Selon l’enquête CMO de McKinsey (2024), seuls 41 % des responsables marketing considèrent que leur organisation est mature en matière de mesure de la performance, et plus de 70 % admettent ne pas pouvoir ajuster dynamiquement leurs dépenses en fonction des résultats réels. Selon Gartner, les outils d’analyse marketing n’influencent que 53 % des décisions marketing, malgré des investissements croissants dans les dashboards et les plateformes. Le paradoxe est là : plus on mesure, moins on tranche.
Il y a quelque chose d’étrange dans la plupart des réunions de pilotage e-commerce. Les équipes arrivent avec des tableaux de bord fournis, des courbes de tendance, des taux en tous genres. Et pourtant, à la fin de la réunion, la décision qui devait être prise est parfois renvoyée à la semaine suivante : couper ce canal, doubler ce budget, arrêter cette campagne car :
- Il faudrait affiner l’analyse.
- On manque encore d’une donnée.
- Attendons la fin du mois pour avoir une vision complète.
Ce scénario est devenu l’une des pathologies les plus répandues des directions e-commerce bien équipées. Ce n’est pas un problème de données. C’est un problème de pilotage.
Le piège du dashboard exhaustif
La prolifération des outils analytiques a créé une illusion confortable : celle que mesurer davantage revient à mieux comprendre. GA4, une plateforme d’attribution, un outil de marketing automation, un dashboard retail media, un CRM avec scoring client : chaque brique produit ses propres métriques. L’empilement devient vite ingérable.
Selon le Gartner Technology Marketing Benchmarks Survey 2024, les organisations générant plus de 100 millions de chiffre d’affaires annuel utilisent en moyenne 16 canaux marketing distincts. Chacun de ces canaux produit ses propres rapports, ses propres indicateurs de performance, ses propres revendications d’attribution. Le résultat n’est pas une meilleure vision : c’est un bruit analytique qui paralyse.
Le phénomène porte un nom dans la littérature managériale : la surcharge informationnelle décisionnelle. Ce n’est pas que les données manquent. C’est que leur abondance même rend l’arbitrage plus difficile, parce qu’il est toujours possible de trouver un chiffre qui contredit un autre.
Gartner a identifié en 2022 que parmi les principales barrières à l’utilisation de l’analytique marketing dans les décisions, un tiers des répondants signalait que les décideurs sélectionnent les données qui confirment leur opinion préexistante ; et environ un quart admettait que les décideurs ne consultent tout simplement pas les recommandations produites par les équipes analytics.
Autrement dit, le problème n’est pas technique. Il est organisationnel et cognitif. L’outil ne décide pas à votre place. Et quand il y en a trop, il devient une assurance contre la décision plutôt qu’un accélérateur de celle-ci.
Ce que le ROI marketing cache vraiment
Derrière le mot « ROI », il y a une promesse simple : mesurer ce qu’un euro investi en marketing rapporte réellement. En pratique, cette mesure est structurellement incomplète pour trois raisons que les équipes e-commerce sous-estiment régulièrement.
L’attribution est un modèle, pas une vérité
Les modèles d’attribution multi-touch, qui distribuent le « crédit » d’une conversion entre plusieurs points de contact, sont devenus le standard. Mais ils reposent tous sur une hypothèse : que les interactions digitales tracées représentent fidèlement le parcours client réel. Ce n’est plus le cas.
Selon le rapport annuel de Nielsen (2024), 72 % des marketeurs mondiaux s’attendent à des budgets publicitaires plus importants, mais seulement 38 % se disent confiants dans leur capacité à mesurer le ROI de manière globale, en combinant canaux traditionnels et digitaux.
La fin des cookies tiers, le refus croissant de consentement, les « walled gardens » (Meta, Amazon qui gardent leurs données), et la montée du mobile créent des angles morts structurels dans toute solution d’attribution. Le modèle last-click, encore dominant dans de nombreuses organisations, présente un biais majeur vers le bas de funnel : il invisibilise totalement les leviers de découverte et de nurturing, et encourage le sur-investissement dans le retargeting et le search brand, au détriment des canaux qui créent réellement la demande.
Le bon usage des modèles d’attribution n’est pas de les prendre pour argent comptant : c’est de les utiliser comme des lunettes qui distordent différemment selon le modèle choisi, et d’en être conscient.
Les effets différés sont invisibles dans les dashboards court-terme
Un article de blog publié aujourd’hui peut générer une vente dans six semaines. Une campagne de notoriété peut améliorer le taux de conversion du search brand dans trois mois. Ces effets différés disparaissent totalement des dashboards hebdomadaires orientés performance immédiate.
Le guide de la mesure marketing 2025 d’Artefact, s’appuyant sur l’enquête CMO McKinsey 2024, identifie ce qu’il appelle le « triangle d’or du ROI marketing » : la modélisation du marketing mix (MMM), les tests d’incrémentalité et l’attribution. Le MMM est décrit comme l’interface essentielle entre le CMO et le DAF, offrant une vue d’ensemble des domaines dans lesquels les dépenses marketing génèrent de la valeur, en intégrant les effets de marque, l’impact différé et les rendements décroissants.
