Scoring client en 2026 : les 3 scorings qu'on confond (et la grille B2B à 5 critères)
Le scoring client recouvre trois méthodes incompatibles : risque d'impayé, RFM, et potentiel commercial B2B. Voici comment les distinguer et construire une grille de scoring B2B sur des données officielles.
Il y a un test simple pour savoir si le scoring client d'une entreprise sert à quelque chose : demandez à trois personnes ce que mesure le score. Vous obtiendrez trois réponses. Gareth Davies résumait le symptôme le 10 août : « Le marketing transmet des leads. Les commerciaux ne les travaillent pas. Chacun accuse l'autre, alors que personne ne s'est jamais mis d'accord sur ce qu'est un lead qualifié. »
La cause est presque toujours la même, et elle est terminologique avant d'être technique : le mot « scoring client » désigne trois méthodes différentes, qui utilisent des données différentes et répondent à des questions différentes. Tant que l'équipe n'a pas tranché laquelle elle construit, le score ne peut pas être juste.
La réponse courte
Le scoring client attribue une note à un client ou un prospect pour prioriser les actions commerciales. Mais il recouvre trois pratiques incompatibles : le scoring de risque (probabilité d'impayé), le scoring RFM (valeur d'un client existant, à partir de son historique d'achat) et le scoring de potentiel commercial (probabilité qu'un prospect B2B signe). En prospection B2B, seul le troisième est pertinent, et c'est précisément celui pour lequel les ressources francophones sont les plus rares.
Détail révélateur : sur la requête « scoring client », l'aperçu IA de Google conclut aujourd'hui en demandant à l'internaute de préciser son secteur (B2B ou B2C) et son objectif (génération de leads, fidélisation ou risque crédit) avant de pouvoir proposer un modèle. La question n'est pas tranchée dans les résultats, elle est renvoyée à celui qui la pose.
Les trois scorings, côte à côte
| Type de scoring | Question posée | Données utilisées | Utile en prospection B2B ? |
|---|---|---|---|
| Scoring de risque (crédit) | Ce client va-t-il me payer ? | Bilans, encours, incidents de paiement, forme juridique | Non — sert après la signature |
| Scoring RFM | Quels clients actuels valent le plus ? | Récence, fréquence et montant des achats passés | Non — nul par construction sur un prospect |
| Scoring de potentiel (fit + intention) | Ce prospect a-t-il une chance de signer ? | NAF, effectif, ancienneté, rôle décisionnaire, signaux d'activité | Oui — c'est le seul des trois |
L'erreur classique en PME française : appliquer une grille RFM trouvée en ligne à un fichier de prospection. Le RFM note l'historique d'achat. Un prospect qui n'a jamais acheté obtient zéro sur les trois axes. La grille rend un classement parfaitement ordonné et parfaitement vide de sens.
La grille de fit B2B à 5 critères
Voici la grille de départ, construite uniquement sur des critères vérifiables. Chaque critère est noté de 0 à 2, pour un score de fit sur 10.
| Critère | 0 point | 1 point | 2 points |
|---|---|---|---|
| Activité réelle (code NAF) | Hors cible | NAF adjacent | Cœur de cible |
| Effectif | Hors fourchette | Limite basse ou haute | Dans la fourchette ICP |
| Ancienneté de l'entreprise | Moins de 6 mois | 6 mois à 2 ans | Plus de 2 ans d'activité |
| Rôle décisionnaire identifié | Absent de l'organisation | Rôle existant, personne non identifiée | Personne identifiée et vérifiée |
| Preuve du problème | Aucun indice | Indice indirect | Preuve observable |
Le score final combine ce fit avec une note d'intention distincte : Score = (Fit × 0,6) + (Intention × 0,4). Le fit pèse plus lourd volontairement. À faible volume, les signaux d'intention sont majoritairement du bruit, alors que les critères de fit sont auditables : on peut relire la ligne qui a produit la note et la contester.
La grille appliquée : deux cas concrets
Prenons un ICP simple : cabinets de conseil en organisation, 20 à 100 salariés, en France, avec un dirigeant ou un associé comme interlocuteur. Deux entreprises sortent d'une recherche, et sur le papier elles se ressemblent.
| Critère | Entreprise A | Entreprise B |
|---|---|---|
| Activité réelle (NAF) | 7022Z, conseil pour les affaires — 2 | 6202A, conseil en systèmes informatiques — 1 |
| Effectif | Tranche 20 à 49 — 2 | Tranche 10 à 19 — 1 |
| Ancienneté | Immatriculée en 2011 — 2 | Immatriculée il y a 4 mois — 0 |
| Rôle décisionnaire | Associée identifiée et vérifiée — 2 | Dirigeant enregistré, non joignable — 1 |
| Preuve du problème | Recrute deux profils avant-vente — 2 | Aucun indice — 0 |
| Score de fit | 10 / 10 | 3 / 10 |
L'écart ne vient d'aucune donnée payante. Il vient de quatre champs du registre (NAF, tranche d'effectif, date de création, dirigeant) et d'une observation publique. C'est reproductible, et surtout c'est contestable : un commercial qui juge le score de B trop sévère peut pointer la ligne exacte à rediscuter, ce qu'aucun score de boîte noire ne permet.
