Lead scoring : noter ses prospects pour prioriser les ventes

Le lead scoring est une technique de marketing qui attribue des points à chaque prospect pour évaluer sa valeur : critères de profil (secteur, taille de l'entreprise, fonction) et comportement sur le web (visite d'une page produit ou service, recherche, téléchargement d'une ressource, demande de démonstration). Le score obtenu indique si le lead est froid ou chaud. Au-delà d'un seuil précis, ce système le transmet automatiquement aux commerciaux, avec un objectif clé : vendre plus en ciblant mieux. Les données du CRM, l'utilisation d'un outil de marketing automation et la prise en compte du RGPD sont également traitées ici, avec une définition, un exemple et une méthode.

Qu'est-ce que le lead scoring ?

En marketing B2B, un lead est une personne intéressée par une offre : elle a rempli un formulaire sur une landing page, téléchargé un livre blanc, regardé une vidéo, demandé un devis ou s'est inscrite à une newsletter. Tous ces contacts n'ont pas la même valeur. Certains correspondent parfaitement au client idéal et sont prêts à acheter ; d'autres découvrent simplement le sujet ou ne seront jamais clients.

Le lead scoring, ou notation des leads, consiste à attribuer des points à chaque prospect pour mesurer deux choses : son adéquation avec la cible (est-ce le bon profil ?) et son degré d'intérêt ou de maturité (est-il proche d'une décision d'achat ?). Le score obtenu permet de classer les leads, de décider qui contacter en premier et quel message envoyer à ceux qui ne sont pas encore prêts.

C'est un processus dynamique : le score évolue à chaque action du contact. Une visite de la page tarifs le fait monter, des mois sans interaction le font baisser. Le scoring n'est donc pas une photo figée de la base, mais un suivi continu de la relation entre l'entreprise et ses prospects.

Pourquoi mettre en place un lead scoring ?

Sans notation, les commerciaux reçoivent souvent tous les leads générés par le marketing, sans tri. Ils perdent du temps à appeler des contacts qui ne sont pas prêts, et les meilleures opportunités attendent dans la pile. À l'inverse, le marketing se plaint que ses leads ne soient pas traités. Le lead scoring répond à ce problème d'alignement entre équipes marketing et commerciales.

• Prioriser : les commerciaux concentrent leurs ressources sur les leads au score le plus élevé, ceux qui ont le plus de chance de devenir des clients.
• Améliorer le taux de conversion : un prospect contacté au bon moment, avec un discours adapté à son besoin, convertit mieux qu'un contact appelé trop tôt.
• Nourrir les autres : les leads au score bas ne sont pas abandonnés, ils entrent dans un programme de lead nurturing (contenus, emails, invitations) jusqu'à ce que leur intérêt progresse.
• Partager une définition commune : marketing et ventes s'accordent sur ce qu'est un lead qualifié, ce qui réduit les frictions.
• Mesurer : le scoring rend visibles les sources, les campagnes et les contenus qui produisent les meilleurs leads.

MQL, SQL : les étapes du parcours d'un lead

Le lead scoring s'appuie sur un vocabulaire partagé par les équipes marketing et commerciales. Les étapes les plus courantes du cycle de vente sont les suivantes.

• Lead : contact identifié, sans qualification particulière.
• MQL (marketing qualified lead) : lead jugé intéressant par le marketing, parce que son profil correspond à la cible et que son score a franchi un premier seuil.
• SAL (sales accepted lead) : lead accepté par les commerciaux après une rapide vérification.
• SQL (sales qualified lead) : lead qualifié par la vente, avec un besoin, un budget ou un projet identifié lors d'un premier échange.
• Opportunité puis client : le lead entre dans le pipeline commercial, puis signe.

Le score sert surtout à fixer le passage de lead à MQL, puis de MQL à SQL. La définition de chaque étape doit être écrite, connue des deux équipes et revue régulièrement.

Les critères du lead scoring

Un bon modèle de scoring combine deux familles de critères, souvent notées séparément pour ne pas confondre le bon profil et l'intérêt du moment.

Les critères explicites : le profil

Ce sont les informations déclarées par le prospect ou connues par l'entreprise : données démographiques en B2C, données firmographiques en B2B. Elles répondent à la question « ce contact ressemble-t-il à nos meilleurs clients ? ».

