Lead scoring CRM : construire enfin un score vraiment utile

Un prospect télécharge un guide, ouvre trois emails et visite la page tarif. Ton CRM affiche 82 points. Est-ce un bon client potentiel, une personne curieuse, un étudiant ou un concurrent ? Le nombre ne répond pas. Il mélange une adéquation commerciale relativement stable avec une activité récente qui peut disparaître demain.

Un lead scoring CRM utile ne cherche donc pas le chiffre parfait. Il sépare deux questions : cette personne correspond-elle à la cible, et montre-t-elle une intention actuelle ? Chaque point doit provenir d’un événement conservé, daté et explicable. Chaque seuil doit déclencher une action concrète. Sans cela, le score devient une décoration que personne ne regarde après le mois de lancement.

Dans ce tutoriel, tu vas construire ce système avec n8n et un CRM ne disposant d’aucune intégration native. Tout ce qu’il faut comprendre est dans la page : la séparation des deux dimensions, le calcul, la réconciliation des identités et les pannes qui t’attendent.

Si tu préfères partir d’une base déjà montée, une archive rassemble le workflow n8n importable, la matrice de pondération des événements et la structure de la table d’identité. Elle est dans l’espace ressources de la communauté, dont l’accès est gratuit : récupérer l’archive du lead scoring.

Le workflow est livré inactif, sans identifiant ni secret. Il faut sélectionner tes Data Tables, renseigner les endpoints de ton CRM et remplacer les pondérations d’exemple par des valeurs justifiées dans ton contexte.

Ce que le workflow va réellement décider

Le système reçoit des signaux depuis un formulaire, un outil email, le site, le calendrier commercial et un service d’enrichissement. Il ne les ajoute pas directement au score. Il les normalise d’abord dans un événement commun, retrouve la bonne personne, élimine les doublons puis recalcule les deux dimensions depuis l’historique valide.

La sortie comporte quatre éléments :

1. un score de profil compris entre 0 et 100 ;
2. un score d’engagement compris entre 0 et 100 ;
3. un état commercial, par exemple sales_review, nurture ou sleep ;
4. une explication qui détaille les signaux ayant contribué au résultat.

Cette dernière colonne est indispensable. Si un commercial ne peut pas comprendre pourquoi le contact a changé d’état, il cessera de faire confiance au système dès le premier faux positif.

Séparer le profil de l’engagement

Le profil décrit une correspondance avec ta cible : secteur, taille de l’entreprise, zone couverte, fonction, budget déclaré ou besoin compatible. Ces informations changent lentement. Une entreprise de vingt personnes ne devient pas une entreprise de cinq cents salariés parce que son dirigeant a cliqué sur un email.

L’engagement décrit des actions datées : formulaire envoyé, réponse à un message, rendez-vous pris, page tarif consultée ou email cliqué. Il change vite et doit perdre de la valeur avec le temps. Une réponse reçue hier n’a pas la même signification qu’une ouverture enregistrée il y a quatre mois.

Un score unique détruit cette distinction. Deux personnes peuvent obtenir 70 points pour des raisons opposées :

Le contact A mérite un nurturing précis, pas un appel présenté comme urgent. Le contact B mérite une qualification avant de mobiliser un commercial. Le contact C peut entrer dans une revue commerciale immédiate. Le même total aurait masqué ces trois décisions.

Définir un événement commun avant de brancher les sources

Chaque outil nomme les données à sa façon. L’outil email parle de subscriber_id, le formulaire d’email, le CRM de contact_id et le site d’un identifiant de visite. Le premier travail de n8n consiste à traduire ces formats vers un contrat interne stable.

Le workflow attend les champs suivants :

Conserve occurred_at et received_at. Un webhook peut être retardé ou rejoué. Si tu classes les signaux selon leur heure d’arrivée, une réponse envoyée lundi mais reçue mercredi semblera plus récente qu’un rendez-vous pris mardi.

Le nœud Webhook de n8n expose une URL de test et une URL de production. Configure une authentification par en-tête ou une signature vérifiable quand la source le permet. Une URL secrète n’est pas, à elle seule, un mécanisme d’authentification suffisant.

Réconcilier l’identité sans fusionner les mauvaises personnes

Le même prospect peut utiliser une adresse professionnelle dans un formulaire, une adresse personnelle pour un rendez-vous et un identifiant opaque dans l’outil email. L’erreur coûteuse consiste à chercher une ressemblance puis à fusionner automatiquement. Deux personnes portant le même nom dans une entreprise ne doivent jamais partager un historique commercial.

