Lead scoring B2B : prioriser vos leads sans sur-ingénierie

Le lead scoring B2B consiste à attribuer une note à chaque lead pour savoir qui appeler en premier. La version qui marche dans une petite équipe combine deux choses : à quel point le lead ressemble à votre client idéal (le fit) et quels signaux d’intérêt réel il a laissés (le comportement). Avec ça, vous ordonnez la file de travail des commerciaux. Pas besoin de plus pour démarrer.

Le piège classique, c’est l’inverse : monter un modèle avec 40 règles, une décroissance des points dans le temps, des intégrations vers trois outils et des seuils dont plus personne ne sait pourquoi ils valent ce qu’ils valent. D’expérience, ce genre de système tient trois mois. Après, personne ne le met à jour, les commerciaux arrêtent de le regarder et le scoring devient un chiffre décoratif dans le CRM. Dans ce post, je vous montre comment monter un scoring que votre équipe entretient vraiment, en commençant par le minimum qui priorise bien.

En 30 secondes :

• Lead scoring = fit (ressemble-t-il à mon client idéal ?) + comportement (a-t-il montré un intérêt réel ?).
• Commencez à la main et avec peu de règles. Un scoring de 5 lignes qu’on utilise vaut mieux qu’un de 40 que personne ne regarde.
• Signaux qui comptent : fonction, taille de l’entreprise, secteur, pages de tarifs vues, démo demandée.
• Signaux vaniteux : ouvertures d’e-mail, visites de la page d’accueil, téléchargements isolés sans contexte.
• Le scoring ne qualifie pas à votre place. Il ordonne la file ; la conversation avec les commerciaux confirme ou écarte.

Qu’est-ce que le lead scoring et à quoi sert-il vraiment ?

Le lead scoring sert à une seule chose : ordonner la file. Quand il entre plus de leads que les commerciaux ne peuvent bien traiter, quelqu’un doit décider qui on appelle à neuf heures du matin et qui on appelle à cinq heures de l’après-midi (ou jamais). Le scoring, c’est cette décision prise avec des règles plutôt qu’avec l’intuition.

Ce qu’il ne fait pas : automatiser la qualification, « prédire » avec une précision de laboratoire qui va acheter, ni servir de métrique de performance pour le marketing. C’est un outil de priorisation, et dès qu’on lui demande plus que ça, il commence à défaillir.

Il y a deux ingrédients, et mieux vaut les garder séparés dans sa tête :

• Le fit : à quel point ce lead ressemble aux gens qui vous achètent déjà. C’est une information sur qui il est : fonction, taille de l’entreprise, secteur, pays. Un directeur marketing d’une entreprise moyenne de votre secteur colle ; un étudiant qui prépare un exposé, non.
• Le comportement : ce que le lead a fait qui trahit une intention. C’est une information sur ce qu’il fait : il a demandé une démo, il a consulté la page de tarifs deux fois, il a répondu à un e-mail. De l’intérêt prouvé par des faits, pas par des clics isolés.

Un lead à fit élevé et comportement élevé va tout en haut. Un lead à fit élevé et comportement faible mérite du nurturing (il n’est pas encore prêt, mais c’est votre type de client). Un lead à comportement élevé et fit faible est souvent une perte de temps bien déguisée : très actif, mais qui n’achètera jamais. Cette matrice à deux axes concentre l’essentiel de la valeur du lead scoring, et vous pouvez la dessiner sur un coin de nappe.

Quels signaux comptent et lesquels sont vaniteux ?

La différence entre un scoring utile et un scoring inutile se joue presque entièrement ici : dans les signaux que vous décidez de noter. Beaucoup d’équipes notent ce qui est facile à mesurer plutôt que ce qui prédit une vente, et se retrouvent avec un modèle qui récompense le bruit.

Voici ceux qui, d’après mon expérience sur des comptes B2B, corrèlent bien avec le fait qu’un lead avance :

• Fit — fonction et pouvoir de décision. Quelqu’un qui peut signer ou influencer la signature vaut plus qu’un utilisateur final qui furète.
• Fit — taille et secteur de l’entreprise. Si votre produit colle aux entreprises d’une certaine taille, un lead hors de cette fourchette note bas même s’il est très motivé.
• Comportement — visite de la page de tarifs. Consulter les prix est l’un des signaux d’intention les plus honnêtes qui soient. Personne ne va voir les tarifs par ennui.
• Comportement — démo ou contact demandé. Lever la main de façon explicite est le signal le plus fort. Ça devrait pousser le lead quasiment au sommet.
• Comportement — réponse directe. Répondre à un e-mail, remplir un formulaire avec de vraies coordonnées, caler un appel. Il y a une personne en face qui a investi un effort.

