GA4 n’est plus seulement un outil de reporting. Depuis le 16 janvier 2026, il propose une couche de budgétisation cross-canal GA4 qui prédit, à partir de votre historique de conversions, où placer votre budget média. Deux outils composent cette nouveauté en bêta : les plans de projection, qui mesurent si vous êtes sur la trajectoire de vos objectifs, et le Scenario Planner, qui simule ce qui se passe quand vous déplacez du budget d’un canal à l’autre. Ce guide explique concrètement ce que font ces outils, comment les activer, ce qu’il faut en données pour qu’ils tournent, puis pose un regard de praticien : leurs angles morts, et s’il faut s’y fier pour arbitrer un budget réel.
Le virage : GA4 passe du reporting à la planification
Pendant des années, GA4 répondait à une seule question : que s’est-il passé ? La budgétisation cross-canal ajoute une question nouvelle : que devrait-il se passer si je change mes arbitrages ? C’est un glissement du constat vers la planification, dans la lignée des autres nouveautés 2026 (insights générés par IA, rapports cross-canal consolidés).
L’idée centrale est simple. GA4 connaît déjà vos conversions par canal et, si vous lui fournissez vos dépenses, votre coût par acquisition. À partir de cet historique, un modèle de machine learning extrapole une trajectoire et estime l’effet d’une réallocation. La promesse : arbitrer son budget média sans quitter l’interface analytics, là où ces décisions reposaient jusqu’ici sur des tableurs et des règles de pouce. Pour situer cette brique dans un dispositif complet, voyez notre guide pour choisir sa stack analytics en 2026.
Les plans de projection : suivre le pacing
Un plan de projection répond à une question de pilotage : suis-je en passe d’atteindre mon objectif de dépense, de conversions ou de revenu sur la période ? Vous fixez une cible et un horizon, et GA4 trace la trajectoire attendue en la comparant à votre rythme réel. C’est l’équivalent d’un suivi de pacing, mais nourri par votre historique plutôt que par une règle linéaire.
On y accède depuis la section Advertising (Publicité) de GA4, dans la zone consacrée à la planification budgétaire. Vous créez un plan, choisissez la métrique objectif (spend, conversions ou revenu), définissez la période, et GA4 affiche votre projection de fin de période face à la cible. La lecture utile n’est pas le chiffre exact, c’est l’écart : êtes-vous au-dessus ou en dessous de la trajectoire, et de combien ?
Le Scenario Planner : simuler une réallocation de budget
Le Scenario Planner répond à une question d’arbitrage : que se passe-t-il si je déplace du budget d’un canal vers un autre ? Vous partez de votre répartition actuelle, vous modifiez les montants par canal, et le modèle estime les conversions et le retour attendus pour ce nouveau scénario. Vous pouvez ainsi comparer plusieurs allocations avant d’engager la dépense, puis transformer le scénario retenu en plan média.
Voici comment les deux outils se répondent :
| Outil | Question | Entrée principale | Sortie |
|---|---|---|---|
| Plan de projection | Suis-je sur la trajectoire ? | Objectif et période | Projection de fin de période vs cible |
| Scenario Planner | Et si je réalloue le budget ? | Budget par canal modifié | Conversions et retour prédits par scénario |
La force du Scenario Planner est de rendre explicite un raisonnement souvent implicite. Sa faiblesse est que la qualité de la prédiction dépend entièrement des données qui l’alimentent, ce qui nous amène aux prérequis.
Les prérequis qui font tout échouer
La plupart des déceptions sur cet outil ne viennent pas du modèle, mais de données qui ne remplissent pas les conditions. Avant d’espérer une projection exploitable, vérifiez cette checklist d’éligibilité :
- Au moins 12 mois d’historique de conversions. Le modèle a besoin d’un cycle complet pour distinguer la tendance de la saisonnalité. En dessous, les projections sont fragiles.
- Au moins deux canaux, dont un Google et un non-Google. La budgétisation cross-canal n’a de sens que si elle peut arbitrer entre des leviers différents.
- Des imports de coûts pour les canaux non-Google. GA4 connaît nativement vos dépenses Google Ads, mais pas celles de Meta, TikTok, Pinterest, Snap ou Reddit. Sans cost data importée pour ces canaux, le calcul du retour est faussé ou impossible.
