Lead scoring : bonnes pratiques pour les ventes et le marketing B2B

Demandez à n'importe quelle équipe commerciale : elle vous dira que la qualité des leads s'améliore. Selon une enquête récente menée auprès de plus de 1 000 professionnels de la vente, 68 % estiment que la qualité des leads s'est améliorée au cours de l'année écoulée. On dirait une bonne nouvelle. Mais « meilleure » est un ressenti que les commerciaux déclarent dans une enquête, pas une mesure. Sans modèle de scoring derrière, cette amélioration reste une intuition, pas un fait.

Cet article n'est pas une initiation au lead scoring. Vous en connaissez déjà les bases. Voici plutôt comment transformer cette intuition en quelque chose de concret : un système qui vous indique quels leads méritent vraiment le temps d'un commercial, et pas seulement lesquels semblent prometteurs. Avec les bons critères, votre logiciel de lead scoring cesse de présenter du bruit comme des opportunités, et votre pipeline commercial B2B reflète enfin ce qu'il contient vraiment.

Get thousands of leads in 4 minutes.

Stop stitching tools together.
Start with verified sales data, delivered in minutes.

SCALE SALES NOW

No contracts · No setup · No sales call

Petit rappel : définition du lead scoring

Le lead scoring, ou scoring de leads, consiste à attribuer aux leads des points selon qui ils sont et ce qu'ils font, afin que les commerciaux sachent qui appeler en premier. C'est un filtre, pas un jeu de devinettes. Les données explicites couvrent le volet démographique : intitulé de poste, taille de l'entreprise, secteur, bref, ce qu'un lead vous dit directement. Les données implicites couvrent le volet comportemental : visites de la page tarifs, demandes de démo, ces signaux d'achat B2B qui trahissent une intention sans que personne ne la formule. Quand les deux sont justes, le lead scoring cesse d'être une fonction gadget greffée sur votre CRM et fait enfin ce pour quoi il existe : ancrer votre stratégie go-to-market B2B dans la réalité, pas dans l'activité.

Définissez des critères de scoring clairs avant d'attribuer des points

La plupart des équipes construisent leur modèle de scoring à l'envers. Elles choisissent des critères qui semblent pertinents (intitulé de poste, taille de l'entreprise, quelques actions d'engagement), attribuent des points et lancent le tout. Puis elles passent les six mois suivants à se demander pourquoi les leads les mieux notés ne signent pas.

La solution : partez de vos affaires gagnées, pas de vos suppositions. Reprenez les comptes qui ont réellement converti et cherchez ce qu'ils ont en commun : la taille de l'entreprise, le secteur, les pages consultées avant de réserver une démo, le nombre de points de contact nécessaires. Faites ensuite la même chose pour les leads qui n'ont jamais converti. L'écart entre ces deux groupes, ce sont vos critères de scoring. Pas une hypothèse sur ce à quoi ressemble un bon lead, mais ce à quoi il ressemblait vraiment avant d'acheter.

Cela ne fonctionne que si la démarche est pilotée par les données dès le premier jour. Construire un modèle à l'instinct pour le corriger plus tard, c'est condamner les commerciaux à courir après les mauvais leads pendant des mois, tandis que le marketing affirme que le scoring fonctionne très bien. Assurez-vous que vos données sont fiables avant d'attribuer le moindre point.

Autre chose à faire dès le départ : impliquez les commerciaux dans la démarche. Votre équipe commerciale outbound est au téléphone tous les jours. Elle repère souvent une tendance, comme un intitulé de poste qui n'achète jamais ou un comportement qui signale toujours l'urgence, bien avant qu'elle n'apparaisse dans les données. Ignorez ces retours, et vous reconstruirez le modèle dans trois mois pour rattraper ce que vos commerciaux savaient déjà.

Combinez signaux firmographiques, démographiques et comportementaux

L'adéquation (le fit) vous dit si un lead pourrait devenir votre client. L'intention vous dit s'il est sur le point de se comporter comme tel. Un modèle qui ne mesure que l'un des deux n'a jamais raison qu'à moitié.

Signaux d'adéquation (données firmographiques et démographiques)

Les signaux d'adéquation répondent à une seule question : ce lead ressemble-t-il aux clients qui achètent réellement chez vous ?

