Lead scoring : la méthode pour prioriser vos prospects et vendre plus vite

J’ai passé trois ans à regarder des équipes commerciales foncer sur des leads qui n’achèteraient jamais, tout en ignorant ceux qui étaient prêts à signer. Et puis j’ai découvert le lead scoring. Franchement, ça a changé ma façon de voir tout l’inbound marketing.

Le principe paraît simple : attribuer des points à vos prospects selon leur profil et leur comportement. Mais c’est là que la plupart des gens se plantent. Ils croient qu’un bon lead scoring se résume à un tableur avec des points arbitraires. Non. C’est un vrai travail de calibration, et si vous le faites mal, vous allez perdre des ventes sans même comprendre pourquoi.

Dans cet article, je vais vous montrer comment construire un système de lead scoring qui fonctionne réellement. Pas de théorie. Du concret, avec les erreurs que j’ai commises pour que vous ne les refassiez pas.

Lead scoring : la définition que j’aurais aimé lire il y a 5 ans

Le lead scoring, c’est un système de notation qui attribue des points à chaque prospect en fonction de deux choses : qui il est (son profil, son entreprise, son poste) et ce qu’il fait (ses visites sur votre site, ses téléchargements, ses réponses à vos emails). Plus le score est élevé, plus le prospect est censé être proche d’un achat.

L’idée n’est pas nouvelle. Les équipes commerciales ont toujours eu des « bons » et des « mauvais » prospects dans la tête. Le scoring formalise cette intuition pour la rendre systématique et partageable.

J’ai mis en place mon premier système avec HubSpot il y a quelques années. Et honnêtement ? J’ai tout faux au début. Je notais les visites de pages comme si chaque clic valait de l’or. Résultat : les commerciaux appelaient des gens qui avaient juste lu un article de blog par curiosité. Ça a créé une méfiance durable envers le scoring dans mon équipe. Il a fallu des mois pour réparer ça.

Le scoring n’est pas un outil magique. C’est un accord entre le marketing et la vente sur ce qu’est « un bon prospect ».

Fit score vs engagement score : les deux jambes du scoring

Tout bon système repose sur deux piliers distincts :

• Le Fit Score : dans quelle mesure le prospect correspond à votre client idéal (ICP). Critères : secteur, taille d’entreprise, poste, localisation. C’est du déclaratif, souvent collecté via des formulaires.
• L’Engagement Score : l’intérêt démontré par les actions. Visites de pages clés (tarifs, démo), clics dans les emails, participation à des webinaires, demandes de contact.

La plupart des outils CRM (HubSpot, Salesforce, Pipedrive) permettent de combiner ces deux scores. Mais attention : un fit parfait avec zéro engagement, c’est un prospect froid. Et un engagement élevé avec un fit nul, c’est un curieux, pas un acheteur.

Ma règle depuis mes erreurs : le fit est un multiplicateur, pas un additionneur. Un prospect avec un fit excellent mérite plus de points par action qu’un prospect hors ICP. Concrètement, si une visite de page tarifs vaut 10 points pour un profil standard, elle en vaut 15 ou 20 pour un profil au fit parfait. Ça reflète la réalité : l’intention d’un bon profil pèse plus lourd.

Comment calculer un score de lead : la méthode qui a enfin fonctionné pour moi

Après mon premier échec, j’ai repris les choses à zéro. Et j’ai compris un truc essentiel : le score doit être simple à expliquer. Si votre commercial ne peut pas comprendre pourquoi un lead a 87 points et un autre 34, votre système est mort à l’arrivée.

