Quelles limites pour les modèles d’attribution last click ?

Le dernier clic reste lisible, mais il raconte une histoire incomplète

Le modèle d’attribution last click, ou attribution au dernier clic, consiste à affecter 100 % du crédit d’une conversion au dernier point de contact cliqué avant l’achat, le lead ou toute autre action mesurée. Sa force est évidente : il est simple à comprendre, facile à industrialiser dans les plateformes et directement relié aux KPI d’activation comme le CPA, coût par acquisition, c’est-à-dire le coût nécessaire pour générer une conversion attribuée, ou le ROAS, return on ad spend, ratio entre chiffre d’affaires attribué et dépenses publicitaires.

Mais cette simplicité est aussi sa principale faiblesse. Dans un environnement média où un utilisateur peut être exposé à une vidéo, rechercher une marque, comparer sur un site marchand, recevoir un email, cliquer sur une annonce search puis convertir après une relance retargeting, le dernier clic ne mesure pas la contribution réelle du parcours. Il mesure le point de contact final observable. La différence est majeure pour les professionnels du marketing : optimiser au last click revient souvent à surinvestir les leviers proches de la conversion et à sous-évaluer ceux qui créent la demande en amont.

Le problème n’est pas que le last click soit inutile. Il reste pertinent pour piloter certaines tactiques de bas de funnel, notamment la captation d’une intention déjà exprimée. Le problème apparaît lorsqu’il devient le référentiel unique d’allocation budgétaire. Dans ce cas, les arbitrages favorisent mécaniquement les canaux capables d’intercepter la demande plutôt que ceux qui la génèrent. Cette dérive est particulièrement visible en programmatique, en retail media, en search marque et en retargeting, où l’optimisation algorithmique exploite les signaux les plus proches de l’achat.

La question n’est donc pas de supprimer le last click, mais de comprendre ses limites structurelles, de savoir dans quels cas il peut encore être utilisé et de le compléter par des méthodes capables d’estimer l’incrémentalité, c’est-à-dire la part de performance réellement causée par l’investissement média.

Pourquoi le last click persiste dans les organisations marketing

Le last click survit moins par supériorité méthodologique que par commodité opérationnelle. Il répond à trois besoins très concrets : produire un chiffre rapidement, comparer des campagnes avec une règle stable et alimenter les algorithmes d’enchères avec un signal clair. Dans les DSP, demand-side platforms, plateformes permettant aux annonceurs d’acheter des impressions publicitaires de façon automatisée, ou dans les environnements search et social, les modèles d’optimisation ont besoin de conversions observables pour ajuster les enchères. Le last click fournit ce signal avec peu d’ambiguïté apparente.

Il est également très compatible avec la culture du reporting hebdomadaire. Une direction marketing peut suivre le CPA par canal, le coût par lead, le ROAS attribué et décider rapidement de réduire ou d’augmenter un budget. Dans un contexte de pression sur les marges, cette lisibilité a une valeur politique. Elle permet de justifier les investissements auprès de la finance, surtout lorsque les cycles de vente sont courts et les conversions nombreuses.

Le last click est aussi renforcé par les contraintes techniques. La fragmentation des identifiants, la limitation des cookies tiers, les restrictions de consentement et les environnements fermés réduisent la capacité à reconstruire un parcours complet. Lorsqu’il devient difficile d’observer toutes les expositions, le dernier clic visible paraît plus fiable qu’une chaîne partielle. Cette impression est trompeuse : un signal observable n’est pas nécessairement un signal représentatif.

Enfin, le last click bénéficie d’un avantage psychologique : il donne l’illusion de causalité. Si un utilisateur clique sur une annonce puis achète, il est tentant d’attribuer la vente à cette annonce. Pourtant, l’utilisateur pouvait déjà être convaincu par une campagne vidéo vue trois jours plus tôt, une recommandation CRM, une promotion en magasin ou une recherche organique. Le last click confond souvent déclencheur final et cause principale.

Une distorsion structurelle du funnel et des arbitrages budgétaires

Le funnel désigne le parcours allant de la notoriété à la considération, puis à la conversion et à la fidélisation. Le last click valorise principalement le bas de funnel, c’est-à-dire les interactions les plus proches de la conversion. Cela crée une distorsion : les canaux de captation apparaissent plus performants que les canaux de création de demande.

Un exemple classique concerne le search marque. Un internaute exposé à une campagne vidéo découvre un produit, revient via une recherche générique, compare les offres, puis tape le nom de la marque dans un moteur de recherche et clique sur une annonce payante. En last click, le search marque reçoit 100 % du crédit. La vidéo, le display de prospection et la recherche générique sont ignorés. Si l’annonceur optimise uniquement sur cette lecture, il risque de réduire les investissements amont, ce qui finira par diminuer le volume de recherches marque quelques semaines plus tard.

