Attribution Meta et MER : comment lire vos vrais résultats

Qu’est-ce que l’attribution sur Meta ?

C’est la règle qui décide quelles ventes Meta rattache à vos publicités. Une vente sur votre site n’a lieu ni sur Facebook ni sur Instagram ; Meta la compte pour une publicité seulement si elle survient dans un délai donné après un clic, une interaction ou une impression. Ce délai et ce type de contact forment le paramètre d’attribution, réglé au niveau de l’ensemble de publicités.

Ce réglage ne sert pas qu’au reporting. Meta précise que le modèle d’attribution choisi optimise aussi la diffusion (Meta, À propos des modèles et des paramètres d’attribution). Changer de fenêtre modifie donc les personnes que l’algorithme cherche à toucher, pas seulement le chiffre affiché dans la colonne Résultats.

Meta propose aujourd’hui trois modèles :

• standard, le modèle historique, qui compte les conversions selon des fenêtres de clic, d’interaction et de vue ;
• incrémental, qui s’appuie sur des modèles de machine learning prédisant si une conversion a été causée par la publicité, et optimise la diffusion sur ces conversions-là (Meta, À propos de l’attribution incrémentale) ;
• personnalisé, qui permet de transmettre à Meta la logique d’attribution d’un outil d’analyse externe.

Ces modèles ne se comparent pas entre eux. Meta prévient qu’un tableau mêlant des ensembles réglés sur des modèles différents mène à des conclusions erronées, et renvoie vers la fonction « Comparer les paramètres d’attribution ».

Quelles fenêtres d’attribution Meta propose-t-il en 2026 ?

Pour les conversions sur site web, le modèle standard ne garde que trois options : le clic sur un lien à 1 ou 7 jours, l’interaction à 1 jour et la vue à 1 jour (Meta, paramètres d’attribution). Les longues fenêtres de vue ont disparu. Depuis le 12 janvier 2026, l’API Ads Insights ne renvoie plus les fenêtres de vue à 7 et 28 jours, et Meta les a retirées pour aligner l’API sur le Gestionnaire de publicités (Meta for Developers, 16 octobre 2025).

Le second changement date de mars 2026. Meta a resserré la définition du clic. Auparavant, un partage ou une mention J’aime suivis d’un achat comptaient comme un « clic ». Désormais, seul le clic sur un lien en fait partie, les autres actions passant dans la catégorie engage-through, traduite dans l’interface par « interactions simples » (AdExchanger, 3 mars 2026). Meta présente cette évolution comme un moyen de réduire l’écart avec Google Analytics.

Effet pratique, un compte peut voir ses achats « attribués au clic » baisser sans que les ventes changent. Une partie a simplement changé de colonne, et celles survenues plus d’un jour après une simple interaction ne sont plus comptées du tout. Meta signale que certains comptes peuvent encore tourner sur l’ancienne définition pendant le déploiement. Vérifiez la vôtre dans l’ensemble de publicités avant de comparer deux périodes.

Quel paramètre d’attribution choisir pour un e-commerce ?

Pour la plupart des boutiques, nous gardons le réglage standard le plus complet, clic à 7 jours, interaction à 1 jour et vue à 1 jour, sur tous les ensembles d’un même compte. L’homogénéité compte davantage que le choix lui-même, car un compte où chaque ensemble a sa propre fenêtre ne permet plus aucune comparaison.

Nous resserrons au clic à 1 jour dans deux cas. Le premier concerne un produit acheté sur un coup de tête, où une vente sept jours après le clic tient souvent du hasard. Le second, un compte dont le retargeting capte des clients qui seraient revenus seuls, et dont la fenêtre large flatte le résultat. À l’inverse, un produit cher avec plusieurs jours de réflexion perd une partie de ses ventes réelles si l’on coupe à 1 jour.

Faut-il passer à l’attribution incrémentale ?

