Un modèle d'attribution est une règle qui décide quel point de contact reçoit le crédit d'une vente. Aucun n'est « vrai » : le dernier clic, le data driven de Google ou l'attribution de Meta répondent chacun à une question différente. Pour un e-commerce, la bonne démarche consiste à associer un modèle à chaque décision : l'attribution de la plateforme pour optimiser les créas et les ensembles de publicités, GA4 pour comparer les canaux sur une base commune, et une mesure d'incrémentalité pour répartir le budget.
La plupart des marques cherchent le modèle qui dira la vérité. Elles perdent des mois. Posez plutôt la question inverse : quelle décision dois-je prendre, et quel chiffre est assez fiable pour elle ?
Les modèles d'attribution qui existent encore en 2026
Le paysage s'est simplifié. Google a retiré en 2023 les modèles premier clic, linéaire, dépendant de la position et avec décroissance temporelle, à la fois dans Google Ads et GA4, comme l'a documenté Search Engine Land. Il reste :
- Le dernier clic : 100 % du crédit au dernier clic avant l'achat.
- L'attribution basée sur les données (data driven) : un algorithme répartit le crédit selon la contribution estimée de chaque point de contact. C'est le modèle par défaut de GA4 et Google Ads.
Côté Meta, on ne parle pas de modèle mais de fenêtre d'attribution : par défaut, 7 jours après un clic et 1 jour après une vue. Les fenêtres longues après vue (7 et 28 jours) ont été supprimées des rapports en janvier 2026, ce qui a fait baisser les conversions affichées de nombreux annonceurs à cycle long. Meta propose aussi depuis 2025 une attribution incrémentale, qui cherche à ne compter que les conversions causées par la publicité.
Enfin, deux approches ne sont pas des modèles d'attribution au sens strict, mais servent les mêmes décisions : les tests d'incrémentalité et le Marketing Mix Modeling.
Pourquoi chaque plateforme se donne raison
Meta et Google revendiquent souvent la même commande. Meta la compte parce que la cliente a vu une vidéo la veille. Google la compte parce qu'elle a cliqué sur votre annonce de marque avant de payer. Additionnez les deux rapports et vous obtenez plus de ventes que Shopify n'en a enregistré.
Ce n'est pas une fraude. Chaque plateforme mesure ce qu'elle voit, avec ses propres règles, et n'a aucune raison de déduire ce que l'autre revendique. Nous détaillons les mécanismes dans l'article sur les écarts entre Meta, Google et GA4. Retenez ici une conséquence : additionner les ROAS des plateformes ne donne jamais la rentabilité réelle.
Quel modèle pour quelle décision : la grille
| Décision | Fréquence | Chiffre à utiliser | Pourquoi | Piège |
|---|---|---|---|---|
| Couper ou garder une créa, un ensemble de pubs | Quotidienne | Attribution de la plateforme | C'est ce que l'algorithme optimise, la comparaison interne reste cohérente | Comparer une créa Meta à une campagne Google avec ces chiffres |
| Choisir la cible de ROAS ou de CPA | Hebdomadaire | Attribution plateforme recalée sur le CA réel | L'algorithme a besoin d'une cible dans sa propre unité | Fixer la cible sans rapprochement avec Shopify |
| Comparer les canaux entre eux | Mensuelle | GA4 (data driven ou dernier clic) + enquête post-achat | Base commune, pas de double comptage | Sous-estimer les canaux vus sans clic |
| Répartir le budget total entre canaux | Trimestrielle | Tests d'incrémentalité, MMM, MER | Seuls outils qui mesurent l'effet causal | Lancer un MMM sans assez d'historique |
| Juger la rentabilité globale | Hebdomadaire | MER (CA total / dépenses marketing totales) | Ne dépend d'aucun modèle | L'utiliser pour piloter une créa précise |
Cette grille est celle que nous appliquons sur les comptes que nous gérons. Elle évite le débat stérile « Meta dit 4, GA4 dit 1,8 » : les deux chiffres sont justes, pour des usages différents.
Décision 1 : optimiser dans une plateforme
Pour savoir quelle vidéo garder dans une campagne Meta, utilisez l'attribution de Meta. Toutes les créas sont mesurées avec les mêmes règles, et c'est sur ce signal que l'algorithme distribue le budget. Si vous jugez vos créas Meta avec GA4 en dernier clic, vous favorisez celles qui génèrent des clics immédiats au détriment de celles qui créent de l'intention.
Même logique dans Google Ads avec le data driven. Il n'a de sens que si les conversions remontent correctement : la qualité du signal compte plus que le modèle. Les conversions améliorées et l'API Conversions de Meta améliorent ce signal bien plus que n'importe quel changement de modèle.
