Tableau de bord marketing B2B : ce qu'il ne peut pas voir

Votre tableau de bord ne peut pas voir la moitié de ce que vous lui demandez. Ce n’est pas un problème de réglage, c’est une propriété de l’outil.

Les plateformes publicitaires cessent d’attribuer une conversion bien avant qu’un cycle de vente B2B ne se termine. Pendant ce temps, une part importante de ce qui décide vraiment d’une affaire, un rendez-vous, un appel, une recommandation, ne remonte dans aucun outil. Cet article traite de ce que vous pouvez piloter malgré cela, et de la façon de ne pas confondre du bruit avec un signal.

À quoi sert un tableau de bord marketing, et à quoi il ne sert pas

Un tableau de bord marketing est un ensemble restreint d’indicateurs suivis dans le temps pour décider. À la différence d’un rapport, qui rend compte du passé, il sert à agir. À la différence d’un outil d’analyse, qui répond à une question ponctuelle, il se lit à intervalles réguliers.

Cette définition emporte une conséquence que la plupart des tableaux de bord ignorent : une ligne qui ne déclenche aucune décision n’a rien à y faire. Elle peut être juste, intéressante et bien présentée, elle occupe une place et détourne l’attention de ce qui compte.

Le sujet du choix des métriques est traité ailleurs, et nous ne le referons pas ici : quelle métrique piloter selon votre modèle, et pourquoi le ROAS seul ment, font l’objet d’un article dédié aux quatre métriques. Ce qui suit porte sur autre chose, la construction et la lecture du tableau lui-même.

Votre tableau de bord devient aveugle après trente jours

Voici le fait que presque aucun article sur le sujet ne pose, et il change la lecture de tout le reste.

Les plateformes n’attribuent une conversion que pendant une durée limitée après le clic. Passé ce délai, la vente a beau se conclure, elle n’est plus rattachée à la publicité qui l’a déclenchée. La documentation de Google Ads fixe la fenêtre par défaut à 30 jours après un clic, avec un maximum de 90 jours, et à 1 jour après un affichage, avec un maximum de 30 jours.

Meta est plus restrictif encore, et le devient davantage. Le blog développeurs de Meta a annoncé qu’au 12 janvier 2026, les fenêtres d’attribution de 7 et 28 jours après affichage disparaissent de l’API Ads Insights. Restent disponibles les fenêtres de 1, 7 et 28 jours après clic, et 1 jour après affichage. La mesure du clic y plafonne donc à 28 jours.

Face à ces durées, combien de temps dure un cycle de vente B2B ? Aucune source française ne le mesure. Ni l’Adetem, ni l’EBG, ni Bpifrance. Les seules données disponibles sont internationales et proviennent d’éditeurs : le rapport 2023 d’Ebsta et Pavilion, construit sur 3,2 millions d’opportunités de CRM, situe le cycle moyen autour de cent à cent vingt jours ; une enquête TrustRadius de 2024 auprès de 2 164 acheteurs américains établit que 87 % des achats se concluent en six mois, mais seulement 65 % dans les grandes entreprises.

Ces chiffres sont fragiles et nous les donnons comme tels. Un point ne l’est pas : même en retenant l’hypothèse la plus favorable, le cycle de vente dépasse la fenêtre de mesure. L’affaire signée au quatrième mois ne sera jamais rattachée au clic qui l’a déclenchée.

Un effet secondaire de ces fenêtres mérite d’être connu, car il fausse les arbitrages entre canaux. Les plateformes ne se contentent pas de mesurer, elles optimisent sur ce qu’elles mesurent. Un algorithme qui n’observe que les conversions survenues dans ses vingt-huit jours apprend à chercher les acheteurs rapides, et délaisse les cycles longs, qui sont précisément ceux qui font les contrats importants en B2B. Le raccourcissement des fenêtres n’est donc pas seulement un problème de comptage, c’est un biais d’optimisation.

