Métriques Media Buying Internes qui Prédisent Vraiment le Chiffre d'Affaires (Playbook 2026)

Le ROAS est un nombre qui monte et descend pour des raisons qui n'ont rien à voir avec le fait que vos campagnes marchent. Il ne vous dit pas quelle créa a généré un client à 4 000 $ versus un churner à 200 $. Il ne vous dit pas quel ad set est sur le point de s'effondrer la semaine prochaine. Il ne sépare pas les leads qualifiés des curieux. Cet article détaille les sept métriques internes que notre équipe media buying utilise à la place du ROAS, la matrice de décision qui transforme chaque métrique en action, et le stack à quatre outils qui rassemble tout ça sans data engineer.

Si vous gérez du paid social pour une agence, dirigez une équipe media buying en interne, ou êtes simplement fatigué de prétendre que le ROAS suffit, voici le playbook qu'on aurait voulu qu'on nous tende il y a trois ans.

C'est un playbook interne, pas un rapport client

Deux couches de reporting distinctes existent dans toute agence bien gérée. Les clients reçoivent l'histoire simple de surface : dépense, revenu, ROAS, taux de croissance. L'équipe media buying interne a besoin de métriques différentes parce qu'elle prend des décisions d'allocation. Tuer une créa. Scaler un ad set. Changer d'audience. Rafraîchir l'angle. Ces décisions demandent de la donnée diagnostique, pas de la donnée agrégée.

Ne donnez pas ces sept métriques aux clients. Donnez-leur la version simple (avec le ROAS de surface, la croissance et un ou deux graphiques narratifs). Gardez ce playbook pour l'équipe interne qui prend les décisions hebdo d'allocation. Mélanger les deux couches c'est comme ça que vous finissez soit par embrouiller vos clients avec des métriques qu'ils n'ont pas demandées, soit par affamer vos media buyers de la donnée diagnostique dont ils ont besoin pour faire leur job.

Pourquoi le ROAS est une métrique vanité pour l'ops interne

Le ROAS est la métrique que les plateformes vous tendent parce que c'est la seule qu'elles peuvent calculer sans votre stack de conversion complet. Le problème c'est que le ROAS moyenne entre types de clients, cache les artefacts de timing, et casse complètement quand votre funnel a un écart significatif entre clic et revenu (ce qui est le cas de tout funnel au-dessus de 50 $ de valeur moyenne de commande).

Concrètement :

• Le ROAS monte quand vous mettez en pause votre pire créa, même si aucun comportement client réel n'a changé. C'est des maths de dénominateur, pas de l'insight.
• Le ROAS varie de 30 à 50% d'une semaine à l'autre par bruit d'échantillonnage aléatoire sur des petits budgets. La plupart des ad sets n'ont pas assez de conversions quotidiennes pour produire un chiffre ROAS stable.
• Le ROAS ne distingue pas un acheteur à 200 $ qui churn au mois 2 d'un acheteur à 200 $ qui rachète cinq fois. Les deux paraissent identiques dans le reporting ROAS de semaine 1.
• Le ROAS inclut retours et remboursements avec un décalage de 30 jours, ce qui veut dire que votre ROAS reporté a toujours un mois de retard sur la réalité.

L'équipe media buying interne a besoin de métriques qui répondent à des questions opérationnelles spécifiques, pas d'un seul nombre composite qui masque toutes les pièces en mouvement.

Métrique 1, Coût par Lead Qualifié (CPQL)

Formule : dépense pub totale divisée par le nombre de leads qui ont passé votre filtre de qualification (intention plus budget plus fit).

Pourquoi ça compte : le Coût par Lead brut ment. La moitié de vos leads sont des gens qui ont cliqué parce que la créa était jolie. Le CPQL vous force à compter uniquement les leads qui ont survécu au premier filtre (une question du formulaire de lead, une étape de pré-qualification de l'AI Setter, ou un check manuel SDR).

L'écart entre Coût par Lead et CPQL est un des ratios les plus diagnostiques en paid social. Si le CPL est à 15 $ et le CPQL à 90 $, six leads sur sept sont du déchet. Soit le filtre de qualification est trop serré, soit la créa attire la mauvaise audience. Les deux sont réparables, mais vous ne pouvez pas réparer ce que vous ne voyez pas.