• secteur d'activité de l'entreprise ;
• taille de l'entreprise (effectif, chiffre d'affaires) ;
• fonction et niveau de décision du contact (dirigeant, responsable, utilisateur) ;
• zone géographique couverte par l'offre ;
• outils déjà utilisés, budget annoncé, échéance du projet.

Les critères implicites : le comportement

Le scoring comportemental observe ce que fait le contact : ses visites sur le site web, les pages consultées, ses téléchargements, ses réponses aux emails, sa participation à un webinar. Ces signaux indiquent son degré d'intérêt et sa position dans le parcours d'achat.

• visite de pages à forte intention : tarifs, comparatif, page produit, cas client ;
• demande de démonstration, de devis ou de rappel ;
• téléchargement d'un guide, d'une étude ou d'un modèle ;
• lecture répétée d'articles du blog sur un même sujet ;
• clic dans une campagne email, inscription à un événement ;
• fréquence et récence des visites.

Les critères négatifs

Le score peut aussi baisser. On retire des points à un contact qui visite la page carrières (il cherche un poste), à un étudiant, à un concurrent, à une adresse personnelle quand l'offre vise les professionnels, ou à un lead inactif depuis plusieurs mois. Le score négatif évite de transmettre aux commerciaux des leads qui ne sont pas de vrais prospects.

Exemple de grille de lead scoring

Voici un exemple simple pour une entreprise qui vend un logiciel aux PME. Les valeurs sont illustratives : chaque entreprise doit construire sa propre grille à partir de ses données.

Dans cet exemple, l'équipe peut décider qu'un lead devient MQL à 50 points et qu'une demande de démonstration le transmet directement à un commercial, quel que soit son total. Un dirigeant d'une PME du secteur cible (40 points) qui consulte les tarifs (10 points) atteint le seuil : il est contacté. Un étudiant qui télécharge trois guides reste dans le nurturing.

Comment mettre en place un lead scoring en 6 étapes

1. Analyser les clients existants

Le point de départ, ce sont les données de vos clients actuels. Quels secteurs, quelles tailles d'entreprise, quelles fonctions signent le plus ? Quelles pages ont-ils visitées, quels contenus ont-ils lus avant l'achat ? Cette analyse du CRM fait apparaître le profil du client idéal et les signaux qui précèdent une vente.

2. Définir le lead qualifié avec les commerciaux

Marketing et ventes se mettent d'accord sur la définition d'un MQL et d'un SQL, et sur ce que les commerciaux font d'un lead transmis (délai de rappel, suivi, retour d'information). Sans cet accord, la meilleure grille reste un tableau inutile.

3. Choisir les critères et attribuer les points

Retenez une dizaine de critères au départ, pas plus. Attribuez davantage de points aux actions proches de l'achat (demande de démonstration, page tarifs) qu'aux actions de découverte (lecture d'un article). Séparez si possible le score de profil et le score d'engagement.

4. Fixer les seuils

Le seuil détermine à partir de quel score un lead passe d'une étape à la suivante. Trop bas, les commerciaux reçoivent des contacts froids ; trop haut, de bons prospects attendent. On le fixe au départ par estimation, puis on l'ajuste avec les résultats.

5. Automatiser dans le CRM ou l'outil de marketing automation

Le calcul du score se fait automatiquement dans un logiciel : CRM ou plateforme de marketing automation. L'outil suit les actions, met à jour le score et peut déclencher une alerte, une tâche pour un commercial ou un scénario d'emails quand un seuil est atteint.

6. Mesurer et ajuster

Après quelques semaines, comparez les scores avec les résultats réels : les leads au score élevé deviennent-ils plus souvent clients ? Les leads transmis sont-ils acceptés par la vente ? Le modèle se révise au fil du temps, quand l'offre, la cible ou le site changent.

Lead scoring et segmentation : quel lien avec la RFM ?

Le lead scoring note des prospects, la segmentation RFM classe des clients existants selon la récence, la fréquence et le montant de leurs achats. Les deux méthodes partagent la même logique : attribuer une note à partir de données pour décider de l'action commerciale la plus utile. La RFM sert à la fidélisation et à la relance des clients ; le scoring sert à la conquête.

