Pourquoi Google Ads, Meta et votre back-office n’affichent-ils jamais le même nombre de conversions ? Les écarts de conversions entre plateformes publicitaires sont l’une des questions que l’on me pose le plus souvent, en particulier quand un dirigeant additionne les chiffres de chaque outil et obtient plus de ventes que ce qui est arrivé sur le compte bancaire.
La réponse courte : chaque plateforme compte selon ses propres règles, et toutes ont intérêt à compter large. Aucune ne ment pour autant. Un article de fond publié cette semaine par Search Engine Land rappelle les mécanismes en jeu. Je les reprends ici avec ma grille de lecture, et surtout avec la méthode que j’utilise pour présenter des chiffres cohérents à un directeur financier.
La fenêtre de conversion après affichage fait partie des réglages qui expliquent ces écarts, et la question se posait déjà pour le retour sur investissement des campagnes Facebook.
Pourquoi les plateformes publicitaires ne comptent-elles pas les conversions de la même façon ?
Les plateformes publicitaires comptent différemment parce qu’elles n’utilisent ni les mêmes fenêtres d’attribution, ni les mêmes interactions éligibles, ni les mêmes modèles de répartition du crédit. Ajoutez à cela qu’aucune ne voit ce qui se passe chez les autres, et vous obtenez plusieurs plateformes qui revendiquent chacune la même vente.
Prenons un exemple fictif. Une cliente voit une vidéo sur Instagram lundi, clique sur une annonce Google Shopping mercredi, puis revient par une recherche sur votre marque vendredi et achète. Meta peut compter la vente (vue de la vidéo dans sa fenêtre), Google Ads aussi (clic Shopping, puis clic sur l’annonce de marque), et Google Analytics 4 l’attribuera selon son propre modèle. Une seule vente, au moins deux conversions déclarées.
Le nombre réel de ventes, lui, ne bouge pas. C’est la somme des déclarations qui gonfle.
Les fenêtres d’attribution, première source d’écart
La fenêtre d’attribution définit combien de temps après une interaction une conversion peut être créditée à une annonce, et elle diffère selon les plateformes. C’est souvent la cause principale des écarts.
- Sur Meta, le réglage par défaut est de 7 jours après un clic et 1 jour après une vue.
- Sur Google Ads, la fenêtre de conversion après clic est configurable par action de conversion, jusqu’à 90 jours ; la valeur par défaut la plus courante est de 30 jours.
- Microsoft Advertising et TikTok ont aussi leurs propres fenêtres, réglables dans les paramètres de conversion ou de rapport.
Deux plateformes qui regardent des périodes différentes ne compteront jamais les mêmes conversions, même avec un tracking parfait. En tant que consultant SEA, avant toute comparaison, je note systématiquement les fenêtres configurées dans chaque compte. C’est un réflexe simple qui évite des heures de débat inutile.
Le piège de la date de conversion
Un point que l’article américain n’aborde pas, et qui piège beaucoup d’annonceurs français : Google Ads rattache la conversion à la date du clic, alors que votre back-office ou votre CRM la rattache à la date de la commande. Une vente réalisée le 3 août après un clic du 28 juillet apparaîtra en juillet dans Google Ads et en août dans votre comptabilité. Sur un mois de soldes ou une fin de trimestre, l’écart peut être spectaculaire.
Clic, vue, engagement : qu’est-ce qui donne droit au crédit ?
Les plateformes ne s’accordent pas sur le type d’interaction qui permet de revendiquer une conversion. Sur Google Ads et Microsoft Ads, il faut en général un clic sur l’annonce pour les campagnes Search et Shopping. Sur Meta, d’autres interactions peuvent entrer en ligne de compte selon les réglages, et une simple vue de publicité suffit dans la fenêtre « 1 jour après vue ».
Les conversions après affichage (view-through) méritent une attention particulière. Display, YouTube, programmatique ou affiliation peuvent créditer une vente à une personne qui a seulement vu l’annonce. Or votre outil d’analytics, votre plateforme e-commerce et votre CRM ne peuvent pas savoir qu’une publicité a été vue : ils ne voient que les visites et les clics. Ces conversions n’existent donc que dans la plateforme publicitaire.