Et voici les signaux vaniteux, ceux qui gonflent la note sans rien vous apprendre :

• Ouvertures d’e-mail. Avec la protection de la vie privée des messageries, une ouverture peut être un préchargement automatique. C’est l’une des métriques les moins fiables qui existent.
• Visites de la page d’accueil ou du blog, point. Lire un article n’est pas une intention d’achat. C’est du trafic. Le noter haut remplit votre file de curieux.
• Téléchargements isolés de contenu. Un ebook téléchargé sans aucun autre signal, c’est souvent quelqu’un qui voulait le PDF, pas votre produit.
• Clics sur les réseaux sociaux. Presque toujours du bruit pour la priorisation commerciale.

La règle que j’applique : si un signal ne changerait pas l’ordre de vos appels, ne le notez pas. Ajouter des points pour des choses qui ne discriminent rien ne fait que gonfler les chiffres et vous donne la fausse impression que le modèle « sait » quelque chose.

Modèle manuel ou automatisé ? Commencez par le simple

C’est ici que la plupart des gens se compliquent la vie. La réponse courte : commencez à la main, presque toujours. Un modèle automatisé a du sens quand le volume de leads dépasse ce qu’une personne peut passer en revue à l’œil, pas avant.

Un modèle manuel bien pensé priorise aussi bien qu’un modèle automatisé quand le volume est faible. Et il a un avantage énorme : quand l’équipe passe les leads un par un, elle apprend quels signaux comptent. Cet apprentissage, c’est ce qui alimente ensuite les règles automatiques, si tant est qu’elles finissent par être nécessaires.

Quand vous passerez à l’automatisé, faites-le avec peu de règles. Un scoring de départ raisonnable tient en cinq ou six lignes :

• +30 s’il a demandé une démo ou un contact direct
• +20 si la fonction colle à votre décideur
• +15 s’il a visité la page de tarifs
• +10 si l’entreprise est dans votre fourchette de taille et de secteur
• −20 si c’est un e-mail générique (gmail, etc.) ou une fonction clairement hors ICP
• Seuil : au-dessus de 40, les commerciaux l’appellent cette semaine

Pas besoin de la décroissance dans le temps, ni de poids à deux décimales, ni d’un modèle prédictif. Ces choses-là s’ajoutent quand vous avez assez de données pour les justifier, pas le premier jour. Sur-optimiser un modèle avec vingt leads d’historique, c’est ajuster du bruit.

Comment éviter de monter un système que personne n’entretient ?

Un scoring meurt quand il cesse de refléter la réalité et que personne ne le corrige. La prévention n’est pas technique, elle est de l’ordre du processus. Voici les quatre choses qui font la différence entre un modèle vivant et un modèle abandonné :

Que les commerciaux se l’approprient, pas seulement le marketing. Le scoring existe pour servir celui qui appelle les leads. Si les commerciaux ne lui font pas confiance et ne participent pas à le définir, ils l’ignoreront et reviendront à leur intuition. Définissez les règles ensemble.

Une revue mensuelle de trente minutes. Une fois par mois, regardez les leads qui ont noté haut sans se conclure, et ceux qui ont noté bas et se sont conclus. Ces deux groupes vous disent exactement quel signal est en trop ou manque. Sans cette boucle, le modèle se périme tout seul.

Peu de règles. Chaque règle que vous ajoutez est une règle que quelqu’un doit comprendre, entretenir et justifier. La complexité n’est pas gratuite : elle se paie en maintenance. Je préfère un modèle qui vise juste presque toujours et que tout le monde comprend à un modèle qui vise un peu plus juste mais que seul celui qui l’a monté comprend (et il ne travaille plus ici).

Le scoring propose, la conversation décide. Ne laissez jamais le chiffre écarter des leads en silence et de façon automatique. Un lead à fit faible peut être un cas rare qui colle malgré tout. Le scoring ordonne la file ; le jugement humain pendant l’appel confirme. Ça rejoint directement la génération de leads B2B qualifiés : le scoring est le filtre en amont, pas le juge final.

Comment le scoring s’articule-t-il avec la qualification et le CRM ?

Le scoring et la qualification ne sont pas la même chose, et les confondre cause la moitié des problèmes. Le scoring est automatique et superficiel : il ordonne à partir de données que vous avez déjà. La qualification est une conversation : le commercial confirme le budget, le besoin, l’autorité et les délais en parlant à la personne. Le scoring vous dit qui appeler en premier ; la qualification vous dit si ça vaut la peine de continuer.

