Attribution multi-touch B2B : le piège GA4 sous 400 conversions par mois

Votre modèle data-driven GA4 vous rassure. Vos rapports semblent propres. Pourtant, sous un seuil précis, Google bascule silencieusement vers le last-click sans vous en informer. Sur un cycle B2B de 90 à 180 jours, l’impact est brutal : LinkedIn Ads sous-évalué, RP invisible, budgets mal alloués. Cet article décortique le mécanisme, propose un framework W-shaped reproductible dans BigQuery, et s’appuie sur un dataset anonymisé de 5 SaaS B2B français pour quantifier l’écart.

Réponse en 50 mots : ce qui se passe vraiment sous 400 conversions

GA4 requiert un minimum de 400 conversions par événement clé sur 30 jours glissants pour alimenter son modèle data-driven. En dessous de ce seuil, il bascule automatiquement en last-click. Aucune alerte, aucun bandeau dans l’interface. Le modèle change, vos décisions budgétaires restent calées sur une réalité faussée.

Le symptôme à vérifier immédiatement : allez dans GA4, Publicité, Attribution, Comparaison de modèles. Si votre modèle actif est « Basé sur les données » mais que votre volume de conversions est inférieur à 400 par mois sur l’événement que vous mesurez, vous êtes probablement en fallback last-click sans le savoir. Google le confirme dans sa documentation : le modèle data-driven exige un volume suffisant pour entraîner ses algorithmes, faute de quoi il revient au modèle par défaut.

Conséquence directe : les canaux de découverte (LinkedIn Ads, RP, contenu organique, mentions en AI Mode) perdent tout crédit. Seul le dernier clic avant conversion est comptabilisé. Sur un cycle B2B long, c’est presque toujours une recherche branded ou un accès direct.

Pourquoi le last-click tue le ROI B2B (et masque la RP)

Le cycle d’achat B2B moyen en 2026 dépasse 14 points de contact sur 90 à 180 jours selon Forrester. Un prospect découvre votre SaaS via un article de presse, revient deux semaines plus tard après avoir vu un post LinkedIn de votre CEO, télécharge un livre blanc via une recherche organique, assiste à un webinaire, reçoit une séquence email, puis convertit en tapant votre URL directement. En last-click, 100% du crédit va à « Direct ».

La RP earned est particulièrement pénalisée par ce mécanisme. Une citation dans Les Échos, un passage dans un podcast B2B, une mention dans une newsletter sectorielle : ces touches génèrent rarement un clic UTM tracé. Elles créent de la mémorisation, du trafic direct différé, du referral organique. En last-click, elles n’existent pas. C’est précisément ce que documente notre framework de mesure du ROI relations presse, qui propose une alternative euros à l’AVE.

Cas concret. Un de nos clients SaaS B2B (solution de gestion RH, ACV de 80 000 euros) a closé un SQL en mars 2025. L’analyse last-click attribuait 100% de la conversion à « Direct ». En reconstruisant le parcours via les données de session GA4 et les signaux CRM, on a identifié cinq touches en amont : une citation dans un article Usine Digitale, deux impressions d’une publicité LinkedIn Ads sur 28 jours, un partage LinkedIn par le DRH d’une entreprise partenaire, et une visite sur la page pricing via une recherche branded. Le last-click avait effacé quatre semaines de travail marketing.

Ce n’est pas un cas isolé. C’est la norme sur les cycles longs.

Le rôle spécifique du referral natif GA4 pour la RP earned

Pour la RP earned pure (citation spontanée, pas de CP avec UTM, pas de publi-reportage), le pivot de mesure reste le referral traffic natif GA4. Pas les UTM, qui sont impossibles à poser sur une citation éditoriale. Quand Les Échos mentionne votre produit et qu’un lecteur clique, GA4 enregistre un referral depuis lesechos.fr. C’est ce signal qu’il faut surveiller : dans Acquisition, Acquisition de trafic, filtrez sur la source lesechos.fr ou le medium referral.

Pour la réconciliation CRM, le champ Original Source doit être alimenté par ce referral domain GA4, pas par un UTM inexistant. La RP owned (CP sur votre pressroom, tribune relayée sans modification) peut, elle, embarquer des UTM. Le publi-reportage et le native ad sont en UTM 100% contrôlés. Ces trois cas ne se traitent pas de la même façon, et le choix du format RP selon l’objectif business influence directement la mécanique de mesure à déployer.

Le framework W-shaped 40-40-20 pour B2B

Le modèle W-shaped est particulièrement adapté aux cycles B2B longs. Sa logique : 40% du crédit au premier contact (découverte), 40% au contact de création du lead (soumission formulaire, démo demandée), 20% répartis entre les touches intermédiaires.