Je ne dis pas qu’elles sont fausses. Une vidéo YouTube peut réellement déclencher un achat quelques jours plus tard. Mais je ne les mélange jamais aux conversions après clic dans un rapport de rentabilité, et je ne les utilise pas pour juger une campagne de remarketing, qui touche par définition des gens déjà proches de l’achat.
Modèles d’attribution et silos de données
Même avec une fenêtre identique, la façon de répartir le crédit change le résultat. Google Ads utilise par défaut le modèle d’attribution basé sur les données, qui distribue des fractions de conversion entre les différentes interactions Google Ads du parcours. Meta, de son côté, attribue en général la conversion à un seul point de contact.
Chaque plateforme ne voit en outre que son propre territoire :
- Google Ads voit les interactions Google Ads.
- Meta voit les interactions Meta.
- GA4, votre CRM ou votre solution e-commerce voient le parcours complet, avec l’emailing, le référencement naturel, l’affiliation et le direct, mais appliquent leur propre logique, souvent proche du dernier clic.
C’est ce cloisonnement qui permet à chaque régie de revendiquer la même vente. Personne n’a tort au regard de ses propres règles.
Conversions modélisées et consentement : le cas européen
En Europe, une part croissante des conversions affichées par les plateformes est modélisée, car une partie des internautes refuse le suivi. Depuis l’obligation du Consent Mode v2 pour l’EEE en mars 2024, Google estime les conversions des utilisateurs qui n’ont pas consenti à partir de signaux agrégés. Les conversions améliorées complètent ce dispositif en rapprochant des données hachées (e-mail, téléphone) des interactions publicitaires.
Meta procède de façon comparable avec l’API Conversions et le rapprochement de données client. La plupart des plateformes modélisent aussi les parcours multi-appareils, lorsqu’une même personne voit l’annonce sur mobile et achète sur ordinateur.
Le besoin est légitime : sans modélisation, les algorithmes d’enchères manqueraient de signaux. Mais chaque plateforme a sa méthode, peu documentée, et cela creuse encore l’écart avec vos données internes, qui ne modélisent rien. Une bannière de cookies mal paramétrée peut d’ailleurs faire varier fortement ces chiffres ; c’est un point que je vérifie avec mon accompagnement Google Tag Manager.
Les erreurs de lecture qui coûtent cher
Le vrai danger n’est pas l’écart lui-même, c’est la mauvaise décision prise à partir de chiffres mal compris. Voici les erreurs que je rencontre le plus souvent en reprenant des comptes :
- Additionner les conversions de toutes les plateformes pour calculer un coût d’acquisition global. Le résultat est toujours trop optimiste.
- Utiliser les chiffres des plateformes comme base comptable. Ils servent à optimiser les campagnes, pas à remplacer le chiffre d’affaires encaissé.
- Couper une plateforme parce que GA4 lui attribue peu de ventes au dernier clic. Les leviers de haut de tunnel (vidéo, social) sont structurellement sous-évalués par un modèle au dernier clic.
- Comparer deux mois sans tenir compte de la date de clic : un mois qui finit sur une forte promotion semble meilleur dans Google Ads qu’il ne l’est réellement en caisse, et inversement le mois suivant.
- Laisser des actions de conversion secondaires (ajout au panier, clic sur le téléphone) compter dans la colonne principale, ce qui gonfle les volumes et fausse les enchères.
À l’inverse, en tant que consultant Analytics, je mets en garde contre l’excès de méfiance. Avec un plan de taggage propre, une couche de données cohérente et des déclencheurs maîtrisés, il n’y a pas de raison de considérer les chiffres des plateformes comme faux. Ils sont comptés différemment, et généreusement.
La méthode que j’utilise pour réconcilier les chiffres
La méthode consiste à choisir une source de vérité pour le business, à utiliser les plateformes pour l’optimisation, et à suivre la cohérence des tendances entre les deux. Concrètement, sur les comptes que je pilote :
- Je fixe une référence business unique : chiffre d’affaires du back-office pour l’e-commerce, leads qualifiés ou signés dans le CRM pour le B2B.