• Intitulé de poste : indique si la personne a le pouvoir de prendre la décision ou de l'influencer
• Taille de l'entreprise : indique si elle dispose du budget et de la complexité opérationnelle pour lesquels votre produit a été conçu
• Secteur : indique si votre solution répond à un problème que l'entreprise rencontre réellement, et pas seulement à un problème auquel vous pourriez techniquement l'appliquer
• Localisation : compte surtout si vous vendez dans certaines régions, ou si votre solution est soumise à des contraintes réglementaires ou logistiques liées à la géographie

Aucun de ces signaux ne vous dit si un lead est prêt à acheter maintenant. Ils vous disent seulement s'il s'agit bien du bon type de prospect. C'est exactement le rôle du scoring d'adéquation : il filtre selon la pertinence, pas selon l'urgence.

Signaux d'intention (données comportementales)

L'adéquation vous dit qui ils sont. L'intention vous dit ce qu'ils font concrètement.

Un signal d'intention est toute action montrant qu'un lead avance vers une décision, au lieu de simplement flâner autour de votre marque. Il y a une vraie différence entre l'engagement passif, comme ouvrir un e-mail ou parcourir un article de blog, et l'intention active, comme demander une démo, le genre de comportement qui n'a de sens que si quelqu'un étudie sérieusement un achat. Le premier vous dit que quelqu'un sait que vous existez. Le second vous dit que quelqu'un prépare en interne un dossier pour acheter.

Ce n'est pas le volume d'activité qui fait un signal d'intention. Un lead peut accumuler une douzaine d'interactions à faible valeur et rester très loin d'un achat. C'est le type d'action qui compte, pas sa fréquence. C'est toute la logique du marketing d'intention : lisez correctement les comportements, et vous saurez à qui parler avant même que vos prospects ne se manifestent. En France, gardez en tête que les cookies de suivi qui alimentent ce scoring exigent le consentement préalable de l'internaute (lignes directrices de la CNIL), et que le lead scoring constitue en général un profilage au sens du RGPD : mentionnez-le dans votre politique de confidentialité et signalez le droit d'opposition prévu à l'article 21 au plus tard lors du premier contact.

Un modèle qui ne note que l'adéquation fera remonter quantité de leads qui semblent parfaits sur le papier mais n'ont montré aucun intérêt pour un achat : des efforts commerciaux gaspillés, déguisés en opportunités. Un modèle qui ne note que l'intention courra après n'importe quel internaute qui clique sur votre site, qu'il puisse ou non devenir client un jour. Aucun des deux n'est un lead. Seuls les deux ensemble en font un.

Donnez plus de poids aux actions à forte intention

Toutes les actions ne méritent pas le même nombre de points, et pourtant bien des modèles de scoring les traitent comme si c'était le cas.

Une demande de démo et une inscription à la newsletter ne sont pas le même signal. L'une signifie que quelqu'un approche d'une décision d'achat. L'autre, qu'un titre lui a suffisamment plu pour qu'il laisse son adresse e-mail. Si votre modèle les note de façon à peu près équivalente, vous vous retrouverez avec des abonnés à la newsletter en tête de file pendant que les vrais acheteurs attendent leur tour.

Les visites de la page tarifs, les demandes de démo et les inscriptions à un essai gratuit doivent rapporter nettement plus de points que la lecture d'un article ou l'inscription à la newsletter. Elles sont plus proches de la décision, elles doivent donc peser davantage.

La récence et la fréquence comptent tout autant que l'action elle-même. Un lead qui a consulté votre page tarifs trois fois cette semaine envoie un signal urgent. Un lead qui l'a visitée une seule fois, il y a trois mois, probablement pas. Même action, mêmes points sur le papier, niveau d'intention complètement différent. Un bon modèle tient compte de cet écart au lieu de traiter chaque clic comme s'il était tout récent.

Utilisez le scoring négatif pour garder un pipeline propre

La plupart des équipes construisent un modèle de scoring qui ne fait qu'ajouter des points. Personne n'en retire. C'est une erreur, car un modèle qui ne récompense que l'activité notera volontiers un étudiant curieux comme un véritable acheteur, du moment qu'il clique sur suffisamment de choses.

