Toute la littérature de l'acquisition repose sur une promesse : le numérique serait mesurable, contrairement à l'affichage ou à la radio. Un dirigeant devrait donc pouvoir dire, à l'euro près, ce que lui rapporte chaque canal. Cette promesse a une histoire, des chiffres publics, et une série d'expériences universitaires qui la contredisent depuis quinze ans.
Cette enquête n'attaque pas l'idée de mesurer. Elle sépare trois choses que le vocabulaire commercial confond en permanence : ce que l'on observe (des taux, des coûts, des volumes), ce que l'on attribue (un modèle qui répartit des ventes entre des clics) et ce que l'on établit (un effet causal, qui exige une comparaison avec ce qui se serait passé sans la dépense). Les trois n'ont ni la même valeur de preuve, ni le même prix.
L'enquête en 30 secondes
D'où viennent les « taux de conversion moyens » que l'on vous oppose ?
Le chiffre le plus cité en réunion — « le taux de conversion moyen, c'est 2 % » — circule sans référence. Il existe pourtant des mesures documentées, produites sur des volumes considérables.
Le benchmark de Contentsquare publié le 9 mars 2026 repose sur 99 milliards de sessions collectées sur plus de six mille sites. Il donne 2,8 % de conversion pour le trafic issu du search payant, 1,3 % pour le trafic référé par un assistant d'intelligence artificielle, 0,7 % pour le social organique. Il indique aussi que les visiteurs revenants convertissent à 2,9 % contre 1,7 % pour les nouveaux visiteurs, et que le bureau convertit 74 % mieux que le mobile alors que le mobile représente près de 70 % du trafic.
Ces écarts entre canaux ne mesurent pas la qualité des canaux. Ils mesurent d'abord la composition de leur audience. Le search payant capte une intention déjà formée — quelqu'un tape le nom d'un produit ; le social organique capte une attention distraite. Comparer leurs taux revient à comparer le taux de réussite d'un examen entre une classe de candidats libres et une classe d'élèves déjà admis ailleurs.
Un détail méthodologique tranche le débat dans le secteur financier : Contentsquare y mesure 2,66 % de conversion sur le search organique contre 1,83 % sur le search payant. Le canal payant y convertit donc moins bien que le gratuit, ce qui ruine toute lecture du type « le payant convertit mieux ».
Conversions pour 1 000 visites, par canal d'acquisition
Combien coûte réellement une visite, et pourquoi ce prix monte-t-il ?
Le coût est la variable que les tableaux de bord d'acquisition affichent le moins volontiers, parce qu'il évolue à l'inverse du discours.
Le benchmark Contentsquare publié le 28 janvier 2025, portant sur 90 milliards de sessions, mesure une hausse du coût par visite de 9 % en un an et de 19 % sur deux ans, pendant que les taux de conversion reculaient de 6,1 %. Sur la même période, les investissements publicitaires numériques du panel progressaient de 13,2 % et la part du trafic payant passait de 37 % à 39 %.
Ce mouvement se retrouve à l'échelle du marché français. Le 35e Observatoire de l'e-pub, publié le 10 février 2026 par le SRI, l'UDECAM et Oliver Wyman, chiffre la publicité numérique française à 12,4 milliards d'euros en 2025, en hausse de 11 %. Le search y pèse 4,93 milliards, le social 4,18 milliards. Huit acteurs mondiaux y concentrent environ 76 % du marché et 83 % de la croissance.
Un enchérisseur qui paie plus cher un trafic qui convertit moins n'a pas forcément un problème de tunnel : il a un problème de marché. Les deux se traitent différemment, et confondre les deux conduit à optimiser des pages d'atterrissage pendant que le prix d'entrée double.
Côté logiciel, les repères chiffrés existent aussi, mais leur périmètre change tout. Le rapport 2025 B2B SaaS Performance Metrics Benchmarks, publié en mai 2025 par Benchmarkit et Pavilion à partir de plus de cinq cents entreprises, place le ratio d'acquisition médian à 2,00 dollars de dépense commerciale et marketing pour 1 dollar de revenu récurrent nouveau, en hausse de 14 % sur un an. Ce ratio inclut les salaires ; les « coûts d'acquisition » affichés par la plupart des agences n'incluent que l'achat média. Deux chiffres qui portent le même nom peuvent varier d'un facteur trois selon ce qu'on met dedans.
Ce que coûte l'acquisition numérique, mesuré sur 90 milliards de sessions
0 %
Hausse du coût par visite sur deux ans (9 % sur la seule dernière année)
0 %
Hausse des investissements publicitaires numériques du panel sur un an
0 %
Baisse du taux de conversion sur la même période
0 %
Part du trafic issue de canaux payants, contre 37 % l'année précédente
La fin des cookies tiers a-t-elle vraiment eu lieu ?