Dans la réalité des équipes e-commerce, le MMM reste peu déployé : perçu comme complexe et réservé aux grandes structures. Ce faisant, les décisions de budget sont prises sur la base des seuls effets court-terme, ce qui conduit structurellement à sous-investir dans les canaux qui construisent la demande et à sur-investir dans les canaux qui la capturent.
L’omnicanal fragmente la lecture de performance
Un client qui découvre votre offre via une publicité Instagram, compare sur mobile, ajoute au panier sur desktop et finalise l’achat après avoir reçu un email de relance : combien de canaux ont « converti » ce client ? Chacun réclame le crédit. Aucun ne le mérite seul.
Dans un contexte omnicanal, il y a une vraie difficulté à lire la performance car les canaux se chevauchent : l’addition des ROAS par canal dépasse systématiquement le ROI global réel. C’est ce qu’on appelle le problème de la double comptabilisation : les plateformes publicitaires ont une forte incitation à revendiquer chaque conversion, ce qui gonfle artificiellement leur ROI apparent.
Les 3 indicateurs qui tranchent vraiment
Face à la profusion des métriques disponibles, la question n’est pas « quels KPIs ajouter ? » mais « lesquels supprimer sans perdre en capacité de décision ? »
Voici trois indicateurs qui créent une véritable capacité d’arbitrage, parce qu’ils sont directement connectés à des décisions d’allocation de ressources.
1. Le coût d’acquisition client par cohorte et par canal (CAC cohortisé)
Le CAC global est un indicateur moyen qui masque des réalités très disparates. Un canal peut sembler peu coûteux en acquisition et pourtant attirer des clients qui rachètent rarement. Un autre peut sembler onéreux mais générer des clients à forte valeur vie.
Le CAC cohortisé, calculé par canal d’acquisition et par cohorte temporelle, permet de répondre à la vraie question : cet euro investi en acquisition me rapporte-t-il sur 3, 6, 12 mois ? C’est l’indicateur qui permet de comparer l’email d’acquisition au search brand, et le display au SEO, sur une base économique commune.
Cela suppose bien entendu un tracking fiable des événements via GA4, par exemple.
2. Le ratio LTV/CAC par segment client
La valeur vie client (LTV) rapportée au coût d’acquisition est l’indicateur central du pilotage de la rentabilité e-commerce. Un ratio inférieur à 1,5 est un signal d’alarme. Un ratio supérieur à 3 indique un levier d’accélération. McKinsey a établi que la personnalisation peut améliorer l’efficience des dépenses marketing de 10 à 30 %, précisément parce qu’elle cible les segments à plus fort potentiel LTV.
Ce ratio ne se calcule pas une fois par an dans un rapport stratégique : il doit être suivi dynamiquement, segmenté par canal d’acquisition, par catégorie produit et par profil comportemental. C’est lui qui doit guider les arbitrages budgétaires entre canaux.
3. Le taux d’incrémentalité des campagnes
C’est l’indicateur le plus sous-utilisé et pourtant le plus décisif : parmi les conversions attribuées à une campagne, combien se seraient produites de toute façon, sans elle ? Le test d’incrémentalité, qui consiste à exposer un groupe à une campagne et à en priver un groupe témoin équivalent, est la seule méthode qui répond réellement à la question « est-ce que cette dépense crée de la valeur ou se contente-t-elle d’en capturer ? »
Les plateformes publicitaires le savent très bien : leurs modèles d’attribution ont tendance à revendiquer les conversions les plus probables, ce qui gonfle le ROI apparent des campagnes de retargeting. Un test d’incrémentalité bien conduit révèle souvent que 20 à 40 % des conversions « attribuées » se seraient produites sans la campagne.
Construire un cadre de décision : du KPI à l’arbitrage budgétaire
Mesurer ne suffit pas. Il faut que la mesure soit organisée pour produire des décisions, pas des discussions. Voici le cadre en quatre étapes que les directions e-commerce les plus efficaces mettent en place.
Étape 1 — Définir explicitement les 5 questions décisionnelles de l’année. Avant de construire un dashboard, posez-vous la question inverse : quelles sont les cinq décisions que vous devrez prendre cette année, et dont l’issue dépend des données ? Chaque indicateur de votre tableau de bord doit servir à répondre à l’une de ces questions. Tout ce qui ne sert pas à trancher une décision est un indicateur de confort, pas de pilotage.
Étape 2 — Structurer les revues de performance autour des arbitrages, pas des bilans. Le format classique « voici ce qui s’est passé ce mois-ci » est un bilan rétrospectif. Il ne produit pas de décisions. Le format efficace part de la question « au vu de ces données, quelle décision prend-on sur le budget, le canal, le niveau d’investissement ? » — et rend cette décision explicite, tracée, avec un responsable et un délai de réévaluation.
