# L’arbre de métriques : relier chaque campagne au contrat signé

Un arbre de métriques décompose l’objectif principal d’une entreprise, par exemple les contrats signés, en indicateurs de plus en plus fins, jusqu’aux résultats de chaque campagne. Chaque indicateur y a une définition, une formule et une source. Il aligne marketing et ventes sur les mêmes chiffres, et donne aux assistants d’IA des définitions à respecter. Ses limites sont connues : il simplifie, et peut cacher des arbitrages.

Guide · Écrit par l’IA, relu par David Solito · Publiée le 7 novembre 2026 · 5 min de lecture

Dans une réunion de résultats, chacun arrive avec ses chiffres. Le marketing parle de coût par lead, les ventes de taux de transformation, la direction de chiffre d’affaires. Les trois sont justes, et pourtant personne ne sait dire ce qui, dans les campagnes du mois, a fait bouger les contrats signés. Un arbre de métriques sert à relier ces chiffres entre eux.

## Ce qu’est un arbre de métriques

Count, éditeur d’un outil d’analyse, reprend la définition d’Abhi Sivasailam : un arbre de métriques est un modèle qui représente, par des métriques et leurs relations pondérées, la façon dont les entrées d’une entreprise se transforment en résultats. [2](#source-2) Mixpanel le décrit comme une hiérarchie qui va des métriques les plus fines, comme les résultats d’une campagne, jusqu’à la métrique principale de l’entreprise. [1](#source-1)

Chaque nœud de l’arbre est une métrique, avec deux définitions : une définition métier, en mots, et une définition de données, en général une formule. On peut y ajouter l’unité, la période et les systèmes d’où viennent les données. Chaque branche indique ce qui fait bouger la métrique du dessus. [2](#source-2)

Count oppose l’arbre aux tableaux de bord classiques, où les chiffres sont présentés en grille, côte à côte, sans dire comment ils dépendent les uns des autres. [2](#source-2)

## À quoi il sert pour la génération de leads

Pour une entreprise qui vend par l’intermédiaire d’une équipe commerciale, l’arbre part du contrat signé et redescend jusqu’aux campagnes. Une version simple peut ressembler à ceci :

- **Contrats signés**, qui dépendent de :

- **leads qualifiés**, multipliés par le **taux de transformation en contrat** ;

- **leads qualifiés**, qui dépendent de :

- **demandes reçues**, multipliées par le **taux de qualification** ;

- **demandes reçues**, qui se décomposent par canal :

- Google Ads, Meta, LinkedIn, référencement, recommandations ;

- et, pour chaque canal payant, **budget**, **coût par clic** et **taux de conversion de la page**.

Chaque case porte sa définition. Le lead qualifié, par exemple, est celui que l’équipe commerciale a accepté selon le critère fixé ensemble, enregistré dans le CRM ; la note [Lead qualifié](/fr/memory/lead-qualifie/) explique comment le définir. Le taux de qualification se calcule sur les demandes d’une même période, et pas sur celles du mois précédent. Le renvoi de ces étapes aux plateformes publicitaires est décrit dans [Relier votre CRM à Google, Meta et LinkedIn](/fr/memory/conversions-hors-ligne/).

Lu de haut en bas, l’arbre répond à une question précise : si les contrats baissent, est-ce parce qu’il y a moins de demandes, moins de demandes qualifiées, ou moins de ventes à partir de demandes qualifiées ? Ces trois causes appellent trois réponses différentes, et seule la première relève du budget publicitaire.

## Comment on le construit

Count insiste sur un point : une équipe de données ne peut pas construire l’arbre seule, il faut trop de contexte venu de l’entreprise. [2](#source-2) La construction est une suite de décisions prises ensemble.

- **Choisir l’objectif principal.** Le contrat signé, le chiffre d’affaires signé, ou le rendez-vous tenu si les ventes se concluent trop tard pour piloter les campagnes.

- **Le décomposer en multiplications et en additions simples.** Chaque niveau doit pouvoir se recalculer à partir du niveau inférieur. Si ce n’est pas le cas, une étape manque.