Voici la structure que j’utilise maintenant :

Score total = (Score d’engagement) × (Coefficient de fit)

Le coefficient de fit est de 1 pour un prospect correspondant à l’ICP, 0,5 pour un prospect partiel, et 0,2 pour un prospect hors ICP. Le score d’engagement est une somme de points attribués aux actions. Chez moi, ça donne à peu près ça :

• Visite page tarifs : +15 points
• Demande de démo ou de devis : +50 points
• Téléchargement d’un livre blanc : +10 points
• Ouverture d’email : +2 points (maximum 10 par semaine, pour éviter l’inflation)
• Clic sur un lien dans un email : +5 points
• Participation à un webinaire : +20 points

Le seuil de conversion, chez moi, se situe autour de 80 points. Au-delà, le lead bascule en MQL (Marketing Qualified Lead) et est transmis à l’équipe commerciale. Mais ce seuil n’a rien de magique. Il dépend de votre volume, de votre équipe, de votre cycle de vente.

Le scoring négatif et le décay temporel : le secret que personne ne vous dit

Un prospect qui a visité votre page tarifs en janvier et qui ne s’est plus manifesté depuis juin. Il est encore à 80 points ? Pourquoi ? Il ne pense plus à vous depuis des mois.

Le temps est un facteur d’érosion. J’ai mis un an avant de comprendre ça. J’avais des leads qui restaient « chauds » dans le CRM pendant des mois, alors qu’ils étaient devenus glacials.

La solution : le décay temporel. Chaque semaine sans interaction, le score diminue. Chez moi, j’ai implémenté une réduction de 10% par semaine d’inactivité. Un lead à 80 points qui ne fait rien pendant 4 semaines retombe à environ 52 points. Et là, il redevient éligible au nurturing, pas à l’appel commercial.

Le scoring négatif, c’est autre chose. C’est pénaliser les comportements qui montrent un désintérêt : se désabonner de vos emails (moins 20 points), visiter une page « Carrières » ou « Nos clients » qui signale qu’il cherche un emploi ou qu’il n’a pas le budget (moins 30 points). J’ai été surpris de voir à quel point ces signaux sont prédictifs. Un prospect qui visite la page « Tarifs » trois fois en deux jours est chaud. Un prospect qui visite la page « Recrutement » est probablement un candidat. Le scoring m’a évité des tonnes d’appels inutiles.

Scoring prédictif ou scoring manuel : mon expérience des deux approches

J’ai commencé avec des règles manuelles. C’est la base. Vous définissez les points, vous ajustez, vous répétez. Ça marche, mais c’est statique. Les comportements changent, votre marché évolue, et votre scoring devient obsolète sans que vous le remarquiez.

Le lead scoring prédictif, lui, repose sur du machine learning. On entraîne un modèle (régression logistique, random forest, gradient boosting) sur l’historique de vos leads convertis et non convertis. Le modèle apprend quelles combinaisons de critères et de comportements prédisent réellement la conversion. Et il attribue un score de probabilité d’achat à chaque nouveau lead.

J’ai testé les deux. Le prédictif est objectivement plus précis : dans mon cas, j’ai mesuré une augmentation du taux de conversion MQL→SQL d’environ 15% à 23% après avoir basculé sur un modèle prédictif entraîné sur 18 mois de données. Réduction du cycle de vente de 11 jours en moyenne aussi, parce que les commerciaux appelaient les bons leads au bon moment.

Mais attention, je ne vous recommande pas de foncer sur le prédictif tout de suite. Le machine learning a besoin de données. Beaucoup. Si vous n’avez pas au moins 200 à 300 conversions documentées dans votre CRM sur deux ans, le modèle va halluciner. Et puis il faut nettoyer ces données. Des leads dupliqués, des champs vides, des statuts obsolètes : c’est le quotidien de tout CRM qui a vécu un peu.

Honnêtement, le prédictif sans un scoring manuel calibré d’abord, c’est construire sur du sable. Commencez par des règles. Mesurez. Ajustez. Et seulement ensuite, envisagez le machine learning si le volume le justifie.

Quels outils pour faire du lead scoring en 2025 ?