Deux conséquences pratiques en découlent. La première : ne jugez jamais une campagne B2B sur la seule conversion déclarée par la plateforme, elle est structurellement incomplète. La seconde : quand vos chiffres de plateforme et vos chiffres de CRM divergent, le désaccord est souvent normal, et nous avons expliqué pourquoi dans attribution, quand GA4, Meta et le CRM ne disent pas la même chose.

Pourquoi le point du lundi fabrique de fausses décisions

Passons à la deuxième illusion, celle de la fréquence. Elle est plus coûteuse que la première, parce qu’elle donne le sentiment de bien piloter.

Regarder un indicateur chaque semaine et réagir dès qu’un écart apparaît revient à faire un test statistique en continu. Or Evan Miller a montré en 2010 que cette pratique fait passer le taux de faux positifs de 5 % à 26,1 %, soit plus de cinq fois ce que l’on croit. Autrement dit : dans un quart des cas, l’écart auquel vous réagissez n’existe pas. Le résultat est confirmé par les travaux de Kohavi, Tang et Xu, référence du domaine.

Un exemple parle mieux qu’une formule. Une PME reçoit dix demandes une semaine, quinze la suivante. Cela ressemble à une hausse de 50 %, et beaucoup de décisions se prennent là-dessus. Sur quelques centaines de visiteurs hebdomadaires, cet écart reste pourtant dans la zone où le hasard produit exactement la même chose. Il faudrait environ quinze semaines de volume pour trancher.

Ce n’est pas un appel à l’inaction, c’est un appel à ne pas confondre les registres. Une variation hebdomadaire mérite un coup d’œil, pas une réallocation de budget. La règle qui protège le mieux : n’augmentez jamais la fréquence de lecture au-delà de la fréquence à laquelle vous pouvez réellement agir. Un dirigeant qui arbitre son budget au trimestre n’a rien à gagner à un tableau de bord quotidien, sinon de l’anxiété et des décisions prises sur du bruit.

Qui lit quoi, et à quelle maille

De ce qui précède découle une règle d’organisation simple, que presque aucun tableau de bord n’applique : il n’existe pas un tableau de bord, mais autant de lectures que de destinataires.

Le niveau opérationnel regarde à la semaine ce sur quoi il peut agir dans la semaine : coût par demande, volume de demandes, usure des créations, répartition entre canaux. Il lui faut du détail et de la réactivité, en sachant qu’une part de ce qu’il observe est du bruit.

La direction regarde au mois et au trimestre ce qui engage : coût d’acquisition, part du chiffre d’affaires issue de chaque canal, évolution du volume d’affaires signées. À cette maille, les variations hebdomadaires se lissent et le signal apparaît.

Le rythme propre à chaque métrique, lui, est détaillé dans notre article sur les quatre métriques, qui donne pour chacune son intervalle naturel de lecture.

Une précaution vaut plus que tout outil : figez vos définitions et gardez-en la trace. Une série de coûts d’acquisition sur douze mois devient illisible dès qu’une fenêtre d’attribution, un périmètre de dépense ou une définition de lead qualifié a changé en cours de route sans être notée.

Qu’est-ce qu’un KPI, et pourquoi la liste de cinquante ne sert à rien

Un indicateur clé de performance est une métrique qui déclenche une décision. C’est toute la définition, et elle est plus exigeante qu’elle n’en a l’air : une métrique juste, intéressante et bien présentée n’est pas un indicateur clé si personne n’agit différemment selon sa valeur.

Les contenus consacrés au sujet proposent des listes de vingt à cinquante indicateurs, rangées par canal. Elles ont un défaut d’origine : elles décrivent ce qu’un outil sait mesurer, pas ce qu’une entreprise sait décider. Ces listes sont d’ailleurs presque toutes publiées par des éditeurs de logiciels de tableaux de bord, ce qui explique leur exhaustivité.

Trois raisons pour lesquelles cette exhaustivité vous dessert.

