Rémi Kokabi27 novembre 202510 min de lectureMis à jour: 7 oct. 2026

Qu'est-ce que le lead scoring ? Le modèle à 77 % de ROI (+ template de scoring gratuit)

Les entreprises qui scorent leurs leads constatent une hausse de 77 % du ROI en génération de leads par rapport à celles qui ne le font pas, selon MarketingSherpa. Ce chiffre circule partout sans jamais citer la source, alors la voilà. Et voici ce que personne ne mentionne : la plupart des équipes qui le citent n'ont pas de modèle de scoring auquel leurs commerciaux font vraiment confiance. Elles ont un tableur que personne n'ouvre.

J'ai vu ça plus d'une fois. Un modèle est construit au T1, l'équipe commerciale l'ignore dès le T2, et tout le monde revient à traiter le lead qui a répondu le plus récemment.

Dans ce guide, je vous montre comment construire un modèle de lead scoring auquel toute votre équipe fait confiance, comment mesurer s'il est vraiment rentable, et où déléguer les tâches répétitives à l'automatisation.

Qu'est-ce que le lead scoring ?

Le lead scoring consiste à attribuer des scores numériques à vos leads pour les prioriser.

Quand vous priorisez correctement vos leads, vous pouvez concevoir une stratégie personnalisée pour chaque niveau. Vous identifiez aussi quels leads ont besoin de plus de nurturing et lesquels consommeraient tellement de temps qu'ils ne convertiront peut-être jamais.

C'est important parce que le temps de prospection coûte cher. Salesforce rapporte qu'en moyenne, les commerciaux passent 9 % de leur semaine à rechercher des prospects, 8 % à prospecter et 8 % à prioriser leads et opportunités. Un quart de la semaine, envolé avant la moindre vraie conversation. Un modèle de scoring qui fonctionne vous rend ce temps.

Avec les bonnes stratégies et la capacité de prédire les résultats (dans une certaine mesure), votre équipe gagne en efficacité et les taux de conversion grimpent.

Il existe plusieurs systèmes de notation que vous pouvez utiliser en complément du scoring.

  • Lead qualification : une autre méthodologie pour prioriser vos leads, sans valeurs numériques. C'est plus subjectif, et ça fonctionne mieux combiné avec le lead scoring.

  • Lead grading : cette méthodologie priorise les leads selon des critères démographiques. Dans votre ICP, vous définissez votre buyer persona ainsi que les informations sur l'entreprise et le lead pour noter correctement. Le lead grading utilise des lettres au lieu de chiffres.

Données explicites vs. implicites

Avant d'attribuer le moindre point, séparez vos données en deux catégories. Comme le dit Wikipedia, les modèles de lead scoring intègrent des données explicites et implicites : les données explicites sont fournies par ou à propos du prospect, tandis que les scores implicites sont dérivés du suivi du comportement du prospect.

Les données explicites, c'est ce qu'on trouve sur la carte de visite. Titre du poste, taille de l'entreprise, secteur, pays, stack technique. Elles vous disent si le lead correspond.

Les données implicites, c'est le comportement. Ouvertures d'emails, demandes de démo, visites sur la page tarifs, commentaires LinkedIn. Elles vous disent si le lead est intéressé.

Le fit sans l'intérêt vous donne un prospect parfait qui va vous ghoster. L'intérêt sans le fit vous donne un étudiant enthousiaste qui n'aura jamais de budget. Vous avez besoin des deux colonnes dans le modèle, et c'est exactement pourquoi le scoring multidimensionnel existe.

Types de lead scoring

Lead scoring unidimensionnel

Le lead scoring unidimensionnel suit un système simple où vous classez les leads avec un score numérique allant de 1 à 100.

  • Scoring rétrospectif

À chaque action du lead (ouvrir un email, commenter un post LinkedIn, demander une démo), le lead reçoit un score. Ce score évolue en fonction de ce qu'il fait ensuite.