Notez ce que la grille ne dit pas : que B ne signera jamais. Une entreprise de quatre mois qui recrute dans six mois deviendra un 6 ou un 7. Le score date la priorité, il ne clôt pas le dossier — d'où l'importance de rescorer quand une donnée de fit change plutôt qu'à date fixe.
La seule base saine : les données officielles
Trois des cinq critères ci-dessus (NAF, effectif, ancienneté) sont des données déclarées à l'État français. Elles sont accessibles gratuitement via l'API recherche-entreprises.api.gouv.fr, adossée à SIRENE et au RNE de l'INPI : SIREN, forme juridique, date de création, tranche d'effectif, dirigeant enregistré.
C'est une différence de nature, pas de qualité. Un effectif estimé par un outil d'enrichissement est une inférence ; une tranche d'effectif SIRENE est une déclaration. Quand un score de fit repose sur des firmographies inventées, il ne devient pas approximatif : il devient faux avec un chiffre rassurant collé dessus. C'est le risque qui a le plus augmenté depuis que l'IA génère des fiches entreprise — un modèle à qui l'on demande de noter une société inventera volontiers un effectif, une levée de fonds et un dirigeant, et le score produit sera indiscernable d'un vrai.
C'est le principe de fonctionnement de l'agent Outbound SDR de Lead Scorer : la découverte des entreprises passe par le web et par le registre officiel de l'État, donc le SIREN, la forme juridique, l'ancienneté et le dirigeant sont lus dans les registres plutôt que devinés. Le scoring se fait ensuite à deux niveaux — l'entreprise contre votre ICP, puis le décideur à l'intérieur — et les comptes hors cible sont rejetés avec un motif écrit. Notre article sur les endroits où un agent IA invente détaille les points de contrôle à mettre en place.
Le motif écrit vaut plus que la note
Un score de 7 ne dit rien à un commercial. « Noté 7 : correspond à l'ICP sur le secteur et l'effectif, mais l'entreprise est immatriculée depuis 5 mois et n'a aucun historique d'activité » lui dit exactement s'il doit y passer une heure. La justification transforme le score en décision.
Elle a une seconde vertu, souvent oubliée : elle rend le scoring améliorable. Si vous n'archivez jamais pourquoi un compte a été rejeté, vous ne pourrez jamais découvrir que votre règle de rejet était mauvaise. Nos articles sur la qualification des leads B2B et le scoring prédictif détaillent la mécanique de révision.
Combien de comptes avant de croire à un modèle ?
Si vous envisagez de passer d'une grille explicite à un modèle statistique, un chiffre doit guider la décision. Prouver qu'un segment convertit à 20 % contre 10 % pour un autre demande environ 200 comptes par segment avec issue connue, soit 400 au total. Prouver un écart plus fin, 15 % contre 12 %, en demande environ 2 000 par segment. En dessous, l'écart observé entre vos segments n'est pas un signal, c'est du bruit d'échantillonnage.
Ce n'est pas un argument contre le scoring, c'est un argument contre le fait d'appeler « modèle prédictif » une grille d'hypothèses. La grille à 5 critères reste le bon outil bien plus longtemps que ne le suggèrent les éditeurs.
Que faire des scores faibles
Le réflexe est de supprimer le bas du classement. C'est l'erreur la plus coûteuse de la discipline. Salesforce a découvert que ses prospects notés 1 et 2, la pile que personne ne travaillait, ont généré 100 millions de dollars de pipeline en 8 mois une fois confiés à un agent d'engagement. Le score servait à répartir un coût humain, pas à décréter une valeur.
- Score élevé — recherche humaine, multi-contacts, séquences sur mesure
- Score moyen — messages rédigés par l'agent, validés par un humain avant envoi
- Score faible — nurturing automatisé, réévalué quand une donnée de fit change
- Rejeté — archivé avec son motif, pour pouvoir auditer la règle plus tard
L'écart entre le discours et la pratique reste large : selon le rapport Salesforce 2026 relayé début août, 87 % des organisations commerciales déclarent utiliser l'IA, mais moins de 20 % l'utilisent pour le scoring et la prévision. La majorité s'en sert pour personnaliser des emails. C'est l'usage le plus visible, et le moins structurant.