- **Écrire la définition de chaque métrique**, avec la formule et la source : le CRM, GA4, la plateforme publicitaire.

- **Séparer ce qui est observé de ce qui est estimé.** Une partie des conversions affichées par les plateformes est modélisée ; l’arbre doit dire, pour chaque chiffre, d’où il vient. La note [Conversions observées et modélisées](/fr/memory/conversions-observees-et-modelisees/) explique ce que les plateformes estiment.

- **Vérifier les chiffres avec ceux de l’entreprise** : le nombre de contrats de l’arbre doit être celui de la comptabilité commerciale.

Notre article de 2024 sur les métriques d’un directeur marketing recensait les indicateurs à suivre : notoriété, pipeline, engagement, satisfaction, campagnes. [6](#source-6) L’arbre ajoute ce qui manquait à cette liste : les relations entre ces indicateurs, et une définition commune de chacun.

## Ses limites

L’arbre simplifie, et cette simplification a des effets connus. Paul Levchuk, analyste produit, en liste quatre dans un billet de 2025 : [3](#source-3)

- **Il masque des arbitrages.** Augmenter le trafic peut faire baisser la valeur moyenne d’une demande ; l’arbre montre la hausse du trafic, pas la baisse de qualité qu’elle entraîne.

- **Il cache les changements de composition.** Une métrique stable peut résulter d’une hausse d’un canal et d’une baisse d’un autre.

- **Il ignore les facteurs extérieurs** : la saison, la concurrence, l’arrivée d’une nouvelle génération de clients.

- **Il pousse vers les leviers faciles à faire bouger**, qui ne sont pas toujours ceux qui rapportent.

Dans la discussion qui suit, plusieurs praticiens répondent que l’arbre est un point de départ pour chercher, pas une réponse, et que le vrai piège est de ne pas modéliser du tout, chacun gardant en tête un modèle différent. [3](#source-3) Les deux positions se complètent : l’arbre sert à poser les bonnes questions, et le jugement reste nécessaire pour y répondre.

## Pourquoi il compte davantage avec l’IA

Les assistants d’IA permettent désormais d’interroger ses données en langage courant. Leur faiblesse est connue : deux questions proches peuvent recevoir deux réponses fondées sur deux définitions différentes d’un même chiffre.

Les éditeurs d’outils de données en tirent la même conclusion. Cube recommande de sortir la logique des métriques des consignes données à l’agent et de la définir une fois, dans une couche dite sémantique, où l’agent choisit parmi des métriques certifiées au lieu d’écrire ses propres calculs. [5](#source-5) Fawad Hussain Syed, consultant en données, résume en septembre 2026 que le livrable n’est plus le tableau de bord, mais la définition des métriques, que le tableau de bord n’est qu’une façon parmi d’autres d’afficher. [4](#source-4)

Un arbre de métriques joue ce rôle à l’échelle d’une entreprise de taille moyenne : il fixe les définitions avant qu’un assistant ne les invente. La note [Suivre ses performances en conversation : le serveur MCP](/fr/memory/serveur-mcp-performance/) montre comment un assistant peut ensuite interroger ces données.

## Ce qu’il faut retenir

- Un arbre de métriques relie l’objectif principal aux résultats de chaque campagne, chaque métrique avec sa définition, sa formule et sa source.

- Pour la génération de leads, il dit si une baisse des contrats vient des demandes, de leur qualification ou de la vente.

- Il se construit avec l’entreprise, pas seulement avec les données, et sépare l’observé de l’estimé.

- Il simplifie : il peut masquer des arbitrages et des changements de composition, et sert à poser des questions plus qu’à y répondre.

- Avec les assistants d’IA, il fixe les définitions que les réponses doivent reprendre.

Pour mettre en place et vérifier cette mesure avec votre équipe, découvrez notre accompagnement en [mesure et tracking](/fr/mesure-et-tracking/).

Sources consultées le 13 octobre 2026.