Un commercial m'a appelé un jour, un peu paniqué : il venait de passer sa semaine à relancer 60 leads, et 4 seulement avaient répondu. Les autres ? Des inscriptions de curiosité, des adresses jetables, des gens qui avaient téléchargé un modèle de facture gratuit alors qu'ils cherchaient une solution pour leur association sportive. Sur les 60, 52 n'auraient jamais dû recevoir un seul e-mail de relance. Le lead scoring existe précisément pour éviter ce gâchis.
Attribuer des points à un prospect pour savoir s'il mérite votre temps, ce n'est pas une mode de logiciel CRM. C'est une décision économique. Chaque heure passée sur un mauvais contact est une heure retirée à un contrat qui se signe. Et pourtant, dans la majorité des boîtes que j'ai vues mettre en place un tel système, le résultat a été décevant au début. Pas parce que la méthode était mauvaise, mais parce qu'elle était mal construite.
Points clés à retenir
- Le lead scoring mélange deux familles de critères : ce que le profil est (fit) et ce que le contact fait (comportement).
- Un barème sans seuil de qualification ne sert à rien : il faut une règle du type « au-dessus de 70 points, on appelle ».
- Les points négatifs font autant le travail que les points positifs. Un désabonnement vaut une pénalité lourde.
- Le scoring prédictif ne remplace pas un barème explicite : il le complète une fois que vous avez de l'historique.
- Un score jamais recalibré devient un score faux en quelques mois.
- La finalité reste commerciale : moins de relances à vide, plus de conversations utiles.
Le lead scoring, ou comment décider à qui vous parlez en premier
Prenons la définition la plus simple possible. Le lead scoring consiste à attribuer une note numérique à chaque prospect, afin de déterminer lequel est prêt à acheter. Cette note s'affiche généralement dans le CRM, à côté de la fiche contact, et déclenche des actions automatiques : affecter un commercial, envoyer une séquence, sortir le contact d'une liste.
Ce qui compte, ce n'est pas la note. C'est la décision qu'elle autorise.
Fit et comportement : les deux moteurs du score
Deux familles de signaux alimentent un score, et il faut absolument les distinguer.
- Le fit (ou scoring démographique / explicite) : le profil correspond-il à votre client type ? Secteur, taille d'entreprise, fonction occupée, zone géographique, budget déclaré. Ces informations viennent de formulaires, d'un enrichissement de base ou de la fiche entreprise.
- Le comportement (scoring implicite) : qu'a fait ce contact concrètement ? Visites répétées sur la page tarifs, ouverture de plusieurs e-mails en trois jours, téléchargement d'un livre blanc, présence à un webinaire, demande de démo.
Un contact parfaitement dans la cible qui ne fait rien ne vaut pas mieux qu'un contact hors cible très actif. C'est la combinaison des deux qui produit un signal exploitable. Je l'ai appris à mes dépens : pendant près de deux ans, mon barème ne reposait que sur le comportement. Résultat, je passais mes journées à rappeler des étudiants qui lisaient tout mon blog, et jamais les directeurs financiers qui ouvraient un seul e-mail mais un e-mail décisif.
Firmographic et prédictif : deux notions qu'on cite sans les expliquer
Vous croiserez ces termes partout sans qu'on vous dise ce qu'ils recouvrent. Le firmographic scoring note non pas la personne mais son entreprise : effectif, croissance, secteur, technologies déjà installées, actualité récente (levée de fonds, recrutement, ouverture d'un bureau). L'unité de mesure change de nature, on ne parle plus d'individus mais d'organisations.
Le scoring prédictif fonctionne autrement. On ne choisit pas les points à la main ; on donne à un modèle statistique l'historique de vos affaires gagnées et perdues, et il identifie les combinaisons de signaux qui ressemblent le plus à un futur client. L'ennui, c'est qu'il faut du volume. Avec 40 clients signés, un modèle prédictif n'apprend rien de fiable. En dessous de plusieurs centaines de transactions, un barème écrit à la main reste supérieur.
Un barème concret, avec des points et un seuil
Voici la grille que j'utilise aujourd'hui sur un projet de services B2B. Elle n'a rien d'universel, mais elle montre à quoi ressemble un scoring réel plutôt qu'une définition abstraite.
| Signal observé | Type | Points |
|---|---|---|
| Fonction de décideur (direction, achats) | Fit | +25 |
| Entreprise de 50 à 500 salariés | Fit | +15 |
| Secteur hors cible | Fit | −20 |
| Adresse e-mail générique (gmail, outlook) | Fit | −5 |
| Trois visites de la page tarifs en une semaine | Comportement | +20 |
| Demande de démonstration | Comportement | +40 |
| Ouverture de 5 e-mails consécutifs | Comportement | +10 |
| Aucune interaction depuis 60 jours | Comportement | −15 |
| Désabonnement ou plainte | Comportement | −50 |
Et maintenant la partie que personne ne publie : le seuil.
- Moins de 30 points : on ne touche pas. Le contact reste en nurturing automatique, sans intervention humaine.
- Entre 30 et 70 : on surveille. Il entre dans une séquence de contenus, on regarde s'il évolue.