Comment on le fait remonter : l'agent AI Setter d'Inflowave marque chaque nouveau lead comme qualifié ou disqualifié à partir des réponses du formulaire et des signaux du profil Instagram. Le CPQL est tiré de leads.qualified=true joint à la dépense pub. La logique de qualification est configurable par client : les clients med spa filtrent sur « budget supérieur à 500 $ plus dans un rayon de 50 miles », les clients B2B SaaS filtrent sur « taille d'entreprise supérieure à 10 plus rôle contient 'marketing' ou 'growth' ».

Métrique 2, Coût par RDV Qualifié Réservé (CPQA-B)

Formule : dépense pub totale divisée par le nombre de leads qualifiés qui ont effectivement réservé un appel découverte.

Pourquoi ça compte : la plus grosse fuite dans la plupart des funnels c'est les leads qualifiés qui ne réservent jamais. Si votre CPQL est de 20 $ mais que seulement 20% réservent un appel, votre coût réel est de 100 $ par réservation. C'est une décision de campagne différente de ce que 20 $ suggèrent, et pourtant la plupart des agences ne reportent que sur le CPQL et font comme si l'écart de réservation n'existait pas.

Règle empirique industrielle pour la conversion qualifié-à-réservé : 50 à 70% dans les niches services avec un fort nurture post-lead, 20 à 40% dans les niches services avec un nurture faible, 10 à 20% dans les funnels self-serve SaaS qui passent par des demandes de démo. Si votre conversion est en dessous du bas de cette fourchette, la page de réservation ou la séquence de relance est cassée, pas la créa pub.

Comment on le fait remonter : le pipeline de leads d'Inflowave suit l'état de réservation par lead via l'intégration OAuth Cal.com ou Calendly. La métrique c'est une requête sur les leads où booked_at IS NOT NULL jointe à l'ad set d'origine. La vue pipeline d'Inflowave fait aussi ressortir le taux de conversion qualifié-à-réservé par ad set pour repérer la fuite du funnel d'un coup d'œil.

Métrique 3, Coût par Présence à RDV Qualifié (CPQA-S)

Formule : dépense pub totale divisée par le nombre de leads qualifiés qui se sont effectivement présentés à l'appel réservé.

Pourquoi ça compte : le taux de présence varie de 40 à 90% selon la qualité du lead et la cadence des rappels. Une campagne avec un super taux de réservation mais un taux de présence catastrophique est cassée. Le CPQA-S est la métrique qui expose les no-shows déguisés en funnels de réservation sains.

Le taux de présence est sournoisement diagnostique de la QUALITÉ DU LEAD, pas juste de l'hygiène du funnel. Les leads à forte intention (gens qui ont vraiment le problème et le budget) se présentent à 80%+. Les leads à faible intention (cliqueurs curieux) réservent pour récupérer un « truc gratuit » puis disparaissent. Si votre taux de présence est en dessous de 50% même avec une séquence de rappels serrée, la qualité de lead qui entre depuis cet ad set est médiocre, et le CPQL vous induit en erreur.

Comment on le fait remonter : le workflow de rappel de RDV d'Inflowave tague chaque réunion comme présence ou no_show. La séquence de rappels propulsée par Twilio (SMS plus email à 24h, 2h, 15min) met à jour la ligne du lead automatiquement selon la réponse. On tague aussi les réunions reportées séparément pour que la métrique de taux de présence ne soit pas polluée par des reports légitimes.

Métrique 4, Coût par Vente (CPS)

Formule : dépense pub totale divisée par les deals closed-won attribués à la campagne pub.

Pourquoi ça compte : la seule métrique qui compte pour votre CFO. Reliez ça à la créa pub source via les créas taguées dans Foreplay et vous obtenez une vraie courbe de Pareto. 10 à 20% des créas génèrent 80% des ventes. Les 80% restants sont soit à l'équilibre soit en perte, et la seule façon de le découvrir c'est en attribuant les deals fermés à la créa d'origine.

