La scène se répète dans presque toutes mes réunions de bilan. Le client ouvre trois onglets côte à côte : Meta Ads annonce 180 conversions, Google Ads en revendique 90, GA4 en compte 70, et le back-office e-commerce, lui, enregistre 100 ventes. Quatre chiffres, une seule réalité, et la question qui tombe : « Alors, on croit qui ? » La réponse honnête est inconfortable : aucun n'a tort, et aucun n'a raison. Chacun regarde le même parcours client avec des lunettes différentes. L'attribution, en 2026, n'est plus un problème d'outil à mieux régler ; c'est une croyance à abandonner : celle qu'il existe, quelque part, un chiffre exact.
Cet article fait le point sur ce que GA4 ne voit plus, pourquoi les plateformes ne se recouperont jamais, et ce qui remplace concrètement la quête d'une attribution parfaite quand on pilote un vrai budget.
L'attribution n'a jamais mesuré la vérité ; elle a distribué le mérite selon une règle. Le vrai basculement de 2026, c'est qu'on a cessé de pouvoir faire semblant que cette règle décrit la réalité.
GA4 a perdu la moitié de sa boîte à outils
Commençons par un fait que beaucoup d'annonceurs n'ont pas enregistré : GA4 ne propose plus qu'un seul modèle d'attribution paramétrable en plus du last-click. Entre mai et septembre 2023, Google a retiré d'Analytics et de Google Ads les quatre modèles à règles fixes (premier clic, linéaire, dépréciation dans le temps et basé sur la position), comme l'a documenté Search Engine Land à l'annonce du sunset. Motif officiel : ces modèles pesaient moins de 3 % des conversions. Depuis avril 2024, ce qui restait a basculé automatiquement en data-driven, désormais modèle par défaut, comme le confirme la documentation Google Ads sur les modèles d'attribution.
Le data-driven n'est pas un défaut en soi : il répartit le crédit par apprentissage automatique plutôt que par une règle arbitraire. Mais c'est une boîte noire : vous ne savez pas pourquoi tel point de contact reçoit tel poids, et le modèle a besoin d'un volume de conversions conséquent pour tourner correctement. Pour la majorité des PME que j'accompagne, le compte n'y est pas : sous ce seuil, l'algorithme se rabat sur des approximations. On a donc troqué un modèle transparent mais rigide contre un modèle souple mais opaque. Et, dans les deux cas, il ne peut attribuer que ce qu'il voit.
Ce que le tag ne capte plus
Or, ce qu'il voit rétrécit chaque année. Trois trous se sont creusés sous la mesure. Le premier est le consentement : depuis le déploiement du Consent Mode v2, une part des visiteurs refuse les cookies, et Google comble le vide par des conversions modélisées : des estimations statistiques, pas des événements réels. Utile pour ne pas piloter à l'aveugle, mais ce sont des probabilités qu'on additionne comme si c'étaient des faits.
Le deuxième trou est le cross-device et le cookieless. Un prospect voit une pub Meta sur mobile le lundi, cherche votre marque sur Google depuis son ordinateur pro le mercredi, et convertit le samedi via un lien direct. Sans identifiant stable, GA4 voit trois inconnus là où il n'y a qu'une personne, et attribue la vente au dernier maillon visible, souvent le trafic « direct ». Le troisième trou, c'est le dark funnel : tout le parcours qui ne laisse pas de trace cliquable. Une recommandation dans une conversation privée, un podcast, une réponse de ChatGPT ou de Perplexity qui cite votre marque, un post LinkedIn lu sans clic. Cette influence est réelle, mesurable en chiffre d'affaires, mais invisible pour un outil qui ne sait lire que les clics. Dans GA4, elle finit dans le fourre-tout « Direct » ou « Unassigned » : la ligne qui grossit et que personne ne sait expliquer.
Pourquoi les plateformes ne se recouperont jamais
Reste le grand malentendu : espérer que Meta, Google Ads et GA4 finissent par tomber d'accord. Ils ne le feront pas, et c'est structurel. Chacun compte selon ses propres règles (fenêtres d'attribution différentes, prise en compte ou non des vues, dernier canal non-direct chez GA4) et surtout, chaque régie a intérêt à s'attribuer la conversion qu'elle a « touchée ». Additionner leurs chiffres, c'est compter plusieurs fois la même vente. C'est exactement ce que je constate en réunion, et que confirment les analyses sur les écarts de conversions entre Meta, Google et GA4 : les totaux ne collent jamais, par construction.