Cette logique produit un effet de concentration. Les budgets migrent vers les leviers dont le CPA attribué est le plus bas : retargeting, branded search, affiliation couponing, comparateurs ou emails de relance. À court terme, le ROAS peut progresser. À moyen terme, la marque recrute moins de nouveaux clients, nourrit moins la demande et surexpose les audiences déjà engagées. La baisse du CPA devient alors un symptôme de rétrécissement du marché adressé.

Les écarts peuvent être importants. Dans des audits d’attribution menés sur des comptes e-commerce matures, il n’est pas rare d’observer que 20 % à 35 % des conversions attribuées au retargeting concernent des utilisateurs ayant déjà visité le site dans les 24 heures précédentes avec une intention d’achat forte. Le last click ne distingue pas une conversion réellement influencée d’une conversion simplement interceptée. De même, un programme d’affiliation rémunéré au dernier clic peut capter une partie des ventes via des sites de codes promotionnels consultés juste avant l’achat, alors que la décision était déjà prise.

Le biais est encore plus marqué pour les leviers upper funnel : vidéo, TV connectée, DOOH, digital out-of-home, affichage digital extérieur, audio digital ou display de prospection. Ces formats génèrent peu de clics directs, mais peuvent augmenter les recherches de marque, améliorer le taux de conversion des visites ultérieures ou accroître la préférence. Le last click les sous-crédite par construction.

Les limites techniques : cookies, cross-device et fenêtres d’attribution

Le last click repose sur une hypothèse implicite : le dernier clic observé correspond au dernier point de contact significatif. Or cette hypothèse est fragile. Les parcours sont multi-devices, multi-navigateurs et parfois offline. Un utilisateur peut découvrir une offre sur mobile, comparer sur desktop, recevoir une notification, se rendre en magasin puis acheter via une application. Si les identifiants ne sont pas réconciliés, le modèle attribuera la conversion au dernier clic traçable, pas au dernier contact réel.

Les fenêtres d’attribution amplifient cette fragilité. Une fenêtre de 7 jours post-clic n’a pas le même effet qu’une fenêtre de 30 jours. Pour un achat impulsif, 7 jours peuvent être trop longs. Pour un produit d’assurance, un logiciel B2B ou un équipement domestique, 30 jours peuvent être trop courts. Le choix de la fenêtre peut faire varier fortement les conversions attribuées sans que la performance réelle change. Deux plateformes peuvent donc revendiquer des résultats incompatibles simplement parce qu’elles utilisent des fenêtres différentes.

Le sujet est critique en RTB, real-time bidding, enchères en temps réel utilisées pour acheter une impression publicitaire au moment où elle devient disponible. Dans une chaîne programmatique, l’utilisateur peut être exposé via plusieurs SSP, supply-side platforms, plateformes utilisées par les éditeurs pour vendre leur inventaire, plusieurs DSP, plusieurs formats et plusieurs environnements de mesure. Si chaque acteur applique sa propre attribution, la somme des conversions revendiquées dépasse souvent les ventes réelles. Le last click limite partiellement la duplication à l’intérieur d’un outil, mais ne résout pas la duplication entre outils.

La qualité du tracking ajoute une autre couche d’incertitude. Les restrictions liées aux navigateurs, les bloqueurs de publicité, les pertes de consentement et les modèles de conversion agrégée réduisent la précision individuelle. Dans certains secteurs, 30 % à 60 % des parcours peuvent être partiellement invisibles selon les devices, les navigateurs et les pays. Dans ce contexte, un modèle last click peut donner une impression de précision au niveau campagne tout en reposant sur un échantillon biaisé.

Enfin, le last click ignore souvent les expositions sans clic. Or dans le display, la vidéo, le DOOH ou la TV connectée, l’effet publicitaire n’est pas uniquement comportemental au clic. Une impression visible, répétée avec une fréquence maîtrisée, peut modifier la probabilité de conversion ultérieure sans générer d’interaction immédiate. Refuser de mesurer cet effet revient à considérer que tout ce qui ne clique pas ne contribue pas, ce qui est méthodologiquement faux.

Le problème économique : optimiser le CPA peut dégrader la valeur client

Le last click oriente l’optimisation vers les conversions les moins coûteuses à attribuer. Mais une conversion bon marché n’est pas nécessairement une conversion rentable. Pour piloter correctement, il faut relier le CPA à la marge, à la LTV, lifetime value, valeur économique attendue d’un client sur sa durée de relation avec la marque, et au degré d’incrémentalité.