Étape 3 — Séparer les indicateurs de suivi des indicateurs de décision. Certains KPIs sont utiles à suivre de près (taux d’ouverture email, taux de clic, taux d’ajout au panier) mais ne doivent pas déclencher de décisions d’arbitrage budgétaire par eux-mêmes. D’autres — CAC cohortisé, LTV/CAC par segment, taux d’incrémentalité — sont directement connectés aux décisions d’allocation. La gouvernance data doit tracer cette frontière clairement.
Étape 4 — Instaurer un calendrier d’arbitrage, pas seulement de reporting. Deux fois par an minimum, une session dédiée doit être organisée avec le seul objectif de réallouer les budgets marketing en fonction des données accumulées. Pas pour commenter les chiffres — pour décider. Le CMO Spend Survey 2025 de Gartner révèle que 59 % des CMOs estiment ne pas disposer d’un budget suffisant pour exécuter leur stratégie — et que les premiers leviers de productivité activés sont précisément l’exploitation des données et de l’analytique pour optimiser la performance. Ce ne sont pas les budgets qui manquent dans la plupart des cas — c’est la capacité à les réallouer rapidement en fonction de ce que les données disent.
Ce que ça change dans l’organisation de l’équipe
Ce cadre a des implications organisationnelles directes que les directions e-commerce doivent anticiper.
Le profil « analyste pur » ne suffit plus. La valeur d’un data analyst en e-commerce ne se mesure plus à la qualité de ses rapports, mais à sa capacité à formuler une recommandation d’arbitrage. Former les équipes à la decision intelligence — la discipline qui structure le lien entre données et décisions — devient un enjeu RH concret. Gartner prédit que d’ici 2025, les compétences analytiques et les soft skills seront les aptitudes les plus recherchées sur le marché des talents data et analytics.
Le DAF devient un partenaire du pilotage marketing. La montée en puissance du MMM et du LTV/CAC comme indicateurs centraux crée un pont naturel entre le marketing et la finance. Les directions e-commerce qui pilotent réellement leur ROI intègrent systématiquement le DAF (ou son équipe) dans les revues de performance marketing — non pas pour valider les dépenses, mais pour partager la lecture de la rentabilité.
La vitesse de décision est un avantage concurrentiel. Dans un environnement où les budgets sont stables (les budgets marketing représentent en moyenne 7,7 % du chiffre d’affaires selon Gartner en 2025) mais où les opportunités sont volatiles, la capacité à réallouer vite — sur la base d’une lecture ROI fiable — crée un différentiel réel face aux organisations qui attendent la fin du trimestre pour arbitrer.
Mesurer plus n’est pas piloter mieux. Les directions e-commerce qui sortent du piège des dashboards exhaustifs ont en commun trois choses : elles ont réduit leurs indicateurs de décision à l’essentiel, elles ont instauré des rituels d’arbitrage (pas seulement de bilan), et elles ont formé leurs équipes à produire des recommandations — pas des rapports.
Le ROI marketing n’est pas une vérité que les outils révèlent. C’est une construction que les dirigeants choisissent d’opérationnaliser. La qualité de cette construction détermine directement la qualité des décisions d’allocation de ressources — et donc la performance à moyen terme.
FAQ - Toutes les questions sur le pilotage maketing
Parce que les dashboards sont des outils de constat, pas d’arbitrage. Ils décrivent ce qui s’est passé mais ne structurent pas la décision à prendre. Le lien entre un KPI et une action concrète doit être explicitement construit par l’équipe.
Pas plus de 5 à 7 indicateurs décisionnels au niveau stratégique. Au-delà, la charge cognitive nuit à la qualité des arbitrages. Le reste doit être délégué aux équipes opérationnelles qui en assurent le suivi.
C’est la part des conversions générées par une campagne qui ne se seraient pas produites sans elle. Il mesure l’effet causal réel d’un investissement marketing, là où l’attribution multi-touch mesure seulement une corrélation entre exposition et achat.
De plus en plus. Des approches allégées, appuyées sur des outils open source (Robyn de Meta, Meridian de Google), rendent le MMM accessible à des structures plus petites. L’enjeu est moins technologique qu’organisationnel : il faut disposer d’au moins 2 à 3 ans d’historique de dépenses par canal.
En partant des questions d’arbitrage, pas des bilans. Chaque revue doit identifier explicitement les décisions qui seront prises à son issue, avec un responsable et une date de réévaluation. Le compte-rendu ne liste pas des chiffres — il trace des décisions.
GA4 en combinaison avec un outil CRM ou de CDP (Customer Data Platform) permet de construire ce calcul. Pour les structures sans CDP, une extraction régulière des données de commande couplée à un modèle de scoring basique dans Excel ou Google Sheets est déjà un bon point de départ.