Quelle plateforme marketing croire pour vos KPI ?

Résumer ce contenu avec :

Perplexity ChatGPT Claude Grok Mistral

Je fais confiance à la plateforme la plus proche de la décision à prendre. Ads pour les dépenses, GA4 pour le trafic, CRM pour les leads, finance pour le revenu reconnu. Le vrai sujet, ce n’est pas d’avoir le même chiffre partout, c’est d’utiliser le bon chiffre.

Quelle donnée croire selon la décision ?

Je crois la donnée qui répond le mieux à la décision business, pas celle qui arrange le dashboard. C’est vraiment le point de départ. Aucune plateforme marketing ne peut être la source unique de vérité pour toutes les métriques. Elle voit une partie du réel, avec ses règles, ses délais, ses filtres et parfois ses angles morts.

Une plateforme publicitaire est proche de la dépense média et de la diffusion. Google Ads, Meta Ads ou LinkedIn Ads savent très bien combien vous avez dépensé, quelles impressions ont été servies, quels clics ont été facturés. GA4, lui, est plus proche du comportement sur le site. Il aide à comprendre les pages vues, les parcours, les conversions web, les abandons. Le CRM est plus proche du lead, de sa qualité, de son traitement commercial et du pipe. La finance, elle, est proche des commandes, des factures, des avoirs et du chiffre d’affaires reconnu.

Donc si je veux savoir combien j’ai dépensé hier, je regarde Google Ads, Meta Ads ou la régie concernée. Si je veux comprendre pourquoi une landing page convertit moins, je vais dans GA4. Si je veux savoir combien de leads sont réellement exploitables par les commerciaux, je vais dans le CRM. Si je veux connaître le chiffre d’affaires reconnu, je regarde la finance.

Le piège, c’est de chercher “le vrai chiffre” comme s’il existait seul, hors contexte. Un chiffre n’est pas vrai dans l’absolu. Il est vrai pour un usage donné. Une conversion vue par Meta n’a pas exactement le même sens qu’une conversion dans GA4, et encore moins qu’une opportunité qualifiée dans Salesforce ou HubSpot.

Chez des clients, j’ai souvent vu des réunions entières partir sur des écarts de 8 ou 12 % entre outils, alors que personne n’avait d’abord posé la question métier. On comparait des chiffres avant de savoir quelle décision on voulait prendre. Forcément, ça tournait en rond.

Voilà la synthèse simple que j’utilise souvent pour remettre les choses à plat.

Pourquoi les dashboards affichent des chiffres différents ?

Les dashboards affichent des chiffres différents parce qu’ils ne mesurent pas la même chose, pas au même moment, pas avec les mêmes règles. C’est la base à garder en tête avant de dire “Google Ads ment” ou “GA4 est cassé”. Souvent, l’écart est légitime.

Une plateforme Ads attribue une conversion à une interaction publicitaire. Elle cherche à répondre à une question simple : “Est-ce que ma pub a participé à cette conversion ?”. GA4, lui, observe un parcours sur le site avec des événements. Un événement, c’est une action mesurée : vue de page, clic, formulaire envoyé, achat. Le CRM, lui, ne voit généralement qu’un lead créé, qualifié, rejeté, fusionné ou travaillé par une équipe commerciale.

Les écarts viennent souvent de règles différentes :

• Les modèles d’attribution ne sont pas les mêmes. Un outil peut créditer le dernier clic, un autre répartir le crédit entre plusieurs points de contact.
• Les fenêtres d’attribution changent. Une conversion peut compter pendant 7 jours, 30 jours ou plus après un clic.
• Les fuseaux horaires peuvent décaler les conversions d’un jour à l’autre.
• Les filtres ne sont pas toujours identiques. Trafic interne, bots, campagnes exclues, événements ignorés.
• Le consentement, les cookies et les identifiants utilisateurs limitent ce que l’outil peut reconnaître.
• La déduplication peut supprimer des doublons dans un outil, mais pas dans l’autre.
• Les conversions modélisées ou importées ajoutent une couche d’estimation ou de retraitement.
• Les règles de comptage changent. Une conversion par clic, une conversion par session, ou toutes les conversions.

Dans Google Ads, certaines colonnes attribuent les conversions à la date de l’interaction publicitaire, alors que d’autres lisent la date réelle de conversion. Dans GA4, les chiffres dépendent des événements collectés, du paramétrage des key events, c’est-à-dire les événements importants, de l’identité de reporting, du consentement, et parfois de seuils ou de modélisation.

