Ce que l'incrémentalité mesure vraiment
L'incrémentalité représente la part de ventes ou de conversions qu'une campagne a réellement générées, au-delà de ce qui se serait produit sans elle. Elle répond à une question simple : que se serait-il passé si la campagne n'avait pas été diffusée ?
Un canal peut afficher un excellent retour sur investissement (ROI) tout en captant des conversions qui auraient eu lieu de toute façon. Les indicateurs de performance fournis par les plateformes ne permettent pas de faire la différence, car ils comptent des conversions attribuées, pas des conversions causées. C'est cet écart que les tests d'incrémentalité mettent en évidence, et c'est lui qui sépare une décision budgétaire solide d'une réallocation mal orientée.
Tests A/B, groupes témoins et contrôle synthétique
Trois méthodes dominent pour tester l'incrémentalité des canaux marketing. Elles reposent toutes sur le même principe : comparer une population exposée à une population qui ne l'est pas.
Les tests avec groupe témoin répartissent aléatoirement une audience en deux groupes. Le premier peut voir la campagne, le second en est volontairement privé. Comme les deux groupes sont comparables, l'écart de conversions mesure l'effet propre de la campagne. C'est le fonctionnement des études Conversion Lift proposées par Meta et par Google.
Les tests A/B géographiques exposent certaines régions à une campagne et en gardent d'autres comme groupe de contrôle. La différence de performance entre les deux mesure le lift incrémental. Cette méthode ne dépend pas du suivi individuel des utilisateurs et permet d'intégrer les ventes hors ligne. Elle demande en revanche des zones réellement comparables et, en général, plus de budget et de durée.
Le contrôle synthétique s'utilise quand aucune région ne constitue un témoin satisfaisant. Il reconstruit un marché témoin fictif en combinant plusieurs zones non exposées, pondérées pour reproduire au plus près l'historique de la zone testée. L'écart observé après le lancement entre la zone réelle et son « jumeau » estime l'effet de la campagne.
À ces expérimentations s'ajoutent les modèles statistiques de type causal inference, qui analysent les données marketing passées pour estimer l'impact de chaque canal. Ils sont utiles quand un test n'est pas réalisable, mais leurs conclusions reposent sur des hypothèses et restent moins robustes qu'une expérience contrôlée.
Tester plusieurs canaux en même temps
Tester l'incrémentalité sur plusieurs canaux simultanément est l'un des défis les plus courants en contexte multicanal. La difficulté principale est l'isolation. Si un même utilisateur reçoit un email, voit une publicité display et un post sponsorisé sur les réseaux sociaux, il devient difficile de mesurer l'effet d'un canal sans que les autres ne contaminent les groupes de test.
Trois approches permettent de gérer cette complexité :
Segmenter les tests dans le temps. On teste un canal par période pour éviter les interférences. La méthode est simple, mais elle allonge le dispositif et reste sensible à la saisonnalité.
Croiser les zones géographiques. Différentes zones reçoivent différentes combinaisons de canaux actifs, ce qui permet de comparer les effets de chacun et leurs effets combinés. Le nombre de zones nécessaires augmente vite avec le nombre de canaux.
Combiner media mix modeling (MMM) et tests contrôlés. Le MMM décompose la contribution de chaque canal à partir de données agrégées. Les résultats des tests servent ensuite à le calibrer.
Dans tous les cas, il faut documenter précisément quels segments voient quels canaux, à quelle fréquence et sur quelle période. Sans cette rigueur, les résultats multicanaux ne sont pas interprétables.
Performance incrémentale vs performance globale : ne pas confondre les deux
La performance globale d'un canal regroupe toutes les conversions qui lui sont attribuées, qu'il les ait causées ou non. La performance incrémentale ne retient que les conversions additionnelles, celles qui n'auraient pas eu lieu sans l'activation de ce canal.
Prenons une campagne de retargeting qui affiche un ROAS (retour sur les dépenses publicitaires) de 8. Si 70 % des acheteurs exposés auraient converti sans voir l'annonce, seuls 30 % du chiffre d'affaires attribué sont réellement additionnels. À panier moyen équivalent, le ROAS incrémental s'établit autour de 2,4. La campagne peut rester rentable, mais bien moins que ne le suggèrent les chiffres globaux.
Cet écart est particulièrement marqué sur les canaux de bas de funnel : le retargeting, le SEA sur les requêtes de marque ou l'email envoyé à des clients déjà actifs. Ces canaux touchent des personnes dont l'intention d'achat est déjà forte, ce qui gonfle leur performance apparente. La mesure incrémentale évite de surfinancer des canaux qui performent sur le papier mais ajoutent peu au résultat final.
Les indicateurs à surveiller
Trois métriques structurent l'analyse :
Le lift incrémental : écart de taux de conversion entre groupe exposé et groupe témoin. Il s'exprime en points (lift absolu) ou en pourcentage du taux du groupe témoin (lift relatif). Mieux vaut toujours préciser lequel.
Le ROI ou ROAS incrémental : rapport entre le chiffre d'affaires additionnel et l'investissement engagé.
Le coût par conversion incrémentale : dépense rapportée aux seules conversions additionnelles. Sur des canaux comme LinkedIn ou l'email marketing, le même raisonnement s'applique à des actions intermédiaires, comme une inscription ou une demande de démo.
Ces indicateurs clés de performance doivent être lus avec leur intervalle de confiance. Un lift mesuré sur un échantillon trop petit ou une durée trop courte peut relever du hasard.
Exemples concrets d'impact selon les canaux
Les tests d'incrémentalité donnent des résultats très différents selon les canaux. Les scénarios ci-dessous sont fictifs et leurs chiffres illustratifs. Ils montrent comment un test se traduit en décision.
