J'ai passé des années à regarder des équipes commerciales noyer des leads chauds dans un océan de prospects froids. Franchement, j'en ai vu des systèmes de scoring qui sont une vaste blague. Pas parce que l'idée est mauvaise — elle est excellente — mais parce qu'on croit souvent qu'attribuer des points à la va-vite va magiquement tripler les ventes. Spoiler : ça ne marche pas comme ça. Aujourd'hui, je vais partager ce que j'ai appris à la dure, y compris les erreurs qui m'ont coûté cher.
Points clés à retenir
- Le lead scoring n'est pas qu'une note : c'est un pont entre le marketing et les ventes, mais mal construit, il les éloigne.
- Les critères démographiques ne suffisent pas ; le comportement du prospect est ce qui distingue un MQL d'un SQL.
- Sans révision régulière des seuils, un système de scoring devient obsolète en quelques mois.
- L'automatisation est indispensable, mais le jugement humain reste la clé pour les cas complexes.
C'est quoi le lead scoring ? La méthode qui a sauvé mon pipeline
Quand j'ai commencé en marketing B2B, je pensais que tous les leads étaient bons à prendre. Grave erreur. Le lead scoring, c'est cette méthode qui consiste à attribuer une note à chaque prospect en fonction de critères prédéfinis — démographiques et comportementaux. L'objectif ? Prioriser ceux qui ont le plus de chances de devenir clients. Un peu comme noter des étudiants, mais avec un impact direct sur le chiffre d'affaires.
Et ça marche. Sur un projet perso, j'ai vu le taux de conversion des leads qualifiés passer de 8 % à 22 % en six mois, simplement en arrêtant de perdre du temps sur des prospects qui n'avaient ni le budget ni l'intention d'acheter. Le problème ? Beaucoup d'entreprises confondent scoring et une simple étiquette "chaud/froid". C'est plus subtil.
Qu'est-ce que le score leading ? (et pourquoi ce terme me hérisse)
J'entends souvent "score leading" — sans doute une faute de frappe ou une anglicisation maladroite. Mais soyons clairs : le terme correct, c'est bien lead scoring. Le score leading n'existe pas. Ce qu'on cherche, c'est noter un lead, pas mener un score. Petite nuance, mais cruciale.
Dans la pratique, le lead scoring est ce système de notation arbitraire, propre à chaque entreprise, qui fait la jonction entre les actions marketing et les actions commerciales. Comme le dit l'agence Webconversion, il se base sur les actions réalisées et les caractéristiques du prospect : responsabilité, taille d'entreprise, secteur… C'est là que le bât blesse souvent.
C'est quoi un scoring ? Au-delà du marketing
Le scoring n'est pas réservé au marketing. Il est utilisé dans l'assurance, le crédit, ou même le recrutement pour évaluer des risques ou des probabilités. Dans notre domaine, c'est une méthode qui attribue un score à un prospect ou client en fonction de critères prédéfinis — qualitatifs et quantitatifs. L'objectif : estimer la probabilité d'achat et concentrer les ressources sur les meilleurs profils.
J'ai testé un système ultra-simplifié au début : 10 points pour un téléchargement de livre blanc, 50 pour une demande de démo. Résultat ? Mon équipe a passé trois semaines à courir après des étudiants qui téléchargeaient tout, sans aucun budget. Perte de temps totale. La leçon ? Le scoring seul ne suffit pas ; il faut des critères de "fit" client.
MQL vs SQL : la différence qui change tout
Beaucoup d'entre nous confondent MQL (Marketing Qualified Lead) et SQL (Sales Qualified Lead). Pourtant, c'est la base d'un bon scoring. Un MQL est un lead qui a montré un intérêt marketing — il a téléchargé un contenu, visité une page clé. Mais il n'est pas prêt à acheter. Un SQL, lui, a été qualifié par les ventes comme ayant un besoin, un budget et un timing concrets.
