Le premier client que j'ai vu partir à cause du lead scoring, je m'en souviens encore. Il avait ouvert 14 e-mails, téléchargé trois livres blancs, passé onze minutes sur la page tarifs. Score : 87 sur 100. Notre commercial l'a appelé, tout content. Sauf que le mec était étudiant et faisait une veille concurrentielle pour son mémoire. Trois semaines plus tard, il se désinscrivait.
Voilà le problème avec le lead scoring : ce n'est pas une formule magique qui trie les bons acheteurs. C'est un filtre que vous construisez, que vous devez surveiller, et qui vieillit mal si vous le laissez tourner tout seul. Dans cet article, je vous montre comment ça marche vraiment, avec un barème concret, les pièges que j'ai rencontrés en le déployant sur un CRM, et pourquoi la plupart des grilles que je vois passer sont fausses dès le départ.
Points clés à retenir
- Le lead scoring attribue des points à un contact selon son profil et ses comportements, pour estimer sa maturité avant de mobiliser un commercial.
- Un barème utile mélange toujours critères démographiques et signaux d'engagement — et prévoit des points négatifs.
- Un score sans péremption est un score mort : un contact chaud qui se refroidit doit perdre des points.
- La distinction MQL / SQL n'a de sens que si marketing et ventes se mettent d'accord sur le seuil, ensemble.
- Le scoring prédictif n'est pas une version « premium » du scoring par règles : c'est un autre métier, avec ses propres données.
Le lead scoring, c'est un langage commun entre marketing et ventes
Définition sèche : le lead scoring est une méthode d'attribution de points aux prospects, qui permet d'évaluer leur potentiel et leur niveau de maturité avant de les confier à un commercial. Le score monte quand le contact ressemble à votre client idéal et quand il montre des signaux d'intérêt. Il baisse — normalement — quand il s'éloigne.
Mais la définition technique rate l'essentiel. Le scoring est avant tout un outil de négociation interne. Tant que marketing et ventes ne s'accordent pas sur ce qu'est un bon lead, la grille ne servira à rien : les commerciaux ignoreront les leads à 80 points en disant « encore un qui a téléchargé le PDF », et le marketing continuera à produire des listes que personne n'appelle.
Deux familles de critères, jamais une seule
Une grille solide combine toujours deux dimensions :
- Les critères explicites (démographiques) : taille d'entreprise, secteur, fonction du contact, zone géographique, budget déclaré dans un formulaire.
- Les critères implicites (comportementaux) : pages visitées, fréquence des ouvertures d'e-mails, téléchargements, participation à un webinaire, retours sur le site après plusieurs semaines d'absence.
Les deux seuls, ça ne marche pas. Un directeur technique d'une PME de 200 salariés qui visite trois fois la page tarifs est probablement un meilleur pari qu'un PDG qui a ouvert une newsletter par curiosité — alors que le second coche toutes les cases du profil théorique. C'est justement la combinaison qui tranche.
Un barème concret, avec des chiffres et des points négatifs
Voici la grille que j'utilise aujourd'hui sur la plupart de mes projets. Elle n'est pas parfaite, mais elle donne un ordre de grandeur utilisable tout de suite, et surtout elle est lisible pour un commercial qui n'a jamais touché à un CRM.
| Critère | Type | Points |
|---|---|---|
| Fonction décisionnaire (direction, budget) | Profil | +20 |
| Entreprise cible (secteur + taille) | Profil | +15 |
| Visite de la page tarifs | Comportement | +10 |
| Demande de démo remplie | Comportement | +25 |
| Trois ouvertures d'e-mail en une semaine | Comportement | +5 |
| Retour sur le site après 30 jours d'absence | Comportement | +8 |
| Désinscription de la newsletter | Comportement | −15 |
| Aucune activité depuis 90 jours | Décroissance | −20 |
| Adresse e-mail jetable ou étudiant | Profil | −30 |
Regardez les points négatifs. Ils sont là où 90 % des grilles que je vois passer échouent : on empile des points positifs sans jamais pénaliser, et au bout de six mois tout le monde est au-dessus de 70. Le score devient un mur de bruit.
Où placer les seuils MQL et SQL ?
Sur une grille de ce type, avec un maximum théorique autour de 100, je place en général le seuil MQL vers 50 points — le contact est prêt à recevoir une séquence de nurturing plus poussée, mais pas encore à être appelé. Le seuil SQL vers 75 déclenche la remise au commercial. Ce sont des ordres de grandeur, pas des vérités : j'ai vu des grilles où 40 points suffisaient parce que le marché était étroit et les contacts rares.
Le vrai piège n'est pas le seuil. C'est de ne jamais le revoir. Une fois par trimestre, demandez aux commerciaux : « sur les 30 derniers leads reçus à plus de 75 points, combien ont signé ? » Si la réponse est « deux », votre seuil ou vos critères sont faux.
Quelle est la différence entre un lead et un prospect ?
Un lead est un contact brut, identifié mais pas encore qualifié : quelqu'un qui a laissé son e-mail, rempli un formulaire, visité une page. Un prospect, c'est un lead qui a passé un premier filtre — on sait qu'il correspond à la cible et qu'il a un intérêt réel. En clair, tous les prospects sont d'anciens leads, mais la réciproque est fausse.
La nuance paraît cosmétique. Elle ne l'est pas. Elle détermine qui a le droit de piocher dans la base : un commercial qui confond les deux passe ses matinées à appeler des leads froids et se plaint que le marketing « envoie n'importe quoi ». Le lead scoring existe précisément pour matérialiser ce passage du lead au prospect, avec un chiffre plutôt qu'une intuition.