La plupart de ces indicateurs ne sont pas lisibles à votre volume. On vous propose un coût d’acquisition et un taux de conversion sans jamais préciser à partir de combien de signatures ces chiffres cessent d’être du bruit. C’est pourtant la première question à poser, et elle est traitée dans CAC B2B : ce que votre coût d’acquisition ne dit pas.

Une partie décrit ce que les plateformes ne peuvent pas mesurer chez vous. Un cycle de vente de plusieurs mois sort des fenêtres d’attribution, comme expliqué plus haut. L’indicateur existe dans l’outil, il ne décrit rien de votre activité.

Le nombre lui-même n’est pas le critère. On lit souvent qu’il faut s’en tenir à cinq ou dix. C’est un pansement sur le vrai problème : dix indicateurs décoratifs valent moins qu’un seul qui déclenche une décision.

SMART sert à écrire un objectif, pas à choisir un indicateur

L’acronyme apparaît dans presque tous les contenus sur les indicateurs, employé comme grille de sélection. C’est un contresens.

Il vient d’un article de George Doran publié en novembre 1981 dans Management Review, qui porte sur la rédaction des objectifs de management, pas sur le choix des mesures. Un objectif peut être parfaitement spécifique, mesurable et daté sans que l’indicateur retenu pour le suivre déclenche la moindre décision.

Une précision au passage, puisque le corpus francophone la manque presque unanimement : le A d’origine signifie assignable, c’est-à-dire dont la responsabilité est attribuée à une personne nommée, et non atteignable. C’est d’ailleurs le sens le plus utile des cinq pour un tableau de bord, et il rejoint la question de savoir qui lit quoi.

Le test qui trie un indicateur utile d’un indicateur décoratif

Voici le test, et il tient en une question posée à chaque ligne du tableau : si ce chiffre bougeait de 20 % dans un sens ou dans l’autre, que ferais-je différemment ?

Trois réponses possibles, et une seule justifie de garder la ligne.

Si la réponse est une action précise, prise par une personne identifiée, dans un délai connu, l’indicateur est actionnable. Gardez-le.

Si la réponse est « j’en parlerais en réunion », l’indicateur est un sujet de conversation, pas de pilotage. Il peut rester, mais dans un rapport, pas dans le tableau qui sert à décider.

Si la réponse est « rien », sortez-le. C’est le cas de la majorité des lignes des tableaux de bord que nous voyons, en particulier des indicateurs de volume brut : nombre de visites, nombre d’impressions, nombre d’abonnés. Ils ne sont pas faux, ils sont sans conséquence.

Nous avons décrit ailleurs les signes qui distinguent un compte rendu utile d’un compte rendu cosmétique, et ils s’appliquent tout autant à un tableau de bord interne : voyez ce que doit contenir le reporting d’une agence.

Faire remonter ce que les plateformes ne voient pas

Reste le trou le plus large, et celui dont personne ne parle. En B2B, une partie décisive du parcours se passe hors de tout outil : un rendez-vous, un appel, une recommandation entre pairs, une rencontre sur un salon, une réputation qui précède la demande.

Aucune plateforme ne verra jamais cela. Le réflexe habituel consiste à l’ignorer, ce qui revient à piloter sur la seule portion visible du parcours et à surestimer mécaniquement les canaux qui savent se déclarer.

Trois pratiques simples remettent ces signaux dans le tableau, sans outil supplémentaire.

Demandez l’origine déclarée, et notez-la. Une question à chaque premier rendez-vous, « comment nous avez-vous connus », et un champ pour la consigner. C’est déclaratif, donc imparfait, et c’est précisément parce que c’est imparfait qu’il faut l’ajouter aux données techniques plutôt que le leur substituer.

Tenez un registre des événements. Salons, publications, prises de parole, campagnes. Quand une hausse de demandes apparaît trois semaines après un événement, le registre permet de faire le lien qu’aucun outil ne fera.