Le CPS est aussi la métrique qui vous permet de contester des décisions pilotées par le ROAS. Une créa avec 300 $ de CPS et 1 200 $ d'AOV paraît géniale en ROAS (4x) mais peut avoir une fenêtre de cash-back de 90 jours qui casse votre trésorerie. Le CPS isolé ne raconte pas toute l'histoire mais combiné avec AOV et LTV oui.

Comment on le fait remonter : l'étape closed_won du pipeline d'Inflowave alimente le CPS. Les deals fermés remontent vers l'UTM de la campagne source. La metadata des swipe files Foreplay aide à taguer quelles créas gagnantes ont généré chaque cohorte. C'est là que le pont Foreplay-Inflowave paye : vous pouvez demander « quelles créas taguées Foreplay ont produit nos 20 meilleurs deals closed-won le trimestre dernier » et obtenir une réponse dans une requête Inflowave.

Métrique 5, Valeur d'Achat Moyenne (AOV)

Formule : revenu total des achats divisé par le nombre d'achats.

Pourquoi ça compte : l'AOV par créa pub est plus diagnostique que le ROAS agrégé. Certaines créas amènent des acheteurs à 200 $. D'autres amènent des acheteurs à 2 500 $. Les deux peuvent avoir le même ROAS mais des implications opérationnelles très différentes : risque de remboursement, intention sur la durée, charge de support, complexité de fulfillment.

Surveillez le pivot AOV-par-créa pour deux patterns révélateurs. D'abord, des chutes brutales d'AOV sur une créa précédemment stable signifient généralement que l'audience est saturée et que vous attirez maintenant le fond du panier d'acheteurs. Ensuite, des pics d'AOV couplés à des taux de remboursement élevés sont un signe que votre messaging d'offre surpromet et que vous attirez des acheteurs aux attentes mal alignées.

Comment on le fait remonter : le webhook Stripe écrit dans leads.purchases. Cross-join avec la campagne pub d'origine pour le reporting AOV-par-créa. La vue pipeline d'Inflowave affiche l'AOV par créa comme colonne, ce qui rend facile de repérer les créas à haut AOV à scaler indépendamment du CPS.

Métrique 6, Valeur Vie Moyenne (LTV)

Formule : revenu total par cohorte de clients divisé par le nombre de clients dans la cohorte.

Pourquoi ça compte : la LTV est la seule métrique qui vous permet de justifier un CPS plus élevé. Si la LTV est à 4 000 $ et le CPS à 800 $, vous imprimez de l'argent. Si la LTV est à 400 $ et le CPS à 200 $, vous faites du surplace et un pic de CPM va vous tuer.

Les cohortes de LTV par mois-de-premier-achat révèlent des patterns que la LTV agrégée cache. La « cohorte janvier 2026 » peut avoir une LTV de 4 200 $ à 90 jours alors que la « cohorte mars 2026 » a 2 100 $ à 90 jours. C'est un vrai signal : l'audience ou l'offre a changé entre ces cohortes et votre économie unitaire empire, même si votre revenu de surface continue de croître.

Comment on le fait remonter : le pipeline d'Inflowave suit les achats répétés par lead. La colonne LTV sur /leads est une somme glissante mise à jour par webhook Stripe. Cohortez par mois-de-premier-achat pour repérer les tendances dans le temps. La ligne de tendance c'est ce qui compte ; le chiffre absolu n'est que du contexte.

Métrique 7, Pourcentage de Leads Qualifiés (Lead Quality Score)

Formule : (leads qualifiés / leads totaux) multiplié par 100, calculé par ad set par semaine.

Pourquoi ça compte : la qualité des leads se dégrade dans le temps sur chaque campagne. L'audience Meta démarre bien et se dégrade à mesure que les utilisateurs bid-eligible à forte intention s'épuisent. Suivre le %QL hebdomadairement vous dit exactement quand changer la créa ou mettre en pause un ad set avant que le CPQL ne flambe.

Le signal de kill qu'on utilise : une chute hebdo de plus de 10 points de pourcentage d'une semaine à l'autre. Cette dégradation précède toujours un pic CPQL de 5 à 10 jours. Agir sur le %QL vous donne 5 à 10 jours d'avance avant que le dégât financier ne se voie dans le CPQL.