Non. Et c'est l'un des malentendus les plus coûteux de la décennie pour les budgets d'acquisition.
Le 22 avril 2025, Anthony Chavez, vice-président du programme Privacy Sandbox chez Google, a annoncé que Chrome ne déploierait pas de fenêtre de choix dédiée aux cookies tiers et conserverait son approche existante. Le 17 octobre 2025, Google a retiré dix des interfaces du programme, dont l'Attribution Reporting API, la Topics API et la Protected Audience API, invoquant une adoption insuffisante.
Ce revirement s'appuie sur des données de test publiques. Le 13 juin 2025, l'autorité britannique de la concurrence, la Competition and Markets Authority, a publié la synthèse des essais menés par des tiers. Le revenu par impression des éditeurs y était inférieur d'environ 30 % en l'absence de cookies tiers, même avec les outils de remplacement disponibles, la médiane des testeurs se situant dans une fourchette de 20 % à 50 % de baisse. L'objectif affiché par Google était une perte maximale de 5 %.
Sur la mesure proprement dite, le constat est plus sévère encore. La CMA rapporte que, pour deux des trois produits Google testés, plus de deux tiers des campagnes présentaient une erreur absolue supérieure à 20 % — seuil que Google qualifie lui-même de « très élevé ». Une entreprise testeuse a constaté que l'Attribution Reporting API manquait entre 45 % et 55 % des conversions mesurées par d'autres technologies.
La conclusion pratique est inconfortable : l'outillage censé remplacer les cookies tiers a été abandonné parce qu'il mesurait moins bien qu'eux, et les cookies tiers restent en place faute de mieux.
Que reste-t-il de la mesure quand la CNIL applique la règle ?
En France, la contrainte ne vient pas du navigateur mais du régulateur, et elle est appliquée.
La délibération n° 2020-091 du 17 septembre 2020 fixe le cadre : hors finalités strictement nécessaires, tout dépôt de traceur suppose un consentement libre, spécifique, éclairé et univoque. Le même texte prévoit une exemption pour la mesure d'audience limitée au seul compte de l'éditeur, sans suivi de navigation entre sites, avec anonymisation de l'adresse IP et conservation plafonnée à treize mois pour les traceurs et vingt-cinq mois pour les données brutes.
Le 1er septembre 2025, la CNIL a sanctionné la filiale irlandaise de SHEIN à hauteur de 150 millions d'euros, sur le fondement de l'article 82 de la loi Informatique et Libertés, pour des traceurs publicitaires déposés avant tout choix de l'utilisateur et pour un mécanisme de refus qui continuait à écrire des traceurs après un clic sur « tout refuser ». Le site concernait environ douze millions de visiteurs mensuels en France. Le même jour, Google était sanctionné à hauteur de 325 millions d'euros, notamment pour des publicités insérées dans la messagerie Gmail sans consentement préalable et pour des murs de traceurs dépourvus de choix réel.
Le précédent est plus ancien. Le 10 février 2022, la CNIL avait mis en demeure des gestionnaires de sites utilisant Google Analytics, jugeant les transferts de données vers les États-Unis insuffisamment encadrés à la suite de l'arrêt Schrems II du 16 juillet 2020, et leur laissant un mois pour changer d'outil.
Un tunnel « mesurable » en France est donc un tunnel dont une part du trafic échappe structurellement à la mesure individuelle. Les taux d'opt-in publiés par les éditeurs de plateformes de consentement se situent autour de 55 % à 60 % en Europe de l'Ouest, et le comblement automatique de ce trou par modélisation n'est pas neutre : Google documente lui-même que la modélisation de conversions ne s'active qu'au-delà de seuils de volume et que les résultats varient fortement d'un annonceur à l'autre. Ce que le tableau de bord affiche alors n'est plus une mesure, c'est une estimation.
Six ans de règles qui ont déplacé la mesure de l'acquisition
La CNIL fixe le cadre des traceurs
Délibération n° 2020-091 : consentement obligatoire hors finalités nécessaires, avec une exemption étroite pour la mesure d'audience limitée au compte de l'éditeur.
Un modèle d'attribution peut-il établir une causalité ?
C'est ici que l'enquête bascule, et la réponse publiée depuis quinze ans est constante : non, sauf conditions rarement réunies.
En 2011, Randall Lewis, Justin Rao et David Reiley ont documenté ce qu'ils appellent le biais d'activité. Dans leurs expériences, des internautes exposés à une publicité sans rapport avec la marque — un placebo — convertissaient malgré tout davantage, simplement parce que les journées où l'on voit beaucoup de publicités sont les journées où l'on fait beaucoup de choses en ligne. Toute comparaison entre exposés et non exposés hérite mécaniquement de cette corrélation.