- Je calcule un ratio global de type MER (chiffre d’affaires total divisé par les dépenses publicitaires totales), qui ne dépend d’aucune attribution.
- Je documente les réglages de chaque plateforme : fenêtres, modèle, conversions incluses dans la colonne principale.
- Je compare les tendances, pas les valeurs absolues : si Google Ads, Meta et le back-office progressent ensemble, le business progresse très probablement aussi.
- Pour les décisions budgétaires importantes, je m’appuie sur des tests d’incrémentalité (coupure géographique, test de hausse de conversion) plutôt que sur les seules conversions déclarées.
Ce cadre se matérialise souvent dans un tableau de bord qui place côte à côte données plateformes et données business. C’est ce que je construis avec mes tableaux de bord Looker Studio, alimentés par les connecteurs des régies et par l’export du back-office.
Nourrir les algorithmes avec de vraies données business
Le levier le plus rentable reste de renvoyer aux plateformes des signaux qui reflètent la vraie valeur : marge plutôt que chiffre d’affaires, exclusion des commandes annulées ou retournées, qualité des leads issue du CRM. Un algorithme qui optimise vers une valeur juste produit des résultats justes, quelle que soit sa façon de compter. C’est un chantier que je mène aussi bien sur Google Ads que sur Meta Ads.
Mon avis : arrêtez de chercher le chiffre parfait
Après plus de 14 ans à piloter des budgets sur Google, Meta, Microsoft et TikTok, ma position d’expert Google Ads est nette : le chiffre unique, réconcilié au centime entre toutes les plateformes, n’existe pas. Le chercher fait perdre du temps et conduit souvent à des compromis absurdes.
Ce qui compte, c’est de savoir expliquer chaque écart. Une équipe marketing capable de dire pourquoi Meta affiche 250 ventes et le back-office 180 inspire confiance à une direction financière. Une équipe qui ne sait pas l’expliquer perd sa crédibilité, et souvent son budget.
Si vous ne deviez faire qu’une chose cette semaine : demandez à la personne qui gère vos campagnes de vous expliquer, plateforme par plateforme, comment les conversions sont comptées. Si la réponse est hésitante, c’est le premier chantier à ouvrir.
Vos chiffres Google Ads, Meta et back-office ne racontent pas la même histoire ? Contactez-moi : je reprends vos réglages de conversion et je vous aide à bâtir un reporting que votre direction financière pourra lire sans douter.
FAQ : les écarts de conversions entre plateformes publicitaires
Pourquoi la somme des conversions de mes plateformes dépasse-t-elle mes ventes réelles ?
Parce que chaque plateforme revendique les ventes auxquelles elle a contribué selon ses propres règles. Une même vente peut être comptée par Google Ads et par Meta si le client a interagi avec les deux dans leurs fenêtres d’attribution respectives.
Quelle est la fenêtre d’attribution par défaut sur Meta et Google Ads ?
Sur Meta, le réglage par défaut est de 7 jours après un clic et 1 jour après une vue. Sur Google Ads, la fenêtre est définie par action de conversion et peut aller jusqu’à 90 jours après un clic, avec 30 jours comme valeur la plus courante.
Faut-il croire Google Ads ou Google Analytics 4 ?
Les deux, pour des usages différents. Google Ads sert à optimiser les campagnes avec sa propre attribution ; GA4 donne une vue multicanale avec d’autres règles. Pour piloter la rentabilité, la référence doit rester votre back-office ou votre CRM.
Les conversions après affichage sont-elles fiables ?
Elles traduisent un effet réel possible, mais invérifiable dans vos outils internes. Je les suis à part, sans les mélanger aux conversions après clic, et je les valide idéalement par des tests d’incrémentalité.
Comment réduire les écarts de conversions entre plateformes ?
En harmonisant ce qui peut l’être (fenêtres, actions incluses, dédoublonnage), en fiabilisant le tracking et le consentement, et en renvoyant aux plateformes des données business réelles. Un écart résiduel restera toujours.
