Le lead scoring HubSpot attribue automatiquement un score à chaque prospect à partir de ses données et de son comportement. Depuis le 31 août 2025, HubSpot a remplacé l'ancien HubSpot Score par un outil à trois modèles (Fit, Engagement, Combined), auxquels s'ajoute le scoring prédictif (Likelihood to close) réservé aux plans Enterprise.
Pour un directeur commercial ou un responsable marketing : priorisation automatisée, alignement marketing-ventes durci et pipeline plus prévisible.

Vos commerciaux passent encore trop de temps à trier des leads ? Le lead scoring HubSpot résout ce problème en attribuant un score prédictif à chaque prospect. HubSpot a entièrement refondu sa mécanique de scoring en août 2025. Ce guide décrypte la nouvelle architecture, les modèles IA disponibles et la méthode pour déployer un scoring opérationnel en 2026.

📌 En bref — Points clés à retenir

  • Le lead scoring HubSpot note automatiquement chaque prospect à partir de ses actions et attributs.

  • HubSpot propose désormais trois modèles : Fit score, Engagement score, Combined score — depuis le 31 août 2025.

  • L'ancien HubSpot Score (legacy) a été retiré le 31 août 2025 : les workflows qui en dépendent sont gelés.

  • Le Predictive Lead Scoring (Likelihood to close) calcule la probabilité de signature sous 90 jours (Enterprise uniquement).

  • L'AI-assisted Scoring nécessite Marketing Hub Enterprise et un minimum de 50 contacts (25 convertis, 25 non convertis).

  • Score decay et list exclusion remplacent les scores négatifs de l'ancien système.

Qu'est-ce que le lead scoring HubSpot ?

Le lead scoring HubSpot est une méthode de notation automatique des prospects. Un algorithme analyse les données historiques de conversion de votre CRM et identifie les signaux qui précèdent une signature. Chaque nouveau contact reçoit un score, mis à jour en continu.

Cette approche complète le scoring manuel classique, où chaque règle est écrite à la main par l'équipe marketing. L'IA repère des corrélations invisibles à l'humain et ajuste son modèle à mesure que les données arrivent.


POV Mi4 — Le scoring IA n'est pas un remplacement mais une surcouche intelligente du scoring manuel. Chez nos clients, les deux approches cohabitent toujours les six premiers mois.


Scoring manuel vs scoring prédictif IA

Critère

Scoring manuel

Scoring prédictif IA

Paramétrage

Règles écrites à la main

Modèle appris à partir des données

Mise à jour

Révisions manuelles périodiques

Mise à jour continue automatique

Signaux traités

Dizaine de critères

Centaines de signaux pondérés

Prérequis

Connaissance métier de l'équipe

Volume + qualité de données historiques

Idéal pour

Démarrage, ICP très net

Bases matures, cycles complexes


Quels signaux l'IA analyse-t-elle concrètement ?

L'IA croise quatre grandes familles de données :

  • Firmographie : secteur, taille d'entreprise, zone géographique, chiffre d'affaires, poste occupé.

  • Comportement digital : pages vues, contenus téléchargés, temps passé, fréquence des visites.

  • Engagement : ouvertures d'emails, clics, réponses aux séquences, interactions avec le chat.

  • Signaux d'intention d'achat : visite répétée de la page tarifs, demande de démo, consultation de cas clients.


Le tournant du 31 août 2025 : ce que la nouvelle version change

HubSpot a retiré son legacy scoring le 31 août 2025. La propriété historique « HubSpot Score » ne se met plus à jour. Les workflows qui s'appuyaient dessus sont figés. Si vous n'avez pas encore migré, vos automations de routage commercial tournent probablement à vide. Voir la communication officielle HubSpot sur la refonte du scoring.


⚠️ À vérifier maintenant — Dans votre compte HubSpot, allez dans Paramètres > Propriétés, filtrez par type « Score » et vérifiez la colonne « Utilisé dans ». Si des workflows apparaissent, ils sont gelés depuis août 2025.


Pourquoi cette refonte était attendue

L'ancien modèle mélangeait deux dimensions dans un seul score : qui est le lead, et ce qu'il fait. Un stagiaire d'une entreprise hors cible pouvait cumuler plus de points qu'un vrai décideur peu actif. Ce biais a coûté des mois de temps commercial à des milliers d'équipes. La nouvelle architecture sépare les deux dimensions et rend les scores enfin lisibles.