- Au-dessus de 70 : on décroche le téléphone. Le contact est considéré comme qualifié pour le commercial (ce qu'on appelle un SQL, par opposition au MQL, le lead qualifié par le marketing).
Franchement, ce seuil à 70 est arbitraire. Il a été fixé à 70 parce qu'on a regardé, sur trois mois d'historique, à partir de quel score nos appels aboutissaient à un rendez-vous. Chez vous, ce sera 55 ou 85. Peu importe la valeur, ce qui compte est qu'elle existe et qu'elle soit connue de l'équipe.
L'erreur n°1 : un barème sans porte de sortie
J'ai vu au moins cinq implémentations où le score montait, montait, sans jamais redescendre. Un contact qui avait été très actif en janvier restait « chaud » en septembre. Le commercial appelait, tombait sur quelqu'un qui avait changé de poste six mois plus tôt. La pénalité de décroissance — le fameux « −15 points après 60 jours d'inactivité » — est la ligne la plus importante du tableau, et c'est toujours celle qu'on oublie de mettre.
Comment le mettre en place sans se tromper de combat
Le scoring ne se construit pas dans un tableur. Il se construit en regardant vos affaires passées.
Partez de vos clients signés, pas de vos intuitions
Prenez vos vingt ou trente dernières signatures. Pour chacune, remontez le fil : quel formulaire a été rempli, combien de pages visitées, quel délai entre le premier contact et la décision, quelle fonction occupait l'interlocuteur. Ce que vous cherchez, ce sont les signaux qui précèdent réellement l'achat, et ils sont souvent contre-intuitifs. Sur un projet, la visite répétée de la page « mentions légales » s'est révélée être un meilleur indicateur d'achat que la page tarifs. Aucune théorie ne l'aurait prédit. L'historique, si.
Où ça se passe concrètement : CRM et automatisation
Techniquement, le score vit dans le CRM. HubSpot, Salesforce et la plupart des outils modernes proposent des champs de score natifs, avec des règles qui se déclenchent sur des événements. L'avantage d'un outil intégré : le score se met à jour tout seul à chaque ouverture d'e-mail ou visite de page, sans intervention.
L'inconvénient, c'est la tentation de tout automatiser trop vite. Ma recommandation, y compris sur HubSpot, est de commencer avec un score manuel pendant deux ou trois semaines. Vous notez à la main, vous vérifiez si le classement correspond à votre ressenti, vous ajustez les points. Ensuite seulement, vous passez aux règles automatiques. Sinon, vous automatisez une erreur.
Le lien avec le lead nurturing
Le lead nurturing — le fait d'entretenir la relation avec des prospects pas encore prêts — et le scoring sont deux faces du même système. Le score décide quand on parle à quelqu'un ; le nurturing s'occupe de ce qu'on lui dit pendant qu'il attend. Sans scoring, le nurturing envoie le même contenu à tout le monde et finit par lasser. Sans nurturing, le scoring n'a rien à alimenter : les contacts froids stagnent et le barème ne bouge plus.
C'est aussi là que le scoring sert l'inbound marketing : plus vos contenus attirent de trafic, plus votre base grossit, et plus la note devient le seul moyen de trier ce volume sans embaucher.
Combien de critères faut-il retenir dans un barème ?
Rarement plus de dix ou douze. Au-delà, personne dans l'équipe ne se souvient pourquoi un contact a 62 points, et le score perd toute autorité. Un barème utile tient sur une page.
Faut-il un score séparé pour le fit et le comportement ?
Sur les gros dispositifs, oui : on affiche deux colonnes, et on ne déclenche un appel que si les deux dépassent leur seuil. Sur une équipe de trois commerciaux, un score unique suffit largement.
Le score est vivant, ou il est mort
Un barème figé devient faux. Les habitudes changent, votre produit évolue, un canal qui convertissait ne convertit plus. Ce qui marchait il y a deux ans ne prédit plus rien aujourd'hui.
Ce que je fais maintenant, systématiquement : tous les trimestres, je reprends les affaires signées du trimestre écoulé et je vérifie leur score au moment où le rendez-vous a été pris. Si les contrats se signent désormais à 50 points plutôt qu'à 75, le seuil a bougé, et il faut le bouger aussi. Cette revue prend une heure. Elle évite des mois de relances mal ciblées.
Le vrai bénéfice n'est d'ailleurs pas là où on l'attend. On croit installer un outil de tri. On installe en réalité un langage commun entre marketing et commerciaux : au lieu de se disputer sur « ce lead est bon ou pas », les deux camps regardent le même chiffre et discutent d'un seuil. C'est moins glamour qu'une courbe de conversion, mais c'est souvent ce qui débloque la situation.
Reste une question que je n'ai pas résolue : avec des modèles prédictifs de plus en plus accessibles, combien de temps encore un barème écrit à la main gardera sa pertinence ? Mon pari, c'est qu'il restera utile plus longtemps qu'on ne le croit. Parce qu'un modèle vous dit qu'un contact ressemble à vos clients passés. Il ne vous dit pas s'il est dans votre cible aujourd'hui. Cette décision-là, pour l'instant, elle vous appartient toujours.
