Le lead scoring B2B est l’un des sujets les plus documentés du marketing, et l’un des plus mal déployés. Les modèles et les outils existent. Ce qui manque, c’est la boucle entre les signaux captés par le marketing et les retours des commerciaux sur les leads qu’ils reçoivent. Sans elle, le score devient un chiffre que personne ne regarde. Cet article détaille une méthode éprouvée en conditions réelles : qualifier, scorer, router, puis ajuster le modèle avec les sales.
TL;DR
Marketing et sales doivent partager une définition du lead qualifié avant d'écrire la moindre règle de scoring.
On qualifie, puis on score : inutile de mesurer la température d'un compte hors de son marché.
Un ICP en fourchettes ajustables évite les angles morts des règles d'exclusion absolues.
Quatre à six signaux bien choisis valent mieux qu'une trentaine de signaux faciles à capter.
Une validation humaine et une fiche contextuelle font la confiance des commerciaux.
L'IA sert de juge sur les comptes déjà chauds ; le reste du scoring reste déterministe.
Qu'est-ce que le lead scoring B2B ?
Le lead scoring B2B attribue une note à un contact ou à un compte pour estimer sa probabilité d'achat et prioriser l'effort commercial. Cette note combine deux dimensions : l'adéquation du compte avec votre cible (secteur, taille, technologies utilisées) et son engagement (visites, interactions, demandes).
Son rôle est simple : dire aux commerciaux qui appeler en premier, et pourquoi. Un score qui ne débouche sur aucune action commerciale n'a aucune utilité.
Avant de scorer : qui décide qu'un lead est qualifié ?
La première question n'est pas technique. Dans votre organisation, qui décide qu'un lead est qualifié ? Les commerciaux au feeling, ou des règles écrites et partagées ?
Sans définition commune, le score alimente un désaccord silencieux. Le marketing transmet des leads, les sales ne les traitent pas, et chacun pense que l'autre ne fait pas son travail. C'est souvent là que se bloque le passage de MQL à SQL.
Certains GTM engineers en font une condition de départ : sans interlocuteur commercial identifié côté client, ils ne lancent pas de projet de scoring. Un modèle construit sans les personnes qui vont l'utiliser a peu de chances d'être adopté.
Les quatre étapes d'un système de lead scoring
Gabriel Hardy-Françon, Lead GTM Engineer chez Bulldozer, structure tout système de scoring en quatre blocs, dans cet ordre :
Sourcer : construire la liste des comptes cibles et capter leurs interactions (LinkedIn, visites du site, publicités, événements).
Qualifier : vérifier que le compte entre dans votre périmètre de marché.
Scorer : attribuer une température au compte à partir de signaux pondérés.
Router : envoyer le lead au bon commercial, au bon moment, avec le contexte utile.
L'ordre compte. Scorer avant de qualifier revient à calculer la température d'un compte qui n'est peut-être même pas dans votre marché.
Qualifier : un ICP en fourchettes plutôt qu'en règles binaires
La qualification filtre les comptes avant le scoring. Ce filtre ne doit pas pour autant être figé. Les règles d'exclusion absolues (« jamais ce secteur », « jamais en dessous de 50 salariés ») paraissent saines. Dans les faits, elles écartent des comptes que les commerciaux auraient signés.
Ce que révèle un audit des deals passés
Lors d'un audit de 2 033 deals chez un éditeur SaaS B2B, présenté en Office Hour, seuls 110 correspondaient à l'ICP strict défini par l'équipe. Appliqué comme un filtre dur, cet ICP aurait écarté l'essentiel du portefeuille.
Les seuils trop stricts posent le même problème. Une équipe exigeait par exemple au moins huit commerciaux et CSM chez ses prospects. Or une entreprise qui n'en compte que six, parce qu'elle a beaucoup automatisé, peut très bien signer un gros contrat. Partir des deals gagnés et perdus permet d'identifier les critères réellement liés à la signature, plutôt que ceux qu'on suppose.
Affiner l'ICP avec les leads refusés
La solution : des fourchettes ajustables (effectif, taille de l'équipe commerciale, pays couverts, CRM utilisé), resserrées ou élargies au fil des retours des sales. Chaque lead refusé doit s'accompagner d'une raison précise : mauvais secteur, entreprise trop petite, mauvais timing. Ces raisons servent à corriger le filtre.
C'est cette boucle qui fait évoluer le modèle. Sans elle, l'ICP reste figé sur les convictions de départ de l'équipe.