En résumé
Choisissez lequel des trois scorings vous construisez, et dites-le à voix haute dans l'équipe. En prospection B2B, c'est le scoring de potentiel : une grille de fit sur cinq critères vérifiables, alimentée par les registres officiels, plus une note d'intention tenue à part. Gardez le motif écrit collé au score, ne confondez pas un score faible avec un compte sans valeur, et n'appelez pas votre grille un modèle prédictif tant que vous n'avez pas 400 comptes pour le prouver.
Lead Scorer exécute cette chaîne en une passe transparente : vous briefez l'agent en langage naturel, il découvre les entreprises depuis les données officielles, vous relisez les scores et leurs justifications, puis vous validez les messages LinkedIn et email — chacun relu par un second modèle avant d'arriver sous vos yeux. Les forfaits démarrent à 49 € par mois sur la page tarifs.
À lire ensuite : définir son ICP avec l'IA · reconnaître un prospect chaud · la qualification des leads B2B.
Questions fréquentes
C'est quoi le scoring client ?
Le scoring client consiste à attribuer une note à chaque client ou prospect pour prioriser les actions commerciales. Le piège : le terme recouvre trois méthodes incompatibles. Le scoring de risque évalue la probabilité d'impayé, le scoring RFM évalue la valeur d'un client existant, et le scoring de potentiel commercial évalue si un prospect B2B a une chance de signer. Les trois utilisent des données différentes et ne se remplacent pas.
Quelle différence entre scoring client et scoring RFM ?
Le RFM (Récence, Fréquence, Montant) note un client sur son historique d'achat. Il est excellent pour la fidélisation et inutile en prospection B2B : un prospect qui n'a jamais acheté a un RFM nul par construction. En prospection, on score sur l'adéquation (fit) et sur les signaux d'intention, pas sur des transactions qui n'existent pas encore.
Comment construire une grille de scoring client B2B ?
Partez de cinq critères de fit vérifiables : code NAF et activité réelle, effectif, ancienneté de l'entreprise, existence du rôle décisionnaire que vous ciblez, et preuve opérationnelle que votre problème existe chez eux. Notez chaque critère de 0 à 2, ce qui donne un score sur 10. Ajoutez ensuite une note d'intention séparée, sans jamais la mélanger au fit.
Faut-il des données historiques pour scorer ses prospects ?
Pour un modèle statistique, oui, et beaucoup : il faut environ 400 comptes scorés avec issue connue pour prouver un écart de conversion important. En dessous, les écarts observés entre vos segments sont du bruit. Sans cet historique, on utilise une grille de critères explicites, auditable ligne par ligne, plutôt qu'un modèle prédictif qu'on ne peut pas valider.
Où trouver des données fiables pour scorer une entreprise française ?
Les sources officielles gratuites : l'API recherche-entreprises.api.gouv.fr, adossée à SIRENE et au RNE de l'INPI. Elles donnent le SIREN, le code NAF, la forme juridique, la date de création, la tranche d'effectif et le dirigeant enregistré. Ce sont des données déclarées à l'État, pas des estimations scrapées, et c'est la seule base saine pour un score de fit.
Un score faible signifie-t-il qu'il faut jeter le prospect ?
Non. Salesforce a constaté que ses prospects notés 1 et 2, ceux que personne ne travaillait jamais, ont produit 100 millions de dollars de pipeline en 8 mois une fois confiés à un agent. Un score faible veut dire « ne pas y consacrer de temps humain coûteux », pas « sans valeur ».
À quelle fréquence recalculer un scoring client ?
Le score de fit évolue lentement : un rafraîchissement mensuel, ou déclenché par un changement au registre, suffit. Le score d'intention se périme en quelques jours et doit être recalculé chaque semaine au minimum. Mélanger une intention périmée dans une liste de priorités est la première raison pour laquelle les commerciaux cessent de croire au score.
L'IA peut-elle scorer des prospects sans historique ?
Oui, mais pas de la même manière qu'un modèle prédictif. Un agent LLM évalue chaque entreprise contre un ICP décrit en langage naturel, à partir de données d'entreprise vérifiées, et rend un score assorti d'une justification écrite. C'est un jugement d'adéquation argumenté, pas une prédiction statistique — ce qui est exactement l'outil adapté quand l'historique manque.