Le scoring négatif retire des points pour les signaux qui indiquent une mauvaise adéquation ou un désengagement :

• Adresses e-mail personnelles (orange.fr, free.fr, laposte.net…) au lieu d'une adresse professionnelle
• Intitulés de poste disqualifiants, comme étudiant, stagiaire ou alternant
• Domaines de concurrents
• Désinscriptions
• Visites de pages sans rapport, comme la page carrières

Il ne s'agit pas de sanctionner. Le scoring négatif ne pénalise pas un lead pour le simple fait d'exister : c'est un mécanisme de filtrage qui évite aux commerciaux de passer du temps avec quelqu'un qui n'aurait jamais converti de toute façon.

Sans lui, votre modèle gonfle les scores de personnes simplement curieuses, pas intéressées. Un candidat qui parcourt votre site pour se renseigner sur l'entreprise avant un entretien d'embauche peut accumuler autant de points qu'un décideur qui étudie un achat, si votre modèle se contente de compter les clics. C'est le scoring négatif qui fait la différence entre les deux.

Fixez des seuils clairs et automatisez le passage de relais aux ventes

Un score n'est qu'un chiffre tant qu'il ne déclenche rien. Construisez le modèle le plus précis du monde : il ne sert à rien si les leads restent en attente jusqu'à ce que quelqu'un les remarque.

Définissez des paliers de score et des seuils

Les points n'ont de valeur que s'ils mènent à une décision. Il faut donc découper votre échelle de scoring en paliers clairs, chacun avec un seuil qui indique précisément ce qui se passe ensuite.

Une configuration classique compte trois paliers :

• Nurturing : scores faibles, le lead reçoit davantage de contenus jusqu'à ce qu'il montre une réelle intention
• Marketing Qualified Lead (MQL) : une plage intermédiaire, à suivre de près mais pas encore mûre pour un échange commercial
• Sales Qualified Lead (SQL) : le palier supérieur, prêt à être contacté par un commercial

Les valeurs exactes comptent moins que la question de savoir qui les valide. Ce doit être une décision commune du marketing et des ventes, pas un barème que le marketing fixe seul puis impose. Si les commerciaux n'adhèrent pas aux seuils, ils ne feront pas confiance aux leads qui les franchissent, et vous voilà revenu au point de départ : des commerciaux qui ignorent la file d'attente et se fient à leur instinct.

Automatisez le passage de relais aux ventes

Un seuil ne sert à rien si personne ne surveille le score en temps réel. Les vérifications manuelles arrivent toujours trop tard.

Configurez votre CRM pour qu'il déclenche automatiquement le passage de relais. Dès qu'un lead franchit le seuil SQL, le système doit prévenir le bon commercial et créer une tâche de relance, sans que personne ait à actualiser un tableau de bord ni à espérer que l'alerte soit vue. Le lead avance à la seconde où il l'a mérité.

Il ne s'agit pas de remplacer le jugement humain. Il s'agit de faire en sorte qu'il s'exerce au bon moment, et non trois jours trop tard parce que quelqu'un était noyé sous ses e-mails.

Révisez et affinez votre modèle de lead scoring régulièrement

Un modèle de scoring ne se construit pas une fois pour toutes. C'est un système qui demande des vérifications, sinon il dérive en silence sans que personne ne s'en aperçoive.

Inscrivez une revue trimestrielle dans l'agenda. Reprenez vos leads les mieux notés et vérifiez qu'ils convertissent vraiment. Reprenez vos leads les moins bien notés et vérifiez si certains sont malgré tout devenus clients, ce qui signifie généralement que votre modèle est passé à côté d'un vrai signal. Les deux sens comptent. Un modèle qu'on ne contrôle que lorsque quelque chose casse est un modèle qui se trompe déjà depuis des mois.

Pourquoi cela ne peut pas être un réglage unique : le comportement des clients, le marché et le produit évoluent. Les critères qui prédisaient un bon lead l'an dernier ne prédisent peut-être plus grand-chose aujourd'hui. Un scoring figé sur un marché en mouvement se périme vite, et personne ne s'en rend compte avant que la qualité du pipeline baisse et que chacun cherche un coupable.

