Ce qu'un score doit réellement décider
Un lead score n'est pas une note de valeur humaine ni une prédiction magique. C'est une règle de tri destinée à répondre à une question opérationnelle : faut-il exclure, observer, nourrir, vérifier ou transmettre ce contact ? Si deux scores proches conduisent exactement à la même action, leur précision apparente n'apporte rien.
Avant de choisir des points, écrivez les décisions que l'équipe doit prendre. Associez ensuite chaque niveau à un responsable, un délai de traitement et un message adapté. Le modèle devient alors un outil de circulation plutôt qu'un classement décoratif.
Construire le score en trois blocs
Adéquation avec la cible
Ce bloc examine l'entreprise et le rôle du contact : secteur, zone couverte, type de clientèle, organisation commerciale, responsabilités ou contraintes connues. Certains critères peuvent être éliminatoires. Une activité importante sur le site ne doit pas faire remonter un compte que l'offre ne dessert pas.
Signaux de besoin
Ils décrivent un problème plausible ou déclaré. Une demande explicite, un projet annoncé ou une difficulté décrite pendant un échange possède plus de valeur qu'une inférence fondée sur un seul comportement. Notez ce qui est confirmé et ce qui reste hypothétique.
Signaux d'engagement
Ils montrent une interaction récente : réponse, consultation de ressources spécifiques, participation à un échange ou demande de comparaison. Leur intérêt dépend du contexte. Une lecture répétée peut signaler une recherche sérieuse, mais aussi un étudiant, un concurrent ou un partenaire. Le score doit laisser place à cette ambiguïté.
Préférer des règles explicables
Chaque critère devrait pouvoir être expliqué en une phrase à un commercial. « Le compte remonte parce que son secteur est prioritaire, qu'un besoin a été formulé et qu'un échange récent appelle une réponse » est compréhensible. « L'algorithme lui attribue une forte probabilité » ne dit ni pourquoi ni comment agir.
Limitez le nombre de critères au départ. Plusieurs variantes d'un même signal peuvent gonfler artificiellement la note : ouverture, clic et visite issus d'un seul courriel ne représentent pas nécessairement trois intentions indépendantes. Regroupez les événements proches et plafonnez leur influence.
Ajouter des signaux négatifs
Un modèle uniquement positif finit par promouvoir presque tout le monde. Les signaux négatifs évitent cette dérive : coordonnées invalides, fonction sans rapport, zone non servie, opposition explicite, compte déjà client dans un autre parcours ou activité probablement automatisée.
La décroissance dans le temps est également utile. Un signal ancien perd généralement sa capacité à justifier une action immédiate. Plutôt que d'effacer l'historique, réduisez son poids et conservez la date pour comprendre le parcours.
Tester le modèle sur des dossiers connus
Prenez un ensemble de cas représentatifs : opportunités sérieuses, comptes disqualifiés, projets prématurés et faux positifs. Faites-les classer par le modèle, puis demandez aux ventes d'expliquer les écarts. L'objectif n'est pas de forcer les données à reproduire chaque intuition. Il est de repérer les règles manifestement incohérentes.
Contrôlez surtout les frontières entre actions. Si un petit changement de comportement fait passer un contact d'une veille calme à une relance immédiate, la règle mérite d'être examinée. Les seuils doivent refléter une différence de traitement réelle.
Organiser le traitement après le score
Un score élevé sans capacité de reprise crée une file d'attente, pas une opportunité. Définissez qui reçoit l'alerte, quelles informations accompagnent le contact et comment le résultat est enregistré. Un résumé utile mentionne les critères déterminants au lieu d'afficher seulement la note.
Pour les scores intermédiaires, prévoyez une action de vérification : rechercher un élément manquant, poser une question courte ou proposer une ressource pertinente. Le modèle sert ainsi à réduire l'incertitude au lieu de pousser tout le monde vers un rendez-vous.
Réviser sans rendre le système instable
Fixez un rythme de revue et un propriétaire du modèle. Examinez les motifs de disqualification, les retours commerciaux, les erreurs de données et les changements d'offre. Versionnez les règles afin de savoir pourquoi un contact a été classé d'une certaine manière à un moment donné.
Évitez les ajustements motivés par un seul dossier prestigieux. Une exception commerciale peut rester une exception documentée. Modifier tout le score pour l'intégrer dégrade souvent les cas ordinaires.
Signaux d'un scoring devenu inutile
Le modèle doit être repris si presque tous les contacts obtiennent la même note, si les commerciaux ignorent les alertes, si les données déterminantes sont souvent vides ou si personne ne peut expliquer un classement. Une forte corrélation avec le volume d'activité, sans lien avec la cible, indique aussi un biais.
Questions fréquentes
Combien de critères faut-il au départ ?
Seulement ceux qui modifient une décision et dont la donnée est assez fiable. Un petit modèle compris et utilisé vaut mieux qu'une grille détaillée impossible à maintenir.
Le score doit-il être visible par les commerciaux ?
Oui, avec les raisons principales. La transparence facilite la contestation constructive et accélère l'amélioration du modèle.
Peut-on utiliser des données prédictives ?
Oui si leur provenance, leur qualité et leur rôle sont maîtrisés. Elles doivent compléter des critères métier, pas masquer l'absence de définition de la cible.
Que faire des leads sous le seuil ?
Selon le cas, les exclure, les placer dans une veille consentie ou rechercher un élément précis. Ils ne doivent pas recevoir automatiquement une séquence commerciale intensive.
Prochaine étape
Lead-Gene peut auditer votre scoring actuel, relier chaque seuil à une action et identifier les critères que vos équipes utilisent réellement pour décider.
À lire ensuite
Pour compléter cette étape, consultez Audit d'acquisition B2B : le guide pour décider.
Pour vérifier le point suivant, poursuivez avec Passage marketing-vente : la checklist B2B complète.
Pour replacer cette décision dans l'ensemble du dossier, lisez Prospection multicanale : une séquence cohérente.
Pour éviter une analyse isolée, rapprochez ce guide de Qualification des leads B2B : méthode complète.
Sources de référence
Ces références permettent de vérifier les règles, les méthodes et les limites évoquées dans l'article.
Pour contrôler les éléments factuels, consultez CNIL — prospection commerciale : Règles applicables au consentement, à l'opposition et à la réutilisation des données de prospects.
Pour contrôler les éléments factuels, consultez CNIL — réutilisation des données publiées en ligne : Recommandations pour collecter et exploiter des données accessibles sur Internet.
Pour contrôler les éléments factuels, consultez EUR-Lex — règlement général sur la protection des données : Présentation officielle du cadre européen de protection des données.