Dashboard Looker Studio : structure, indicateurs et pièges à éviter

Neuf dashboards sur dix que nous ouvrons chez nos nouveaux clients ont le même problème : ils affichent beaucoup de graphiques, mais personne ne les regarde. Le CMO les a demandés il y a un an, le stagiaire les a construits, et depuis ils vivent leur vie sur un onglet ouvert que plus personne ne consulte. Ce guide résume la méthode que nous appliquons chez Data Detective pour transformer un dashboard Looker Studio en véritable outil de pilotage, adapté aux PME françaises et à leurs enjeux.

Pourquoi Looker Studio reste l'outil de reporting le plus rentable pour une PME

Looker Studio (récemment renommé Data Studio par Google Cloud) coche trois cases que peu d'outils réunissent : il est gratuit dans sa version standard, il se connecte nativement à l'écosystème Google (GA4, Ads, BigQuery, Sheets) et il ne demande aucune compétence en code pour construire un premier rapport utile. Pour une PME de 10 à 200 personnes qui pilote son marketing sur Meta Ads, Google Ads, un CRM et un ou deux canaux organiques, c'est largement suffisant.

Là où beaucoup d'équipes se perdent, c'est en confondant deux usages qui n'ont rien à voir : l'exploration ad-hoc (fouiller la donnée pour comprendre un phénomène) et le reporting de pilotage (afficher les indicateurs qui déclenchent une décision). Un même outil, deux logiques, deux structures de dashboard totalement différentes.

Dans les faits, la majorité de nos clients ont besoin de reporting de pilotage. Et c'est exactement ce que nous allons construire ici.

Les symptômes d'un dashboard qui ne sert à personne

• Le fichier a plus de 8 onglets et personne dans l'équipe ne se souvient de ce qu'ils affichent.
• Les chiffres du dashboard divergent de ceux du tableau de bord Meta ou Google Ads, sans explication.
• Le comité de direction demande systématiquement à retraiter les chiffres sur Excel avant réunion.
• Aucun KPI n'a de seuil ni de couleur : tout est neutre, donc rien n'attire l'œil.

Si vous cochez deux cases sur quatre, votre dashboard est un artefact décoratif, pas un outil de décision.

Étape 1 — Poser les 3 questions business avant d'ouvrir Looker Studio

C'est l'étape que 90 % des équipes sautent, et c'est pour ça que leurs dashboards finissent au cimetière.

Avant de connecter la moindre source de données, il faut répondre à trois questions, par écrit, avec le décideur qui utilisera le rapport :

1. Quelle décision ce dashboard doit-il aider à prendre ? Rebalancer les budgets média ? Prioriser les canaux d'acquisition ? Alerter sur une baisse de rétention ? Chaque décision appelle des KPI différents.
2. À quelle fréquence la décision se prend-elle ? Un dashboard hebdomadaire n'a pas la même granularité qu'un dashboard mensuel présenté en board.
3. Quels seuils déclenchent une action ? Un CPA qui dépasse 45 € doit-il déclencher une pause de campagne ? Un ROAS sous 2,5 doit-il alerter la direction ? Sans seuil, il n'y a pas de décision.

Si l'équipe n'arrive pas à répondre en une heure de réunion, le problème n'est pas le dashboard. C'est la stratégie qui n'est pas assez claire pour être mesurée.

Étape 2 — Structurer le dashboard en 3 niveaux de lecture

Un bon dashboard Looker Studio se lit comme un journal : le titre attire l'œil, le chapeau donne le contexte, l'article donne les détails. Concrètement, ça se traduit par trois niveaux hiérarchisés.

Niveau 1 — La bannière de synthèse. Cinq à sept chiffres clés en haut de la première page, format grand caractère, avec évolution vs période précédente. C'est ce que le dirigeant lit en 20 secondes avant sa réunion. Typiquement : chiffre d'affaires, ROAS global, CAC blended, nombre de leads qualifiés, taux de conversion moyen.

