Lead scoring B2B, la grille qui trie votre pipeline

Mis à jour le 12 octobre 2026

Le lead scoring, c'est le fait d'attribuer une note à chaque prospect pour savoir lequel appeler en premier. On note deux choses : son profil (le fit avec votre client idéal) et son comportement (son niveau d'engagement). Un lead qui coche les deux passe devant. Le reste attend. C'est tout l'intérêt : arrêter de traiter 200 contacts comme s'ils se valaient.

Bon. Avant que vous me demandiez s'il vous faut un outil à 300 € par mois pour ça : non. Chez Hacquisition, on pilote la prospection B2B de nos clients, et la grille qui trie le mieux leurs pipelines tient souvent sur quatre lignes dans un Google Sheet. On a aussi fait l'inverse, une usine à gaz que personne n'a jamais utilisée. Je vais pas vous mentir, ça nous a coûté quelques semaines à comprendre. Cet article vous donne la méthode, une grille à copier, et l'arbitrage honnête entre le scoring manuel, le scoring comportemental et le scoring prédictif par IA.

Le lead scoring attribue des points à chaque prospect selon la probabilité qu'il achète. On additionne les points au fil de ses actions et de son profil, et au-dessus d'un seuil, le lead devient prioritaire. HubSpot France donne un exemple simple : newsletter à 1 point, adresse pro et poste de manager dans une grande entreprise à +5, ouverture d'email et clic sur la démo à +3, et une fois le seuil de 15 franchi, un commercial est alerté.

Vous voyez l'idée ? Le score n'est pas une vérité absolue. C'est un ordre de passage. Quand votre pipeline contient 30 leads et 2 commerciaux, il faut bien décider qui appeler le lundi matin. Le scoring, c'est ça : une file d'attente triée par envie d'acheter présumée, pas un oracle.

Voilà ce que personne ne vous dit avant de vous vendre un outil : la plupart des grilles de scoring finissent ignorées. 68 % des équipes revenus jugent leur modèle inexact ou pas digne de confiance (Landbase, enquête sur 400 marketeurs B2B). Résultat, 44 % des MQL sont rejetés par les commerciaux. Le marketing envoie des leads "chauds", les commerciaux les trouvent froids, et tout le monde se renvoie la balle.

Le vrai problème, c'est pas la technique. C'est que la grille a été construite dans le vide. Quelqu'un a mis +10 au téléchargement d'un livre blanc parce que ça paraissait logique. Sauf qu'en pratique, les gens qui téléchargent vos livres blancs sont souvent des étudiants et des concurrents. Le critère gonfle le score de gens qui n'achèteront jamais.

Un score sérieux se calcule sur deux axes, jamais un seul. Le fit dit si le prospect ressemble à vos meilleurs clients. L'engagement dit s'il est en train de bouger. Les deux guides de référence 2026 que j'ai relus, Salespanel et Prospeo, disent la même chose : un modèle hybride est devenu la norme. Un fort engagement sur un profil hors cible reste un lead faible.

Croyez-moi, c'est le croisement des deux qui compte. Un bon profil qui ne bouge pas, vous le mettez en nurturing. Un mauvais profil très actif, vous le laissez tranquille. Seuls les leads forts sur les deux axes partent chez un commercial tout de suite. Pour aller plus loin sur l'autre bout de la chaîne, voyez notre guide pour générer des leads B2B.

Pour construire une grille, c'est simple : on part des clients signés, pas d'un modèle théorique. Voici les quatre étapes qu'on applique quand on monte le scoring d'un client.

Concrètement, voici la logique qu'on applique sur nos campagnes de prospection multicanale. On ne note pas sur 40 critères. On priorise sur quatre signaux, et ça suffit. Les points ci-dessous sont nos repères internes, pas une norme universelle (captures d'écran de nos tableaux de scoring disponibles sur demande).