  • Scoring prédictif

Ici, l'analyse comportementale entre en jeu. En fonction du comportement passé du lead, vous attribuez un score qui prédit ses actions futures et s'il va correspondre aux objectifs et critères de votre entreprise.

Aucun système n'est parfait, surtout quand vous traitez de gros volumes de données qui ne peuvent pas toujours se réduire à un chiffre, à cause de leur complexité et de leur subjectivité.

C'est pourquoi beaucoup de praticiens considèrent qu'un score unidimensionnel est insuffisant et imprécis. Je suis d'accord, avec une nuance : si vous scorez vos 200 premiers leads sans historique de données, un modèle simple de 1 à 100 vaut mieux que pas de modèle du tout. Commencez par là, puis montez en gamme.

Lead scoring multidimensionnel

Le lead scoring multidimensionnel est plus avancé. Il repose sur plusieurs facteurs ou dimensions, ce qui donne une évaluation bien plus complète.

Les dimensions peuvent inclure :

  • Les facteurs démographiques : âge, titre du poste, secteur, localisation ou taille de l'entreprise.

  • L'interaction avec votre entreprise. Visites du site, téléchargements ou temps passé sur votre site. Passer beaucoup de temps sur la page tarifs peut signifier que votre lead envisage sérieusement un achat.

  • L'engagement avec votre marque, sur les réseaux sociaux et par email.

  • La connaissance préalable de votre produit ou service.

  • La stack technique utilisée par l'entreprise du lead.

  • L'intention d'achat ou d'autres signaux indiquant que votre lead recherche votre solution.

  • La position dans le funnel de vente.

Quand vous scorez chaque lead, vous devez aussi décider de la priorité des différentes dimensions. L'engagement d'un lead (comportemental) peut peser plus que son fit démographique dans certains cas.

Votre score total est la combinaison de toutes les dimensions, exprimé en une seule valeur globale.

Cette méthode offre une vision plus complète de la valeur potentielle d'un lead.

Scoring par compte

Scorer des individus fonctionne jusqu'à ce que vous vendiez à des comités. Dans la plupart des deals B2B, cinq ou six personnes participent à la décision, et aucune d'entre elles ne porte assez de signal à elle seule.

Le scoring par compte agrège les scores individuels au niveau de l'entreprise. Un analyste qui télécharge un livre blanc, c'est du bruit. Un analyste qui télécharge un livre blanc, un VP qui visite la page tarifs, et un responsable achats qui ouvre trois emails la même semaine, ça c'est un compte en phase d'achat.

Si vous faites de l'ABM, c'est le score sur lequel votre équipe devrait travailler. Les scores individuels vous disent qui contacter dans le compte chaud, et le score du compte vous dit quels comptes méritent une approche multicanale en premier lieu.

Dégradation du score

Les scores se dégradent. Un lead qui a demandé une démo en mars et n'a plus donné signe de vie n'est pas le même qu'un lead qui a demandé une démo hier, pourtant la plupart des modèles les traitent de la même façon.

La dégradation du score corrige ça en soustrayant des points à mesure que les signaux comportementaux vieillissent. Version simple : les points comportementaux perdent 25 % de leur valeur tous les 30 jours d'inactivité, tandis que les points explicites (titre du poste, taille de l'entreprise) restent fixes, parce qu'un CEO reste un CEO au trimestre suivant.

Sans dégradation, votre liste de scores élevés se remplit de contacts inactifs et vos commerciaux arrêtent de faire confiance au modèle. J'ai vu ça tuer plus de programmes de scoring que n'importe quelle erreur de pondération.

Comment construire un modèle de lead scoring

1. Définissez votre ICP

Avant de commencer, vous devez savoir exactement ce que vous cherchez chez un lead et ce qui fait le lead parfait.

Avec le générateur de buyer persona gratuit de lemlist, vous pouvez construire votre ICP en quelques secondes.