Sur mon dernier projet, j'ai défini un seuil à 80 points pour passer de MQL à SQL. Les commerciaux m'ont dit que c'était trop bas. Après trois mois de débats, on a ajusté à 120 points — et les taux de close sont montés de 15 %. Pourquoi ? Parce qu'on forçait le passage trop tôt.
| Type de lead | Seuil scoring typique (points) | Action recommandée |
|---|---|---|
| Prospect froid | 0–30 | Nurturing automatique (emails, contenus) |
| MQL | 31–80 | Relance marketing, qualification téléphonique |
| SQL | 81–150 | Prise de rendez-vous commercial directe |
Le seuil varie selon votre cycle de vente. En SaaS, un SQL peut être atteint en 2 semaines ; en immobilier, cela peut prendre 6 mois. Adaptez-vous.
Comment construire un bon système de scoring ? (mes 3 erreurs)
J'ai tout essayé. Et j'ai tout raté au moins une fois. Voici mes trois plus grandes erreurs, dans l'espoir que vous les évitiez.
Erreur n°1 : ne peser que les critères démographiques
Au début, je donnais 50 points pour le poste "Directeur marketing" et 10 pour "Assistant". Le problème ? Un assistant très engagé (webinaires, essais gratuits) valait bien plus qu'un directeur inactif. Il faut un équilibre : 40 % démographique, 60 % comportemental, je dirais aujourd'hui.
Erreur n°2 : ne jamais réviser les seuils
J'ai lancé un scoring et je l'ai laissé tourner 18 mois. Résultat : les critères n'étaient plus pertinents, les prospects passaient de MQL à SQL en une semaine, et l'équipe ventes ne faisait plus confiance au système. Révisez vos seuils tous les trimestres, surtout si vous lancez de nouvelles campagnes.
Erreur n°3 : oublier le scoring négatif
Un prospect qui se désabonne de vos emails, qui ne répond pas à trois relances ou qui travaille dans un secteur hors cible devrait perdre des points. Sur un projet e-commerce, j'avais ignoré cela ; des leads froids restaient bloqués en SQL, faisant baisser le moral des commerciaux. Ajoutez un mécanisme de déduction.
Lead scoring et outils : mon expérience avec HubSpot
J'utilise HubSpot depuis 2019. Leur module de scoring est puissant, mais il demande de la rigueur. Vous pouvez définir des critères avec des poids précis (ex : +15 points pour une visite de page "tarifs", -10 pour une ouverture d'email non convertie). Le tout s'intègre au CRM et aux workflows de nurturing.
Ce que j'ai appris : ne jamais activer l'IA de scoring prédictif sans d'abord avoir au moins 6 mois de données propres. Sinon, les prédictions sont aléatoires. J'ai brûlé 3 mois de budget à cause de cette erreur.
Questions fréquentes sur le lead scoring
Quelle est la différence entre un MQL et un SQL ?
La réponse courte : un MQL est qualifié par le marketing, un SQL par les ventes. La réponse longue : un MQL a montré un intérêt suffisant (scoring marketing) pour être transmis aux commerciaux, tandis qu'un SQL a été validé par un entretien téléphonique ou un devis. Dans les faits, la frontière est floue — c'est pourquoi un bon scoring doit inclure une boucle de feedback des ventes sur la qualité des leads reçus.
Et là, surprise : j'ai découvert que 40 % des MQL que je transmettais n'étaient jamais rappelés. Pourquoi ? Parce que les commerciaux ne voyaient pas assez de détails dans le score. J'ai donc ajouté des champs "comportement clé" (ex : a visité la page de pricing 3 fois) — et le taux de suivi a grimpé.
Ce que je retiens après des années de scoring
Le lead scoring n'est pas une baguette magique. C'est un instrument de musique : mal accordé, il produit du bruit ; bien réglé, il crée une symphonie entre marketing et ventes. Aujourd'hui, mon système de notation est simple, mais je le révise tous les mois. Et surtout, j'écoute les commerciaux — eux seuls savent ce qui fait un vrai bon client.
Alors, si vous lisez cet article en pensant "je vais copier les critères de HubSpot", arrêtez. Prenez le temps de définir votre propre système, basé sur vos données réelles. Et n'oubliez pas : un score n'est qu'un indicateur ; c'est l'humain derrière qui décide du reste.