Campagne display pour une enseigne retail
Une enseigne de prêt-à-porter teste sa campagne display par un split géographique entre deux groupes de régions comparables, l'un exposé, l'autre non. Sur la période, les ventes progressent de 4,2 % dans les régions exposées, contre 1,1 % dans les régions témoins. Le lift incrémental est de 3,1 points. Sans ce test, la progression de 1,1 %, qui aurait eu lieu de toute façon, aurait été portée au crédit de la campagne.
Retargeting e-commerce : une rentabilité surestimée
Un site e-commerce consacre 30 % de son budget publicitaire au retargeting des visiteurs de fiches produits. Les campagnes affichent un ROAS de 7. Un test avec groupe de contrôle montre que 65 % des conversions attribuées auraient eu lieu sans exposition. Le ROAS incrémental tombe à environ 2,4. La marque réoriente une partie du budget vers la prospection de nouveaux segments, puis mesure de nouveau pour vérifier l'effet de cet arbitrage.
Email marketing B2B et lift sur les leads qualifiés
Une entreprise SaaS envoie une séquence email à des prospects tièdes et compare leur taux de demande de démo à celui d'un groupe similaire non contacté. Le lift relatif atteint 18 %. L'analyse par segment montre que l'effet se concentre sur les prospects ayant visité la page tarifs, sans impact mesurable sur ceux qui n'ont consulté que le blog. La segmentation est affinée en conséquence, sans augmenter le volume d'envois.
Publicité sociale sur LinkedIn en contexte B2B
Une société de conseil active des campagnes Sponsored Content sur LinkedIn auprès de décideurs RH, dans une partie seulement de ses régions. Un contrôle synthétique, construit à partir des régions non exposées, sert de témoin. Le lift relatif sur les inscriptions à un webinaire est de 22 %, porté par les formats carrousel plutôt que par les posts à image unique. L'annonceur concentre alors le budget sur ce format.
Ces exemples montrent que l'incrémentalité ne confirme pas toujours l'intuition initiale. C'est ce qui fait sa valeur : elle corrige les biais d'attribution et oriente les budgets vers ce qui génère réellement de la croissance.
Outils pour centraliser la mesure
Deux familles d'outils coexistent. Les plateformes publicitaires proposent leurs propres études, comme Conversion Lift chez Meta et chez Google. Elles sont fiables sur leur périmètre, mais chacune ne mesure que son propre inventaire. Des solutions tierces comme Measured visent une lecture commune à plusieurs canaux, en associant tests d'incrémentalité et modélisation. Leur couverture varie selon les canaux et les pays, ce qu'il faut vérifier avant de s'engager.
La qualité des données reste le facteur limitant. Sans données marketing fiables et segmentées, aucun modèle ne produira d'insights exploitables. Trois précautions s'imposent :
un suivi des événements cohérent entre les canaux, via un tag manager unifié ou une couche de données centralisée ;
une vérification régulière de la déduplication des conversions ;
un journal des changements de campagne susceptibles de biaiser les résultats historiques.
Passer des résultats à la stratégie
Une fois les tests réalisés, l'enjeu est d'ajuster les budgets avant de scaler, pas après. Cela revient à hiérarchiser les canaux selon leur lift incrémental mesuré, et non selon leur performance brute.
Les canaux dont le lift est élevé sont prioritaires pour une hausse de budget. Ceux dont le lift est faible ou nul sont à réduire ou à repositionner dans le funnel, même s'ils affichent de bons chiffres globaux. La réallocation doit rester progressive, car un résultat vaut pour un niveau de dépense, une période et une audience donnés. L'incrémentalité d'un canal baisse souvent quand on augmente fortement son budget.
Un test d'incrémentalité n'est donc pas un audit ponctuel. Répété à intervalles réguliers et après chaque changement important du mix, il devient un outil de pilotage continu du ROI de la stratégie multicanale.
FAQ
Qu'est-ce que l'incrémentalité en marketing ?
L'incrémentalité désigne la part des ventes ou des conversions qu'une campagne a réellement provoquées. Elle revient à se demander ce qui se serait passé si la campagne n'avait pas été diffusée.
Quelles méthodes permettent de tester l'incrémentalité d'un canal marketing ?
Trois méthodes dominent : les tests avec groupe témoin, les tests A/B géographiques et le contrôle synthétique. Toutes comparent une population exposée à la campagne à une population qui ne l'est pas.
Quelle est la différence entre performance globale et performance incrémentale ?
La performance globale additionne toutes les conversions attribuées à un canal, qu'il en soit ou non à l'origine. La performance incrémentale ne garde que les conversions additionnelles, qui n'auraient pas existé sans lui.
Comment tester l'incrémentalité de plusieurs canaux en même temps ?
On peut tester les canaux l'un après l'autre, croiser des zones géographiques ou combiner media mix modeling et tests contrôlés. Il faut dans tous les cas documenter précisément qui est exposé à quel canal.
Pourquoi les canaux de bas de funnel paraissent-ils plus performants qu'ils ne le sont ?
Le retargeting, le SEA de marque ou l'email aux clients actifs touchent des personnes dont l'intention d'achat est déjà forte. Une partie des conversions attribuées aurait donc eu lieu sans eux.

Fondateur et CEO de Junto
Fondateur & CEO de Junto, Étienne est entrepreneur et consultant en marketing digital depuis plus de 15 ans. Expert en Paid Media, SEO, Data, Automatisation, IA, Growth et Performance, il accompagne les entreprises ambitieuses dans la mise en place de stratégies de croissance à fort impact, avec pour objectif de générer des résultats durables et d’aider les marques à progresser dans un environnement digital en constante évolution.





