ConsentLift
Réserver une démo

Taux de consentement ou taux d'opt-in : deux chiffres très différents pour les mêmes visiteurs

Par L'équipe ConsentLift · publié le · mis à jour le

Un client vous annonce 80 % de consentement. Un autre, 52 % d'opt-in. Le premier a-t-il une meilleure bannière ? Impossible à dire tant qu'on ne sait pas ce qu'il y a sous la barre de fraction.

Le même site, deux réponses

Prenons une semaine sur un site e-commerce :

Volume
Bannières affichées10 000
Décisions (accepter, refuser, personnaliser)6 000
Acceptations (« tout accepter »)4 800

Le taux de consentement rapporte les acceptations aux décisions : 4 800 ÷ 6 000 = 80 %.

Le taux d'opt-in rapporte les acceptations aux bannières affichées : 4 800 ÷ 10 000 = 48 %.

Même site, mêmes visiteurs, même semaine. Les deux chiffres sont justes. Ils ne répondent pas à la même question.

Entre les deux, il y a 4 000 bannières auxquelles personne n'a répondu. Des visiteurs qui ont lu la fiche produit avec le bandeau en bas de l'écran, sont repartis depuis la page d'accueil, ou n'ont jamais vu la bannière parce qu'elle s'affichait mal sur leur téléphone. Le taux de consentement les ignore. Le taux d'opt-in les compte.

Ce que dit la convention du marché

Ces deux définitions ne sont pas les nôtres : c'est la convention la plus répandue. Didomi les documente ainsi pour ses propres statistiques : l'opt-in rapporte les acceptations au nombre de fois où la bannière a été affichée, en tenant compte des visiteurs qui n'ont pas fait de choix ; le taux de consentement ne retient que ceux qui ont répondu.

Le problème n'est donc pas la définition. C'est qu'en pratique, les deux mots circulent l'un pour l'autre : dans les présentations commerciales, les comptes rendus de réunion, et parfois dans les tableaux de bord eux-mêmes. « Notre taux de consentement est de 75 % » ne veut rien dire tant qu'on n'a pas précisé le dénominateur.

Le chiffre qui relie les deux

Il manque un troisième taux pour comprendre l'écart : le taux de décision, la part des bannières auxquelles quelqu'un répond. Dans l'exemple, 6 000 ÷ 10 000 = 60 %.

Les trois sont liés par une multiplication :

taux d'opt-in = taux de décision × taux de consentement 48 % = 60 % × 80 %

C'est l'outil de lecture le plus utile de cet article. Un opt-in qui baisse peut venir de deux causes très différentes, et cette formule dit laquelle :

  • si le taux de consentement baisse, les gens lisent la bannière et la refusent davantage. C'est le message, le design, l'ordre des boutons ;
  • si le taux de décision baisse, les gens ne répondent plus. La bannière est moins visible, plus lente à s'afficher, cassée sur un navigateur, recouverte par autre chose, ou le trafic a changé de nature (plus de rebonds, plus de robots).

Les deux appellent des corrections opposées. Retravailler le texte d'une bannière que personne ne voit ne sert à rien.

Le calcul fonctionne aussi sur les chiffres publiés. Dans son étude sur les données 2025, Didomi donne pour l'Europe de l'Ouest un taux de consentement de 75,1 % et un opt-in de 55,7 %. On en déduit un taux de décision d'environ 74 %, donc environ un quart de bannières sans réponse, ce qui tombe dans la fourchette de 21,7 % à 27,4 % de « sans choix » que la même étude donne selon les régions. (Ce recoupement est le nôtre, pas celui de Didomi.)

Lequel regarder, selon la question

« Est-ce que notre bannière convainc ? » Le taux de consentement. Il isole la réaction de ceux qui l'ont lue. C'est le bon chiffre pour juger un test de formulation ou de design, à condition que le taux de décision ne bouge pas en même temps.

« Quelle part de notre trafic pouvons-nous mesurer et cibler ? » Le taux d'opt-in. C'est lui qui se rapproche de ce que GA4, les pixels publicitaires et les audiences de remarketing recevront réellement. Si un directeur marketing ne doit retenir qu'un chiffre, c'est celui-là.

« Est-ce que quelque chose est cassé ? » Le taux de décision, découpé par navigateur, appareil et page. Une chute brutale sur un seul segment est presque toujours technique. Chez des clients, c'est ainsi qu'ont été repérés un bug propre à Firefox, qui avait fait perdre environ 10 points d'opt-in sur ce navigateur, et une popup qui recouvrait la bannière au point d'empêcher tout clic sur « Accepter ». Ni l'un ni l'autre ne se voyait dans le tableau de bord de la CMP. Les contrôles à faire sont dans notre check-list d'audit de bannière.

Six erreurs de lecture fréquentes

1. Comparer un taux de consentement à un taux d'opt-in. C'est la plus courante, et la plus coûteuse en réunion. Un benchmark annonce « 71 % en France » : c'est un taux de consentement (notre lecture critique des benchmarks détaille ce que mesure chaque étude). Votre client est à 52 % d'opt-in. Il n'est pas forcément en dessous du marché.

