GA4 veut remplacer votre outil de media planning

En 2024, Google a officiellement supprimé la plupart des modèles d'attribution de GA4 pour n'en garder que deux : le data-driven et le last click. Ce changement n'a pas été très médiatisé. Pourtant, il a des implications directes sur la façon dont les équipes marketing pilotent leurs budgets et prennent des décisions de media planning.

La promesse implicite de GA4 est séduisante : un outil unifié, gratuit, dopé à l'IA, capable de vous dire quel canal mérite votre budget. En pratique, ce positionnement crée un angle mort stratégique pour les CMO de PME qui utilisent GA4 comme seule boussole de décision.

Cet article pose la question sans détour : dans quelle mesure GA4 peut-il réellement remplacer un vrai outil d'attribution marketing ? Et que risque-t-on à lui faire confiance les yeux fermés ?

Pourquoi l'attribution marketing est devenue critique

L'attribution marketing désigne la méthode par laquelle on attribue une conversion (vente, lead, inscription) à l'un ou plusieurs des points de contact qu'un client a traversés avant d'agir. C'est la question fondamentale du media planning : quel canal a vraiment contribué à la vente ?

Sans attribution fiable, les décisions budgétaires reposent sur des intuitions ou des chiffres biaisés. On sur-investit dans les canaux faciles à mesurer (search, email) et on sous-investit dans ceux dont la contribution est invisible (vidéo, affichage, réseaux sociaux en haut de funnel).

La plupart des équipes marketing de PME n'ont pas accès à des outils d'attribution dédiés. GA4, gratuit et intégré nativement à Google Ads, s'est imposé par défaut. Et c'est précisément là que le problème commence.

Ce que GA4 a vraiment changé par rapport à Universal Analytics

La transition de Universal Analytics vers GA4 n'est pas qu'un changement d'interface. Plusieurs différences structurelles ont un impact direct sur la qualité de l'attribution.

Le tracking des sessions a évolué. En UA, une session se terminait à minuit, lors d'un changement de paramètres de campagne, ou après 30 minutes d'inactivité. En GA4, les deux premières règles ont disparu, ce qui donne des sessions plus longues et plus complètes — un progrès réel.

Le tracking web et app est unifié. GA4 permet de suivre simultanément les comportements sur le site et dans l'application mobile dans un seul rapport. Pour les marques qui ont les deux, c'est un gain de cohérence.

Les cookies tiers sont abandonnés. GA4 s'appuie sur les cookies first-party et sur des algorithmes de machine learning pour "combler les lacunes" là où le tracking cross-canal est manquant. C'est une nécessité dans l'ère privacy-first, mais cela introduit une opacité sur la qualité des données modélisées.

Les modèles d'attribution ont été drastiquement réduits. UA permettait de choisir parmi plusieurs modèles (first click, linéaire, time decay, position-based, last click). GA4 a supprimé tous ces modèles sauf deux : data-driven attribution (DDA) et last click. Google justifie ce choix par les limites des modèles "à règles fixes", mais cela prive les équipes de la flexibilité analytique qu'elles avaient avant.

Le data-driven attribution : puissant mais opaque

Le modèle data-driven attribution est désormais le modèle par défaut dans GA4. Il utilise les données historiques de votre compte pour estimer la contribution de chaque point de contact à une conversion, via du machine learning.

Sur le papier, c'est une avancée par rapport au last click. En pratique, il présente deux limites majeures que tout CMO doit comprendre.

La boîte noire. Il est impossible de voir précisément quels signaux alimentent le modèle, ni comment ils sont pondérés. On obtient un résultat, mais pas le raisonnement. Pour des décisions de media planning qui engagent des budgets significatifs, cette opacité est un problème.

L'absence d'incrémentalité. Ni le DDA ni le last click ne répondent à la question fondamentale : "Combien de ces conversions auraient eu lieu même sans mon investissement media ?" C'est la notion d'incrémentalité, et c'est le cœur de tout vrai système d'attribution marketing. GA4 ne la mesure pas.

Concrètement, si vos campagnes Google Ads ciblent des utilisateurs déjà très enclins à acheter (ce que l'algorithme de Google optimise naturellement pour afficher de bons taux de conversion), GA4 vous attribuera ces ventes comme si elles étaient toutes générées par la publicité — alors qu'une partie serait survenue de toute façon.