C'est la métrique que la plupart des agences ne suivent pas parce qu'elle exige un flag de qualification par lead, ce que la plupart des CRMs ne supportent pas nativement. Il vous faut soit un agent IA qui fait la qualification (AI Setter d'Inflowave, Zapier plus OpenAI, code custom), soit un SDR humain qui le fait de façon constante dans les minutes suivant la capture du lead.

Comment on le fait remonter : la qualification AI Setter par lead est binaire. Le widget dashboard trace la ligne de tendance %QL pour chaque ad set sur les 28 derniers jours. La tendance compte plus que le chiffre absolu ; un ad set tournant à 45% qualifié de façon constante est en meilleure santé qu'un qui tourne à 65% en tendance descendante vers 40%.

Le stack à 4 outils

Pas de data engineer. Pas de Looker. Chaque outil émet la donnée nécessaire pour calculer les métriques ci-dessus. Le coût total tourne entre 150 $ et 350 $/mois selon le volume. L'équivalent pipeline de données interne tourne entre 5 000 $ et 15 000 $/mois en ingénierie plus infrastructure.

Inflowave, Facebook Ads Manager intégré

Possède le pipeline de leads, la logique de qualification, le scheduling de RDV et l'attribution de revenu. Le chemin LTV complet vit ici. Les sous-comptes par client signifient que les rollups cross-client sont une seule requête. L'agent AI Setter fait la qualification par lead. L'OAuth Calendly/Cal.com gère l'état de réservation. Backbone Twilio pour les rappels SMS. Le webhook Stripe gère les événements d'achat. La logique de qualification est configurable par client, ce qui est la partie que la plupart des « CRMs d'agence » ne peuvent pas faire sans développement custom.

Pricing : 89 $/mois pour le plan Agency couvrant 22 sous-comptes.

Foreplay.co pour l'intelligence créative

Swipe files de pubs gagnantes des concurrents plus nos propres gagnantes historiques. Chaque créa enregistrée reçoit un tag qu'on croise avec le reporting CPS-par-créa. La fonctionnalité Spyder de Foreplay surveille automatiquement les marques concurrentes et tire de nouvelles pubs quotidiennement, c'est comme ça qu'on garde notre bibliothèque d'inspiration fraîche sans qu'un chercheur passe des heures à scroller. Foreplay offre aussi des boards (groupements de créas par client), des swipe files publics (liens d'inspiration partagés) et une fonctionnalité Discovery pour trouver de nouvelles pubs performantes dans votre niche.

Pricing : 99 $/mois Creator, 299 $/mois Pro, 599 $+/mois tier Agency.

On a utilisé ManyHash et BigSpy dans le passé. L'UI de tagging de Foreplay est la plus agency-friendly et l'intégration avec les librairies pub TikTok et Meta est la plus fiable. Atria est le concurrent émergent le plus proche avec un angle AI-first mais à mi-2026 les fonctionnalités agence sont moins matures.

Meta Ads Manager comme source de dépense et d'impressions

On tire la dépense et les impressions par ad set via la Marketing API. On ne fait pas confiance au reporting d'achat de Meta depuis qu'iOS14 a cassé ce pipeline pour de bon. Même avec le setup Conversions API, le reporting de la plateforme sous-attribue les conversions qui touchent plusieurs ad sets. On utilise Meta uniquement pour la dépense ; le revenu vient de Stripe routé à travers le pipeline d'Inflowave.

Stripe comme source de vérité du revenu

Le webhook Stripe écrit dans la table leads.purchases d'Inflowave. L'attribution closed-won remonte vers la campagne pub source via UTM. C'est le seul chiffre de revenu qu'on croit. Si Stripe montre qu'un client a payé X $, c'est le chiffre qu'on utilise. Si Meta dit qu'on a généré Y $, on l'ignore.

La discipline ici compte : ne réconciliez jamais le revenu reporté par Meta avec le revenu réel de Stripe, parce que l'écart va vous rendre fou. Choisissez une source de vérité (Stripe) et tenez-vous-y.