Regardez le volume total avant les attributions. La somme des demandes entrantes, toutes origines confondues, comparée mois par mois, dit souvent plus vrai qu’une répartition par canal fondée sur des attributions partielles. Elle a le mérite de ne rien oublier.

Un dernier mot sur ce que nous n’avons pas trouvé, et qui mérite d’être dit. Aucune source indépendante ne documente le temps que coûte la production d’un reporting marketing. Les seuls chiffres proviennent d’éditeurs qui vendent de l’automatisation, et l’un d’eux présente comme caution une étude d’apparence indépendante, en réalité commandée et financée par lui, bâtie sur l’entretien d’un seul client. Retenez le principe à défaut du chiffre : si produire le tableau coûte plus que les décisions qu’il permet, c’est qu’il contient trop de lignes.

Trois pièges de lecture que personne n’explique

Au-delà de la fréquence, la manière de lire une série se trompe de trois façons documentées depuis longtemps, et jamais expliquées aux dirigeants.

La moyenne masque la distribution. C’est le plus fréquent. WordStream a publié les taux de conversion observés sur les comptes Google Ads qu’il gère : la médiane s’établit à 2,35 %, mais le quart supérieur dépasse 5,31 % et les 10 % de tête atteignent 11,45 %, quand un quart des comptes reste sous 1 %. La donnée vient d’un éditeur d’outils, donc à prendre comme un ordre de grandeur, mais l’enseignement tient : se comparer à une moyenne de marché n’apprend presque rien, parce que l’écart entre le premier et le dernier quart est d’un facteur dix. Sur vos propres données, la conséquence est la même : un coût par demande moyen peut recouvrir deux populations très différentes qu’il faudrait piloter séparément.

Le paradoxe de Simpson. Décrit par E. H. Simpson en 1951, il désigne le cas où une tendance observée dans chaque sous-groupe s’inverse quand on agrège les groupes. En pratique : votre coût par demande peut avoir baissé sur Google et baissé sur LinkedIn, tout en augmentant au total, simplement parce que la part du canal le plus cher a grossi. Le total ment sans que personne n’ait truqué de chiffre. C’est la raison pour laquelle un tableau de bord qui n’affiche que des agrégats est dangereux : gardez toujours la ventilation à côté du total.

La régression vers la moyenne. Le phénomène a été décrit par Francis Galton en 1886 et vaut pour toute série qui comporte une part d’aléa. Une campagne exceptionnelle un mois donné a de bonnes chances d’être simplement moins bonne le mois suivant, sans qu’aucune décision n’y soit pour rien. Le piège est double : on félicite ce qui n’était que du hasard favorable, et on corrige ce qui n’était que du hasard défavorable. Si vous n’agissez qu’après les mois extrêmes, vous passerez votre temps à réagir à du bruit, et vos corrections sembleront toujours fonctionner puisque la série serait revenue vers sa moyenne de toute façon.

À ces trois pièges s’ajoute la saisonnalité, dont l’effet en France est si connu que les statisticiens publics le neutralisent avant de publier. L’Insee écrit que la production industrielle « présente en particulier un creux en août car beaucoup d’entreprises réduisent leur activité en raison des congés d’été, rendant difficile l’interprétation des évolutions mensuelles ». Les chiffres que l’institut publie chaque mois sont corrigés de cet effet. Votre tableau de bord, lui, ne l’est pas. Comparer août à septembre revient donc à commettre l’erreur que les statisticiens publics corrigent précisément pour ne pas la faire : comparez plutôt un mois à ce même mois de l’année précédente.

Ce que votre volume permet à l’algorithme

Un point relie la mesure au pilotage, et il est rarement fait : en dessous d’un certain volume de conversions, ce n’est pas seulement votre lecture qui devient hasardeuse, c’est l’algorithme des plateformes qui ne fonctionne plus.