Scorer : quatre à six signaux suffisent
Certaines listes de signaux d'intention en comptent une trentaine. C'est contre-productif : plus le modèle attend de signaux alignés, moins il remonte de comptes, et chaque signal ajouté apporte son lot de bruit. Quatre à six signaux, choisis pour leur valeur prédictive plutôt que pour leur facilité de captation, suffisent.
Pondérer selon ce qui prédit l'achat
La pondération doit refléter ce qui déclenche réellement un achat chez vous. Dans un modèle présenté en Office Hour, l'engagement pesait la moitié du score et le firmographique seulement 10 %. La logique : le firmographique a déjà servi à qualifier le compte. Une fois cette étape passée, son comportement en dit plus que sa fiche d'identité.
Ajouter un scoring négatif
Un modèle sans points négatifs surchauffe. Des leads accumulent des points pour des comportements qui ne traduisent aucune intention d'achat, et les sales reçoivent du bruit. Les signaux à pénaliser ou à exclure sont souvent les mêmes :
les clics email suspects ;
les contacts d'entreprises déjà clientes ou déjà en pipeline ;
les visites limitées au blog ou à la page recrutement ;
les concurrents et les adresses email personnelles.
Le cas des clics email est parlant. Un membre de la communauté UnlockM, qui travaille sur un marché de niche, voyait sa campagne afficher énormément de clics sur le lien de prise de rendez-vous, sans aucun rendez-vous pris. En écartant les clics survenus dans la minute suivant la réception, il ne restait qu'environ 20 % de clics vraisemblablement humains. Les clics instantanés sont typiques des outils de sécurité des messageries d'entreprise (Microsoft Defender Safe Links, Mimecast, Barracuda…), qui ouvrent automatiquement les liens pour les analyser. Résultat : les clics email sont sortis du scoring.
Capter les engagements LinkedIn
Les likes et commentaires sur les posts des collaborateurs sont un signal utile en B2B, à condition de les relier au CRM. Le principe : capter les interactions, enrichir les profils LinkedIn, puis les rapprocher du CRM pour écarter les doublons. Une personne qui correspond à l'ICP et a interagi avec au moins deux posts passe automatiquement en validation.
Ce signal a une limite : il dépend de l'audience de la personne qui publie. Il fonctionne surtout avec les posts de dirigeants ou de profils qui ont déjà une audience conséquente.
Router : préserver la confiance des commerciaux
Une antichambre de validation humaine
Un compte qui franchit le seuil de scoring ne doit pas arriver directement chez les sales. Entre les deux, une « antichambre » : une file d'attente où une personne valide le passage en lead. Elle filtre les faux positifs. Chaque mauvais lead transmis est un lead refusé, et des refus répétés installent la défiance envers le système.
Deux garde-fous complètent ce jalon. Un plafond de comptes transmis par envoi (une quinzaine dans un cas présenté en Office Hour) évite de saturer les commerciaux. Le dédoublonnage bloque l'envoi si l'entreprise est déjà cliente ou déjà en pipeline.
Un routing adapté à la chaleur du compte
Tous les leads ne suivent pas le même chemin. Les comptes brûlants (visite à forte intention, formulaire LinkedIn rempli) vont directement aux commerciaux. Les comptes tièdes, qui n'ont que des engagements, entrent dans une séquence email et remontent aux sales en cas de réponse ou de nouvel engagement. Une réponse à un email, elle, part directement aux commerciaux sans passer par le scoring : le prospect a déjà levé la main.
Une fiche contextuelle avec chaque lead
Envoyer un lead sans explication, c'est demander à un commercial de rappeler quelqu'un sans lui dire pourquoi. Les leads dont il ne comprend pas l'origine sont ceux qu'il rappelle en dernier. Chaque lead transmis devrait donc inclure :
les contacts identifiés sur le compte (trois par défaut) ;
le motif du scoring, c'est-à-dire le signal qui a déclenché l'envoi ;
le contexte d'engagement : contenu consulté, page tarifs visitée ;
si c'est pertinent, un angle d'approche suggéré.
Un compte sans contact identifié n'est jamais transmis. Le format exact varie d'une équipe à l'autre : les commerciaux n'attendent pas tous les mêmes informations, d'où l'intérêt de construire la fiche avec eux avant de la figer.
Garder un score juste dans le temps
Un score calculé aujourd'hui sur des données d'il y a un an est un score faux. Les interlocuteurs changent de poste, les entreprises fusionnent, les budgets sont réalloués. Les fournisseurs de données B2B estiment couramment qu'entre 20 et 30 % des données de contact deviennent obsolètes chaque année. L'ordre de grandeur est cohérent avec la mobilité professionnelle : aux États-Unis, l'ancienneté médiane chez un même employeur était de 3,9 ans en janvier 2024, selon le Bureau of Labor Statistics.
