Comment surmonter la crise de mesure du ROI en marketing
Juliana Rosso Frediano analyse l'impact de l'IA sur l'intégration des données et les pièges de l'attribution B2B.
La dispersion des données et l'exigence de rentabilité immédiate faussent l'évaluation des campagnes marketing. Ce tour d'horizon montre comment les modèles statistiques et l'automatisation permettent de mesurer l'impact réel des canaux sans dépendre du dernier clic.
Juliana Rosso Frediano, CMO de First Answer, a abordé la fragmentation des données et les obstacles à la mesure du retour sur investissement lors d'un échange avec Bruno Gimenes dans l'émission Marketing - The Podcast. Le débat s'appuie sur des études de marché présentées durant l'épisode : selon les données du rapport CMO Outlook 2026 de Nielsen, relayées par Business Wire, 83 % des CMO conservent toute confiance dans la valeur de leur marque. En parallèle, la couverture du CMO Summit 2026 par Mundo do Marketing révèle que 54 % des dirigeants considèrent l'unification des sources de données dispersées comme leur principal défi, tandis que 23 % reconnaissent traverser une crise de confiance envers le ROI.
Pour appréhender l'ensemble des enjeux abordés — qui s'inscrivent dans une réflexion plus large sur l'architecture du revenu en entreprise —, visionnez la vidéo ci-dessus afin de suivre l'intégralité des échanges entre les intervenants.
Décentralisation des rapports et apport de l'IA
Face à la dispersion des indicateurs, Frediano souligne que l'essor des outils d'IA a permis de réduire la dépendance envers les structures d'analyse traditionnelles. Selon elle, le processus qui imposait autrefois de longues files d'attente auprès des équipes techniques peut désormais être pris en charge directement par le marketing grâce à l'automatisation et à des requêtes structurées au sein des bases de données.
Frediano revient sur les anciennes pratiques du secteur : « Nous avions un pôle BI et il fallait faire la queue pour demander à l'équipe de concevoir des dashboards et des rapports prouvant les résultats des campagnes ou des investissements. » Pour elle, disposer d'outils d'interrogation directe facilite grandement l'élaboration des rapports, sans les goulots d'étranglement qui retardaient historiquement la démonstration de valeur.
Décalage temporel et limites des modèles d'attribution
Le sentiment d'inefficacité dans le calcul du ROI découle souvent, d'après Frediano, de la volonté d'évaluer des canaux hétérogènes selon une même échelle de temps. Dans l'univers B2B lié à des solutions complexes, comme les ERP ou les CRM, exiger une conversion immédiate sur des actions relationnelles revient à ignorer la durée réelle du cycle de vente, qui s'échelonne fréquemment sur trois à six mois.
Illustrant cette pression du court terme sur les événements physiques, Frediano évoque les frictions régulières avec les directions financières : « Si l'on organise un événement ce mois-ci, la finance demande dès la semaine suivante combien de nouveaux contrats ont été signés grâce à lui. Mais ce n'est absolument pas ainsi que l'on évalue le ROI d'un événement. » Elle rappelle que si l'indicateur est analysé dès le mois suivant, la métrique ne reflète plus du tout la réalité de l'activité.
Le problème demeure tout aussi prégnant sur les canaux digitaux lorsque l'attribution au dernier clic (last click) s'impose comme unique critère de réussite. Frediano insiste sur les failles de cette méthode : « Ce n'est pas parce qu'un prospect a cliqué en dernier lieu sur une campagne que la vente ou la signature découle uniquement de ce canal. Là encore, le ROI est mal mesuré. »
Modèles statistiques et inférence causale
Pour appréhender la complexité des parcours multicanaux, Frediano préconise le recours au Marketing Mix Modeling (MMM), citant notamment la plateforme Purple Metrics, fondée par Guta Tolmasquim et mentionnée par Bruno durant l'entretien. Cette approche croise les investissements online et offline avec les volumes de ventes afin d'estimer la corrélation d'impact statistique au fil du temps.
Bruno souligne pour sa part l'intérêt grandissant pour l'inférence causale dans l'écosystème technologique, plaidant pour une compréhension plus rigoureuse de la chaîne qui relie chaque action à la conclusion d'une vente. Frediano confirme que décrypter les véritables liens de cause à effet, au-delà d'une simple corrélation chiffrée, constitue le levier indispensable pour fiabiliser la mesure des performances.