Meta documente un seuil explicite : un ensemble de publicités sort de sa phase d’apprentissage « après environ 50 résultats dans la semaine suivant la dernière modification importante ». En dessous, il reste en apprentissage limité, ce que Meta présente non comme une sanction mais comme un signal que le budget ne se dépense pas efficacement. Nous avons détaillé ce mécanisme et ce qu’il implique pour la structure d’un compte dans ce que dit vraiment la documentation Meta.

Google publie des repères comparables, et ils diffèrent selon la stratégie d’enchères. La maximisation des conversions et le retour sur dépense publicitaire cible recommandent au moins quinze conversions sur trente jours. Le coût par acquisition cible n’impose pas de minimum pour démarrer, mais Google recommande trente conversions sur trente jours pour que les résultats soient interprétables. Sur certains formats plus récents, le seuil monte à cinquante conversions sur trente-cinq jours.

La conséquence pratique est directe et rarement dite. Une PME B2B qui génère quinze demandes par mois, réparties sur trois campagnes, place chacune d’elles sous tous ces seuils à la fois. Elle paie un algorithme qui ne peut structurellement pas apprendre, et lit un tableau de bord dont les variations sont du bruit. Dans cette situation, la bonne décision n’est pas d’ajouter des indicateurs : c’est de concentrer le budget sur moins de campagnes, et de raisonner sur des périodes plus longues.

Quand l’indicateur devient la cible

Un dernier mécanisme mérite d’être connu, parce qu’il touche les tableaux de bord qui fonctionnent bien.

La formule est célèbre : « quand une mesure devient une cible, elle cesse d’être une bonne mesure ». On l’attribue systématiquement à l’économiste Charles Goodhart. Nous avons lu le texte d’origine, et l’attribution est inexacte. La phrase figure page 308 d’un article de l’anthropologue Marilyn Strathern, publié dans l’European Review en 1997, où elle écrit exactement : « When a measure becomes a target, it ceases to be a good measure ». Et Strathern ne la revendique pas comme un énoncé de Goodhart : elle précise que c’est un troisième chercheur, Keith Hoskin, qui a baptisé le phénomène « loi de Goodhart », par analogie avec l’observation de Goodhart sur les instruments de contrôle monétaire.

L’anecdote de sourcing importe moins que ce qu’elle décrit, et qui se vérifie dans n’importe quelle entreprise. Le jour où une équipe est évaluée sur le nombre de demandes entrantes, ce nombre monte. Il monte parce qu’on abaisse le seuil de ce qu’on appelle une demande, parce qu’on relance des contacts anciens, parce qu’on compte deux fois ce qui arrive par deux canaux. L’indicateur progresse, l’activité non.

Deux protections simples existent. Suivre toujours un indicateur de volume avec un indicateur de qualité, par exemple les demandes entrantes avec le taux de transformation en rendez-vous : truquer les deux en même temps est beaucoup plus difficile. Et figer par écrit la définition de ce qu’on compte, en datant tout changement. Une série de douze mois devient illisible dès qu’une définition a bougé en cours de route sans être notée.

Ce constat est plus ancien qu’on ne le croit. Bien avant la formule qui circule aujourd’hui, V. F. Ridgway publiait en 1956 dans Administrative Science Quarterly une analyse des conséquences non voulues des mesures de performance. Il y distingue trois cas, et les trois se rencontrent encore dans un tableau de bord marketing : une mesure unique pousse à des comportements contraires au but affiché, plusieurs mesures créent des arbitrages entre critères qui peuvent se contredire, et une mesure composite produit des conflits de rôle chez ceux qui doivent la servir.

La conséquence pratique n’est pas d’arrêter de mesurer. C’est de garder à l’esprit qu’un indicateur affiché à une équipe devient un objectif pour cette équipe, et d’anticiper ce qu’elle fera pour l’atteindre.

Faut-il un tableau de bord Excel ou un outil connecté ?

Excel, tant que vos sources ne sont pas stabilisées. Un outil connecté ensuite, si le temps de mise à jour devient un problème réel.