Décision 2 : comparer les canaux
Ici, il faut un juge extérieur aux plateformes. GA4 en est un, imparfait : il ne voit que les visites, donc sous-estime les canaux qui influencent sans générer de clic (vidéo Meta, TikTok, YouTube). Il reste utile pour une lecture commune, surtout si vos UTM sont propres. Notre article sur la configuration GA4 e-commerce montre comment construire le rapport par canal.
Pour corriger son angle mort, ajoutez une enquête post-achat d'une question sur la page de remerciement : « Où avez-vous entendu parler de nous pour la première fois ? ». Sur quelques centaines de réponses, elle révèle souvent un écart net avec GA4 : beaucoup de clients attribués au « direct » ou au « Search de marque » disent avoir découvert la marque sur Instagram ou TikTok.
Décision 3 : répartir le budget
C'est la décision qui coûte le plus cher en cas d'erreur, et celle où l'attribution est la moins fiable. Aucun modèle d'attribution ne répond à la question « combien de ventes aurais-je perdues sans ce canal ? ». Seules des méthodes causales le font :
- Tests de lift ou géographiques : couper ou activer un canal sur une zone ou un groupe et comparer. Voir notre comparatif Geolift, Conversion Lift ou MMM.
- Marketing Mix Modeling : une régression sur l'historique des dépenses et des ventes, qui estime la contribution de chaque canal. Pertinent à partir d'un certain volume, détaillé dans notre article sur Robyn et Meridian.
- Le MER, qui ne dit pas quel canal fonctionne, mais dit si l'ensemble fonctionne. Notre article sur le MER explique comment le suivre.
Exemple de calcul : le même mois vu par trois modèles
Prenons une marque de cosmétiques qui dépense 20 000 € par mois : 12 000 € sur Meta, 8 000 € sur Google Ads. Shopify enregistre 90 000 € de CA, dont une partie vient de clients existants par email.
| Source | CA attribué à Meta | CA attribué à Google | Total revendiqué |
|---|---|---|---|
| Rapports des plateformes | 48 000 € | 44 000 € | 92 000 € |
| GA4 dernier clic | 18 000 € | 36 000 € | 54 000 € |
| Enquête post-achat (découverte) | 45 % des nouveaux clients | 20 % des nouveaux clients | Non additif |
Lecture : les plateformes revendiquent plus que le CA total. GA4 donne l'avantage à Google, qui récolte souvent la demande de marque créée par Meta. L'enquête indique que Meta est le premier canal de découverte. Couper Meta sur la foi de GA4 ferait baisser la demande de marque sur Google quelques semaines plus tard. Ce mécanisme se mesure avec une étude Search Lift. Ces chiffres sont hypothétiques, mais le schéma se retrouve sur la plupart des marques qui investissent en social.
Les erreurs à éviter
- Chercher un modèle unique pour toutes les décisions.
- Changer de fenêtre d'attribution en cours de route, puis comparer avec l'historique.
- Couper un canal de découverte sur la base du dernier clic. Le test d'arrêt se fait avec une méthode, comme expliqué dans notre article sur couper Meta Ads pour voir.
- Additionner les ROAS des plateformes pour calculer une rentabilité globale.
- Négliger la qualité du signal. Un data driven nourri par un tracking qui perd une vente sur trois ne vaut pas mieux qu'un dernier clic.
Par où commencer cette semaine
- Écrivez la grille décision / chiffre ci-dessus et partagez-la avec toute personne qui touche aux budgets.
- Fixez une fenêtre d'attribution Meta et un modèle GA4, puis ne les changez plus sans le noter.
- Ajoutez l'enquête post-achat « Où nous avez-vous connus ? » avec 6 à 8 choix et un champ libre.
- Suivez chaque semaine le MER à côté des ROAS plateformes.
- Planifiez un premier test d'incrémentalité sur le canal qui absorbe le plus de budget.
Le guide complet du tracking e-commerce replace l'attribution dans l'ensemble du dispositif de mesure, et notre équipe tracking server-side et data peut auditer vos signaux. Dans l'Écosystème, cette grille sert de base aux décisions de budget des étapes Scaling et Hyper-scaling : on n'augmente un canal que si sa contribution est démontrée, pas seulement revendiquée. Et quand l'enquête révèle qu'une plateforme de découverte porte la croissance, c'est le moment de renforcer vos créas avec Le Lab. Pour appliquer cette grille à vos chiffres, vous pouvez réserver un appel stratégique de 30 minutes.