Niveau 2 — Les vues par canal. Une section par canal d'acquisition (Meta Ads, Google Ads, SEO, email), avec 4 à 6 graphiques chacune. C'est le niveau que consulte le responsable marketing pour son pilotage hebdomadaire.

Niveau 3 — Le détail campagne ou audience. Le tableau exhaustif, filtrable, qui permet à l'opérationnel de descendre dans le détail quand il veut comprendre un mouvement. C'est aussi ce que nous utilisons en audit pour identifier une campagne qui pèse anormalement dans le mix.

La règle d'or : le niveau 1 doit tenir sur un écran, sans scroll. Si votre synthèse déborde, elle n'est plus une synthèse.

Étape 3 — Choisir les bons indicateurs par cas d'usage

Les KPI à afficher dépendent du business, mais quelques constantes reviennent presque systématiquement sur les dashboards que nous construisons pour les PME françaises.

Pour un e-commerce B2C :

• ROAS par canal et par campagne, avec seuil de rentabilité affiché en pointillés.
• AOV mensuel, pour détecter les glissements de panier moyen.
• CVR par étape du tunnel (visite → ajout panier → achat).
• Taux de nouveaux clients vs clients existants, souvent oublié et pourtant décisif pour piloter l'acquisition.
• LTV à 90 jours par cohorte, quand la donnée CRM le permet.

Pour un SaaS ou un service B2B :

• CPL par canal, distingué du CAC final.
• Ratio MQL/SQL pour vérifier la qualité des leads envoyés au commerce.
• Payback période, indicateur de santé financière trop rarement suivi.
• Ratio LTV/CAC, le seul KPI qui compte vraiment pour la direction financière.

Pour une marque en croissance :

• MER (Media Efficiency Ratio), plus robuste que le ROAS quand l'attribution devient bruyante.
• CAC blended vs paid pour distinguer la part organique.
• Taux de rachat à 60 jours (taux-rachat) pour mesurer la fidélisation réelle.

Chaque indicateur affiché doit avoir un seuil, un objectif ou une tendance de comparaison. Un chiffre nu ne provoque aucune décision.

Étape 4 — Connecter les sources sans se noyer

Looker Studio propose plus de 800 connecteurs entre les natifs et les partenaires, comme le rappelle la page produit officielle. En pratique, pour une PME, on en utilise rarement plus de cinq.

Notre stack de référence :

• GA4 en natif pour le trafic et les conversions web.
• Google Ads en natif pour les données de campagne, coût et enchères.
• Meta Ads via un connecteur partenaire (Supermetrics, Windsor, ou un extract quotidien vers BigQuery).
• BigQuery comme entrepôt intermédiaire dès que les volumes dépassent quelques centaines de milliers de lignes ou qu'on veut croiser CRM + web + pub.
• Google Sheets pour les données saisies à la main (objectifs, budgets, saisonnalité).

Le piège classique : brancher Meta Ads et GA4 en parallèle sur le même dashboard sans passer par BigQuery, puis se demander pourquoi les chiffres ne matchent jamais. Meta comptabilise en attribution click + view sur 7 jours, GA4 en last-click session-based. Ce sont deux réalités qui ne se réconcilient pas visuellement — il faut soit unifier via BigQuery, soit expliquer l'écart en note de bas de page du dashboard.

Étape 5 — Les 5 pièges qui tuent 80 % des dashboards Looker Studio

Voici les patterns que nous corrigeons le plus souvent en audit.

1. Trop de graphiques. Un dashboard qui affiche 40 blocs de data n'aide personne à décider. Notre règle : maximum 12 blocs par page, et chaque bloc doit répondre à une question précise. Si un graphique n'a pas de question associée, il dégage.

2. Aucun contexte temporel. Un chiffre isolé ne veut rien dire. Chaque KPI doit être affiché avec son évolution vs la période précédente (semaine, mois ou trimestre selon le cadre de pilotage) et idéalement vs son objectif. La fonctionnalité « comparaison de plages de dates » de Looker Studio fait ce travail nativement.