Le CRM a aussi sa logique. Un lead peut être rejeté, fusionné comme doublon, changé de statut, ou attribué manuellement à un commercial. J’ai vu ce cas chez un client : Ads annonçait 120 conversions, GA4 en montrait 94, le CRM gardait 63 leads valides, et la finance confirmait 18 commandes payées. Aucun chiffre n’était forcément faux. Chaque outil décrivait une étape différente.

Avant de comparer deux tableaux de bord, je pose toujours ces questions :

• Quelle action est réellement comptée ?
• À quelle date la conversion est-elle rattachée ?
• Quelle fenêtre d’attribution est utilisée ?
• Le chiffre inclut-il des conversions modélisées ou importées ?
• Les doublons, rejets et statuts CRM sont-ils pris en compte ?
• Est-ce qu’on compare une interaction pub, un événement site, ou un revenu encaissé ?

Quel système doit porter chaque KPI ?

Chaque KPI doit être porté par le système le plus proche de sa réalité opérationnelle. C’est la règle la plus simple, et franchement celle qui évite 80% des débats stériles en réunion.

Je ne demande pas à Google Ads de me dire si un lead est vraiment qualifié. Je ne demande pas au CRM de reconstruire les impressions média. Et je ne demande pas à GA4 de devenir ma compta. Chaque outil a sa zone de vérité.

La nuance importante, c’est celle-ci. Pour piloter une campagne à court terme, je peux regarder les conversions Ads. C’est utile pour voir si l’algorithme reçoit du signal, si une audience répond, si une créa déclenche quelque chose. Mais pour arbitrer le budget business, je dois réconcilier avec les leads valides, les ventes, les remboursements et la marge.

J’ai vu un client couper une campagne qui avait un CPA Ads moyen, parce qu’elle semblait moins rentable. Dans le CRM, elle sortait pourtant les meilleurs SQL. Dans la compta, elle avait la meilleure marge. Le problème n’était pas la campagne, c’était le KPI regardé au mauvais endroit.

Ma gouvernance reste simple. Je définis la métrique, je choisis sa source propriétaire, je précise la règle d’attribution, je documente le délai de fraîcheur, puis je nomme un responsable. Pas besoin d’un comité interminable.

• Définir la métrique : Dire exactement ce qu’on compte, et ce qu’on ne compte pas.
• Choisir la source propriétaire : Décider quel système fait foi en cas d’écart.
• Préciser l’attribution : Expliquer comment on rattache un résultat à un canal ou une campagne.
• Documenter la fraîcheur : Indiquer si le chiffre est disponible en temps réel, à J+1 ou après validation finance.
• Nommer un responsable : Avoir quelqu’un qui tranche quand le chiffre est contesté.

Un KPI fiable, ce n’est pas le chiffre qui arrange tout le monde. C’est le chiffre dont on connaît la source, la limite et l’usage.

Comment éviter les débats sans fin sur les chiffres ?

J’évite les débats en séparant métrique, source, attribution, validation et gouvernance avant même de regarder le dashboard. Sinon, on finit avec trois personnes autour d’une table, chacune avec “son” chiffre, et personne ne parle vraiment de performance.

Une bonne organisation ne cherche pas à forcer tous les outils à raconter exactement la même histoire. Ce serait une perte de temps. Google Ads, Meta, GA4, le CRM et la finance ne mesurent pas la même chose, au même moment, avec les mêmes règles. Ce qu’il faut, c’est un dictionnaire de métriques. Un document simple qui dit clairement ce qu’un KPI veut dire, d’où il vient, comment il est calculé et qui en est responsable.

Dans la vraie vie, je vois souvent le problème sur les leads. Tout le monde dit “lead”, mais personne ne parle du même objet.

• Lead envoyé depuis le formulaire : La personne a cliqué sur envoyer.
• Lead reçu dans le CRM : Le CRM a bien créé une fiche.
• Lead valide après déduplication : Les doublons, tests et erreurs ont été retirés.
• Lead qualifié par l’équipe commerciale : Un humain a confirmé que le contact mérite un suivi.

Ce sont quatre métriques différentes. Donc oui, il peut y avoir quatre chiffres possibles. Le problème n’est pas l’écart. Le problème, c’est de ne pas savoir lequel sert à décider.

Je formalise toujours cinq décisions simples avant de figer un dashboard : le nom exact du KPI, la source de référence, la logique d’attribution, les règles de validation et le propriétaire de la donnée. L’attribution, c’est la règle qui décide à quelle campagne, canal ou interaction on rattache une conversion. Sans ça, chacun choisit la version qui l’arrange.