Ce que la nouvelle version apporte de concret

  • Fit, Engagement, Combined : trois modèles distincts au lieu d'une propriété fourre-tout.

  • Score decay : les scores décroissent automatiquement quand un contact devient inactif.

  • List exclusion remplace les scores négatifs : on exclut les concurrents, clients existants et partenaires.

  • Thresholds A/B/C et 1/2/3 : catégorisation immédiate pour le routage commercial.

  • Scoring au niveau company : indispensable pour l'ABM et les comptes multi-contacts.

  • Limites d'événements par groupe : plus d'inflation de score sur une seule action répétée.


Fit, Engagement, Combined : les trois modèles du Lead Scoring HubSpot

HubSpot distingue désormais trois types de scores. Chacun répond à une question précise. Pour la documentation officielle complète, voir la Knowledge Base HubSpot.

Fit score : qui est votre lead ?

Le Fit score évalue l'adéquation du prospect avec votre ICP à partir de propriétés : secteur, taille d'entreprise, poste, pays, chiffre d'affaires. Disponible sur contacts et entreprises. Idéal pour filtrer les leads hors cible avant même qu'ils ne commencent à interagir avec vos contenus.

Engagement score : que fait votre lead ?

L'Engagement score note les actions : visite du site, ouverture d'email, téléchargement, inscription webinaire, clic sur une CTA. Les événements sont regroupés par famille avec un plafond par groupe, pour éviter qu'un contact enthousiaste sur un seul canal ne biaise le score global.

Combined score : le modèle unifié (Enterprise)

Le Combined score fusionne Fit et Engagement dans une propriété unique. Disponible uniquement en Marketing Hub Enterprise.


POV Mi4 — Ne commencez pas par le Combined. Stabilisez d'abord Fit et Engagement séparément pendant trois mois. Quand les seuils sont calibrés, basculez sur le Combined pour simplifier la vie des commerciaux.


Predictive Lead Scoring vs AI-assisted Scoring : deux IA à ne pas confondre

C'est le point qui piège le plus de prospects HubSpot. Il existe deux briques d'IA distinctes dans l'écosystème scoring, souvent confondues.

Predictive Lead Scoring (Likelihood to close)

Fonctionnalité autonome, Enterprise uniquement. Le modèle calcule pour chaque contact une probabilité de signature sous 90 jours, à partir de l'historique de vos deals gagnés et perdus. Totalement automatique, pas de paramétrage manuel. Utile pour un directeur commercial qui veut anticiper ses prévisions de closing.

AI-assisted Scoring (dans le Lead Scoring Tool)

Disponible dans le nouveau Lead Scoring Tool, Enterprise uniquement. L'IA analyse les conversions passées et recommande des critères de scoring à intégrer dans vos modèles Fit ou Engagement. Vous gardez l'éditorial, l'IA éclaire les signaux cachés. Pour la méthode pas à pas, voir le guide HubSpot pour construire un score.


Matrice de disponibilité par plan

Fonctionnalité

Starter

Pro

Enterprise

Lead Scoring Tool (Fit + Engagement)

Combined score

AI-assisted Scoring (recommandations)

Predictive Lead Scoring (Likelihood)

Score decay + List exclusion


Prérequis pour activer l'AI scoring : minimum 50 contacts dans l'historique, dont 25 convertis et 25 non convertis. Si votre base est plus petite, l'IA refuse d'entraîner le modèle.


Pourquoi le lead scoring HubSpot change la donne pour votre équipe

Priorisation automatique : en finir avec le tri manuel

Sans qualification automatique des leads, les commerciaux passent leurs matinées à trier. Avec le scoring HubSpot, l'espace de prospection HubSpot présente directement les leads triés par score. Vos équipes attaquent les prospects chauds en priorité. Les tièdes entrent en séquence automatique. Les froids retournent au marketing en nurturing.

Meilleur taux de transformation SQL vers client

Les organisations utilisant un scoring structuré observent des gains significatifs sur la précision de priorisation par rapport au scoring manuel. Pour aller plus loin sur les cas d'usage IA, consultez notre article sur la prospection IA.