La table identity_map relie plusieurs identifiants à un identifiant canonique :

Applique les règles dans cet ordre :

1. utilise l’identifiant CRM lorsqu’il est fourni et existe ;
2. cherche un identifiant de source déjà lié ;
3. cherche une correspondance exacte sur un email vérifié ;
4. crée un nouveau contact seulement si aucune correspondance n’existe ;
5. place l’événement en revue si plusieurs contacts sont possibles.

Ces cinq règles se ramènent à une recherche ordonnée suivie de trois issues :

Le nom, l’entreprise et le domaine peuvent aider un humain à examiner une ambiguïté. Ils ne constituent pas une preuve suffisante pour fusionner deux fiches. Le fichier identity-map.csv fourni contient la structure, pas des données réelles.

Rendre le journal idempotent

Un fournisseur peut renvoyer un webhook après un délai d’attente. Une file de messages peut livrer deux fois le même événement. Un utilisateur peut recharger une page. Si chaque passage ajoute cinq points au score existant, le système finira par récompenser les incidents techniques.

La première protection est source_event_id. Utilise l’identifiant natif de la source. S’il n’existe pas, produis une empreinte à partir de champs stables comme la source, le type, l’identité connue, l’URL canonique et un créneau temporel. N’intègre pas received_at à cette empreinte, car chaque rejeu possède une nouvelle heure de réception.

La seconde protection consiste à stocker l’événement par upsert dans event_log. Le même identifiant met à jour la ligne existante au lieu d’en créer une nouvelle.

La troisième est le plafonnement métier. Une visite de page tarif peut contribuer une fois par vingt-quatre heures et trois fois au maximum sur quatorze jours. Une prise de rendez-vous, en revanche, reste un événement unique plus fort. Ces règles figurent dans matrice-lead-scoring.csv.

Pour un type d’événement q, la contribution plafonnée sur une fenêtre s’écrit :

Ici, w_q est le poids, n_q le nombre d’événements distincts et c_q le plafond. Cette règle neutralise un rafraîchissement compulsif sans supprimer l’information qu’une personne est revenue plusieurs jours de suite.

Calculer le score de profil

Le profil part de critères que tu peux défendre commercialement. Évite les colonnes faciles à obtenir mais sans rapport démontré avec une vente. Le nombre d’abonnés sociaux d’une entreprise peut sembler intéressant sans avoir aucune valeur prédictive pour ton offre.

La matrice d’exemple utilise cinq critères :

• secteur faisant partie de la cible ;
• taille d’entreprise compatible avec la prestation ;
• zone réellement desservie ;
• fonction impliquée dans le problème ou la décision ;
• besoin déclaré correspondant au service.

Chaque critère reçoit un poids maximal. La somme des poids disponibles vaut 100. Une donnée inconnue ne vaut pas zéro par défaut, car « inconnu » et « incompatible » ne signifient pas la même chose. Le workflow calcule aussi un taux de complétude pour éviter une fausse précision.

x_i vaut entre 0 et 1 pour le critère observé, et w_i représente son poids. Le dénominateur ne contient que les critères disponibles. Affiche donc profile_completeness à côté de P. Un score de 90 calculé sur un seul champ connu ne doit pas déclencher la même confiance qu’un score de 90 fondé sur cinq champs.

L’enrichissement société ne doit pas être traité comme une vérité. Conserve sa source, sa date et un niveau de confiance. Une donnée périmée peut être moins fiable qu’une réponse fournie directement dans un formulaire.

Faire décroître le score d’engagement

Le score d’engagement additionne les événements valides puis réduit leur contribution selon leur âge. Une décroissance exponentielle possède une propriété pratique : tu peux exprimer la durée au bout de laquelle un signal perd la moitié de sa valeur.

w_j est le poids initial du signal, Δt_j son âge et h_j sa demi-vie. Une réponse explicite peut conserver la moitié de sa valeur pendant trente jours, alors qu’une ouverture d’email peut perdre la moitié de sa valeur en trois jours.

Une ouverture est d’ailleurs un signal fragile. Les protections de confidentialité des messageries peuvent charger des pixels sans lecture humaine. Attribue-lui peu de poids et ne déclenche jamais une action commerciale urgente sur cette seule base. Un clic, une réponse, un formulaire détaillé ou une prise de rendez-vous sont plus interprétables.

Le workflow recalcule E(t) à partir du journal. Il ne soustrait pas un pourcentage au score stocké chaque nuit. Recalculer évite les erreurs cumulées et permet de modifier une pondération puis de rejouer proprement l’historique utile.