Prenons un cas simple. Une marque vend un abonnement avec un panier initial de 40 euros, une marge brute de 70 % et une LTV moyenne de 180 euros. Le retargeting affiche un CPA last click de 12 euros. La prospection display affiche un CPA last click de 55 euros. À première vue, le retargeting gagne. Mais si 80 % des conversions retargeting auraient eu lieu sans exposition et si la prospection recrute 70 % de nouveaux clients avec une LTV supérieure de 30 %, l’arbitrage change. La contribution incrémentale de la prospection peut être supérieure malgré un CPA apparent plus élevé.

Cette distinction est centrale. Le CPA mesure un coût par conversion attribuée. Il ne mesure ni la qualité du client, ni la marge réelle, ni la causalité. Un modèle last click peut donc pousser les algorithmes à trouver les profils les plus susceptibles de convertir de toute façon : clients fidèles, visiteurs récents, paniers abandonnés, internautes recherchant déjà la marque. L’efficacité apparente augmente, mais la contribution marginale baisse.

Le même phénomène existe en retail media. Les formats sponsorisés sur moteur de recherche interne obtiennent souvent un ROAS élevé, car ils captent une intention d’achat très proche. Mais si la campagne ne fait que déplacer une vente organique vers une vente sponsorisée, l’incrémentalité est faible. À l’inverse, une activation offsite basée sur des données transactionnelles peut afficher un ROAS attribué plus faible mais recruter davantage d’acheteurs catégorie non-marque. Le last click favorise le premier levier, alors que le second peut être plus stratégique.

Pour corriger ce biais, les équipes avancées pondèrent les conversions : nouveau client versus client existant, marge du produit, probabilité de réachat, statut promotionnel, catégorie stratégique, coût de service et niveau d’incrémentalité estimé. L’objectif n’est plus de minimiser le CPA, mais de maximiser la marge incrémentale attendue. Cela suppose de sortir d’une logique de reporting plateforme et de connecter données média, CRM, commerce et finance.

Comparer le last click aux autres modèles d’attribution sans naïveté

Les alternatives au last click ne sont pas toutes équivalentes, et aucune ne constitue une vérité absolue. Le modèle first click attribue 100 % du crédit au premier point de contact. Il valorise la découverte, mais ignore les étapes de maturation. Les modèles linéaires répartissent le crédit entre tous les points de contact observés. Ils sont plus équilibrés, mais souvent arbitraires : tous les contacts ne contribuent pas au même niveau. Les modèles en U ou en W surpondèrent certaines étapes clés, comme la première visite, la création de lead et la conversion. Ils sont utiles en B2B ou dans les funnels longs, mais dépendent fortement de la définition des jalons.

Les modèles data-driven attribution, attribution pilotée par les données, utilisent des méthodes statistiques ou algorithmiques pour estimer la contribution relative des points de contact observés. Ils sont plus sophistiqués que le last click, mais restent limités par la qualité des données d’entrée. Si les expositions vidéo, les visites offline, les impressions non cliquées ou les parcours cross-device sont mal capturés, le modèle apprend sur une réalité partielle. Le risque est alors de produire une attribution plus complexe, mais pas nécessairement plus causale.

Le MTA, multi-touch attribution, attribution multi-points de contact, cherche à reconstruire les parcours utilisateurs et à répartir le crédit entre interactions. Il est pertinent pour optimiser certains canaux digitaux à granularité fine, mais il souffre de la perte d’identifiants et de l’opacité des plateformes fermées. Le MMM, marketing mix modeling, modélisation statistique qui estime la contribution des leviers marketing à partir de séries temporelles agrégées, offre une lecture plus macro. Il capte mieux les effets diffus, les médias non cliqués et la saisonnalité, mais il est moins précis pour arbitrer une création, une audience ou une enchère en temps réel.

La bonne approche consiste souvent à trianguler. Le last click sert au pilotage opérationnel de certains leviers. Le MTA aide à comprendre les parcours digitaux observables. Le MMM éclaire les arbitrages budgétaires macro. Les tests d’incrémentalité valident les hypothèses causales. Aucun modèle ne doit être utilisé seul pour décider de l’allocation complète d’un budget média.

Un framework utile consiste à classer les outils selon deux axes : granularité et causalité. Le last click a une granularité élevée mais une causalité faible. Le MMM a une causalité plus robuste au niveau agrégé mais une granularité limitée. Les tests contrôlés, comme les holdouts ou les geo-tests, ont une causalité forte mais un coût opérationnel plus élevé. Le rôle d’une équipe marketing mature est d’utiliser chaque méthode pour la question qu’elle sait traiter, plutôt que de chercher un modèle universel.