Ce n’est pas une position de repli, c’est une conséquence de ce qui précède. Un outil connecté fige la définition de vos indicateurs au moment où vous le paramétrez. Or les six premiers mois d’un pilotage servent précisément à découvrir que la définition retenue était mauvaise : la source ne dit pas ce que vous croyiez, la maille de temps est trop fine, l’indicateur ne déclenche aucune décision. Dans un classeur, vous corrigez en deux minutes. Dans un outil connecté, vous rouvrez un chantier.

Trois signes qu’un classeur suffit encore.

Vos sources changent d’un mois sur l’autre. Nouvelle plateforme testée, colonne ajoutée au CRM, définition d’un lead qualifié en cours de discussion avec les commerciaux. Tant que cela bouge, connecter revient à câbler du provisoire.

La saisie prend moins de vingt minutes par mois. En dessous de ce seuil, l’automatisation coûte plus qu’elle ne rapporte, et elle vous prive de la lecture attentive que la saisie manuelle impose. Beaucoup d’anomalies se repèrent parce que quelqu’un a recopié un chiffre et l’a trouvé bizarre.

Une seule personne lit le tableau. Le bénéfice d’un outil connecté est surtout un bénéfice de diffusion : plusieurs destinataires, chacun avec sa vue, en libre service. À un seul lecteur, ce bénéfice n’existe pas.

Trois signes qu’il faut passer à un outil. La saisie dépasse une demi-journée par mois. Plusieurs personnes ont besoin de vues différentes des mêmes données. Ou vous avez commencé à prendre des décisions sur des chiffres recopiés à la main sans que personne ne vérifie plus la source.

Ce qu’un classeur fait mieux qu’un outil

Trois choses, qu’on oublie facilement en regardant une démonstration de logiciel.

Il porte le commentaire. Une colonne de commentaire à côté du chiffre, où l’on note ce qui explique la variation du mois, vaut souvent plus que le chiffre lui-même. C’est ce qui rend un historique relisible un an plus tard. Peu d’outils connectés rendent ce commentaire aussi facile à écrire qu’une cellule.

Il garde la trace des définitions. Un onglet qui dit ce que compte exactement chaque ligne, avec sa source et sa maille, règle les désaccords en réunion. Dans un outil, cette définition est enfouie dans un paramétrage que personne ne rouvre.

Il survit au changement d’outil. Vos données restent lisibles quand vous changez de plateforme publicitaire, de CRM ou de prestataire. C’est un point sous-estimé : un historique de dix-huit mois piloté dans un outil que vous quittez se perd en pratique, faute d’export exploitable.

Les trois erreurs d’un tableau de bord sous Excel

Une feuille par mois. C’est la faute la plus courante, et elle interdit toute lecture de tendance. Un tableau se tient en une seule feuille de données, une ligne par période, et les vues se construisent par dessus.

Le calcul mélangé à la saisie. Séparez ce que vous saisissez de ce que vous calculez. Sans cette séparation, une formule finit toujours par être écrasée par une saisie, et personne ne s’en aperçoit avant que le chiffre ne soit devenu faux depuis trois mois.

L’absence de date de mise à jour. Écrivez, dans une cellule visible, quand le tableau a été renseigné pour la dernière fois et par qui. Un tableau de bord dont on ignore la fraîcheur est plus dangereux qu’un tableau absent, parce qu’on lui fait confiance.

Le classeur que nous mettons à disposition plus haut applique ces trois règles : une feuille de données unique, les calculs isolés, et l’horodatage en tête.

Par où commencer, concrètement

Si vous partez de rien, l’ordre suivant évite les impasses les plus fréquentes.

Commencez par écrire les décisions, pas les indicateurs. Listez les trois ou quatre décisions que vous prenez réellement dans l’année : réallouer un budget entre canaux, arrêter ou prolonger un test, recruter ou déléguer, augmenter l’enveloppe. Chaque ligne du tableau doit servir l’une d’elles.