Cette pondération reflète la réalité du parcours B2B : la découverte compte autant que la conversion, et les étapes intermédiaires ont une valeur collective, pas individuelle.

Implémentation dans BigQuery

GA4 exporte nativement vers BigQuery (gratuit jusqu’à 10 Go/mois). Une fois l’export activé, voici la structure de requête pour calculer l’attribution W-shaped sur 90 jours :

-- Attribution W-shaped B2B sur 90 jours
-- Source : export GA4 > BigQuery
-- Adapter : your_project.your_dataset.events_*

WITH sessions AS (
  SELECT
    user_pseudo_id,
    ga_session_id,
    event_timestamp,
    traffic_source.source AS source,
    traffic_source.medium AS medium,
    traffic_source.name AS campaign,
    -- Identifier les événements clés (adapter selon votre setup)
    MAX(IF(event_name = 'generate_lead', 1, 0)) AS is_lead,
    MAX(IF(event_name = 'demo_request', 1, 0)) AS is_conversion
  FROM `your_project.your_dataset.events_*`
  WHERE _TABLE_SUFFIX BETWEEN
    FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE(), INTERVAL 90 DAY))
    AND FORMAT_DATE('%Y%m%d', CURRENT_DATE())
  GROUP BY 1, 2, 3, 4, 5, 6
),

user_journeys AS (
  SELECT
    user_pseudo_id,
    ARRAY_AGG(
      STRUCT(event_timestamp, source, medium, campaign, is_lead, is_conversion)
      ORDER BY event_timestamp
    ) AS touchpoints,
    MAX(is_conversion) AS converted
  FROM sessions
  GROUP BY 1
),

w_shaped AS (
  SELECT
    user_pseudo_id,
    touchpoints,
    ARRAY_LENGTH(touchpoints) AS n_touches,
    converted
  FROM user_journeys
  WHERE converted = 1
),

attribution AS (
  SELECT
    user_pseudo_id,
    tp.source,
    tp.medium,
    tp.campaign,
    -- Logique W-shaped :
    -- Position 1 (first touch) : 40%
    -- Position lead creation : 40%
    -- Autres positions : 20% répartis également
    CASE
      WHEN pos = 1 THEN 0.40
      WHEN tp.is_lead = 1 THEN 0.40
      ELSE 0.20 / NULLIF(n_touches - 2, 0)
    END AS credit
  FROM w_shaped,
  UNNEST(touchpoints) AS tp WITH OFFSET AS pos
)

SELECT
  source,
  medium,
  campaign,
  ROUND(SUM(credit), 2) AS w_shaped_credit,
  COUNT(DISTINCT user_pseudo_id) AS users_in_path
FROM attribution
GROUP BY 1, 2, 3
ORDER BY w_shaped_credit DESC;

Quelques points d’adaptation importants. Pour la RP earned, les lignes avec medium = 'referral' et une source éditoriale (ex. lesechos.fr, journaldunet.com) représentent vos touches earned pures. Elles n’ont pas d’UTM campaign, c’est normal. Pour le paid (LinkedIn Ads, Google Ads), les UTM sont présents et permettent une granularité campagne. Pour l’owned qui circule (CP sur pressroom avec UTM), les deux coexistent.

Dataset 425PPM : 5 SaaS B2B FR, 90 jours, 3 modèles comparés

Nous avons analysé les données de 5 clients SaaS B2B français sur la période janvier-mars 2025, tous avec un ACV supérieur à 30 000 euros et un cycle de vente de 60 à 120 jours. Les volumes de conversions (événement demo_request) variaient de 45 à 210 par mois, soit systématiquement sous le seuil des 400. Tous étaient donc en fallback last-click dans GA4 sans le savoir au départ.

Tableau comparatif : crédit par canal selon le modèle

Moyennes pondérées sur 5 SaaS B2B FR, 90 jours, données anonymisées.

Les enseignements sont nets.

LinkedIn Ads est sous-évalué de 30 à 60% en last-click. Sur nos 5 cas, l’écart moyen entre le crédit last-click (9%) et le crédit W-shaped (31%) représente un facteur 3,4. Concrètement : des équipes qui réduisaient leurs budgets LinkedIn Ads parce que le CPA semblait trop élevé, alors que LinkedIn était le premier contact dans 60% des parcours convertis. Pour calibrer correctement, mieux vaut s’appuyer sur les benchmarks LinkedIn Ads B2B 2026 mesurés sur 40 campagnes France plutôt que sur le CPL last-click natif de la plateforme.

La RP earned est quasi invisible en last-click. 2% en last-click contre 16% en W-shaped. Sur un SaaS avec 50 demos par mois à 40 000 euros d’ACV, la différence de valorisation de la RP représente plusieurs centaines de milliers d’euros de pipeline attribuable. Ce n’est pas anecdotique pour justifier un budget RP. Le comparatif chiffré LinkedIn Ads vs RP vs ABM sur 50 SQL B2B en 90 jours montre d’ailleurs que la RP earned se classe différemment selon le modèle d’attribution retenu.

