Lead scoring : définition et modèles de notation

Un commercial qui reçoit 200 leads par mois sans hiérarchie perd un temps précieux à deviner lesquels appeler en premier. Le lead scoring répond à ce problème simple : donner une note à chaque lead pour que l'équipe commerciale sache où concentrer son énergie, plutôt que de traiter tout le monde dans l'ordre d'arrivée.

C'est une méthode ancienne dans le marketing B2B, mais elle reste mal comprise : beaucoup d'équipes confondent « avoir un score » et « avoir un bon score », c'est-à-dire un système réellement corrélé aux ventes conclues. Ce guide pose une définition claire, présente les principaux modèles de notation et donne une méthode concrète pour construire un premier scoring qui tienne la route.

Qu'est-ce que le lead scoring ?

Le lead scoring est une méthode qui attribue une note numérique à chaque lead en fonction de sa correspondance avec le profil client idéal (critères firmographiques : secteur, taille, poste) et de son niveau d'engagement (visites du site, ouvertures d'email, téléchargements). Plus la note est élevée, plus le lead est jugé prêt à être contacté par un commercial.

L'objectif n'est pas de noter pour noter : c'est de trier automatiquement un flux de leads pour que les commerciaux passent leur temps sur les dossiers qui ont statistiquement le plus de chances de se conclure, et que le marketing continue de nourrir les autres jusqu'à ce qu'ils soient prêts.

Les deux familles de critères : qui est le lead, que fait-il

Un scoring solide combine toujours deux dimensions distinctes. Les confondre est l'erreur la plus fréquente.

Les critères explicites (qui est le lead) décrivent l'entreprise et la personne : secteur d'activité, taille d'effectif, chiffre d'affaires, technologies utilisées, intitulé de poste, ancienneté. Ce sont des données stables, qui changent rarement d'un jour à l'autre. Un lead qui coche tous les critères de votre ICP mais n'a jamais ouvert un email reste un lead « qualifié sur le papier », pas un lead chaud.

Les critères implicites (que fait le lead) mesurent le comportement : pages visitées, temps passé sur la page tarifs, participation à un webinar, téléchargement d'un livre blanc, réponse à un email. Ce sont des données volatiles qui indiquent une intention à un instant donné.

Un bon modèle de notation pondère les deux. Un lead au profil parfait mais totalement passif attend simplement le bon moment ; un lead très actif mais hors cible (mauvais secteur, entreprise trop petite) ne convertira probablement jamais, malgré l'engagement apparent.

Les principaux modèles de notation

Il existe plusieurs façons de construire le score. Elles ne s'excluent pas : la plupart des équipes commencent par la première et font évoluer leur système ensuite.

Le scoring additif manuel. Chaque critère (poste, secteur, taille, action réalisée) reçoit un nombre de points fixé à la main, en fonction de l'expérience de l'équipe. Un lead franchit un seuil (par exemple 50 points) et bascule automatiquement vers les commerciaux. C'est le modèle le plus répandu, simple à mettre en place dans n'importe quel CRM ou outil de marketing automation, et facile à expliquer à toute l'équipe.

Le scoring pondéré multicritère. Une évolution du modèle additif où chaque catégorie de critères a un poids différent dans le total (par exemple 40 % firmographique, 60 % comportemental), ajusté au fil du temps selon ce qui prédit réellement une conversion.

Le scoring prédictif. Un modèle statistique analyse l'historique des leads déjà convertis (ou perdus) pour identifier les combinaisons de critères réellement corrélées à une vente, sans que ces poids soient fixés à la main. Il demande un volume de données historiques suffisant pour être fiable — en dessous de quelques centaines de conversions, un modèle prédictif a peu de matière pour apprendre et un scoring manuel bien construit reste souvent plus fiable.