Le tableau suivant résume les grandes familles de mesure et ce qu'on peut leur demander, ou pas.
| Approche | Ce qu'elle mesure | Son angle mort |
|---|---|---|
| Last-click (GA4 / Ads) | Le dernier canal cliqué avant conversion | Ignore tout ce qui a précédé ; sur-crédite le bas de funnel (marque, retargeting) |
| Data-driven (GA4) | Un crédit réparti par machine learning | Boîte noire, gourmand en volume, aveugle au non-cliqué |
| Auto-attribution régie (Meta, Ads) | Ce que la plateforme pense avoir influencé | Juge et partie : sur-déclare son propre apport, double comptage |
| Incrementalité (geo / lift) | L'effet causal réel d'un canal | Demande de couper des dépenses pour tester ; pas en temps réel |
| Marketing mix modeling | La contribution agrégée de chaque levier | Vue macro, sans détail par mot-clé ni par créa |
L'erreur la plus coûteuse
Piloter le budget sur les chiffres de la régie. Une plateforme publicitaire optimise ce qu'elle mesure, et mesure ce qui la valorise : se fier à son ROAS auto-déclaré pour décider où mettre l'euro suivant, c'est laisser le vendeur noter sa propre performance. Le réflexe sain est inverse : ancrer la décision sur une source neutre (le CRM, le back-office e-commerce, le nombre réel de ventes) et n'utiliser les chiffres des régies que pour comparer des tendances, jamais comme vérité comptable. Un canal qui « performe » dans Meta Ads mais ne bouge pas le chiffre d'affaires réel quand on le coupe ne performe pas : il s'attribue du mérite.
Trianguler plutôt que chercher LE chiffre
Si l'attribution parfaite n'existe plus, que fait-on concrètement ? On triangule. On croise trois lectures imparfaites mais indépendantes, et on agit sur ce qu'elles disent ensemble, pas sur le décimal d'un seul outil. C'est la démarche qui, précisément parce que les données individuelles se raréfient, ramène le marketing mix modeling au premier plan après des années d'oubli.
Le premier pilier est une base first-party fiabilisée : un tracking server-side pour récupérer les conversions que le navigateur perd, des UTM disciplinés et cohérents, et surtout la source consignée dans le CRM ou le back-office au moment de la vente, la seule donnée que personne ne peut vous contester. Le deuxième pilier, ce sont les tests d'incrémentalité : couper un canal sur une zone géographique ou une période, et mesurer ce qui bouge vraiment. C'est la question à laquelle aucun modèle d'attribution ne répond (« que se passe-t-il si j'arrête ? ») et c'est souvent la plus utile. Le troisième pilier est un MMM léger : raisonner au niveau agrégé (dépense par canal contre chiffre d'affaires total, semaine par semaine) pour capter l'effet des leviers que le clic ne voit pas, y compris le dark funnel et la notoriété.
Sur le terrain, cette triangulation tranche des débats qu'aucun dashboard ne réglait. Pour une billetterie événementielle que j'ai pilotée en Meta Ads, c'est le rapprochement entre le nombre réel de billets vendus et la dépense, pas le ROAS de la régie, qui a validé un coût par billet autour de 2,66 €. Pour une offre de formation, c'est le suivi des inscriptions taggées dans le CRM, et non les leads bruts revendiqués par les plateformes, qui a fait apparaître un coût par acquisition réel de 3,73 €. Dans les deux cas, la vérité n'était pas dans un outil : elle était dans le croisement.
Au creuset : distiller le signal du bruit
L'attribution en 2026 n'est pas cassée : elle a simplement cessé de promettre ce qu'elle n'a jamais pu tenir. GA4 reste un excellent capteur de comportement ; il n'est plus un juge de paix. Le plomb, ici, c'est le chiffre unique et rassurant qu'on brandit en réunion parce qu'il vient d'un outil connu ; l'or, c'est la lecture croisée, moins précise en apparence mais infiniment plus juste, qui dit où l'euro suivant produit vraiment de l'effet. Renoncer à la fausse exactitude, c'est le début de la vraie mesure.
Si vos plateformes se contredisent et que votre ligne « Direct » gonfle sans explication, le problème n'est pas votre GA4 : c'est le cadre. Je fiabilise la mesure et je construis cette triangulation (collecte server-side, source consignée dans le CRM, tests d'incrémentalité et reporting qui réconcilie les canaux) dans le cadre de mon expertise analytics, en articulation directe avec le pilotage SEA et SEO au quotidien.
Vos chiffres se contredisent ? Réconcilions-les
J'audite votre mesure (GA4, server-side, Consent Mode), je consigne la source dans votre CRM et je construis une triangulation qui vous dit où votre budget produit vraiment de l'effet, pas ce que chaque régie s'attribue.