Le choix de l’outil dépend de votre stack. Pour ma part :

Outil	Type de scoring	Mon avis honnête
HubSpot	Manuel + prédictif (payant)	Le plus simple pour démarrer. L’interface est claire, la calibration est accessible. Le prédictif nécessite le plan Enterprise.
Salesforce (ScoreIQ ou Pardot)	Manuel + prédictif	Puissant, mais complexe. Il faut un admin dédié. Le prédictif de Salesforce est performant si vos données sont propres.
MadKudu (intégration HubSpot/Salesforce)	Prédictif uniquement	Le plus précis que j’ai testé. Leur modèle s’adapte à vos données. Le prix est élevé, mais le ROI se voit sur des volumes importants.
Pipedrive	Manuel	Léger et efficace pour les petites équipes. Les règles sont simples à mettre en place, mais pas de prédictif natif.
Google Sheets ou Airtable	Manuel	Pour prototyper. J’ai fait mon premier scoring sur un tableur. Utile pour valider le concept avant d’investir dans un outil.

Mon conseil : ne choisissez pas l’outil le plus avancé. Choisissez celui qui sera utilisé par vos équipes. Un scoring parfait dans un outil que personne ne consulte ne vaut rien.

Les 5 erreurs de lead scoring qui m’ont coûté des mois de travail

J’ai fait des erreurs. Beaucoup. En voici cinq qui reviennent souvent, et que je vois encore dans les entreprises qui me contactent :

Erreur n°1 : sur-scorer les leads trop tôt

Un prospect qui télécharge un livre blanc n’est pas prêt à acheter. Il est curieux. Pourtant, beaucoup de systèmes attribuent des points énormes aux téléchargements. Résultat : les commerciaux appellent des gens en phase de découverte, qui se sentent agressés. Pour moi, la règle est simple : les actions « haut de funnel » valent peu, les actions « bas de funnel » valent beaucoup. Une demande de démo vaut 5 fois un téléchargement.

Erreur n°2 : ne jamais recalibrer les critères

J’ai laissé tourner mon premier scoring pendant un an sans y toucher. Résultat : les commerciaux me disaient que les leads étaient « pas bons », et ils déconnectaient du système. Il faut revoir les scores au moins tous les trimestres. Analysez les leads convertis vs non convertis sur les 6 derniers mois. Quelles actions reviennent le plus chez les convertis ? Quels profils n’achètent jamais ? Ajustez en conséquence.

Erreur n°3 : faire le scoring entre marketers, sans les commerciaux

Le scoring appartient à la vente, pas au marketing. Si vos commerciaux ne comprennent pas pourquoi un lead est noté ainsi, ils ne feront pas confiance au système. Organisez des ateliers de calibration. Montrez-leur les scores. Demandez-leur ce qui cloche. C’est eux qui voient les vrais échanges avec les prospects.

Erreur n°4 : ignorer le décay temporel

On en a parlé plus haut, mais je le répète : un score sans décay, c’est un mensonge. Un prospect de 3 mois avec un score de 90 est froid, point. Le décay n’est pas une option, c’est une nécessité.

Erreur n°5 : fixer des seuils arbitraires

« Mettons le seuil à 50, ça semble raisonnable. » Pourquoi 50 ? Parce que ça semble bien ? Non. Le seuil doit correspondre à un volume de leads que votre équipe commerciale peut traiter. Et il faut ajuster le seuil en fonction du taux de conversion observé. Si vos commerciaux appellent des leads à 80 points qui ne répondent jamais, peut-être que le seuil doit monter. Ou que les points sont mal attribués. Analysez, puis ajustez.

