Glossaire du consentement cookies

Mis à jour le 23 octobre 2026

Les mêmes mots ne désignent pas les mêmes chiffres d'un outil à l'autre. Un « taux de consentement » de 80 % dans un tableau de bord et un « taux d'opt-in » de 50 % dans un autre peuvent décrire exactement les mêmes visiteurs. Ce glossaire donne, pour chaque indicateur, la définition que nous utilisons, sa formule, et l'erreur de lecture qu'on voit le plus souvent.

Nous suivons la convention la plus répandue sur le marché, celle que Didomi documente aussi pour ses propres statistiques. Quand ConsentLift s'en écarte ou la précise, c'est indiqué.

Bannière affichée

Un affichage du bandeau de consentement à un visiteur. C'est le point de départ de tous les autres calculs, et le dénominateur du taux d'opt-in.

Le piège. Tous les outils ne comptent pas la même chose. Certains comptent chaque page où la bannière se charge, d'autres une seule fois par session, d'autres encore ajoutent les réaffichages quand quelqu'un clique sur « Gérer mes cookies » en bas de page. Avant de comparer deux chiffres, il faut savoir lequel des trois on a sous les yeux. Les robots gonflent aussi ce compte : ils chargent la page, la bannière s'affiche, et personne ne clique.

Décision

Une réponse du visiteur à la bannière : tout accepter, tout refuser, enregistrer une sélection personnalisée, ou fermer le bandeau quand la CMP enregistre cette fermeture. Un lien « Continuer sans accepter » vaut un refus.

Le piège. Un visiteur peut se raviser sur la même page : accepter, rouvrir les paramètres, refuser. Chaque changement d'avis est une décision. C'est rare, mais sur un petit segment (un navigateur peu utilisé, une page peu visitée), cela suffit à faire dépasser 100 % à un taux. Ce n'est pas une erreur de calcul.

Acceptation

Une décision « tout accepter ».

Ce que fait ConsentLift. Une sélection personnalisée compte comme une décision, pas comme une acceptation, même si elle accepte la mesure d'audience. Le détail catégorie par catégorie (mesure d'audience, publicité, préférences) se lit à part. D'autres outils comptent une acceptation partielle comme une acceptation : c'est une source d'écart fréquente entre deux tableaux de bord.

Bannière sans décision

Formule : bannières affichées − décisions

Une bannière affichée à laquelle personne n'a répondu. Le visiteur est reparti, a continué sa navigation sans cliquer, ou n'a pas pu cliquer parce que la bannière était cachée ou cassée.

Le piège. Ce n'est pas un refus du point de vue du visiteur, mais c'est une absence de consentement du point de vue du droit : pour la CNIL, poursuivre sa navigation ne vaut pas accord. Pour vos outils de mesure et de publicité, ces visites sont donc perdues comme un refus. Et elles pèsent lourd : dans son étude 2026 sur les données 2025, Didomi mesure une part « sans choix » qui va de 21,7 % à 27,4 % selon les régions d'Europe.

Taux d'opt-in

Formule : acceptations ÷ bannières affichées (robots filtrés)

La part des bannières affichées qui se terminent par une acceptation. C'est le chiffre le plus proche de ce qui compte pour le marketing : la part de votre trafic que vos outils de mesure et de publicité pourront suivre.

Le piège. Il baisse quand la bannière est ignorée, mal affichée ou bloquée, même si son texte convainc parfaitement ceux qui la lisent. Un taux d'opt-in en chute ne dit pas, seul, si le problème vient du message ou de l'affichage. Il faut le lire avec le taux de décision. Le calcul complet, sur un exemple : taux de consentement ou taux d'opt-in.

Taux de consentement

Formule : acceptations ÷ décisions (robots filtrés)

Parmi les visiteurs qui ont répondu, la part qui a accepté. Il mesure la force de persuasion du bandeau auprès de ceux qui le lisent.

Le piège. Il ignore tous ceux qui n'ont pas répondu. Une bannière que la moitié des visiteurs ne voit jamais peut afficher un excellent taux de consentement. C'est le plus élevé des deux taux, et souvent celui qui fait les gros titres des benchmarks : quand un chiffre de 70 % ou 80 % circule, vérifiez d'abord son dénominateur. Notre lecture critique des benchmarks le fait pour Didomi, Commanders Act et Cookiebot.

Taux de décision

Formule : décisions ÷ bannières affichées (robots filtrés)

La part des bannières auxquelles quelqu'un répond. C'est un indicateur de visibilité et de friction, plus que de persuasion.

Il relie les deux taux précédents :

taux d'opt-in = taux de décision × taux de consentement

Avec 60 % de décisions et 80 % d'acceptations parmi elles, l'opt-in est de 48 %.

Le piège. Un taux de décision qui s'effondre sur un seul navigateur ou une seule page signale presque toujours un problème technique, pas un changement d'avis du public. Deux cas réels vus chez des clients : un bug propre à Firefox qui empêchait le clic sur la bannière, et une popup qui la recouvrait. Comme il compte des décisions et non des personnes, ce taux peut lui aussi dépasser 100 % sur un petit volume. Les contrôles à faire sont dans notre check-list d'audit de bannière.

Taux de sessions décidées

Formule : sessions avec au moins une décision ÷ sessions ayant vu une bannière (robots filtrés)

La même idée que le taux de décision, mais comptée par session au lieu de l'être par affichage. Il ne peut pas dépasser 100 %.

Le piège. Il ne se compare pas au taux de décision : le dénominateur n'est pas le même. Une session qui voit la bannière sur trois pages et répond sur la troisième compte comme une session décidée, mais comme trois bannières et une décision.