- Des conversions fiables et bien définies. Un événement de conversion mal configuré ou dédoublé contamine tout l’historique qui sert d’apprentissage.
- La fonctionnalité disponible dans votre propriété. La bêta se déploie progressivement en 2026. Si vous ne la voyez pas, ce n’est pas une erreur de configuration, le rollout n’a pas atteint votre compte.
Le point 3 est le plus sous-estimé. Une projection qui ignore la moitié de vos dépenses média n’est pas prudente, elle est trompeuse.
Encadré critique : le modèle ML vaut ce que vaut votre attribution
Voici le point que la plupart des articles oublient. Un modèle de forecasting apprend sur vos conversions attribuées. Si votre attribution est dégradée, le modèle apprend sur une réalité déformée, et aucune sophistication algorithmique ne corrige une donnée d’entrée biaisée.
Trois failles d’attribution faussent silencieusement ces projections :
Le consentement et le cookieless rabotent le signal mesuré. Si votre Consent Mode n’est pas correctement implémenté, une part de vos conversions n’est pas observée, et la modélisation comble les trous à sa façon. Avant de faire confiance à une projection, assurez-vous que votre Consent Mode v2 dans GA4 est propre.
Le volume de conversions remontées conditionne la qualité de l’apprentissage. Plus vous récupérez de conversions réelles, meilleur est l’historique. C’est exactement ce que visent les Enhanced Conversions en server-side, qui récupèrent une part des conversions autrement perdues.
La propreté de l’attribution par canal détermine à quel levier le crédit revient. Si votre trafic social est éclaté entre dix variantes, le modèle attribue mal et arbitre mal. La dimension Source Group GA4 consolide ces variantes et donne une lecture plus fidèle de chaque plateforme.
Le verdict de l’encadré tient en une phrase : ne pilotez pas un budget réel sur une projection tant que la donnée qui la nourrit n’est pas sous contrôle.
Bien alimenter la budgétisation cross-canal
Pour que l’outil mérite sa place, traitez d’abord la qualité de l’entrée. Définissez des conversions nettes et non dédoublées, importez des coûts à jour pour tous les canaux non-Google, et fiabilisez le signal en amont (consentement, conversions server-side). C’est le travail le moins visible, mais c’est lui qui fait la différence entre une projection utile et un joli graphique trompeur.
Gardez aussi un point de contrôle hors interface. Les chiffres de GA4 sont une première lecture, pas une vérité absolue. Recoupez-les avec votre export GA4 dans BigQuery pour vérifier vos volumes de conversions et vos coûts à la source, avant d’en faire un argument d’arbitrage budgétaire.
Verdict : pour qui c’est utile dès maintenant
Pour qui la budgétisation cross-canal GA4 vaut le coup tout de suite : les annonceurs multi-canaux qui ont déjà 12 mois d’historique propre, des imports de coûts en place pour Meta, TikTok et consorts, et une attribution sous contrôle. Pour eux, c’est un accélérateur de réflexion, à condition de garder un regard critique.
Pour qui c’est prématuré : les comptes jeunes, ceux qui n’importent pas leurs coûts non-Google, et ceux dont l’attribution est encore fragile. Pour eux, l’outil produira des chiffres confiants mais peu fiables, ce qui est plus dangereux qu’une absence de chiffre.
Le bon process en 2026 : utiliser GA4 pour une première lecture du pacing et des scénarios, mais vérifier dans BigQuery ou Looker Studio avant d’engager un budget réel. La planification dans GA4 est un point de départ, pas un pilote automatique.
En résumé
La budgétisation cross-canal GA4 fait entrer l’outil dans l’ère de la planification : les plans de projection suivent votre pacing, le Scenario Planner simule vos réallocations. Mais ces prédictions valent ce que valent leurs données : 12 mois d’historique, deux canaux minimum dont un non-Google, des imports de coûts propres et, surtout, une attribution fiable. Traitez d’abord le signal et l’attribution, recoupez dans BigQuery, et la fonctionnalité devient un vrai appui de décision plutôt qu’un mirage statistique.