Aligner marketing et ventes sur des signaux objectifs

Le score devient le langage commun. Plus de débats sur la définition d'un MQL. Le franchissement d'un threshold déclenche automatiquement le passage en SQL. Pour bien distinguer les stades, voir notre guide MQL vs SQL.


Activer le lead scoring HubSpot en 6 étapes

  1. Auditer votre base CRM — Dédupliquez, standardisez les propriétés, enrichissez les fiches incomplètes. Garbage in, garbage out. Pour les outils, voir notre comparatif d'outils d'enrichissement HubSpot.

  2. Documenter votre ICP et vos signaux de conversion — Quels secteurs ? Quelles tailles ? Quels comportements précèdent une signature ? Marketing et ventes produisent ce document ensemble.

  3. Créer vos scores Fit et Engagement séparément — Dans Marketing > Lead Scoring, configurez deux modèles distincts. Paramétrez les thresholds A/B/C pour le Fit et 1/2/3 pour l'Engagement.

  4. Activer le score decay et les exclusions de listes — Faites décroître les scores inactifs automatiquement. Excluez concurrents, clients existants et partenaires via des listes — plus besoin de pénalités négatives.

  5. Brancher le score sur l'espace de prospection et les workflows — Créez des vues filtrées par score. Déclenchez des alertes, des attributions automatiques et des séquences quand un prospect franchit un seuil. Pour structurer cette routine, voir notre guide du process commercial HubSpot.

  6. Mesurer, auditer, réentraîner — Comparez chaque mois la distribution des scores au taux de conversion réel. Réentraînez l'AI scoring tous les six mois.


Checklist express avant activation

  • Base CRM nettoyée et dédupliquée

  • ICP documenté et co-validé marketing + ventes

  • Historique de 12 mois minimum, 50 contacts dont 25 convertis (pour AI scoring)

  • Thresholds A/B/C et 1/2/3 alignés avec les stages du pipeline

  • Workflows de routage recréés post-sunset du legacy

  • Équipe commerciale formée à la lecture des scores


HubSpot vs Salesforce Einstein vs Pipedrive : quelle solution pour le scoring IA ?

Critère

HubSpot

Salesforce Einstein

Pipedrive LeadBooster

Scoring prédictif natif

Oui (Predictive + AI-assisted)

Oui (Einstein Lead Scoring)

Partiel

Séparation Fit / Engagement

Native et paramétrable

Possible via config avancée

Non native

Scoring company-level (ABM)

Oui

Oui (leader sur ABM)

Limité

Courbe d'apprentissage

Faible

Élevée (admin requis)

Faible

Intégration marketing

Native, un seul compte

Via Marketing Cloud

Via intégrations tierces

Positionnement prix

Accessible (Pro ~800 €/mois)

Premium

Mid-market


Notre lecture Mi4 — HubSpot gagne sur la simplicité de déploiement et l'intégration marketing-ventes dans un seul compte. Salesforce reste plus fin sur l'ABM enterprise et les modèles personnalisés. Pipedrive convient aux équipes commerciales pures sans besoin marketing avancé.
Pour un comparatif IA & CRM élargi, voir notre benchmark des 5 CRM IA.

 


Plan de déploiement 90 jours pour démarrer

Jours 1 à 30 — Diagnostic et nettoyage

  • Audit complet de la base HubSpot (qualité data, doublons, propriétés).

  • Atelier ICP avec les ventes et le marketing.

  • Cartographie des conversions passées et des signaux gagnants.

  • Inventaire des workflows existants impactés par le sunset.

Jours 31 à 60 — Construction et calibrage

  • Création des scores Fit et Engagement dans le Lead Scoring Tool.

  • Paramétrage du score decay et des exclusions de listes.

  • Activation de l'AI-assisted scoring pour les comptes Enterprise éligibles.

  • Tests sur un sous-ensemble de la base, comparaison avec le scoring manuel.

Jours 61 à 90 — Industrialisation et formation

  • Refonte des workflows de routage commercial post-sunset.

  • Création des vues filtrées par threshold dans l'espace de prospection.

  • Formation des commerciaux à la lecture et à l'usage quotidien des scores.

  • Mise en place des dashboards de suivi des KPIs.