En pratique, le flux est : le lead entre → le scoring l’ordonne dans la file → les commerciaux appellent ceux du haut → l’appel qualifie ou écarte → le CRM enregistre le résultat. Ce dernier pas est celui qui boucle la boucle : si le résultat des appels ne revient pas dans le système, vous ne saurez jamais si votre scoring vise juste. C’est pour ça qu’une intégration propre entre votre publicité, votre CRM et le suivi B2B compte autant : sans données de closing qui reviennent à la source, le scoring note à l’aveugle.

Le CRM est là où tout ça vit. Pas besoin d’un outil coûteux : les champs de fit et le score peuvent être des propriétés du contact dans à peu près n’importe quel CRM correct. L’important, ce n’est pas l’outil, c’est que la donnée « ce score a mené ou non à un client » soit enregistrée et revue. Si vous comptez pousser des leads qualifiés vers des campagnes Google Ads avec des conversions offline, cet enregistrement est en plus ce qui alimente les conversions offline en B2B, bouclant la boucle entre ce que vous dépensez et ce que vous concluez.

Tout ça n’est qu’une pièce d’un système plus large. Si vous voulez voir où le scoring s’insère dans l’ensemble (captation, qualification, nurturing et closing), je le développe dans le guide de génération de leads B2B. Le scoring est un spoke utile, mais il ne marche que si le reste de l’entonnoir est en place.

Questions fréquentes

Combien de points un lead doit-il avoir pour que les commerciaux l’appellent ?

Il n’y a pas de chiffre universel ; ça dépend de votre échelle de notation et du nombre de leads que votre équipe peut traiter. La bonne façon de fixer le seuil, c’est à l’envers : regardez combien de leads les commerciaux peuvent bien travailler par semaine, triez par score et tracez la ligne là. Si l’équipe en traite vingt, le seuil est le score du lead numéro vingt. Ajustez la coupe selon la capacité, pas selon un joli chiffre rond.

Le lead scoring est-il utile à une équipe d’une ou deux personnes ?

Oui, mais presque toujours en version manuelle. Avec peu de volume, vous n’avez pas besoin de règles automatiques : vous avez besoin d’un critère partagé pour ne pas perdre de temps avec des leads qui ne collent pas. Une feuille à deux colonnes (fit et comportement) et un feu tricolore suffisent. Le but n’est pas la sophistication, c’est de ne pas appeler le mauvais lead en premier.

Le lead scoring remplace-t-il la qualification commerciale ?

Non. Le scoring ordonne la file avec des données que vous avez déjà ; la qualification est la conversation où vous confirmez budget, besoin, autorité et délais. Un score élevé fait remonter le lead dans la liste, mais c’est l’appel qui décide s’il continue d’avancer. Traiter le score comme une qualification, c’est comme ça que de mauvais leads passent et que de bons sont écartés.

À quelle fréquence faut-il revoir le modèle de scoring ?

Une revue mensuelle d’une demi-heure suffit pour la plupart des petites équipes. Regardez les faux positifs (score élevé, pas conclu) et les faux négatifs (score bas, conclu quand même) : c’est là que se trouve le signal en trop ou manquant. Sans ce passage en revue, le modèle se désaligne de la réalité en quelques mois et l’équipe cesse de lui faire confiance.

De quel outil ai-je besoin pour faire du lead scoring ?

Aucun outil spécifique pour démarrer. Une feuille de calcul ou les champs de votre CRM couvrent un modèle manuel sans souci. Les outils d’automatisation ont du sens quand le volume dépasse ce que vous pouvez passer à la main. Choisissez l’outil après avoir clarifié vos règles, jamais avant : acheter un logiciel pour « faire du scoring » sans savoir quels signaux comptent, c’est commencer par le toit.

Priorisez d’abord, sophistiquez ensuite

Le lead scoring qui marche dans les petites équipes est ennuyeux : deux axes (fit et comportement), peu de règles, une revue mensuelle et les commerciaux aux commandes. Pas de modèle prédictif ni de vingt intégrations. Juste la discipline de ne pas noter le bruit et l’honnêteté d’admettre que le scoring ne fait qu’ordonner la file, il ne conclut pas les ventes.

Commencez à la main, écrivez cinq règles qui priorisent bien, et n’ajoutez de la complexité que quand les données vous le réclament. Un modèle que votre équipe entretient et utilise chaque jour vaut infiniment plus qu’un modèle parfait abandonné au deuxième mois.

Si vous voulez monter un scoring que votre équipe utilise vraiment, ou comprendre pourquoi celui que vous avez ne priorise pas bien, réservez 30 minutes de consultation et on regarde ça sur vos données.