Quelle est la différence entre un MQL et un SQL ?
MQL (marketing qualified lead) : contact jugé suffisamment mûr par le marketing pour être transmis. SQL (sales qualified lead) : contact que le commercial a accepté, après un échange, comme une opportunité réelle. Le premier est une qualification marketing, le second une qualification commerciale. Le MQL est un candidat ; le SQL est un inscrit.
Dans la pratique, le lead scoring alimente le MQL — il déclenche l'alerte. Le SQL se décide après un appel, jamais sur un score. Et c'est là que la plupart des déploiements dérapent : j'ai vu des équipes laisser un score automatique envoyer directement des leads en SQL, sans validation humaine. Résultat, des commerciaux qui reçoivent 40 « opportunités » par semaine dont 35 ne répondent pas au téléphone. Au bout d'un mois, ils ne regardent plus les notifications.
C'est quoi un lead en marketing ?
Un lead, en marketing, désigne un contact qui a manifesté un intérêt pour votre offre et dont vous avez récupéré au moins une coordonnée — généralement une adresse e-mail. C'est la matière première de tout l'entonnoir : sans lead, pas de prospect, pas de client.
Ce qui a changé ces dernières années, c'est la qualité moyenne. Les formulaires à un champ et les livres blancs généreux ont saturé les CRM de contacts qui n'achèteront jamais. D'où le retour en force du scoring : il ne s'agit plus de collecter toujours plus de leads, mais de trier ce qui vaut la peine d'être appelé.
C'est quoi un lead nurturing ?
Le lead nurturing, c'est l'ensemble des actions d'accompagnement — e-mails, contenus, relances — destinées à faire progresser un lead dans l'entonnoir jusqu'à ce qu'il soit prêt à acheter. C'est le travail de maturation. Le lead scoring et le nurturing sont deux faces du même mécanisme : le score dit où en est le contact, le nurturing décide ce qu'on lui envoie ensuite.
J'ai longtemps cru que le nurturing consistait à envoyer une séquence de cinq e-mails et à attendre. Erreur. Un contact qui reste bloqué à 45 points pendant quatre mois n'a pas besoin d'un sixième e-mail : il a besoin d'un contenu différent, ou d'un appel court pour comprendre ce qui le bloque. Le score sert précisément à repérer ces stagnations.
La décroissance du score, l'angle que tout le monde oublie
Un contact qui atteint 80 points en mars n'est pas le même contact en septembre. Si vous ne retirez jamais de points, votre score mesure l'historique cumulé d'un contact, pas sa maturité actuelle. J'applique une décroissance simple : −5 points par mois sans activité, jusqu'à un plancher. Ça évite les fameux leads « chauds » d'il y a deux ans que personne n'ose supprimer de la base.
Sur un projet mené l'an dernier, cette seule règle a fait chuter de 40 % le nombre de leads au-dessus du seuil SQL. Le taux de réponse aux appels est passé de 22 % à 51 % en un trimestre. Le volume a baissé, la qualité a suivi.
Scoring par règles ou scoring prédictif : ne confondez pas
Le scoring par règles, c'est celui que je viens de décrire : vous fixez les critères et les pondérations à la main. Il est transparent, modifiable, et n'importe qui dans l'équipe peut l'expliquer en deux minutes.
Le scoring prédictif utilise un modèle statistique entraîné sur vos données historiques — vos clients signés, vos leads perdus — pour calculer la probabilité qu'un nouveau contact convertisse. Il ne repose plus sur des pondérations décidées à la main, mais sur des corrélations trouvées dans votre propre base.
Le problème ? Il faut du volume. En dessous de quelques centaines de conversions historiques, le modèle apprend du bruit et vous sort des scores qui ne veulent rien dire. J'ai essayé sur une base de 180 clients signés : le modèle classait en tête des contacts qui n'avaient jamais répondu à un seul e-mail. Retour au scoring par règles le lendemain.
Le vrai sujet : qui tient la grille à jour
Une grille de scoring n'est pas un fichier qu'on configure une fois. C'est un objet vivant. Les critères qui comptaient en 2023 ne valent plus rien aujourd'hui, et le commercial qui utilisait le CRM a peut-être changé de poste. Sans propriétaire désigné, la grille pourrit en silence — et personne ne s'en aperçoit avant que les ventes arrêtent de faire confiance au score.
Ma règle : un rendez-vous de trente minutes par trimestre, marketing et ventes ensemble, autour des leads reçus au-dessus du seuil. On regarde ce qui a converti, ce qui n'a pas converti, on ajuste deux ou trois pondérations. Pas plus. Les grandes refontes annuelles ne servent à rien si personne ne les utilise au quotidien.
Et si on n'a pas encore de CRM ?
On peut tenir un scoring simple dans un tableur, avec deux colonnes de points et une somme. Ce n'est pas idéal — aucune automatisation, aucune remontée d'alerte — mais c'est infiniment mieux qu'un scoring dans la tête du commercial le plus ancien. Le jour où vous migrez vers un CRM, la logique est déjà écrite et testée.
Ce qui m'a le plus surpris, en fin de compte, ce n'est pas la difficulté technique du lead scoring. C'est à quel point il met à nu les désaccords internes. Une grille ratée, c'est presque toujours le symptôme d'une conversation que marketing et ventes n'ont jamais eue. Posez la question autour de vous : « c'est quoi, un bon lead ? » Si les réponses divergent d'un service à l'autre, aucun barème ne vous sauvera. Commencez par écrire la définition ensemble. Les points viendront après.