Les KPIs qui comptent vraiment

Un lead scoring HubSpot se mesure. Sans KPIs, impossible de défendre l'investissement devant la direction.

KPIs de performance commerciale

  • Taux de conversion SQL → client par tranche de score (A/B/C × 1/2/3).

  • Vélocité : durée moyenne entre franchissement de seuil et signature.

  • CA par source croisé avec le niveau de score.

  • Win rate des leads AI-scorés vs scorés manuellement.

KPIs d'adoption terrain

  • Part des commerciaux consultant le score au moins une fois par jour.

  • Délai de prise en charge des leads qui franchissent un threshold.

  • Feedback commercial sur la pertinence perçue des scores (enquête trimestrielle).


Les 3 erreurs qui plombent un projet de lead scoring HubSpot

1. Activer l'AI scoring sur une base sale

Le modèle apprend vos erreurs. Si 40 % de vos contacts ont un secteur mal renseigné, l'IA construira un Fit score inutilisable.

Règle absolue Mi4 — aucun AI scoring sans audit data préalable.

 


2. Mélanger Fit et Engagement trop tôt

Le Combined score est tentant. Il donne une seule note, simple à lire. Mais si vos seuils Fit et Engagement ne sont pas stabilisés, le Combined hérite de tous les biais. Tenez Fit et Engagement séparés trois mois minimum avant de fusionner.

3. Ne pas embarquer les commerciaux

Un score ignoré est un score mort. Si vos commerciaux ne font pas confiance au modèle, ils continuent leur tri manuel. Le projet échoue. Impliquez-les dans la définition de l'ICP, montrez-leur comment l'IA arrive au score, collectez leur feedback tous les mois.


Vous voulez valider la maturité de votre scoring ou planifier votre migration post-sunset ? Nos experts HubSpot Mi4 vous proposent un diagnostic de 30 minutes.

New call-to-action

FAQ Lead Scoring Hubgspot

Comment migrer de l'ancien HubSpot Score sans casser mes workflows ?

Documentez d'abord tous les usages actuels (Propriétés > filtre Score > colonne « Utilisé dans »). Recréez vos logiques Fit et Engagement dans le nouveau Lead Scoring Tool. Mettez en parallèle les deux systèmes deux semaines pour comparer les distributions. Basculez ensuite les workflows sur les nouvelles propriétés. La migration manuelle est obligatoire : HubSpot ne la fait pas automatiquement.

Quel est le coût réel du lead scoring HubSpot ?

Le lead scoring est inclus dans Marketing Hub Enterprise, sans surcoût. Le ticket d'entrée Enterprise varie selon la taille de votre base — vérifiez les tarifs actualisés sur hubspot.fr/pricing ou auprès d'un partenaire certifié comme Mi4. Si vous êtes en Pro, vous restez sur le scoring manuel classique, largement suffisant pour démarrer.

Puis-je scorer les comptes en ABM, pas seulement les contacts ?

Oui. Le nouveau Lead Scoring Tool supporte le scoring au niveau company, essentiel pour l'Account-Based Marketing. Vous créez un Fit score entreprise (sur les propriétés de la company) et un Engagement score qui agrège les actions de tous les contacts associés.

Le lead scoring HubSpot est-il adapté à mon cycle de vente long (9-12 mois) ?

Oui, à condition d'avoir assez de deals conclus dans l'historique. Paramétrez la fenêtre d'analyse sur 12 mois minimum lors de la création du score IA. Réentraînez tous les six mois pour refléter l'évolution du marché.

Dois-je activer l'AI scoring ou rester sur du manuel ?

Règle Mi4 : restez manuel si vous avez moins de 100 conversions par an ou une base de moins de 2 000 contacts actifs. Passez à l'AI-assisted dès que votre historique devient significatif. Le manuel bien conçu peut rivaliser avec l'IA sur des bases petites.

Comment éviter les biais du modèle prédictif ?

Nettoyez les données d'entrée. Réentraînez régulièrement. Auditez les profils à haut score pour vérifier qu'ils reflètent votre diversité de clients. Croisez avec le feedback terrain des commerciaux. L'IA reproduit ce qu'elle observe : donnez-lui un historique équilibré.

 

 

 

 

Articles similaires