Deux mécanismes limitent la casse. D'abord, un rafraîchissement automatique des données CRM, branché sur un outil d'enrichissement comme Apollo. Ensuite, un délai de carence pour les leads refusés à cause du timing : pendant 90 jours, le score continue d'évoluer en base, mais aucune alerte n'est envoyée. Un modèle d'IA léger peut surveiller les signaux du compte pendant cette période.
Sans ces mécanismes, des leads dormants restent « chauds » dans le CRM. Ils faussent les priorités des commerciaux et créent des frictions avec le marketing quand ils remontent sans raison.
IA et lead scoring : un juge, pas le moteur
Automatisation et IA sont souvent confondues. Une automatisation, c'est un algorithme : des conditions qui s'exécutent toujours de la même façon. L'essentiel d'un bon système de scoring relève de cette logique déterministe, par exemple des scripts Python qui appliquent des règles.
L'IA générative intervient seulement sur les comptes qui ont déjà franchi un seuil, pour juger le contexte : le signal est-il pertinent, le moment est-il bon ? Les comptes froids ou tièdes ne passent jamais par un LLM. Ce choix maîtrise le coût en tokens et évite les erreurs d'enrichissement en cascade qu'un appel IA sur chaque compte provoquerait. La fiche contextuelle elle-même peut être générée par un simple script.
L'IA a aussi sa place en amont : faire évoluer les critères de l'ICP à partir des résultats commerciaux, pour que le filtre de qualification suive la réalité des deals signés.
Questions fréquentes sur le lead scoring B2B
Quelle différence entre lead scoring et lead nurturing ?
Le lead scoring attribue une note pour prioriser l'effort commercial. Le lead nurturing regroupe les actions (emails, contenus, séquences) qui font mûrir un contact jusqu'à ce qu'il soit prêt à parler à un commercial. Les deux s'articulent : le score indique quand un contact sort du nurturing pour être transmis aux sales.
Combien de critères faut-il dans un modèle de lead scoring B2B ?
Quatre à six signaux pondérés suffisent dans la plupart des cas. Au-delà, le modèle devient difficile à maintenir et attend trop de conditions réunies pour remonter des comptes. Les critères d'ICP (taille, secteur, technologies) se traitent à part, à l'étape de qualification.
Peut-on faire du lead scoring sans HubSpot ni Marketo ?
Oui. Un CRM, des scripts (en Python par exemple), un outil d'automatisation comme Zapier, une source d'enrichissement comme Apollo et un outil de suivi des visites suffisent. La contrepartie : la maintenance des scripts demande un profil technique, en interne ou chez un prestataire GTM engineer.
Comment savoir si mon modèle de scoring est trop permissif ou trop restrictif ?
Regardez les leads refusés par les sales et leurs motifs. Beaucoup de refus pour « mauvais profil » ou « mauvais secteur » : le modèle est trop permissif. Un pipeline qui se tarit faute de leads transmis : il est trop restrictif, souvent à cause d'un ICP trop rigide. Un audit des deals gagnés hors ICP permet de vérifier si les exclusions sont justifiées.
Comment convaincre les commerciaux de faire confiance au score marketing ?
Par la qualité et par le contexte. La validation humaine avant l'envoi limite les faux positifs, et la fiche contextuelle explique pourquoi chaque compte est transmis. Construisez le format de cette fiche avec les commerciaux : ce sont eux qui l'utilisent.
Mettre en place un lead scoring B2B qui tient dans la durée
Un modèle de lead scoring ne se livre pas une fois pour toutes. Sa précision dépend des retours des commerciaux sur les leads refusés, et de la capacité du marketing à les intégrer au modèle.
Trois points de contrôle suffisent à le garder juste : rafraîchir régulièrement les données du CRM, revoir les seuils de qualification à chaque changement de cycle commercial, et appliquer un délai de carence aux leads refusés pour éviter qu'ils ne recirculent sans fin.
La sophistication du modèle compte peu. Ce qui fait sa valeur, c'est la boucle entre le système et les sales. Pour choisir les briques techniques, consultez notre guide des outils GTM.
Pour aller plus loin
Votre scoring est-il vraiment utilisé par vos sales ? Dans UnlockM, des CMO et des GTM engineers partagent leurs modèles en conditions réelles. Venez décortiquer le vôtre en Office Hour.