Mettre à jour un CRM sans intégration native

Une intégration native n’est pas nécessaire si ton CRM expose une API. Le nœud HTTP Request peut rechercher le contact puis envoyer les champs calculés. Cette méthode prolonge le branchement expliqué dans l’article consacré au CRM sans intégration native.

Prépare au minimum ces propriétés dans le CRM :

Le numéro de version est important. Si tu modifies les poids, un score calculé avant le changement n’est plus directement comparable. Le journal d’audit doit conserver le modèle, l’ancien état, le nouvel état et l’événement ayant demandé le recalcul.

Dans le workflow fourni, les URL contiennent https://crm.example.com/api. Remplace-les par les endpoints réels, puis utilise une credential Header Auth ou OAuth2. Ne place jamais un jeton directement dans un champ JSON exporté.

Déclencher une action avec une matrice

Le score ne devient utile qu’au moment où il change une file de travail. La matrice proposée n’envoie jamais automatiquement une offre ou une décision défavorable. Elle classe le contact et prépare une action que l’équipe peut contrôler.

Ces seuils sont des valeurs de départ, pas des standards universels. Une entreprise recevant dix demandes par mois peut examiner davantage de contacts. Une équipe qui en reçoit dix mille doit protéger sa capacité commerciale et resserrer les conditions.

Vérifie la condition au moment de l’action. Un contact peut se désinscrire entre le calcul et l’envoi d’un message. Le workflow doit donc relire consent_status, do_not_contact et l’état CRM juste avant de créer une tâche ou une séquence.

L’état nurture_eligible peut maintenant alimenter une séquence email automatisée fondée sur une machine à états. La demande rejoint une file si le contact suit déjà un autre parcours, puis les réponses, achats et désinscriptions ferment la séquence avant l’envoi suivant.

Recalibrer les poids à partir des affaires gagnées

Les pondérations initiales viennent d’hypothèses explicites. Elles doivent ensuite rencontrer les résultats. Une fois par mois ou par trimestre selon ton volume, exporte les contacts scorés et les issues commerciales : gagné, perdu, sans réponse, hors cible ou toujours ouvert.

Compare alors plusieurs groupes :

• les contacts transmis aux commerciaux qui ont réellement avancé ;
• les scores élevés restés sans suite ;
• les affaires gagnées que le système avait classées trop bas ;
• les critères fréquemment inconnus ;
• les événements associés à une progression réelle.

Ne modifie pas un poids après une seule affaire. Cherche une tendance sur un volume suffisant pour ton activité et conserve un jeu de validation séparé si tu automatises l’ajustement. Sinon, tu fabriqueras un modèle qui raconte parfaitement le passé mais se trompe sur les prochains contacts.

La boucle reste volontairement supervisée. Le workflow produit un rapport de contribution par type de signal. Un humain décide de la nouvelle matrice, incrémente score_model_version, teste le résultat sur l’historique puis active la version.

Traiter le RGPD par finalité

Le scoring individualisé qui évalue le comportement ou les préférences d’une personne constitue généralement du profilage au sens du RGPD. La CNIL définit le profilage comme un traitement automatisé visant à évaluer certains aspects personnels d’une personne physique.

Cela ne signifie pas que tout lead scoring est interdit ni que l’article 22 s’applique automatiquement. L’article 22 du RGPD vise une décision fondée exclusivement sur un traitement automatisé qui produit un effet juridique ou affecte la personne de manière significative. Une simple priorité interne accompagnée d’une véritable revue humaine n’a pas nécessairement ce niveau d’effet. En revanche, un score qui refuse automatiquement un service, modifie fortement un prix ou exclut une personne exige une analyse beaucoup plus stricte.

Les lignes directrices du Comité européen de la protection des données rappellent que l’intervention humaine doit être réelle lorsque cette garantie est invoquée. Afficher le score à une personne qui valide toujours la recommandation sans pouvoir la comprendre ou la modifier ne suffit pas.

Choisir une base légale pour chaque collecte

Ne choisis pas une base légale unique pour « le CRM ». Documente chaque finalité :

• traiter une demande de devis peut relever de mesures précontractuelles demandées par la personne ;
• certaines opérations de prospection B2B peuvent reposer sur l’intérêt légitime, avec information et opposition facile ;
• la prospection électronique vers des particuliers exige généralement un consentement préalable ;
• des traceurs non nécessaires utilisés pour rattacher des pages visitées à un profil commercial demandent une analyse et, souvent, un consentement préalable.

L’exemption de consentement pour certains outils de mesure d’audience ne couvre pas automatiquement ce cas. La CNIL précise qu’une mesure exemptée doit notamment rester limitée à des statistiques anonymes et ne pas conduire au recoupement avec d’autres traitements. Réinjecter une navigation identifiable dans un CRM poursuit une finalité différente.

