Le fournisseur d'intention faisait remonter quarante comptes en hausse chaque semaine, et la liste partait chez l'équipe SDR tous les lundis. À la fin du trimestre, les chiffres racontaient une autre histoire. Quelques comptes en hausse se sont transformés en rendez-vous. Beaucoup n'achèteraient jamais : trop petits, mauvais secteur, déjà clients, ou un concurrent qui se renseignait sur vous. Les commerciaux ont fait ce qu'ils font toujours avec une liste qui leur fait perdre leur temps. Ils ont arrêté de l'ouvrir.
Le réflexe est d'accuser le fournisseur. Plus souvent, le problème vient du choix de conception qui consiste à traiter un seul signal comportemental comme une décision d'achat, sans se demander si le compte peut acheter, si quelqu'un d'autre y est d'accord, ou si le pic a eu lieu la semaine dernière ou le mois dernier.
Chacun de ces chiffres explique en partie pourquoi l'intention seule déçoit. Le LinkedIn B2B Institute, s'appuyant sur les travaux du professeur John Dawes de l'Ehrenberg-Bass Institute, a soutenu en 2021 que seuls 5 % environ des acheteurs B2B sont sur le marché à un moment donné, et que les 95 % restants n'achèteront pas avant des mois, voire des années. Quand le taux réel est aussi bas, même un taux modeste de fausses alertes produit plus de mauvaises réponses que de bonnes. The State of Business Buying, 2026 de Forrester, publié en janvier 2026, a constaté que 13 parties prenantes internes et neuf participants externes influencent désormais la décision d'achat B2B type. Et l'étude 2025 B2B Buyer Experience de 6sense, une enquête auprès d'environ 4 000 acheteurs complétée par un échantillon supplémentaire de 766, a montré que les acheteurs contactent les vendeurs pour la première fois à environ 61 % de leur parcours, et que les groupes d'achat remplissent quatre des cinq places de leur liste restreinte dès le premier jour. Au moment où un pic devient visible, la liste restreinte est souvent en train de se former.
Sous ces trois problèmes s'en cache un quatrième. L'étude State of Play d'Adverity sur la qualité des données, publiée en septembre 2025 à partir d'une enquête auprès de CMO aux États-Unis, au Royaume-Uni, en Allemagne, en Autriche et en Suisse, a constaté que 45 % des données marketing sont incomplètes, inexactes ou obsolètes. Les scores d'intention héritent de ces erreurs, et un modèle qui repose sur une seule source n'a rien pour les détecter. Ce n'est pas un problème de fournisseur. C'est un problème d'architecture du score.
Diagnostic : pourquoi le ciblage sur la seule intention produit du bruit
Entre $3M et $30M d'ARR, le flux d'intention est généralement branché directement sur une file de commerciaux, et quatre faiblesses structurelles apparaissent en moins d'un trimestre.
L'intention mesure la recherche sur un sujet, pas la décision d'achat d'un compte
L'intention tierce est le plus souvent une inférence : une consommation de contenus sur un réseau d'éditeurs, rattachée à une entreprise par adresses IP, cookies ou inscriptions, puis comparée au niveau habituel de cette entreprise. Un pic signifie que quelqu'un dans l'organisation a lu davantage que d'habitude sur un sujet. Il ne peut pas vous dire si cette personne est un acheteur, un candidat à l'emploi, un client ou un concurrent. Les propres recommandations de Forrester sur les erreurs les plus courantes avec les données d'intention citent parmi elles l'utilisation des signaux d'intention dans le vide, et conseillent de croiser ces données avec les autres informations dont vous disposez déjà. Sans ce croisement, tous les pics se ressemblent.
Le taux de base fait des faux positifs la norme
Si un compte sur vingt est réellement sur le marché, même un signal qui a raison la plupart du temps signalera plus de comptes hors marché que de comptes sur le marché, simplement parce qu'ils sont dix-neuf fois plus nombreux. Un fournisseur peut annoncer un taux de précision raisonnable et vos commerciaux peuvent tout de même constater que la plupart des comptes qu'ils appellent n'achètent pas. La solution consiste à ajouter des éléments qui réduisent le vivier avant de lire le signal.