Au-dessus de 45 points, le prospect part en priorité. Entre 25 et 45, il entre dans une séquence de cold email plus patiente. En dessous, on le garde au chaud sans mobiliser un humain. Ces signaux rejoignent d'ailleurs notre liste des signaux de prospect chaud, qui va plus loin sur le repérage en temps réel.

On oppose souvent les deux, mais c'est une fausse question. Le scoring démographique note le profil, il est stable et facile à poser dès le premier contact. Le scoring comportemental note les actions, il est plus prédictif mais il demande un tracking propre et du volume. Le scoring comportemental peut relever le taux de conversion de façon nette quand il est bien fait (Siècle Digital). Sauf que sans fit derrière, vous priorisez des curieux.

Notre règle est simple : commencez par le démographique parce qu'il est disponible tout de suite, puis ajoutez le comportemental quand vous avez assez de trafic pour que les signaux veuillent dire quelque chose. Un lead qui visite trois fois votre page tarifs, c'est fort. Dix leads sur l'année, c'est du bruit statistique, pas un signal.

Le scoring prédictif laisse un modèle examiner vos leads gagnés et perdus, et trouver tout seul les schémas qui annoncent un achat. Sur le papier, c'est mieux qu'une grille à la main. En pratique, ça dépend de votre volume. Un modèle a besoin de centaines de cas pour apprendre quelque chose de fiable. HubSpot le réserve d'ailleurs à ses formules payantes (Salespanel).

Honnêtement, en dessous de 200 à 300 leads par mois, le prédictif ne vous apportera rien qu'une grille propre ne fait déjà. Il brillera quand vous aurez du volume et un historique CRM bien tenu. Et avant que vous me demandiez si l'IA remplace le commercial : non. Elle trie la file d'attente, elle ne passe pas l'appel. On a creusé ce sujet dans notre retour sur un modèle de décision IA maison, chiffres et coûts à l'appui.

Un bon seuil, c'est celui qui envoie aux commerciaux un volume qu'ils peuvent traiter, avec un taux d'acceptation correct. Le seuil ne se devine pas, il se calibre sur vos conversions réelles. Rappel du repère marché : environ 13 % des MQL deviennent des SQL en moyenne B2B (Salesforce, State of Sales), avec des équipes du premier quartile qui montent vers 28 %. Si vous êtes très en dessous de 13 %, votre seuil MQL est trop bas, vous envoyez des leads tièdes.

Pour visualiser, voici le tunnel type qu'on observe sur une campagne de prospection sortante bien ciblée (fourchettes, pas des chiffres à la décimale, captures de nos dashboards sur demande) :

Voilà le point que les commerciaux retiennent : le SQL n'est pas le rendez-vous. Entre le score et la signature, il reste de l'humain, du bon timing et un cycle d'achat B2B qui s'est allongé à 272 jours en moyenne (Dreamdata, 2026). Le scoring accélère le tri, pas la décision du prospect.

On les voit revenir sur presque chaque audit. Aucune n'est technique. Toutes sont des erreurs de bon sens.

Si vous démarrez de zéro : ouvrez un Google Sheet, listez vos 10 derniers clients, repérez leurs trois ou quatre points communs, et faites-en votre grille. Pas d'outil tant que vous n'avez pas prouvé que la grille trie mieux que votre instinct. Les raccourcis ici coûtent surtout de la confiance côté commerciaux.

Si vous avez déjà une grille et qu'elle est ignorée : le problème n'est presque jamais le nombre de critères, il est dans deux manques. Le scoring négatif, et l'accord avec les commerciaux sur ce qu'est un bon lead. Réglez ces deux-là avant de toucher aux pondérations.

Et si vous tournez déjà bien et que vous voulez passer au cran supérieur : travaillez le branchement scoring vers séquence. Un lead chaud mérite une relance humaine rapide, un lead tiède une séquence patiente. C'est le lien avec votre CRM de prospection qui fait la différence à ce stade. Bref : commencez simple, mesurez, ajustez.

Et si vous préférez qu'on branche tout ça pour vous, ciblage, scoring et séquences comprises, écrivez-nous. On répond.

Pour aller plus loin