Informer sans cacher la logique

L’information doit présenter les catégories de données, les sources, les finalités, la base légale, les destinataires, la conservation et les droits. Si le système relève d’une décision automatisée visée par l’article 22, ajoute une information utile sur la logique, l’importance et les conséquences prévues.

Tu n’as pas besoin de publier chaque coefficient comme un secret industriel inexploitable. Tu dois néanmoins expliquer assez clairement les facteurs utilisés, leur rôle et les effets possibles pour que la personne comprenne le traitement.

Limiter les données et la durée

Stocke un indicateur email_replied plutôt que le contenu complet d’un message si le texte n’est pas nécessaire. Stocke une catégorie de page, comme pricing, plutôt que l’historique intégral de navigation lorsque la précision n’apporte rien à la décision. Exclue les données sensibles et les critères qui peuvent créer une discrimination injustifiée.

La CNIL indique que les données de prospects utilisées pour la prospection peuvent être conservées trois ans à compter de leur collecte ou du dernier contact venant du prospect. Ce délai ne justifie pas de conserver chaque clic pendant trois ans. Définis une durée plus courte pour le journal comportemental, par exemple quatre-vingt-dix ou cent quatre-vingts jours si ton cycle le justifie, puis teste et documente ce choix.

Conserve séparément les informations minimales nécessaires à la gestion d’une opposition. Une suppression du profil commercial ne doit pas provoquer la réinscription de la personne au prochain import.

Ce qui va te bloquer en production

Le premier blocage est le doublon d’identité. Un rapprochement probabiliste trop agressif peut être plus grave qu’un contact en double, car il mélange les actions de deux personnes. Préfère une file de revue et mesure le taux d’ambiguïté.

Le deuxième est l’ordre des webhooks. Appuie les calculs sur occurred_at, conserve received_at pour le diagnostic et recalcule le score depuis les événements de la fenêtre. Si un événement ancien arrive après un événement récent, il prend naturellement sa valeur décroissante.

Le troisième est le score qui s’emballe. Utilise les identifiants idempotents, les plafonds par type, les fenêtres de répétition et un maximum global de 100. Ajoute une alerte lorsque le score varie de plus de quarante points en un seul recalcul.

Le quatrième est la concurrence. Deux webhooks peuvent lire le même score puis écrire chacun une valeur différente. La solution la plus fiable est de sérialiser les recalculs par contact ou d’utiliser une écriture conditionnelle avec version. Le workflow fourni journalise la demande puis recalcule depuis la source commune, mais ton CRM doit aussi empêcher une ancienne réponse d’écraser une plus récente.

Le cinquième est la panne partielle. Si le CRM répond en erreur après l’écriture du journal, ne supprime pas l’événement. Marque la synchronisation pending, réessaie avec un délai croissant et déplace l’élément dans une file d’échec après le nombre prévu. Le guide n8n sur la gestion des erreurs permet d’associer un workflow d’erreur aux exécutions échouées.

Tester avant de prévenir les commerciaux

Laisse d’abord le système en mode observation. Il calcule et journalise, mais ne crée aucune tâche. Compare ses décisions aux qualifications humaines pendant plusieurs semaines ou pendant un nombre représentatif de nouveaux contacts.

Teste aussi les nombres limites : exactement 24, 25, 59, 60, 69 et 70. Les erreurs de comparaison apparaissent souvent à la frontière d’un seuil, pas au milieu.

Les limites d’un lead scoring

Un score ne remplace ni une qualification ni une conversation. Il compresse des signaux imparfaits et reflète les choix de ceux qui ont défini les poids. Il peut systématiquement sous-évaluer un nouveau segment parce qu’aucune affaire historique ne lui ressemble.

Il ne prédit pas davantage une vente avec certitude. Un contact très engagé peut préparer une étude, comparer pour un concurrent ou ne disposer d’aucun budget. Le score sert à ordonner le travail et à choisir une prochaine action proportionnée.

Enfin, un modèle devient obsolète. L’offre change, le marché change, les sources changent et les protections de confidentialité réduisent certains signaux. Fixe une date de revue, mesure les faux positifs et les faux négatifs, puis retire les critères qui n’améliorent aucune décision.

Le bon système est moins spectaculaire qu’un tableau de bord rempli de chiffres. Il sait dire ce qu’il ignore, explique chaque point, oublie progressivement les vieux signaux et laisse une trace de ses décisions. C’est précisément pour cela que l’équipe finit par l’utiliser.