Le last click : l'ancien modèle aux biais bien documentés

Le last click reste disponible dans GA4 comme alternative. Il attribue 100% de la conversion au dernier point de contact avant l'achat. C'est simple, mais c'est aussi très trompeur pour plusieurs raisons.

Les publicités display et vidéo sont invisibles. Si un utilisateur voit une publicité Facebook ou YouTube, ne clique pas, et achète trois jours plus tard via une recherche Google, le last click attribue tout à Google. Le canal qui a déclenché la réflexion d'achat n'est pas crédité.

Le biais lower funnel est structurel. La plupart des conversions en search branded (requêtes du type "marque + produit") sont précédées d'une exposition à d'autres canaux. Le last click récompense systématiquement le dernier maillon — souvent le plus passif — au détriment de ceux qui ont construit l'intention d'achat.

Les angles morts de GA4 pour le media planning cross-canal

Au-delà des modèles d'attribution, GA4 présente des lacunes structurelles qui limitent son usage comme outil de media planning complet.

Les conversions offline sont ignorées par défaut. Si un client voit une publicité digitale, visite votre site, puis appelle votre commercial ou achète en magasin, GA4 ne tracke pas cet achat. L'attribution s'arrête à la visite du site. Pour les PME avec une part significative de business offline (appels entrants, rendez-vous, devis), c'est un angle mort majeur. Des intégrations CRM ou POS sont possibles mais nécessitent une configuration avancée.

Les canaux offline sont structurellement absents. TV, radio, presse, affichage — aucun de ces canaux ne génère de click trackable. Si votre stratégie media inclut des dépenses offline (et c'est fréquent dès qu'on monte en budget), GA4 ne peut pas en mesurer l'impact. La contribution de ces canaux à vos conversions digitales reste dans l'ombre.

Le cross-device est partiel. GA4 utilise Google Signals pour reconstituer les parcours multi-appareils, mais uniquement lorsque les utilisateurs sont connectés à leur compte Google sur tous leurs appareils. Pour tous les autres, les sessions sont traitées comme des utilisateurs distincts. Cela fragmente les parcours client réels et biaise l'attribution.

Les variables contextuelles sont ignorées. Saisonnalité, météo, promotions, événements locaux : autant de facteurs qui influencent les ventes mais qu'aucun modèle GA4 ne prend en compte. Un pic de ventes pendant les soldes sera attribué aux campagnes actives au moment du pic, sans nuance.

La conformité RGPD reste incertaine dans certains pays. GA4 a fait l'objet de décisions d'illégalité en Autriche, en France, en Italie, aux Pays-Bas et au Danemark dans les années précédant sa version actuelle. Les mises à jour ont amélioré la situation, mais les équipes juridiques de PME exposées aux marchés européens doivent rester vigilantes.

Symptômes d'une attribution GA4 mal interprétée

Comment savoir si votre équipe prend des décisions de media planning sur une base biaisée ? Voici les signaux qui reviennent régulièrement.

Le ROAS de vos campagnes Google Ads semble toujours meilleur que celui de Facebook ou de vos autres canaux, même quand les ventes globales stagnent. C'est souvent le signe d'un biais last click qui favorise le search.

Vos budgets meta ou display ont été réduits "parce que GA4 ne montre pas de résultats", alors que vous observez une corrélation entre ces dépenses et les ventes globales. Les canaux view-through sont structurellement sous-crédités par tout tracking basé sur les clics.

Votre CPA GA4 est bon, mais votre ROI global se dégrade. Signe possible que vous financez des conversions qui auraient eu lieu sans publicité — le problème d'incrémentalité évoqué plus haut.

Ce que GA4 fait bien (et ce pour quoi il reste utile)

Il serait inexact de présenter GA4 comme un outil inutile. Dans son périmètre de compétence, il reste précieux.

L'analyse du comportement sur site (pages vues, parcours de navigation, événements, scroll depth, taux d'engagement) reste l'un des usages les plus solides de GA4. Pour optimiser l'UX et le CVR, c'est un outil de référence.

Le reporting funnel haut niveau sur les canaux digitaux avec click donne une image cohérente à condition de ne pas la prendre pour une vérité absolue.