Quand le compte y est éligible, elle mérite un test, pas une bascule générale. Nous la lançons sur un ensemble qui a déjà de l’historique, en parallèle d’un ensemble standard identique, et nous jugeons le résultat sur les ventes de la boutique et sur le MER, jamais sur la colonne Résultats, puisque les deux modèles ne comptent pas la même chose. Une baisse des conversions affichées est attendue, elle ne dit rien à elle seule.

Gardez aussi en tête que Meta peut recourir à la modélisation statistique lorsque des données de conversion sont partielles ou manquantes, et l’indique par une annotation dans le rapport (Meta, Comprendre les différents modes de calcul des résultats). Une partie des ventes affichées est donc estimée, ce qui renforce l’intérêt d’un indicateur calculé hors de la plateforme.

Pourquoi Meta, GA4 et Shopify ne donnent-ils jamais le même chiffre ?

Parce qu’ils ne mesurent pas la même chose. Chaque outil applique sa propre règle de crédit, sa propre fenêtre et ne voit qu’une partie du parcours. Un écart de plusieurs dizaines de pourcents entre Ads Manager et Google Analytics n’indique donc pas forcément une panne de tracking.

GA4 ne propose plus que trois modèles, basé sur les données, dernier clic sur les canaux payants et naturels, et dernier clic sur les seuls canaux payants Google ; les modèles linéaire, premier clic, en fonction de la position et dégressif ont disparu en novembre 2023 (Aide Google Analytics, Premiers pas avec l’attribution). Sa période d’analyse est de 90 jours par défaut pour les événements clés, réglable à 30 ou 60 jours (Aide Google Analytics, Sélectionnez des paramètres d’attribution).

Shopify, lui, attribue par défaut la commande au dernier canal non direct, et propose aussi le dernier clic, le premier clic, « tout clic » et le modèle linéaire (Shopify Help Center, Marketing performance). Une personne qui voit une publicité Instagram, ne clique pas, puis tape le nom de la marque dans Google sera comptée par Meta au titre de la vue, et par Shopify comme une vente issue de la recherche. Les deux ont raison selon leur règle.

Les autres sources d’écart

• le consentement, qui retire des données à GA4 et au pixel, et pousse les plateformes à modéliser ;
• la date retenue, l’outil publicitaire et l’outil d’analyse ne rattachant pas forcément la vente au même jour ;
• la déduplication imparfaite entre le pixel et l’API Conversions, qui gonfle Ads Manager ;
• les paramètres UTM absents ou écrasés, qui renvoient les ventes Meta vers le direct dans GA4.

Comment réconcilier les chiffres sans chercher un chiffre unique ?

En vérifiant d’abord la collecte, puis en comparant des tendances plutôt que des totaux. Aucun outil ne donne le nombre exact de ventes causées par Meta ; le back-office de la boutique donne en revanche le nombre exact de ventes tout court, et c’est la référence.

1. Contrôler le tracking. Un achat doit remonter une seule fois dans le Gestionnaire d’événements, avec la même valeur que la commande. Notre guide de l’API de conversion Meta détaille la déduplication et la qualité de correspondance.
2. Normaliser les UTM. Chaque publicité porte la même convention de source et de support, pour que GA4 classe les visites Meta dans le bon canal. La configuration côté analytics est décrite dans notre guide GA4 pour l’e-commerce.
3. Comparer à périmètre égal. Mettez Ads Manager en clic à 7 jours seul et Shopify en dernier clic : l’écart restant mesure surtout le crédit que chaque outil s’accorde.
4. Suivre le ratio dans le temps. Si Meta revendique en moyenne 1,4 fois les ventes que Shopify lui attribue (exemple hypothétique), c’est la variation de ce ratio qui alerte, pas sa valeur.

Quand la collecte elle-même est en cause, avec des achats en double, des valeurs à zéro ou des pertes liées au consentement, le chantier relève du tracking plus que de la publicité. C’est le travail de notre agence tracking publicitaire.

Qu’est-ce que le MER et pourquoi en faire la boussole ?