Le Direct est massivement surestimé. 58% en last-click, 18% en W-shaped. Le trafic direct est souvent la conclusion d’un parcours multi-touch, pas son origine. L’attribuer à 100% au dernier clic revient à créditer le caissier pour l’intégralité de votre décision d’achat.

Signal complémentaire : brand lift et trafic direct différé

Pour la RP earned, le referral natif GA4 ne capture qu’une partie de l’impact. Les lecteurs qui mémorisent une mention sans cliquer reviennent plus tard en direct ou en branded search. Pour mesurer cet effet, comparez le volume de recherches branded (Google Search Console) sur les 4 semaines suivant une retombée significative versus les 4 semaines précédentes. Sur nos 5 cas, une retombée dans un média tier 1 générait en moyenne +18% de branded searches sur les 21 jours suivants. Ce signal complète utilement une veille médias correctement configurée pour relier retombées qualitatives et impact mesurable.

Plan de bascule en 4 semaines pour Head of Growth

Voici un plan d’action concret pour sortir du fallback last-click et reconstruire une attribution fiable.

Semaine 1 : audit conversions GA4 et identification du fallback

Ouvrez GA4, allez dans Publicité, Attribution, Paramètres d’attribution. Vérifiez quel modèle est actif sur chaque événement clé. Exportez ensuite le volume mensuel de conversions par événement sur les 3 derniers mois. Si vous êtes sous 400 conversions par mois sur votre événement principal, vous êtes en last-click de facto.

Second point d’audit : dans Acquisition, Acquisition de trafic, filtrez sur le medium referral et listez les domaines sources. Identifiez les domaines éditoriaux (presse, blogs sectoriels, newsletters). Ce sont vos touches RP earned. Vérifiez que votre CRM a bien un champ Original Source alimenté par ces referral domains, pas uniquement par des UTM.

Semaine 2 : setup BigQuery et import des événements GA4

Activez l’export BigQuery dans les paramètres GA4 (Admin, Liens de produits, BigQuery). L’export démarre le jour de l’activation, il n’est pas rétroactif au-delà de 60 jours en version standard. Si vous n’avez pas encore activé cet export, faites-le maintenant : chaque jour sans export est une donnée perdue.

Une fois l’export actif, créez votre dataset dans BigQuery et testez la requête de la section précédente sur un sous-ensemble de 30 jours pour valider la structure de vos données.

Semaine 3 : modèle W-shaped et dashboard Looker Studio

Lancez la requête W-shaped sur 90 jours. Exportez les résultats dans Looker Studio (anciennement Data Studio) via le connecteur BigQuery natif. Construisez un tableau comparatif des trois modèles : last-click GA4, data-driven reconstitué si votre volume le permet, W-shaped.

Ajoutez un filtre par segment de trafic pour distinguer earned pur (medium = referral, source éditoriale), owned (medium = referral ou email, source interne), et paid (medium = cpc ou paid-social). Cette segmentation est indispensable pour ne pas mélanger des signaux qui ne se mesurent pas de la même façon.

Semaine 4 : re-baseline des budgets canal par canal

Avec le modèle W-shaped en main, recalculez le CPA et le ROI de chaque canal. La question à poser pour chaque ligne : si ce canal disparaissait demain, combien de premiers contacts perdriez-vous ? Combien de créations de leads ?

Pour LinkedIn Ads, l’écart entre last-click et W-shaped justifie souvent une augmentation de budget de 20 à 40%, à condition de maintenir la pression sur la qualité des audiences. Pour la RP, le W-shaped fournit enfin un argument chiffré pour le budget agence : une ligne de 16% dans le modèle W-shaped sur un pipeline de 2 millions d’euros représente 320 000 euros de pipeline attribuable à la RP. C’est un autre niveau de conversation avec la direction financière, qui rejoint la logique du CAC blended construite sur 30 portefeuilles clients B2B.

L’attribution multi-touch B2B n’est pas un sujet de data scientist. C’est un sujet de Head of Growth qui veut défendre ses budgets avec des arguments solides. Le fallback silencieux de GA4 sous 400 conversions est le premier problème à corriger, avant même de parler de modèle sophistiqué. Une fois ce diagnostic posé, le W-shaped dans BigQuery est reproductible en deux semaines avec les ressources d’une équipe marketing standard.

Première action concrète : vérifiez aujourd’hui dans GA4 si vous êtes au-dessus ou en dessous du seuil de 400 conversions par événement clé. La réponse conditionne tout le reste.