[{"data":1,"prerenderedAt":48},["ShallowReactive",2],{"article-fr-incrementality-counterfactual-measurement":3},{"slug":4,"locale":5,"title":6,"description":7,"category":8,"categoryKey":9,"readMinutes":10,"publishedAt":11,"body":12,"sources":38,"seoTitle":6,"seoDescription":7},"incrementality-counterfactual-measurement","fr","Incrémentalité et mesure contrefactuelle : la vraie question derrière le ROI marketing","Introduction pratique aux groupes test et contrôle, au contrefactuel et au revenu incrémental.","Mesure","Measurement",11,"2026-08-11",[13,18,23,28,33],{"h":14,"p":15,"bullets":17},"L’incrémentalité est une différence",[16],"C’est le changement d’un résultat causé par une intervention par rapport à ce qui se serait produit sans elle. Mille achats reportés ne signifient pas mille achats causés.",[],{"h":19,"p":20,"bullets":22},"Le contrefactuel est la difficulté centrale",[21],"On ne peut pas observer simultanément un même client exposé et non exposé. Il faut donc une comparaison crédible : groupe contrôle randomisé, géographie contrôle ou modèle contrefactuel dont les hypothèses sont explicites.",[],{"h":24,"p":25,"bullets":27},"Revenu incrémental et revenu attribué ne sont pas identiques",[26],"Le revenu attribué peut inclure des acheteurs qui auraient acheté malgré tout. Le revenu incrémental cherche à isoler la valeur additionnelle créée par l’intervention.",[],{"h":29,"p":30,"bullets":32},"Une bonne expérience commence par la quantité à estimer",[31],"Définissez achats, prospects qualifiés, marge, lift de recherche ou autre résultat; puis population, période et traitement.",[],{"h":34,"p":35,"bullets":37},"La maturité de mesure est un portefeuille",[36],"Reporting plateforme pour l’opérationnel, expériences pour les questions causales à forte valeur et modèles plus larges pour l’allocation budgétaire.",[],[39,42,45],{"title":40,"url":41},"Google Meridian — inférence causale","https:\u002F\u002Fdevelopers.google.com\u002Fmeridian\u002Fdocs\u002Fcausal-inference\u002Frationale-for-causal-inference-and-bayesian-modeling",{"title":43,"url":44},"Google Ads — centre d’expérimentation","https:\u002F\u002Fsupport.google.com\u002Fgoogle-ads\u002Fanswer\u002F16856494?hl=en",{"title":46,"url":47},"Google Research — iROAS par expériences géographiques","https:\u002F\u002Fresearch.google\u002Fpubs\u002Frobust-causal-inference-for-incremental-return-on-ad-spend-with-randomized-paired-geo-experiments\u002F",1786584241171]