En suivant le buyer persona que vous avez généré, votre lead scoring reste cohérent et précis tout au long du processus et à travers toute l'équipe.

2. Définissez les facteurs pertinents

Que vous utilisiez un scoring unidimensionnel ou multidimensionnel, vous devez savoir quels facteurs comptent pour votre équipe et votre produit.

En ne prenant en compte que les facteurs les plus pertinents, vous gardez vos leads aussi ciblés que possible.

3. Attribuez un score à vos leads

Une fois que vous savez quels facteurs comptent, décidez de l'importance de chacun en lui attribuant une valeur numérique.

Vous pouvez décider qu'un directeur commercial vaut +20 points, tandis qu'un contact marketing vaut +5, car ce n'est généralement pas le décideur sur un achat.

Vous pouvez aussi attribuer une valeur par engagement avec votre contenu. Une visite de profil pourrait valoir +1 point, tandis qu'un commentaire et un repost pourraient valoir +10 points par publication.

Quand vous attribuez des valeurs, n'oubliez pas les scores négatifs.

Tout ne compte pas comme positif. Certaines actions doivent faire baisser le score d'un lead.

Se désinscrire de vos newsletters, interagir publiquement avec vos concurrents, ou avoir un titre de poste non pertinent, par exemple.

Voici à quoi pourrait ressembler le scoring d'un lead :

Facteurs du lead

Score

Titre du poste : CEO

+20

Taille de l'entreprise : +500 employés

+15

Visite du site (plusieurs pages)

+5

A commenté des posts LinkedIn (a demandé des ressources)

+10

A regardé la démo produit

+10

S'est désinscrit des emails

-10

4. Définissez les actions pour chaque lead

Pour savoir quelle direction prendre avec vos leads, fixez des seuils autour des scores :

  • Les leads avec un score de 80 ou plus sont considérés comme des SQL et transmis à l'équipe commerciale.

  • Les leads avec un score entre 50 et 80 sont considérés comme des MQL et peuvent nécessiter plus de nurturing.

  • Les leads avec un score inférieur à 50 ne sont pas éligibles ou souhaitables.

Ça vous indique quelle approche adopter avec chaque lead et vous permet de les suivre à travers le funnel de vente.

5. Mesurez le ROI de votre modèle

C'est l'étape que la plupart des équipes sautent, et c'est celle qui décide si votre modèle survit à son premier trimestre.

Avant d'activer le modèle, notez trois chiffres de référence des 90 derniers jours :

  • Votre taux de conversion SQL-vers-opportunité.

  • Votre temps moyen de closing.

  • Le nombre de leads traités par commercial et par semaine.

Ensuite, faites tourner le modèle pendant un cycle de vente complet et mesurez les trois mêmes chiffres.

Si la conversion SQL-vers-opportunité augmente, vos seuils sont bien calibrés et vos commerciaux travaillent de meilleurs leads. Si le temps de closing diminue, votre scoring capte les prospects plus tôt dans leur fenêtre d'achat. Si vos commerciaux traitent moins de leads mais closent le même chiffre d'affaires, vous avez récupéré des heures de vente, et c'est exactement de là que vient la hausse de 77 % rapportée par MarketingSherpa.

Si aucun de ces trois indicateurs ne bouge, ne remettez pas le concept en cause. Revenez à l'étape 3 et vérifiez vos pondérations. En général, une dimension porte beaucoup trop de points.

Refaites cette mesure chaque trimestre. Les comportements d'achat évoluent, et un modèle que vous ne revisitez jamais devient un modèle auquel personne ne fait confiance.

Le lead scoring avec lemlist

Scorer des leads à la main prend du temps et crée des débats, c'est pourquoi un outil qui gère l'organisation à votre place est vite rentable. lemlist est noté 4,6/5 sur G2 avec plus de 2 000 avis.