L'intégration native avec Google Ads permet d'optimiser les campagnes Google directement à partir des données GA4. Pour les budgets concentrés sur l'écosystème Google, c'est un avantage opérationnel réel.

Les tableaux de bord personnalisables et l'intégration avec Looker Studio facilitent le reporting pour des équipes sans ressources data dédiées.

L'approche complémentaire que les équipes sérieuses adoptent

Les équipes marketing qui prennent des décisions de budget importantes ne s'appuient pas sur GA4 seul. Elles construisent une vision triangulée en croisant plusieurs approches.

Le Marketing Mix Modeling (MMM) est une méthode statistique qui mesure la contribution de chaque canal (online et offline) aux ventes globales, en tenant compte des facteurs externes. Il répond aux questions que GA4 ne peut pas traiter : quelle est la contribution réelle de ma campagne TV ? Mon budget meta génère-t-il des ventes incrémentales ?

Les tests d'incrémentalité (holdout tests, geo tests) permettent de mesurer l'impact réel d'une campagne en comparant des zones ou segments exposés à des groupes témoins non exposés. C'est la méthode la plus rigoureuse pour valider si une dépense media génère vraiment des ventes supplémentaires.

L'intégration des données CRM et offline dans un outil d'attribution croise les données de GA4 avec les ventes réelles tracées dans le CRM, les appels entrants, les signatures de contrats. C'est le seul moyen d'avoir une vue complète du parcours client pour les PME B2B ou les entreprises avec une forte composante offline.

Ces approches ne remplacent pas GA4 — elles le complètent et le contextualisent. La décision de media planning réside dans la synthèse de ces sources, pas dans une lecture unique de GA4.

Ce que cela signifie concrètement pour votre organisation

Si vous êtes CMO ou responsable marketing dans une PME, la question n'est pas de savoir si GA4 est "bon" ou "mauvais". C'est de comprendre précisément ce qu'il mesure — et ce qu'il ne mesure pas — avant de l'utiliser pour décider où va votre budget.

Quelques principes pratiques issus des sources disponibles :

Testez plusieurs modèles d'attribution dans GA4 avant de vous fixer sur l'un d'eux. Le rapport "Comparaison de modèles" permet de voir comment le DDA et le last click diffèrent sur vos conversions. Si l'écart est important, c'est un signal que vos canaux upper funnel sont sous-valorisés.

Intégrez vos données CRM à GA4 pour les conversions offline. C'est techniquement possible et c'est le minimum pour les équipes avec des cycles de vente longs ou un processus commercial humain.

Ne réduisez pas vos budgets display ou social uniquement parce que GA4 affiche des performances faibles. Évaluez d'abord si ces canaux génèrent une corrélation positive avec vos ventes globales.

Documentez vos hypothèses d'attribution. Si votre équipe prend des décisions basées sur le data-driven de GA4, assurez-vous que tout le monde comprend que ce modèle ne mesure pas l'incrémentalité et que les canaux view-through sont sous-estimés.

Conclusion

GA4 est un outil analytics puissant, bien supérieur à Universal Analytics sur de nombreux points. Mais sa montée en puissance comme outil d'attribution par défaut pour les équipes marketing de PME crée un risque réel : prendre des décisions de media planning sur la base d'une mesure incomplète.

La suppression des modèles d'attribution historiques, l'absence d'incrémentalité, le tracking partiel du cross-device et l'invisibilité des canaux offline sont des limites structurelles — pas des bugs à corriger dans une prochaine mise à jour. Ce sont des choix d'architecture qui reflètent ce que GA4 est conçu pour faire : du web analytics, pas du media mix modeling.

Les équipes qui l'ont compris n'ont pas abandonné GA4. Elles l'ont repositionné à sa juste place dans leur stack de mesure, aux côtés d'autres approches — tests d'incrémentalité, MMM, données CRM — pour construire une vision d'attribution qui résiste à l'épreuve du budget.

Sources et ressources complémentaires

• What is the Impact of GA4 ? — Measured.com
• GA4 Attribution Models: Limitations and Solutions — Dataslayer.ai
• Leveraging Attribution Models in GA4 — InfoTrust
• Documentation officielle GA4 — Google Support
• Model Comparison Report in GA4 — Google Support
• Understanding Attribution Models in GA4 — InfoTrust resource