Le MER, pour marketing efficiency ratio, divise le chiffre d’affaires total de la boutique par l’ensemble des dépenses marketing de la période. Il ne dépend d’aucune règle d’attribution, ce qui en fait le seul indicateur que Meta, Google et Shopify ne peuvent pas lire chacun à leur avantage.

Sa limite est la contrepartie de sa force. Le MER mélange les ventes publicitaires, organiques, e-mail et bouche-à-oreille ; il dit si l’ensemble est rentable, pas quelle campagne l’est. Nous le suivons au niveau du compte, et le ROAS de la plateforme sert à arbitrer entre campagnes. Le calcul du seuil de rentabilité est détaillé dans notre guide calcul du ROAS et ROAS rentable, et se fait en quelques secondes avec le calculateur de ROAS.

Un exemple hypothétique

Une boutique dépense 12 000 € par mois en publicité, dont 9 000 € sur Meta. Ads Manager revendique 40 000 € de ventes, soit un ROAS de 4,4 sur Meta. Le back-office affiche 48 000 € de chiffre d’affaires HT sur le mois.

Le MER global est confortable, mais celui des nouveaux clients passe sous le seuil. La publicité finance donc l’acquisition à perte au premier achat, et la rentabilité dépend des commandes suivantes. Rien dans Ads Manager ne le montrait. Nous suivons pour cette raison deux MER, le global et celui des premières commandes, que le back-office permet d’isoler en séparant clients nouveaux et récurrents.

Comment piloter Meta Ads avec le MER au quotidien ?

Chaque indicateur répond à une question différente, à un rythme différent. Le MER se lit sur une semaine ou un mois, parce qu’il bouge avec la saisonnalité et les ventes non publicitaires. Le ROAS de la plateforme se lit sur quelques jours, pour comparer des campagnes réglées sur la même attribution.

La décision la plus utile que permet le MER concerne la hausse de budget. Quand la dépense Meta augmente de 30 % et que le chiffre d’affaires total suit, la hausse est réelle. Quand Ads Manager affiche plus de ventes mais que le back-office reste plat, Meta s’attribue des ventes qui auraient eu lieu de toute façon. Nous augmentons le budget par paliers et regardons le MER deux semaines plus tard, pas le ROAS du lendemain. La méthode de calcul du budget lui-même est dans notre guide budget Meta Ads.

Comment mesurer l’incrémentalité avec un test de lift ?

En comparant un groupe exposé aux publicités à un groupe qui ne l’est pas. C’est la seule méthode qui mesure une causalité plutôt qu’une corrélation. Dans une étude de conversion lift, Meta répartit au hasard les personnes entre un groupe test, qui voit vos publicités, et un groupe témoin, qui ne les voit pas, puis compare les conversions des deux groupes (Meta for Developers, Conversion Lift).

La différence entre les deux groupes donne les ventes incrémentales, celles qui n’auraient pas eu lieu sans la publicité. Rapportée à la dépense, elle donne un coût par vente incrémentale, souvent bien plus élevé que le coût par achat affiché. Ce rapport sert ensuite de coefficient de correction pour lire Ads Manager entre deux tests.

Trois méthodes selon votre taille

• Le conversion lift de Meta, quand il est proposé sur le compte. Il demande un volume de conversions suffisant pour que l’écart entre les groupes soit significatif.
• Le test géographique. On coupe ou on réduit Meta dans certaines régions et on compare leurs ventes à celles des régions restées actives. GeoLift, l’outil open source de Meta, outille ce type de test au niveau géographique.
• Le marketing mix modeling, pour les budgets répartis sur plusieurs canaux depuis plus d’un an. Robyn, publié en open source par l’équipe Marketing Science de Meta, estime la contribution de chaque canal à partir de données agrégées, sans données personnelles.

Un test de lift répond à une question précise, sur une période précise. Nous en planifions un quand une décision lourde en dépend, par exemple doubler le budget de prospection ou couper le retargeting. Il se prépare avant de toucher au compte, avec un seul changement à la fois et une durée fixée d’avance, faute de quoi le résultat ne dit rien. Pour faire le point sur votre mesure, voyez la page de notre agence Meta Ads.