L'étude la plus documentée reste celle de Brett Gordon, Florian Zettelmeyer, Neha Bhargava et Dan Chapsky, publiée en 2019 dans Marketing Science. Elle compare, sur quinze expériences américaines menées chez Facebook, 500 millions d'observations et 1,6 milliard d'impressions, les résultats d'essais randomisés à ceux de méthodes observationnelles. Dans une étude, la comparaison naïve entre exposés et non exposés donne un lift de 316 % là où l'essai randomisé en mesure 73 %. Dans une autre, le même calcul naïf affiche 4 074 % contre 2,4 % réellement mesurés, et la stratification la plus sophistiquée ramène encore 1 724 %. Le résumé des auteurs est net : dans la moitié des études, l'estimation observationnelle de la hausse d'achats se trompe d'un facteur trois, quelle que soit la méthode.
Contradiction attendue : l'apprentissage automatique aurait dû corriger cela. Les mêmes chercheurs ont testé l'hypothèse. Publié en 2023 dans Marketing Science, l'article de Brett Gordon, Robert Moakler et Florian Zettelmeyer porte sur 663 expériences et plus de cinq mille variables par utilisateur. Les lifts médians mesurés par essais randomisés sont de 29 %, 18 % et 5 % selon la profondeur de l'objectif ; le double machine learning en renvoie 83 %, 58 % et 24 % ; l'appariement par score de propension stratifié, 173 %, 176 % et 64 %. Avec des données bien plus riches que celles dont dispose n'importe quelle PME, l'effet causal n'est pas retrouvé.
Le cas le plus cité par les praticiens reste celui d'eBay. Thomas Blake, Chris Nosko et Steven Tadelis ont coupé les annonces payantes sur les requêtes de marque dans une expérience à grande échelle publiée en 2015 dans Econometrica : le trafic perdu a été récupéré à hauteur de 99,5 % par le référencement naturel. Autrement dit, la quasi-totalité de ce que l'outil d'attribution comptabilisait comme des conversions payantes existait déjà.
Que coûte une expérience contrôlée, et que prouve-t-elle ?
La réponse méthodologique existe : randomiser. Mais elle a un prix rarement dit.
Randall Lewis et Justin Rao ont analysé vingt-cinq grandes expériences de terrain menées avec des détaillants et des courtiers américains, représentant 2,8 millions de dollars de dépense publicitaire numérique, la plupart portant sur des millions de clients. Leur conclusion, publiée en 2015 dans le Quarterly Journal of Economics, est que l'intervalle de confiance médian sur le retour sur investissement dépasse cent points de pourcentage. La raison est arithmétique : le chiffre d'affaires par client est dix fois plus volatil que la dépense publicitaire par client. Il faut des échantillons énormes pour distinguer un effet réel du bruit.
Pour une entreprise qui n'a pas des millions de clients, la voie praticable est l'expérience géographique. La méthode publiée en 2011 par Jon Vaver et Jim Koehler chez Google consiste à répartir aléatoirement des zones géographiques entre traitement et contrôle, à couper ou augmenter la dépense dans certaines d'entre elles, puis à comparer les zones à l'aide d'une régression calée sur une période antérieure. Elle ne nécessite aucune donnée individuelle — donc aucun cookie — et produit un retour sur dépense incrémental.
C'est aussi le chemin que prennent les grandes plateformes elles-mêmes. En janvier 2025, Google a ouvert Meridian, un modèle de mix marketing bayésien en logiciel libre, dont l'un des arguments explicites est la calibration par des expériences d'incrémentalité. Autrement dit : le modèle ne prouve rien seul, il doit être recalé sur un essai.
Le coût réel d'une telle démarche se compte en trafic sacrifié — la zone témoin ne reçoit pas la campagne — et en durée. Une expérience géographique utile se compte en semaines, pas en jours, et exige une stabilité de dépense que la plupart des annonceurs n'acceptent pas. C'est la vraie raison pour laquelle l'attribution reste dominante : elle est gratuite, immédiate et flatteuse.
Comment lire son tunnel sans se raconter d'histoires ?
Trois lectures résistent aux données publiées, une quatrième non.
Les taux d'étape sont utiles comme signaux internes, pas comme comparaisons externes. Suivre l'évolution de son propre passage panier-paiement d'un mois sur l'autre a du sens ; se comparer à un « benchmark sectoriel » dont ni l'échantillon, ni la définition de la conversion, ni la période ne sont publiés n'en a aucun. Le premier réflexe devant un benchmark est de chercher la taille du panel et la date : leur absence est une réponse en soi.