3. Filtres non partagés entre pages. Le lecteur sélectionne « France » sur la page 1, arrive page 2 et voit à nouveau des données monde. Le filtre doit être en filtre de rapport (report-level), pas en filtre de page. Erreur bête, mais présente sur 60 % des rapports que nous auditons.

4. Champs calculés dupliqués partout. Quand on refait la même formule de « ROAS = revenus / coûts » dans 15 graphiques différents, la moindre modification devient un cauchemar. La bonne pratique : créer le champ calculé au niveau de la source de données, une seule fois. La documentation officielle sur les champs calculés détaille bien ces mécaniques.

5. Aucun code couleur signifiant. Le rouge, le vert et l'orange doivent avoir un sens (sous objectif, à l'objectif, au-dessus). Beaucoup de dashboards utilisent des couleurs esthétiques mais aléatoires — résultat : rien n'attire l'œil, tout se vaut, on ne voit pas les urgences.

Étape 6 — Rendre le dashboard vivant dans l'organisation

Un dashboard qui n'est pas lu par une équipe régulièrement finit par accumuler des bugs silencieux : un connecteur qui saute, une campagne renommée qui casse un filtre, un objectif obsolète qu'on n'a pas mis à jour. La lecture régulière, c'est aussi ce qui garantit la fiabilité.

Trois rituels que nous mettons en place chez nos clients :

• Un point hebdo de 30 minutes entre le CMO et le responsable acquisition, écran partagé sur le dashboard. Objectif : identifier ce qui déclenche une action cette semaine (pause de campagne, arbitrage budget, test créatif).
• Un audit mensuel de fraîcheur des données. On vérifie que chaque source est bien à jour, que les KPI calculés donnent bien la même valeur que dans les plateformes source, et que les commentaires business sont ajoutés à côté des mouvements notables.
• Un rafraîchissement trimestriel de la structure. Les indicateurs pertinents en janvier ne sont pas ceux d'octobre. Une revue tous les trois mois évite la dérive vers le fichier fourre-tout.

Étape 7 — Quand passer à Looker Studio Pro (ou à autre chose)

La version gratuite couvre 80 % des besoins d'une PME. On bascule vers Looker Studio Pro, mentionné dans l'annonce Google Cloud sur la nouvelle version du produit, dans trois cas précis :

• Besoin de gestion fine des permissions à l'échelle de plusieurs équipes ou entités.
• Utilisation intensive de fonctionnalités IA et d'intégration avancée avec Google Cloud.
• Contraintes de compliance ou d'audit qui exigent des logs de niveau entreprise.

Pour la plupart des PME de 20 à 150 personnes que nous accompagnons, la version gratuite reste largement suffisante pendant 2 à 3 ans. Le vrai investissement n'est pas dans la licence — c'est dans la qualité du modèle de données en amont (via BigQuery) et dans la discipline de lecture.

Conclusion

Un bon dashboard Looker Studio se construit en 3 à 5 jours quand les questions business sont claires, et en 3 à 5 semaines quand elles ne le sont pas. La différence n'est jamais dans l'outil, toujours dans l'amont : la précision de la décision à outiller, la définition des KPI et la discipline de lecture régulière.

Notre conseil aux CMO qui héritent d'un dashboard existant : ne le refaites pas from scratch. Auditez-le sur les 5 pièges de l'étape 5, supprimez brutalement tout ce qui n'a pas répondu à une question business dans les 3 derniers mois, et redémarrez avec une structure à 3 niveaux propre. Vous récupérerez plus de valeur en une semaine de nettoyage qu'en trois mois de reconstruction.

Sources et ressources complémentaires

• Data Studio Overview — datastudio.google.com
• Data Studio returns as new home for Data Cloud assets — Google Cloud Blog
• Data Studio documentation — Google Cloud
• Calculated fields tutorial — Google Cloud
• Chart references — Google Cloud