Figez les définitions avant de collecter. Qu’est-ce qu’une demande, qu’est-ce qu’une demande qualifiée, à partir de quand un contact est perdu. Ces définitions valent plus que l’outil qui les affichera.

Restez dans le tableur tant qu’il suffit. Un outil de visualisation devient pertinent quand la collecte manuelle coûte plus cher que la licence, ce qui arrive plus tard qu’on ne le croit. Si vous en installez un, sachez que la fraîcheur des données n’est pas immédiate : les connecteurs Google Ads et Analytics de Looker Studio se rafraîchissent toutes les douze heures, et une fusion de sources y est limitée à cinq sources. Ce sont des limites de conception, pas des réglages.

Ajoutez la ligne qui ne vient pas des plateformes. Un tableau de bord B2B alimenté uniquement par les régies publicitaires ne verra jamais la moitié du parcours. Une seule ligne alimentée à la main, l’origine déclarée en rendez-vous par exemple, vaut mieux que trois indicateurs automatiques de plus.

Ce sujet suppose tranché un arbitrage antérieur, celui entre publicité payante et acquisition organique. Si ce n’est pas votre cas, commencez par là.

Une ligne mérite un traitement à part sur presque tous les tableaux de bord B2B : celle du coût d’acquisition, dont la variation mensuelle est en général du bruit plutôt qu’un signal. Comment le vérifier chez vous : CAC B2B : ce que votre coût d’acquisition ne dit pas.

Un cas d’école pour finir, celui d’un indicateur que presque tout le monde suit sans savoir ce qu’il compte : le taux de rebond a changé de définition, et les repères sectoriels qui circulent mesurent autre chose. Voir taux de rebond : il ne mesure plus ce que vous croyez.

Un mot sur l’outil de mesure d’audience, dont la fenêtre obéit à sa propre règle : la période de suivi des événements clés y plafonne à quatre-vingt-dix jours, sans aucune option au-delà, et les modèles d’attribution linéaire et au premier clic ont été retirés en novembre 2023. Le détail et ses deux autres plafonds sont dans Google Analytics 4, ce qu’il ne vous montre pas.

En bref

• Les plateformes cessent de mesurer avant la fin d’un cycle B2B. Google Ads attribue 30 jours après le clic par défaut, 90 au maximum ; Meta plafonne à 28 jours et supprime ses fenêtres après affichage de 7 et 28 jours en janvier 2026.
• Le cycle de vente B2B n’est mesuré par aucune source française. Les données internationales disponibles, toutes issues d’éditeurs, le situent autour de trois à quatre mois. Le chiffre de 67 jours qui circule partout ne mène à aucune étude consultable.
• Regarder chaque semaine et réagir porte le taux de fausses alertes de 5 à 26,1 %. Sur de petits volumes, un écart de 50 % peut n’être que du hasard.
• Ne lisez pas plus souvent que vous ne pouvez agir. L’opérationnel à la semaine, la direction au mois et au trimestre.
• Une ligne qui ne change aucune décision doit sortir du tableau. Le test tient en une question : si ce chiffre bougeait de 20 %, que ferais-je différemment ?
• Une moyenne masque une distribution, un total peut mentir, et un extrême revient vers la moyenne. Ces trois pièges de lecture font prendre des décisions sur du hasard.
• En dessous d’environ 50 conversions par semaine sur Meta et 15 à 30 par mois sur Google, l’algorithme lui-même ne peut plus apprendre. Concentrez le budget avant d’ajouter des indicateurs.
• Un indicateur devenu cible cesse d’être une bonne mesure. Suivez toujours un volume avec une qualité, et datez tout changement de définition.
• Organisez la remontée de ce qui ne remonte pas : origine déclarée en rendez-vous, registre des événements, et volume total de demandes avant toute attribution.

Si vous avez le sentiment de piloter sans y voir clair, c’est souvent moins un problème d’outil qu’un problème de ce que vos données peuvent dire. Parlons-en, ou découvrez notre approche de la donnée et du reporting marketing B2B.