La méthode concrète pour calibrer vos scores avec l’équipe commerciale

Voici le process que je recommande, et que j’utilise maintenant à chaque recalibrage. C’est inspiré des retours d’équipes qui utilisent HubSpot et Salesforce en parallèle, et ça fonctionne sur 4 semaines :

1. Collectez les données : exportez les 6 derniers mois de leads avec leur score, leur source, leur statut (converti, non converti, en cours). Vous avez besoin d’au moins 100 leads convertis pour que l’analyse ait du sens.
2. Croisez avec les retours commerciaux : demandez à chaque commercial de noter les leads qu’il a reçus sur une échelle de 1 à 10 « qualité perçue ». Comparez avec les scores.
3. Identifiez les divergences : où sont les leads que les commerciaux trouvent excellents mais qui ont un score faible ? Et inversement ? Ce sont vos erreurs de calibration.
4. Ajustez les points et les seuils : modifiez les valeurs des actions sous- ou sur-pondérées. Changez le seuil si nécessaire. Documentez pourquoi.
5. Re-testez et mesurez : après 4 à 6 semaines, comparez les taux de conversion MQL→SQL avant et après. Si ça ne s’améliore pas, recommencez.

Ce process est lourd, je sais. Mais c’est lui qui a transformé mon taux de conversion MQL→SQL. Et c’est lui qui a fait rentrer les commerciaux dans le système. Une fois qu’ils ont vu que le scoring leur amenait de bons prospects, ils ont arrêté de se plaindre.

Avouons-le : la première fois que j’ai fait cet exercice, j’ai découvert que mes points sur les emails étaient totalement faux. Les commerciaux me disaient « oui, il clique, mais il ne répond jamais au téléphone ». J’ai baissé la valeur des clics emails de moitié. Et là, surprise : les leads qui arrivaient aux commerciaux étaient plus froids en apparence, mais beaucoup plus réceptifs. Le taux de réponse a doublé.

« Le lead scoring, c’est pour les grosses boîtes » : vraiment ?

C’est l’objection que j’entends le plus. « On est une petite équipe, on connaît nos prospects par leur prénom, pas besoin de points. »

Peut-être. Si vous avez 10 prospects actifs, le scoring est inutile. Mais dès que vous dépassez 50 à 100 leads par mois, le cerveau humain ne suffit plus. Et surtout, le scoring apporte quelque chose que l’intuition ne donne pas : la cohérence. Deux commerciaux ne jugent pas un prospect de la même façon. Le scoring force une définition commune.

J’ai mis en place un scoring « light » pour une entreprise de services B2B qui n’avait que 3 commerciaux. Résultat : le temps de qualification a été réduit de moitié, et l’équipe a arrêté de se disputer sur la qualité des leads. Le scoring ne leur disait pas quoi faire, il leur donnait un langage commun.

Et puis, il y a un autre avantage que je n’avais pas anticipé : le scoring alimente le lead nurturing. Un prospect qui n’atteint pas le seuil de qualification ne disparaît pas. Il reçoit des contenus adaptés à son score. Dès qu’il franchit le seuil, il est transmis à la vente. C’est une machine à qualifier en continu, 24h/24.

Le scoring n’est pas une science, c’est une discipline

Le lead scoring n’a rien de magique. C’est un outil de management de l’attention : la vôtre, celle de vos commerciaux, et celle de vos prospects. Il ne prédit pas l’avenir, il organise le présent.

Ce qui fait la différence, ce n’est pas l’algorithme, c’est la rigueur avec laquelle vous le maintenez. Un scoring vivant, calibré tous les trimestres, discuté avec les commerciaux, vaut mieux qu’un modèle prédictif sophistiqué qu’on laisse moisir.

Et si vous doutez encore, posez-vous cette question : est-ce que je préfère que mon équipe commerciale passe ses appels au hasard, ou avec une probabilité de conversion en tête ? La réponse est évidente. Le scoring n’est qu’une façon de transformer cette probabilité en action.

Mais je vous préviens : une fois que vous l’aurez mis en place, vous ne pourrez plus revenir en arrière. Parce que les commerciaux vont adorer les leads chauds. Et vos résultats parleront d’eux-mêmes. Alors, prêt à noter vos prospects ?