Les deux se complètent. Les clients les mieux notés en RFM donnent le modèle du bon profil pour le scoring des prospects ; et un lead devenu client passe d'un système de notation à l'autre. La segmentation, enfin, permet d'adapter les contenus de nurturing à chaque groupe de leads, selon leur secteur, leur besoin ou leur score.

Lead scoring prédictif et intelligence artificielle

Le scoring classique repose sur des règles écrites à la main : tant de points pour telle action. Le lead scoring prédictif utilise le machine learning : l'algorithme étudie l'historique des leads gagnés et perdus, repère les caractéristiques et les comportements qui annoncent un achat, et calcule pour chaque nouveau contact une probabilité de conversion.

Ce modèle prédictif découvre des signaux qu'une équipe n'aurait pas imaginés et s'ajuste avec les nouvelles données. Il demande en revanche un volume suffisant de leads et de ventes passées pour apprendre, et il reste moins lisible : un commercial comprend mal pourquoi un contact a tel score. Beaucoup d'entreprises commencent par une grille manuelle simple, puis passent au prédictif quand leur base le permet.

Les outils de lead scoring

La plupart des CRM et des solutions de marketing automation proposent une fonction de notation des leads. HubSpot permet de créer des propriétés de score à partir de critères de profil et d'engagement ; Salesforce, Zoho CRM, Pipedrive ou des plateformes comme Plezi, Webmecanik et ActiveCampaign offrent aussi des fonctions de scoring ou des intégrations, selon les formules. Pour trancher, regardez la taille de l'équipe, le volume de contacts et le logiciel déjà en place.

Quel que soit le logiciel, vérifiez trois points : le suivi des visites du site web relié aux contacts, la possibilité de combiner critères positifs et négatifs, et la synchronisation entre le score et le CRM des commerciaux. Une agence spécialisée en inbound marketing ou en CRM peut accompagner la mise en place, mais le modèle doit rester compris et piloté en interne.

Lead scoring et lead nurturing

Le scoring et le nurturing fonctionnent ensemble. Le premier mesure la maturité d'un lead, le second la fait progresser. Un contact au score bas reçoit des contenus adaptés à son étape : article de blog, guide pratique, étude de cas, invitation à une présentation. Chaque interaction augmente son score ; quand il franchit le seuil, il passe aux commerciaux.

Ce lien évite deux erreurs : relancer trop tôt un prospect qui découvre à peine le sujet, et oublier un contact qui montrait de l'intérêt. Les campagnes d'emailing B2B sont souvent le premier canal de ce nurturing, avec un suivi des ouvertures et des clics qui alimente le score.

Les erreurs fréquentes

• Trop de critères : une grille de cinquante règles devient impossible à maintenir et à expliquer.
• Surévaluer l'ouverture d'email : depuis la protection de la confidentialité d'Apple Mail, une ouverture n'est plus un signal fiable ; le clic ou la réponse comptent davantage (voir notre article sur le taux d'ouverture).
• Oublier le score négatif et la dégradation : sans baisse dans le temps, un lead actif il y a un an garde un score élevé.
• Construire le modèle sans les commerciaux : ils connaissent les signaux réels d'un projet, et ce sont eux qui traitent les leads.
• Ne jamais réviser : un scoring jamais comparé aux ventes finit par noter au hasard.
• Noter une base de mauvaise qualité : des adresses fausses, en double ou obsolètes faussent tous les calculs ; un nettoyage de la base passe avant.

Lead scoring et RGPD

Noter des personnes à partir de leurs données et de leur comportement en ligne relève du profilage au sens du RGPD (article 4) : une évaluation automatisée d'aspects personnels, comme les intérêts ou le comportement. Le profilage n'est pas interdit, mais il doit reposer sur une base légale, être mentionné dans l'information donnée aux personnes, et le contact peut s'opposer à tout moment au profilage lié à la prospection (article 21). Les données collectées doivent rester utiles à la finalité et ne pas être conservées au-delà de la durée prévue.