Les AI Variables de lemlist vous permettent de lancer un seul prompt sur l'ensemble de vos leads. Même principe qu'un prompt ChatGPT, sauf que vous manipulez vos données de leads avec.

Ça vous économise des heures à copier-coller des leads dans ChatGPT un par un.

Voici un exemple : scorer des leads selon le titre du poste.

Étape 1 : Importez des leads depuis la base de données de 600M+ leads de lemlist (ou depuis un CSV, à condition qu'il contienne les titres de poste).

Étape 2 : Allez dans la liste de leads de votre campagne, cliquez sur « Enrichir les leads », puis AI Variable.

Étape 3 : Nommez l'AI Variable « Lead score ».

Étape 4 : Utilisez ce prompt : « Please score the lead based on their {{jobTitle}}. Use a scoring system of 1-3, with 1 being the position with the most authority and 3 with the least authority. »

Vous verrez maintenant un score pour chaque lead dans la colonne « Lead score » de la liste de leads de votre campagne.

Voilà une dimension traitée. Les possibilités ici sont limitées surtout par votre imagination, alors testez des prompts sur un seul lead d'abord pour voir ce que vous pouvez en tirer.

Scorez automatiquement la dimension d'intention d'achat

Le titre du poste est une donnée explicite. Il vous dit le fit, pas le timing. Pour le timing, vous avez besoin de comportements qui se passent en dehors de votre propre site, et c'est là que la plupart des modèles manuels s'effondrent, parce que personne n'a le temps de vérifier 500 entreprises pour des changements de recrutement ou des levées de fonds.

Les Intent Signal Agents traquent les événements à forte intention et les font remonter dans une watchlist en temps réel. Au lieu qu'un commercial ajoute manuellement +10 points quand un prospect lève des fonds ou ouvre un nouveau bureau, le signal arrive devant vous au moment où il se produit, et vous déclenchez la séquence tant que la fenêtre est ouverte.

Voilà votre dimension d'intention d'achat, alimentée en continu plutôt qu'une fois par trimestre.

Remplissez automatiquement les dimensions firmographiques et technographiques

Taille de l'entreprise, stade de financement, stack technique. Tous les modèles multidimensionnels veulent ces colonnes, et tous les ops ont passé un week-end à les remplir à la main.

L'AI Agentic Enrichment récupère le contexte des leads depuis les sites web, LinkedIn et les CRM, pour que les champs firmographiques et technographiques arrivent déjà remplis. Vos règles de scoring lisent directement ces champs.

Combinez les trois et le modèle n'est plus un tableur à maintenir. L'enrichissement remplit les colonnes de fit, les signaux d'intention remplissent les colonnes de timing, et les AI Variables appliquent la logique de scoring sur toute la liste.

Pour conclure

Pour garder votre processus de lead scoring bien organisé, suivez cette checklist :

✅ Choisissez votre type de lead scoring

✅ Vérifiez que votre ICP est clair

✅ Définissez les paramètres et facteurs

✅ Mesurez la conversion SQL-vers-opportunité avant et après

✅ Passez à l'action avec vos leads

C'est sur cette dernière ligne que la plupart des projets de scoring meurent. Un modèle parfaitement pondéré sans personne pour lancer des campagnes dessus, c'est juste une liste très organisée de gens que vous n'avez jamais contactés. lemAgent comble ce vide en créant automatiquement la campagne pour vos leads scorés, pour que les comptes avec les meilleurs scores reçoivent une séquence multicanale au lieu d'une ligne sur un dashboard.

Scorez-les, séquencez-les, puis construisez un système de nurturing pour tous ceux qui ne sont pas encore prêts. C'est la boucle complète.

Démarrez l'essai gratuit de 14 jours et lancez votre première liste scorée dans une campagne cette semaine.

Trouvez les données de vos leads

Découvrez des prospects et enrichissez leurs données pour lancer des campagnes ciblées.

Rémi Kokabi

Rémi Kokabi

Co-founder @GTM Club

Partager l'article