposent DDA depuis 2023. Si tu utilises un outil tiers d'attribution (cross-canal), aligne au moins la logique générale pour que les arbitrages restent comparables.