Le coût complet est le seul coût qui décide. Un coût d'acquisition qui exclut les salaires, les outils et la production de contenu n'est pas comparable au ratio de 2,00 dollars pour 1 dollar de revenu nouveau mesuré par Benchmarkit, qui les inclut.
L'incrémentalité se teste, elle ne se déduit pas. La seule question qui compte — que se serait-il passé sans cette dépense ? — n'a jamais de réponse dans un tableau d'attribution, quel que soit son degré de raffinement.
Ce que ces données ne permettent pas : affirmer qu'un canal « fonctionne » pour une entreprise donnée. Les taux publiés sont des fréquences observées sur des panels agrégés, dominés par de grands sites marchands. Le marché français reste par ailleurs très concentré : selon la Fevad, dans son bilan publié le 11 février 2026, le commerce en ligne a atteint 196,4 milliards d'euros en 2025 pour 3,2 milliards de transactions et un panier moyen de 62 euros — une structure qui n'a rien de commun avec celle d'une activité de conseil vendant dix contrats par an.
Ce que cette enquête n'a pas pu établir
Aucune source publique ne donne de coût d'acquisition client moyen en France par canal et par secteur, établi sur un échantillon documenté. Les chiffres qui circulent proviennent d'agences qui publient des fourchettes sans exposer ni leur base, ni leur définition du coût. Nous n'en avons retenu aucun.
Les benchmarks de conversion utilisés ici proviennent de panels d'outils d'analyse — donc de sites déjà équipés, déjà mesurés, et majoritairement de grande taille. Ils décrivent mal les très petites structures. Le baromètre France Num 2025, réalisé par le Crédoc pour la Direction générale des entreprises auprès de 11 021 entreprises interrogées en mars et avril 2025, indique que 84 % des TPE et PME ont une présence en ligne, mais ne mesure ni leurs taux de conversion ni leurs coûts d'acquisition.
L'effet des règles de consentement sur la mesure elle-même n'est pas isolable dans les données publiques françaises. On connaît les sanctions, les taux d'opt-in publiés par les éditeurs de plateformes de consentement et les résultats des tests britanniques ; on ne dispose d'aucune évaluation indépendante de l'écart entre conversions réelles et conversions modélisées sur le marché français.
Enfin, les travaux universitaires cités portent sur de très grands annonceurs, souvent sur les plateformes elles-mêmes. Leur conclusion — l'attribution surestime généralement l'effet causal — est robuste et répliquée ; l'ampleur exacte du biais pour une PME française n'est documentée nulle part.
FAQ
Quel est le taux de conversion moyen d'un site en 2026 ?
Le benchmark Contentsquare publié le 9 mars 2026, établi sur 99 milliards de sessions et plus de six mille sites, donne 2,8 % pour le trafic issu du search payant, 1,3 % pour le trafic référé par une intelligence artificielle générative et 0,7 % pour le social organique. Ces moyennes recouvrent des écarts sectoriels majeurs : dans la finance, le search organique convertit mieux que le search payant. Un taux moyen ne constitue pas un objectif transposable.
L'attribution multi-touch mesure-t-elle l'efficacité réelle d'un canal ?
Non, elle répartit des conversions entre des points de contact observés, ce qui n'établit pas ce qui se serait passé sans la dépense. Dans les quinze expériences analysées chez Facebook par Gordon et ses coauteurs en 2019, la comparaison entre exposés et non exposés donnait jusqu'à 4 074 % de lift là où l'essai randomisé mesurait 2,4 %. Les auteurs concluent que dans la moitié des cas, l'écart atteint un facteur trois.
Les cookies tiers ont-ils disparu, et faut-il tout reconstruire ?
Ils n'ont pas disparu : Google a annoncé le 22 avril 2025 qu'il maintenait son approche dans Chrome, puis a retiré le 17 octobre 2025 dix interfaces du programme Privacy Sandbox censées les remplacer. En France, la contrainte vient de la CNIL, qui a sanctionné Google et SHEIN le 1er septembre 2025 pour 325 et 150 millions d'euros au titre de l'article 82 de la loi Informatique et Libertés.
Comment savoir si une campagne a vraiment généré des ventes ?
Par une expérience contrôlée : couper ou augmenter la dépense sur des zones tirées au sort et comparer avec les zones témoins, selon la méthode publiée par Vaver et Koehler en 2011. Cette approche ne nécessite aucune donnée individuelle. Elle reste statistiquement exigeante : Lewis et Rao ont montré en 2015 que l'intervalle de confiance médian sur le retour sur investissement publicitaire dépasse cent points de pourcentage.
L'enquête en slides