Le tableau de pilotage central ne remplace pas les sources. Il les organise. Il peut afficher la dépense média depuis les plateformes Ads, le trafic depuis GA4, les leads valides depuis le CRM et le revenu depuis la finance. Si l’entreprise a besoin d’historiser, rapprocher et auditer les données, un entrepôt de données ou un outil BI peut aider. BI veut dire Business Intelligence, donc des outils comme Power BI, Looker Studio ou Tableau. Mais le vrai travail reste la définition des règles.

Et si le bon chiffre dépendait surtout de votre décision ?

Je ne cherche pas à faire tomber tous les dashboards sur le même chiffre. Je cherche à savoir quel chiffre sert quelle décision. Pour piloter les dépenses et la diffusion, je regarde les plateformes Ads. Pour comprendre le trafic et le comportement, je vais dans GA4. Pour juger la qualité des leads, je m’appuie sur le CRM. Pour valider le revenu, je fais confiance à la finance.

Le vrai gain, c’est moins de débats stériles et plus de décisions propres. Vous savez quoi regarder, quand le regarder, et surtout pourquoi vous le regardez.

FAQ

• Pourquoi Google Ads et GA4 n’affichent pas les mêmes conversions ?
  Parce qu’ils n’utilisent pas les mêmes règles. Google Ads regarde les conversions liées aux interactions publicitaires. GA4 mesure des événements sur le site, avec ses propres paramètres, son attribution, son identité de reporting et les effets du consentement. L’écart n’est pas automatiquement une erreur.
• Quelle source utiliser pour suivre les dépenses marketing ?
  Je prends la donnée dans la plateforme publicitaire concernée. C’est l’outil le plus proche de l’achat média, de la diffusion et de la facturation. Pour une consolidation globale, on peut ensuite remonter ces dépenses dans un dashboard BI, mais la source propriétaire reste la régie.
• GA4 peut-il être ma source unique de vérité ?
  Pas pour tout. GA4 est très utile pour analyser le trafic, les parcours et l’engagement sur le site. Mais il n’est pas la meilleure source pour valider un lead commercial, une commande payée, une marge ou un revenu comptable. Chaque KPI doit avoir sa source propriétaire.
• Quand faut-il croire le CRM plutôt que l’outil analytics ?
  Dès qu’on parle de leads valides, de qualification commerciale, de pipeline, d’opportunités ou de statut de vente. Le CRM contient les règles métier que GA4 ne connaît pas toujours : doublons, leads rejetés, relances, scoring, validation par les équipes sales.
• Comment réconcilier les chiffres sans perdre du temps ?
  Je commence par définir la métrique exacte, la source propriétaire, la règle d’attribution, le délai de mise à jour et le responsable. Ensuite seulement je compare. Le but n’est pas d’effacer tous les écarts, mais de savoir lesquels sont normaux et lesquels doivent être corrigés.

A propos de l’auteur

Je suis Franck Scandolera, responsable de l’agence webAnalyste et de l’organisme Formations Analytics. J’accompagne des équipes marketing, data et business sur le tracking avancé server-side, l’analytics engineering, GA4, l’automatisation no code et low code avec n8n, l’IA en entreprise et le SEO/GEO. J’ai travaillé avec des références comme Logis Hôtel, Yelloh Village, BazarChic, la Fédération Française de Football ou Texdecor. Si vous voulez remettre vos chiffres marketing à plat et arrêter les débats de dashboards, contactez-moi.

Franck Scandolera

⭐ Expert et formateur en Tracking avancé, Analytics Engineering et Automatisation IA (n8n, Make) ⭐

Ref clients : Logis Hôtel, Yelloh Village, BazarChic, Fédération Football Français, Texdecor…

Mon terrain de jeu :

Data & Analytics engineering : tracking propre RGPD, entrepôt de données (GTM server, BigQuery…), modèles (dbt/Dataform), dashboards décisionnels (Looker, SQL, Python).
Automatisation IA des taches Data, Marketing, RH, compta etc : conception de workflows intelligents robustes (n8n, Make, App Script, scraping) connectés aux API de vos outils et LLM (OpenAI, Mistral, Claude…).
Engineering IA pour créer des applications et agent IA sur mesure : intégration de LLM (OpenAI, Mistral…), RAG, assistants métier, génération de documents complexes, APIs, backends Node.js/Python.