sales
Lead Scoring (notation des prospects)
Système numérique de priorisation des leads basé sur le profil et l'intention.
Définition
Le lead scoring attribue à chaque lead une note (souvent 0-100) combinant deux dimensions : profil (industrie, taille, rôle) et engagement (visites, téléchargements, ouvertures email). Au-delà d'un seuil, le lead bascule en MQL ou SQL. Le scoring évite que les commerciaux gaspillent du temps sur des contacts froids.
Construction d'un modèle de scoring en PME francophone
Démarrez simple : grille à 100 points avec 50 points profil et 50 points intention. Profil : ICP idéal +30, ICP secondaire +15, ICP large +5, hors cible 0. Fonction décisionnaire +20, influenceur +10, utilisateur +5. Intention : visite page prix +15, téléchargement guide stratégique +12, inscription webinaire +10, demande de démo +30, ouverture séquence email +2 (plafonné à 10). Seuil MQL : 60 points. Seuil SQL : 80 points. Cette grille s'implémente en moins de 4 heures dans HubSpot, Plezi, Webmecanik ou Brevo. Recalibrez chaque trimestre en analysant les scores moyens des deals signés vs les deals perdus.
Scoring négatif : points soustraits indispensables
Aussi important que les points positifs : les pénalités. Soustraire des points pour signaux négatifs évite que des leads bruyants mais hors cible inondent le pipeline. Pénalités standard en B2B francophone : adresse email non professionnelle (gmail, yahoo) -15 points, secteur incompatible -20, géographie hors zone -25, désinscription newsletter -30. Pour un cabinet de conseil français spécialisé en industrie, un lead du secteur retail e-commerce part avec -20 points et atteint difficilement le seuil MQL. Cette discipline simple évite 30-40% du gaspillage commercial observé en PME francophone sans scoring.
Recalibrage trimestriel : méthode en 90 minutes
Tous les trois mois, bloquez 90 minutes avec un commercial expérimenté. Étape 1 : exporter les 20 derniers deals gagnés et les 20 derniers deals perdus avec leur score. Étape 2 : comparer les distributions. Si les scores moyens des deals gagnés et perdus se chevauchent, le modèle ne discrimine pas. Étape 3 : ajuster les pondérations des critères les plus discriminants. Cette discipline trimestrielle améliore typiquement la prédictivité du scoring de 20-40% en 12 mois. Les outils Plezi et Webmecanik francophones proposent ce reporting nativement ; HubSpot le permet via les rapports personnalisés.
FAQ
Faut-il un scoring en TPE francophone ?
Pas obligatoirement sous 30 leads par mois et 1 commercial. La capacité de traitement humain suffit. Dès 50+ leads mensuels ou 2 commerciaux, le scoring devient utile pour prioriser. Au-dessus de 200 leads, il devient indispensable pour ne pas perdre de bons signaux dans le bruit.
Quels outils de scoring conformes RGPD en France ?
HubSpot, Plezi (français), Webmecanik (français), Brevo (français), ActiveCampaign et Salesforce Marketing Cloud avec hébergement européen. Les solutions américaines sans option UE posent un risque CNIL depuis l'arrêt Schrems II. Préférer un acteur français ou européen est la voie la plus sûre.
Le scoring AI vaut-il mieux qu'un scoring manuel ?
À partir de 1 000 deals signés historiques, le scoring prédictif AI bat généralement le scoring manuel de 15-30% sur la précision. Sous ce seuil de données, le scoring manuel bien calibré reste plus performant. Pour une PME francophone démarrant, commencer manuel et basculer en AI après 18-24 mois d'historique CRM propre.
Combien de critères dans une grille de scoring ?
8 à 12 critères au démarrage. Sous 6, le modèle est trop grossier. Au-dessus de 20, il devient impossible à maintenir et à interpréter. La règle 80/20 s'applique : 20% des critères expliquent 80% de la prédictivité. Identifier ces 20% est le vrai travail de calibrage.
Dans votre entreprise
- →Pondérez 50% profil + 50% intention au démarrage
- →Recalibrez chaque trimestre selon les conversions réelles
- →Ne sur-ingénierez pas - un scoring simple bien suivi vaut mieux qu'un complexe ignoré