Un seul lecteur est traité comme un groupe d'achat
Avec 13 parties prenantes internes dans une décision type, selon l'étude 2026 de Forrester, une véritable démarche d'achat laisse des traces chez plusieurs personnes et dans plusieurs fonctions. La plupart des dispositifs fondés sur la seule intention notent le compte au volume, si bien qu'une seule personne très curieuse peut propulser un compte en tête de liste. L'étendue, c'est-à-dire le nombre de personnes et de rôles distincts qui montrent de l'activité, est généralement un meilleur indice d'une évaluation en cours que la profondeur d'une seule personne, et la plupart des scores fondés sur la seule intention ne la mesurent pas du tout.
Le signal est lu sans horloge
Forrester décrit l'intention comme l'un des types de données les plus sensibles au temps, avec une fenêtre limitée pendant laquelle il est pertinent d'agir. Pourtant, de nombreuses équipes stockent un score hebdomadaire de pic dans un champ statique et l'y laissent. Un compte qui a connu un pic il y a six semaines garde son score élevé, et le commercial appelle une fois la liste restreinte arrêtée. La perte de fraîcheur des signaux explique à quelle vitesse chaque type de signal d'achat perd sa valeur et comment définir des fenêtres de routage en conséquence.
Le cadre : le score de signaux combiné (Blended Signal Score)
Le score de signaux combiné sépare les questions et donne à chacune ses propres éléments de preuve. C'est une application, orientée ciblage, du modèle de scoring de comptes à quatre signaux, et il comporte trois parties qui s'appliquent dans un ordre fixe.
La première est un filtre d'adéquation construit à partir de données firmographiques et technographiques : la taille d'entreprise, le secteur, la zone géographique, le modèle économique et les technologies que partagent vos clients gagnés. C'est un filtre, pas une composante que l'on additionne. Un compte peu adapté avec un fort pic ne doit pas passer devant un compte très adapté avec un pic modéré, car le premier ne peut pas devenir un bon client, quel que soit son intérêt. Les comptes passent, passent à un niveau réduit ou sont exclus. Les clients, les opportunités ouvertes, les partenaires et les concurrents sont également exclus à ce stade. Le filtre ne vaut que ce que vaut la liste qu'il lit : maintenez donc la liste de comptes cibles à jour grâce à des déclencheurs plutôt qu'une fois par an.
La deuxième est un mélange comportemental entre familles de signaux indépendantes : intention tierce, engagement first-party (visites de vos pages tarifs et produit, téléchargements de contenus, participation à des événements, réponses), changement technographique (un outil ajouté ou retiré avec lequel votre produit fonctionne ou qu'il remplace) et étendue (le nombre de personnes et de rôles distincts actifs). La règle clé est la corroboration : un compte n'est pas routé vers un commercial sur la base d'une seule famille. Il lui faut au moins deux familles indépendantes qui vont dans le même sens.
La troisième est la décroissance par récence. Chaque signal comportemental perd du poids avec l'âge selon une demi-vie, de sorte qu'un pic de la semaine dernière compte pleinement et qu'un pic d'il y a six semaines compte peu. Le score reflète alors ce qui se passe maintenant, et non ce qui s'est passé une fois.
Sous forme de formule, avec des pondérations proposées comme point de départ et non comme référence :
Score de signaux combiné = Niveau d'adéquation × (0,30 × engagement first-party + 0,25 × intention tierce + 0,25 × étendue + 0,20 × changement technographique), où chaque terme comportemental est multiplié par 0,5^(âge en jours ÷ demi-vie). Le niveau d'adéquation vaut 1,0 pour un passage complet, 0,5 pour un passage partiel et 0 pour une exclusion. Une première demi-vie pourrait être de 14 jours pour l'intention tierce et de 30 jours pour l'engagement first-party et le changement technographique. Le routage vers un commercial exige à la fois un score supérieur à votre seuil et au moins deux familles contributrices. Votre propre test rétrospectif, décrit plus bas, doit remplacer chacun de ces chiffres.
L'engagement first-party a la pondération de départ la plus élevée, car il s'agit d'un comportement sur vos propres canaux, rattaché à des personnes connues. L'intention tierce reste précieuse comme indicateur précoce pour les comptes qui ne vous ont pas encore trouvé.