Tenez un journal des modifications simple. À chaque ajustement d'un seuil ou nouvelle pondération d'un signal, notez ce qui a changé et pourquoi. Ainsi, si quelqu'un relève le seuil SQL ce trimestre, l'équipe le sait et en comprend la raison, au lieu de le découvrir par hasard trois mois plus tard.

Les erreurs de lead scoring à éviter

La plupart des modèles de scoring défaillants échouent pour une poignée de raisons, toujours les mêmes. Mieux vaut confronter le vôtre à cette liste avant de supposer que le problème vient d'ailleurs.

• Noter uniquement l'adéquation, ou uniquement l'intention : la moitié du tableau est traitée comme le tout, si bien qu'en tête de liste se retrouvent soit des leads parfaitement adaptés qui ne montrent aucun intérêt, soit des leads très actifs qui n'achèteront jamais.
• Aucun scoring négatif en place : chaque clic curieux compte autant qu'un réel intérêt, ce qui gonfle discrètement les scores de personnes qui n'auraient jamais converti.
• Des seuils fixés une fois, jamais revus : le modèle reste figé pendant que le marché, le produit et les acheteurs qu'il est censé refléter continuent d'évoluer sans lui.
• Des critères fondés sur des suppositions, pas sur les affaires gagnées : une hypothèse déguisée en système, bâtie sur ce à quoi un bon lead devrait ressembler plutôt que sur ce à quoi il ressemblait vraiment avant d'acheter.
• Le marketing et les ventes en désaccord sur le sens de « qualifié » : deux équipes, deux définitions, et des leads qui restent bloqués entre les deux.

FAQ sur le lead scoring

1. Quelle est la méthode du lead scoring ?

Le lead scoring consiste à attribuer des points aux leads selon qui ils sont et ce qu'ils font, afin que les commerciaux puissent prioriser ceux qui sont les plus proches de l'achat. Il combine des signaux d'adéquation, comme l'intitulé de poste, la taille de l'entreprise ou le secteur, avec des signaux d'intention, comme les visites de la page tarifs ou les demandes de démo. Le résultat est un score unique qui reflète la probabilité de conversion d'un lead, au lieu de laisser ce jugement au hasard.

2. Comment bien qualifier un lead ?

Partez des données, pas des suppositions. Reprenez vos affaires gagnées, identifiez les caractéristiques et les comportements communs à ces clients, et construisez vos critères autour de ce schéma. Ajoutez un scoring négatif pour que les leads peu adaptés ou désengagés ne gonflent pas le pipeline, et révisez régulièrement le modèle pour qu'il reste fidèle au comportement réel de vos acheteurs.

3. Comment créer un modèle de scoring ?

Appuyez vos critères sur les données de vos affaires gagnées, puis combinez signaux d'adéquation et d'intention pour que le modèle mesure à la fois qui est un lead et ce qu'il fait. Donnez plus de poids aux actions à forte intention qu'aux actions passives, fixez des seuils clairs liés à des paliers définis, et automatisez le passage de relais pour que les leads prêts pour la vente arrivent aux commerciaux sans délai.

4. Quelles actions comptent dans le lead scoring ?

Les actions à forte intention, comme les demandes de démo, les visites de la page tarifs et les inscriptions à un essai gratuit, pèsent le plus lourd, car elles montrent que la personne est proche d'une décision. Les actions à plus faible intention, comme la lecture d'un article de blog ou l'inscription à une newsletter, comptent aussi, mais doivent rapporter beaucoup moins. La récence et la fréquence jouent également : un lead qui a interagi souvent et récemment signale plus d'urgence qu'un lead qui a agi une seule fois, il y a des mois.

5. Quelle est la règle du lead scoring ?

Il n'existe pas de règle universelle, car les critères de scoring doivent refléter vos propres données d'affaires gagnées, pas un modèle générique. Cela dit, un principe se retrouve dans tous les modèles efficaces : combiner adéquation et intention, pondérer les actions selon leur proximité avec une décision d'achat, et utiliser le scoring négatif pour écarter les profils peu adaptés. Les valeurs en points sont propres à chaque entreprise, mais la logique qui les sous-tend vaut pour la plupart.