Comment intégrer l’incrémentalité dans la gouvernance de l’attribution

L’incrémentalité répond à la question que le last click ne sait pas résoudre : que se serait-il passé sans exposition média ? Pour l’estimer, plusieurs méthodes existent. Le holdout consiste à exclure volontairement une partie de l’audience éligible afin de comparer son comportement à celui du groupe exposé. Le geo-test compare des zones géographiques exposées à des zones de contrôle. Les conversion lift studies mesurent la différence de conversion entre populations exposées et non exposées dans un cadre statistique. Ces approches ne sont pas parfaites, mais elles rapprochent la mesure de la causalité.

Un protocole robuste exige plusieurs conditions. Premièrement, les groupes doivent être comparables avant campagne : historique d’achat, pression concurrentielle, saisonnalité, niveau de demande et couverture média. Deuxièmement, le volume doit être suffisant pour détecter un effet statistiquement significatif. Un lift de 3 % sur une base de ventes trop faible peut être non interprétable. Troisièmement, la fenêtre d’observation doit correspondre au cycle d’achat. Tester une campagne automobile sur 14 jours produit rarement une conclusion utile.

Les résultats doivent ensuite être traduits dans les seuils d’optimisation. Si un levier affiche un ROAS last click de 8 mais une incrémentalité estimée à 20 %, son ROAS incrémental est plus proche de 1,6. À l’inverse, un levier avec un ROAS attribué de 2,5 et une incrémentalité de 80 % peut être plus rentable qu’il n’y paraît. Ce raisonnement modifie les arbitrages : certains budgets de captation doivent être plafonnés, tandis que des leviers de conquête doivent être financés malgré un CPA plateforme plus élevé.

La gouvernance doit aussi préciser les usages autorisés du last click. Par exemple, il peut rester l’indicateur de pacing quotidien pour le retargeting ou le search marque, mais ne doit pas être le seul critère de budget trimestriel. Il peut servir à détecter des anomalies de campagne, mais pas à évaluer la contribution totale d’un canal. Il peut alimenter des algorithmes d’enchères, à condition que les conversions transmises soient pondérées par la valeur client et les exclusions CRM.

Dans les organisations avancées, un comité de mesure réunit marketing, data, finance, e-commerce et agences. Il définit les fenêtres d’attribution, les règles de déduplication, les KPI de contribution, les segments de nouveaux clients, les protocoles de test et les seuils économiques. Sans cette gouvernance, chaque plateforme produit sa propre vérité, souvent favorable à ses propres investissements.

Conclusion : conserver le last click comme outil tactique, pas comme boussole stratégique

Le last click n’est pas un mauvais modèle parce qu’il serait toujours faux. Il est limité parce qu’il répond à une question étroite : quel est le dernier clic observé avant une conversion ? Pour le pilotage tactique de certains leviers de bas de funnel, cette information peut être utile. Pour décider de la contribution réelle d’un canal, du niveau d’investissement en prospection ou de la valeur d’une stratégie média, elle est insuffisante.

Une feuille de route actionnable peut s’organiser en six étapes. Premièrement, cartographier les canaux selon leur rôle dans le funnel : création de demande, conversion d’intention, captation, fidélisation. Deuxièmement, documenter les fenêtres d’attribution et les règles de déduplication pour éviter les comparaisons artificielles. Troisièmement, séparer CPA attribué, CAC complet, marge et LTV afin de ne pas confondre efficacité média et rentabilité. Quatrièmement, tester l’incrémentalité sur les leviers les plus budgétés ou les plus suspects de cannibalisation. Cinquièmement, intégrer des signaux de valeur dans les plateformes : nouveau client, marge, catégorie, réachat, niveau de consentement. Sixièmement, arbitrer les budgets à partir d’une lecture triangulée mêlant attribution, tests et modélisation macro.

Le risque majeur n’est pas d’utiliser le last click. Il est de le laisser structurer toute la décision marketing. Dans un écosystème où les parcours sont fragmentés, les identifiants incomplets et les canaux interdépendants, la précision apparente du dernier clic peut conduire à de mauvaises allocations. La maturité consiste à accepter une mesure moins confortable mais plus juste : une mesure qui distingue l’interception de la demande, la création de valeur et l’impact incrémental.

Pour les professionnels du marketing, l’enjeu est clair : passer d’une attribution de convenance à une attribution de décision. Si un modèle ne modifie ni les budgets, ni les enchères, ni les exclusions, ni la stratégie de création, il reste un reporting. S’il permet d’identifier quels leviers créent réellement des clients rentables et incrémentaux, il devient un outil de pilotage business. C’est à ce niveau que l’attribution cesse d’être un débat de méthode pour devenir un avantage concurrentiel.