Exemple illustratif. Ces chiffres sont inventés et arrondis pour montrer la mécanique ; ce ne sont ni des références, ni des chiffres de fournisseurs, ni des résultats clients. Prenez un univers de 1 000 comptes et supposez, conformément à l'estimation du B2B Institute, que 50 sont sur le marché ce trimestre. Supposez qu'un flux d'intention signale 70 % des comptes sur le marché (35) et 16 % des 950 autres (152). L'intention seule route 187 comptes vers les commerciaux, dont 35 réels : une précision d'environ 19 %, ce qui signifie qu'environ quatre appels sur cinq visent des comptes qui n'achètent pas. Appliquez maintenant la conception combinée. Supposez que le filtre d'adéquation laisse passer 40 des 50 comptes sur le marché et 300 des 950 autres. L'intention signale 28 de ces 40 et 45 des 300. La règle de corroboration conserve les 24 comptes sur le marché qui montrent aussi un engagement first-party ou un changement technographique, et 9 des 45 autres. Le score combiné route 33 comptes, dont 24 réels : une précision d'environ 73 %. La file des commerciaux passe de 187 à 33, et la part d'appels inutiles tombe d'environ 81 % à environ 27 %.
Le compromis est réel et doit être exposé clairement à la direction. Dans cet exemple, le modèle combiné fait ressortir 24 comptes sur le marché au lieu de 35. Les onze qu'il manque restent dans les programmes marketing et remontent dès qu'un deuxième signal apparaît.
Mise en œuvre : six étapes vers un score combiné digne de confiance
Tout cela fonctionne avec le CRM et les données que la plupart des équipes paient déjà. Chaque étape se termine par une vérification.
Testez rétrospectivement les signaux dont vous disposez déjà
Extrayez les opportunités des quatre à six derniers trimestres, gagnées et perdues, et regardez quels signaux étaient présents sur chaque compte dans les 30 à 90 jours précédant la création de l'opportunité. Le playbook « diagnostiquer avant de construire » explique comment mener ce type d'analyse en lecture seule. Vérification : vous pouvez dire, pour chaque famille de signaux, à quelle fréquence elle est apparue avant de vraies opportunités et à quelle fréquence elle est apparue sur des comptes qui n'ont rien donné.
Rédigez le filtre d'adéquation à partir des affaires gagnées, pas de la présentation commerciale
Définissez les critères firmographiques et technographiques que partagent vos meilleurs clients, ainsi que les exclusions : clients, opportunités ouvertes, partenaires et concurrents. Stockez-les sous forme de champs et de logique dans le CRM pour que le filtre s'applique automatiquement à chaque compte. Vérification : un nouvel analyste pourrait appliquer le filtre à n'importe quelle entreprise et parvenir à la même réponse.
Rattachez chaque signal à un seul enregistrement de compte
Chaque famille de signaux a besoin d'une source, d'un horodatage et d'une correspondance fiable avec un seul compte. Si l'intention se résout par domaine, l'engagement par e-mail et le changement technographique par nom d'entreprise, ils risquent de ne pas aboutir au même enregistrement, et la corroboration échoue. C'est un problème de résolution d'identité avant d'être un problème de scoring. Vérification : sur un échantillon de comptes signalés, les quatre familles se résolvent vers le même identifiant de compte.
Fixez les pondérations, les demi-vies et le seuil
Partez des valeurs proposées plus haut, puis ajustez-les selon votre test rétrospectif : augmentez le poids des familles qui ont précédé de vraies opportunités, réduisez celui des autres, et placez le seuil de routage là où la file correspond à la capacité de votre équipe. Vérification : au seuil choisi, la file hebdomadaire est un volume que vos commerciaux peuvent entièrement traiter.
Testez sur des cas passés avant la mise en production
Rejouez le modèle sur des comptes dont vous connaissez déjà l'issue. Nous appliquons la même exigence à chaque système : testé sur une vingtaine de cas passés du client, et 85 % de décisions justes, sinon il n'est pas mis en production. Vérification : le modèle prend la bonne décision sur les comptes passés, et chaque erreur a une explication écrite.
Routez avec des codes de motif et révisez la précision chaque mois
Chaque compte routé porte ses motifs, par exemple « niveau d'adéquation 1, visites de la page tarifs par trois personnes, pic d'intention sur deux thèmes de la catégorie, ancienneté de neuf jours ». Chaque mois, examinez combien de comptes routés les commerciaux ont acceptés et convertis. Vérification : la précision est publiée chaque mois, et les pondérations ne changent que sur preuve.
Flux de travail : ce que déclenche chaque niveau de score
Une conception proposée. Adaptez les responsables et les délais, mais réservez le temps des commerciaux aux comptes dont les éléments sont corroborés et actuels.
Règle : passe le filtre d'adéquation, score supérieur au seuil, au moins deux familles de signaux actives dans leur demi-vie.