Le suivi des visites passe en général par des cookies ou traceurs, qui demandent le consentement de l'internaute quand ils ne sont pas strictement nécessaires. Côté email, les règles de la prospection par email et du RGPD s'appliquent aussi aux leads : consentement en B2C, intérêt légitime en B2B pour un message en lien avec la profession, lien de désinscription dans chaque envoi.

Mesurer l'efficacité de son lead scoring

Quelques indicateurs suffisent à évaluer le modèle :

• le taux de conversion des MQL en SQL, puis des SQL en clients ;
• la part des leads transmis acceptés par la vente ;
• le délai entre le passage du seuil et le premier contact commercial ;
• la durée du cycle de vente avant et après la mise en place ;
• la part des ventes issues de leads au score élevé.

Si des clients signent avec un score faible, ou si des leads très bien notés ne donnent rien, la grille doit être revue : un critère est surévalué, un autre manque.

Lead chaud, lead froid : lire le score

Le vocabulaire courant classe les leads par température. Un lead froid connaît à peine l'entreprise : il a lu un article du blog ou s'est inscrit à la newsletter. Un lead tiède revient, consulte plusieurs pages, télécharge un guide. Un lead chaud montre une intention d'achat claire : visite répétée de la page tarifs, demande de rappel, comparaison d'offres. Le scoring traduit cette température en chiffres et permet de sélectionner les leads chauds sans les chercher un à un dans le CRM.

Chaque niveau appelle une action différente. Les leads froids reçoivent des contenus de découverte ; les leads tièdes, des cas clients, une vidéo de présentation ou une invitation à un webinar ; les leads chauds, un appel direct d'un commercial dans la journée. Ce classement donne une vue claire du pipeline et aide le management à répartir le temps des équipes.

Petit glossaire du lead scoring

• Lead management : ensemble du processus de gestion des leads, de la création du contact à la conclusion de la vente.
• Lead nurturing : programme de contenus et d'emails qui fait mûrir un lead jusqu'à l'achat.
• Seuil : score à partir duquel un lead change de phase (MQL, SQL).
• Dégradation : baisse automatique du score quand le lead ne fait plus rien pendant un certain nombre de semaines.
• Attribut : information stockée sur un lead (fonction, secteur, source) qui sert de paramètre au calcul.
• Taux de conclusion : part des opportunités qui se terminent par une signature.
• Données socio-démographiques : âge, profession, lieu, utilisées surtout en B2C, avec les précautions du RGPD.
• Activation : moment où un lead passe à l'action (essai gratuit, création de compte, premier rendez-vous).

Lead scoring, fidélisation et data

Le scoring ne s'arrête pas à la signature. La même logique de notation, appliquée aux clients, aide à repérer ceux qui risquent de partir ou ceux qui sont prêts pour une offre complémentaire : c'est là que la fidélisation rejoint la segmentation RFM. Une stratégie data cohérente relie ces deux usages dans un même CRM, avec des données propres, des règles écrites et un suivi par une personne responsable du modèle.

Grâce à ce suivi, l'entreprise peut optimiser ses campagnes : déterminer quels canaux apportent les leads les mieux notés, quels contenus font monter les scores et à quel moment un appel donne les meilleurs résultats. L'expertise se construit avec le temps, par essais et corrections, pas en copiant la grille d'un autre éditeur ou d'une agence.

Lead scoring : questions fréquentes

Quelle est la définition du lead scoring ?

C'est une méthode qui attribue un score à chaque lead selon son profil et ses actions, afin d'évaluer sa probabilité de devenir client et de prioriser le travail des commerciaux.

Quelle différence entre scoring de profil et scoring comportemental ?

Le premier mesure si le contact correspond à la cible (secteur, taille, fonction) ; le second mesure son intérêt du moment (visites, téléchargements, demandes). Un bon modèle combine les deux.

Faut-il un logiciel pour faire du lead scoring ?

Une grille peut se tenir dans un tableur pour quelques dizaines de leads. Au-delà, un CRM ou un outil de marketing automation devient nécessaire pour suivre les actions et mettre à jour le score automatiquement.

Le lead scoring fonctionne-t-il avec un fichier acheté ?

Un fichier de contacts ne contient que des critères de profil : il n'y a pas encore de comportement à noter. Le scoring prend son sens quand les contacts interagissent avec vos emails, votre site et vos contenus, dans le respect des règles de prospection.