Session ayant vu une bannière

Une session de navigation (un onglet, du premier chargement à sa fermeture) pendant laquelle la bannière s'est affichée au moins une fois, robots filtrés. Un rechargement ou un changement de page dans la même session ne la compte pas deux fois.

C'est l'unité sur laquelle ConsentLift est facturé, parce qu'un client peut la retrouver et la vérifier.

Robots filtrés

Les visites de programmes automatiques (moteurs d'indexation, outils de surveillance, navigateurs pilotés par script) mises de côté avant de calculer les taux.

Pourquoi c'est important. Un robot voit la bannière et ne clique jamais. Sans filtre, chaque robot ajoute une bannière affichée sans décision et fait baisser l'opt-in et le taux de décision.

Comment ConsentLift les repère. Un événement est classé robot s'il présente au moins un signal fort (un user-agent qui se déclare robot ou outil d'automatisation, une connexion depuis le réseau d'un hébergeur ou d'un cloud, un navigateur piloté par script) ou deux signaux faibles réunis (un user-agent anormalement court et aucune langue déclarée).

La limite. Aucun filtre n'est parfait. Certains robots imitent un navigateur ordinaire, et un filtre fondé sur le réseau peut écarter de vrais visiteurs qui passent par un VPN ou un relais de confidentialité. C'est pourquoi le volume filtré doit rester visible, et pas seulement le taux qui en résulte.

CMP (plateforme de gestion du consentement)

L'outil qui affiche la bannière, enregistre le choix du visiteur et le transmet aux balises du site : Didomi, OneTrust, Cookiebot, Axeptio, Tarteaucitron, Complianz, Usercentrics, entre autres.

Le piège. Chaque CMP calcule ses statistiques à sa manière : ce qui compte comme affichage, comme acceptation, comment sont traités les robots. Deux sites sur deux CMP différentes ne se comparent pas avec les chiffres de leurs tableaux de bord respectifs. Il faut une mesure commune, posée par-dessus. Voir les CMP prises en charge.

Catégories de consentement

Les familles de traceurs que le visiteur peut accepter séparément : mesure d'audience, publicité, préférences, réseaux sociaux. Les cookies strictement nécessaires au fonctionnement du site n'en font pas partie : ils ne demandent pas de consentement.

Le piège. Les noms changent d'une CMP à l'autre (« C0002 » chez OneTrust, « statistics » chez Cookiebot, des intitulés libres ailleurs), et certaines CMP rangent les cookies nécessaires dans une catégorie « fonctionnel ». Chez ConsentLift, les catégories ne décrivent que ce qui est facultatif : un refus total met toutes les catégories à zéro, quel que soit le nom que leur donne la CMP.

Le mécanisme par lequel les balises Google (GA4, Google Ads) adaptent leur comportement au choix du visiteur, à travers quatre signaux : analytics_storage, ad_storage, ad_user_data et ad_personalization. Depuis début mars 2024, Google exige des signaux de consentement pour les visiteurs de l'Espace économique européen afin de conserver la personnalisation publicitaire, le remarketing et les audiences.

Le piège. On entend souvent que la modélisation de Google « comble » les données perdues. Elle ne s'active qu'au-dessus de seuils : au moins 1 000 événements par jour avec analytics_storage refusé pendant au moins 7 jours, et au moins 1 000 utilisateurs par jour avec analytics_storage accordé sur au moins 7 des 28 jours précédents. En dessous, rien n'est modélisé. Pour un site moyen, chaque point d'opt-in perdu reste perdu.

IAB TCF

Le Transparency & Consent Framework d'IAB Europe, en version 2.2 : un standard qui permet à la CMP de transmettre le consentement aux partenaires publicitaires sous forme d'une chaîne codée. Les sites qui vendent de la publicité programmatique l'utilisent presque tous.

Le piège. Les finalités du TCF (une dizaine, numérotées) ne correspondent pas une à une aux catégories affichées dans la bannière. Un visiteur peut accepter « publicité » dans la bannière et refuser certaines finalités dans le détail.

Changement de CMP

Le remplacement d'une CMP par une autre, ou toute modification de la bannière qui peut changer le comportement des visiteurs : texte, ordre ou couleur des boutons, présence d'un bouton « Tout refuser » au premier niveau, déclenchement sur certaines pages seulement.

Le piège. Sans date précise, on ne peut rien mesurer. Et si l'on compare l'ancienne CMP avec ses propres chiffres et la nouvelle avec les siens, on compare deux définitions, pas deux bannières. Dans ConsentLift, chaque changement s'inscrit à la main dans le journal des changements de CMP, avec sa date, et la comparaison avant / après se fait avec la même mesure des deux côtés. Le protocole complet : changer de CMP sans perdre de consentements.

Test avant / après (test z)

Un test statistique qui compare deux proportions, par exemple l'opt-in des deux semaines avant un changement et des deux semaines après, et dit si l'écart est plus grand que ce que le hasard produirait.

Le piège. Un test significatif dit que l'écart est réel, pas qu'il vient du changement. Une campagne lancée la même semaine, des vacances scolaires ou un pic de trafic mobile peuvent produire le même effet. Et sur un petit volume, un écart de trois points peut n'être que du bruit : c'est précisément ce que le test sert à trancher. Le jour même du changement est à exclure, parce qu'il mélange les deux versions. Le volume nécessaire pour conclure est détaillé dans notre protocole de migration.

Sources : Didomi, « Consent rate vs Opt-in rate » (documentation produit) ; Didomi, benchmark du consentement en Europe, publié le 19/03/2026 sur les données 2025 ; Google, « [GA4] Behavioral modeling for consent mode » ; CNIL, lignes directrices et recommandation sur les cookies du 17/09/2020. ; Google, « [GA4] Verify and update consent settings in Google Analytics » : https://support.google.com/analytics/answer/14275483