Action : routé vers le commercial responsable sous un jour ouvré, avec les codes de motif et des contacts suggérés parmi les personnes actives.
Responsable : l'account executive ou le SDR affecté au compte ; RevOps suit le délai avant le premier contact.
Règle : passe le filtre d'adéquation avec une famille de signaux active, ou deux familles sous le seuil.
Action : inscrit dans des programmes marketing ciblés et une recherche SDR légère. Promu automatiquement au Niveau 1 dès qu'une deuxième famille apparaît.
Responsable : marketing ops, avec l'appui des SDR.
Règle : signaux comportementaux forts mais adéquation partielle, ou forte adéquation sans signal actuel.
Action : aucun temps commercial. Les comptes à adéquation partielle très actifs sont examinés chaque mois, car leur récurrence peut indiquer que le filtre est trop étroit.
Responsable : RevOps examine la tendance mensuelle.
Règle : clients actuels, opportunités ouvertes, partenaires, concurrents et comptes manifestement inadaptés.
Action : l'intention des clients actuels n'est pas ignorée. Elle est transmise à l'account manager ou au customer success comme signal possible d'expansion ou de risque, jamais à un commercial chargé des nouveaux clients.
Responsable : customer success et gestion des comptes.
Le discours pour le conseil d'administration
Trois affirmations portent généralement la conversation.
Avant, nous envoyions aux commerciaux tous les comptes qui montraient un pic d'intention. Désormais, nous notons les comptes sur l'adéquation, les signaux qui se corroborent et la récence à la fois, si bien que le temps des commerciaux va uniquement aux comptes qui peuvent acheter et pour lesquels plus d'un type d'élément indique qu'une évaluation est en cours maintenant.
Chaque mois, nous publions la part des comptes routés acceptés par les commerciaux, la part devenue des opportunités et le délai entre le signal et le premier contact. Les pondérations ont été fixées par un test rétrospectif sur nos propres affaires conclues.
La file des commerciaux est plus courte et convertit davantage. Nous continuons à payer pour des données d'intention, mais elles contribuent désormais à une décision au lieu de la prendre seules, et nous pouvons montrer au moment du renouvellement quelles sources de signaux justifient leur coût.
Transversal : comment le score combiné se connecte aux autres systèmes
Un score combiné ne vaut que par les systèmes qui agissent sur lui. Le Signal-Based Outbound Engine en est le consommateur le plus direct : il prend les comptes de Niveau 1, les codes de motif et les personnes actives, et les transforme en prospection opportune qui fait référence à ce qui a réellement changé dans le compte. Le guide du moteur d'outbound fondé sur les signaux détaille ce parcours, du déclencheur au rendez-vous pris. Speed-to-Lead utilise le même score pour décider à quelle vitesse, et vers qui, part une demande entrante.
Plus loin dans l'entonnoir, le Pipeline Hygiene Sentinel gagne à savoir quels signaux ont généré une opportunité, car les affaires entrées sur un seul pic non corroboré méritent un examen plus strict avant d'atteindre le forecast. Côté clients, le Churn Signal Watchtower applique la même logique à la rétention : des signaux d'usage, de support et d'engagement combinés avec une horloge, plutôt qu'une seule métrique tenue pour vérité. La vue d'ensemble se trouve sur la page GTM Operations.
Si vous hésitez encore sur qui doit construire et piloter le score, l'arbre de décision GTM engineer, RevOps manager ou growth engineer vous aide à trancher. Notre approche est l'ingénierie déployée chez le client (forward-deployed engineering) : tester rétrospectivement sur vos propres affaires conclues, éprouver le modèle sur des cas passés, et ne router des comptes en production qu'une fois qu'il prend les bonnes décisions.
Sources : LinkedIn B2B Institute, la règle 95:5, fondée sur les travaux de John Dawes de l'Ehrenberg-Bass Institute (Marketing Week, septembre 2021). Forrester, The State of Business Buying, 2026 (janvier 2026, d'après la Buyers' Journey Survey 2025 de Forrester, selon Digital Commerce 360). 6sense, étude 2025 B2B Buyer Experience (environ 4 000 acheteurs plus un échantillon supplémentaire de 766, novembre 2025, selon le résumé de CustomerThink). Adverity, State of Play Research: Data Quality 2025 (CMO aux États-Unis, au Royaume-Uni, en Allemagne, en Autriche et en Suisse, septembre 2025). Forrester, The 10 Biggest Intent Data Mistakes for B2B Marketing and Sales (blog).