La matrice de décision

Voici comment on lit ces métriques ensemble pour prendre des décisions hebdo réelles. Imprimez-la comme tableau mural pour votre équipe media buying.

• CPQL stable, CPQA-B qui monte : funnel de réservation qui casse. Auditez le flux RDV. Vérifiez la page de scheduling pour frictions. Vérifiez le lien Calendly pour casse. Vérifiez les questions qualifiantes pour confusion. Cause racine courante : les questions de qualification ajoutées au dernier sprint sont trop serrées.
• CPQA-B stable, CPQA-S qui baisse : problème de taux de présence. Renforcez la cadence des rappels. Ajoutez un SMS à 24h. Décalez les appels plus tôt dans la semaine. Ajoutez une invitation calendrier avec un lien de visioconférence intégré directement. Cause racine courante : la séquence de rappels est trop centrée email.
• %QL qui chute de plus de 10 points de pourcentage d'une semaine à l'autre : épuisement de l'audience. Switchez sur une audience fraîche OU rafraîchissez l'angle créatif avant que le CPQL ne flambe. N'attendez pas que le CPQL vous dise que l'audience est morte. %QL est l'indicateur avancé ; CPQL est l'indicateur retardé.
• CPS qui monte alors que l'AOV baisse : vous attirez le fond du panier client. Resserrez le filtre de qualification. Cause racine courante : les questions du formulaire de lead sont trop molles, laissant passer les cliqueurs curieux.
• CPS stable, LTV qui baisse : les nouveaux clients churnent plus vite que les cohortes plus anciennes. Problème de produit ou de positionnement, pas un problème média. Arrêtez d'essayer de le réparer avec de la dépense pub. C'est là que vous escaladez à l'équipe produit.
• AOV élevé, LTV bas : risque de remboursement. Des gens qui achètent du ticket élevé puis se barrent. Regardez fulfillment et onboarding avant de scaler la dépense. Scaler un seau qui fuit plus vite n'aide pas.
• Toutes les métriques stables, ROAS qui baisse : félicitations, vous allez probablement bien. La volatilité ROAS sur de petits budgets quotidiens est normale. Regardez plutôt le ROAS glissant à 28 jours.

Ce qu'on ajouterait ensuite

Trois ajouts qu'on a en roadmap mais qu'on n'a pas encore construits :

• Comparaison d'attribution first-touch versus last-touch. Actuellement on utilise last-touch. L'écart entre les deux nous dit combien la couche brand-awareness contribue. Pour l'instant on n'a pas de visibilité sur l'impact upper-funnel, et on soupçonne que 15 à 25% des conversions « attribuées TikTok » ont en fait démarré avec une impression de marque Meta qu'on ne crédite jamais.
• Prédiction de fatigue créative. En utilisant la courbe de décroissance %QL comme indicateur avancé on devrait pouvoir prédire les pics CPQL 5 à 7 jours avant qu'ils arrivent. Le calcul est direct ; l'effort d'ingénierie est de brancher la prédiction au workflow de kill d'ad set sans fausses alarmes.
• Attribution cross-plateforme. Les leads qui ont touché des pubs Instagram et TikTok avant de convertir sont actuellement crédités à celui qui s'est déclenché en dernier. L'attribution multi-touch changerait significativement notre mix budget. On ne l'a pas encore construite parce que l'effort est élevé et le modèle single-touch existant est assez bon pour prendre des décisions hebdo.

Réflexion finale

La plupart des agences reportent sur le ROAS parce que leurs outils le mettent par défaut. L'équipe media buying interne a besoin de métriques plus granulaires pour vraiment faire son job. Les sept métriques ci-dessus plus la matrice de décision c'est le système qu'on aurait voulu avoir au démarrage. Le stack à quatre outils coûte moins de 400 $/mois à notre échelle. Réuni, le framework a été le plus gros levier pour notre passage d'une agence à 3 clients à une agence à 22 clients sans doubler le headcount.

Vous voulez construire ce stack ? Inflowave gère le pipeline, l'attribution, la qualification et le côté revenu. Combinez avec Foreplay pour le côté créatif. Démarrez un essai gratuit d'Inflowave.