Le scoring négatif. Complément utile aux trois précédents : certains signaux retirent des points plutôt que d'en ajouter — adresse email générique, effectif trop petit pour le produit, désinscription d'une newsletter, absence d'activité depuis plusieurs mois. Sans lui, un vieux lead inactif peut conserver artificiellement un score élevé acquis des mois plus tôt.

Construire un premier modèle de scoring, étape par étape

1. Partez des ventes déjà conclues, pas d'une intuition. Listez vos vingt ou trente derniers clients gagnés et cherchez ce qu'ils avaient en commun avant de signer : secteur, taille, poste du premier contact, actions réalisées avant la prise de rendez-vous. Ce sont vos futurs critères.
2. Attribuez des points aux critères firmographiques. Un secteur cible : +20. Une taille d'effectif hors cible : -10. Un intitulé de poste décisionnaire : +15. Restez sur une dizaine de critères maximum — un système à cinquante variables devient impossible à maintenir et personne ne le comprend plus.
3. Attribuez des points aux critères comportementaux. Visite de la page tarifs : +10. Ouverture d'un email : +2. Demande de démo : +30. Pondérez plus fort les actions à forte intention (demande de démo, essai) que les actions passives (ouverture d'email).
4. Fixez un seuil de transmission aux ventes. Testez-le sur un mois, mesurez le taux de conversion des leads transmis, et ajustez le seuil à la hausse ou à la baisse selon que les commerciaux reçoivent trop de leads froids ou pas assez de volume.
5. Nettoyez les données avant de scorer. Un scoring calculé sur des fiches incomplètes ou obsolètes (poste erroné, entreprise disparue, effectif jamais renseigné) donne des résultats faux dès le départ — la qualité du score ne dépasse jamais celle de la donnée qui l'alimente. Un enrichissement CRM en temps réel qui complète et met à jour automatiquement les fiches (poste actuel, taille d'effectif, secteur) évite ce biais silencieux.
6. Revoyez le modèle chaque trimestre. Les critères qui prédisaient une vente il y a un an ne sont pas figés : un nouveau segment de clientèle, une évolution de produit ou un changement de marché déplacent ce qui compte.

Lead scoring et account based marketing : deux logiques complémentaires

Le lead scoring note des individus ; l'account based marketing qualifie des comptes entiers avant même de regarder les contacts. Les deux approches se combinent bien : une entreprise peut être un compte cible prioritaire en ABM tout en ayant, en interne, des contacts au score individuel très différent (le décideur très engagé, l'utilisateur final jamais actif). Beaucoup d'équipes B2B utilisent le scoring de compte pour décider où investir, puis le scoring de lead pour décider qui contacter en premier dans ce compte.

FAQ

Quelle différence entre lead scoring et lead grading ?

Le lead scoring mesure surtout l'engagement (le comportement dans le temps), tandis que le lead grading évalue la correspondance avec le profil idéal à un instant donné, souvent sous forme de note lettrée (A, B, C). En pratique, la plupart des outils fusionnent les deux dans un score unique combinant les deux dimensions.

Faut-il un outil de marketing automation pour faire du lead scoring ?

Pas nécessairement pour démarrer : un modèle additif simple peut vivre dans les propriétés d'un CRM classique, avec des règles qui ajoutent des points automatiquement. Un outil de marketing automation devient utile quand le volume de leads et le nombre de critères comportementaux à suivre dépassent ce qu'un CRM seul peut calculer facilement.

Combien de critères faut-il pour un bon scoring ?

Il n'y a pas de nombre magique, mais l'expérience montre qu'un modèle à cinq ou dix critères bien choisis, régulièrement revu, surperforme presque toujours un modèle à cinquante critères que plus personne ne maintient. Commencez simple, mesurez, ajustez.

---

Un lead scoring fiable commence par des données de base fiables : poste à jour, effectif réel, secteur exact. Le plan gratuit d'Enrich-CRM inclut 100 crédits par mois, sans carte bancaire — créez votre compte pour enrichir vos fiches avant de bâtir votre modèle de notation.