2. Comparer deux CMP avec leurs propres chiffres. Chaque éditeur compte à sa façon : une acceptation partielle compte ou non comme acceptation, un réaffichage compte ou non comme bannière, les robots sont filtrés ou non. Lors d'une migration, l'ancienne CMP et la nouvelle ne produisent pas des chiffres comparables. Il faut une mesure identique avant et après : c'est le protocole de migration.

3. Oublier les robots. Un robot charge la page, la bannière s'affiche, il ne clique jamais. Chaque robot non filtré ajoute une bannière sans décision : le taux de décision et l'opt-in baissent, le taux de consentement ne bouge pas. Un site qui subit une vague de robots peut ainsi voir son opt-in reculer sans que personne n'ait changé d'avis.

4. Prendre les bannières sans réponse pour du temps neutre. Un visiteur qui ignore la bannière n'a pas refusé, mais il n'a pas consenti non plus. Pour la CNIL, continuer à naviguer ne vaut pas accord : vos traceurs soumis à consentement ne doivent pas se déclencher. Pour la mesure et la publicité, cette visite est perdue comme un refus.

5. Compter les catégories comme des acceptations. Un visiteur qui personnalise ses choix et n'accepte que la mesure d'audience n'a pas « accepté » au sens de l'opt-in : il a pris une décision partielle. Selon l'outil, il est compté dans les acceptations ou non. Vérifiez comment le vôtre le traite avant de comparer deux chiffres.

6. S'alarmer d'un taux au-dessus de 100 %. Sur un petit segment, un taux d'opt-in ou de décision peut dépasser 100 %. Ce n'est pas un bug : un visiteur peut accepter, rouvrir les paramètres et refuser, sur la même page. Cela fait deux décisions pour une bannière. Sur de gros volumes, l'effet se dilue ; sur une page peu visitée, il se voit.

Comment le mesurer chez vos clients

Si le site n'a qu'une CMP et que vous la connaissez bien, son tableau de bord peut suffire. Trois vérifications avant de lui faire confiance :

  1. Le dénominateur. Le chiffre affiché se rapporte-t-il aux bannières affichées ou aux décisions ? La documentation de l'éditeur le dit en général, pas toujours l'écran.
  2. L'unité. Les bannières sont-elles comptées par page vue ou par session ? Un visiteur qui navigue sur cinq pages sans répondre pèse cinq fois dans un cas, une fois dans l'autre.
  3. Les robots. Sont-ils retirés, et le volume retiré est-il visible ? Un filtre dont on ne voit pas l'effet ne se contrôle pas.

Ne cherchez pas la réponse dans GA4 : il ne voit que les visiteurs qui ont accepté la mesure d'audience. Il ne peut pas vous dire combien de bannières se sont affichées sans réponse.

Dès qu'une agence suit plusieurs clients sur plusieurs CMP, ou qu'un client change de CMP, ces vérifications ne suffisent plus : il faut une mesure posée par-dessus les CMP, qui compte tout le monde de la même façon. C'est ce que fait ConsentLift. Les définitions que nous utilisons sont celles de cet article, publiées dans notre glossaire.

Dans un reporting client

Un reporting consentement honnête donne les trois chiffres ensemble, chaque mois :

IndicateurCe qu'il dit au client
Taux d'opt-inLa part du trafic que ses outils peuvent suivre
Taux de décisionLa part des visiteurs qui répondent à la bannière
Taux de consentementLa part de ceux qui répondent et acceptent

Avec, en face, les changements de la période : nouvelle version de la bannière, migration de CMP, campagne qui a changé la composition du trafic. Un opt-in qui bouge sans changement noté en face est une question à poser, pas un chiffre à commenter. C'est l'usage que décrit notre page agences.

Pour estimer ce qu'un point d'opt-in représente en budget publicitaire, notre calculateur applique un modèle documenté aux chiffres du client. C'est une estimation, avec ses hypothèses affichées, pas une mesure.

Questions fréquentes

Quel est un bon taux de consentement ? Didomi mesure 71 % en France et 75,1 % en Europe de l'Ouest sur les données 2025, en taux de consentement. L'opt-in correspondant est nettement plus bas : 55,7 % en Europe de l'Ouest dans la même étude. Un chiffre isolé ne dit pas grand-chose : comparez votre site à lui-même dans le temps, avec une définition stable. Le détail par secteur est dans notre lecture critique des benchmarks.

Pourquoi mon taux d'opt-in baisse alors que le taux de consentement est stable ? Parce que le taux de décision baisse : moins de visiteurs répondent à la bannière. Regardez par navigateur, appareil et page. Une baisse localisée est presque toujours technique.

La modélisation de Google ne compense-t-elle pas les refus ? Seulement au-dessus de seuils : au moins 1 000 événements par jour avec la mesure d'audience refusée pendant au moins 7 jours, et au moins 1 000 utilisateurs par jour qui l'ont acceptée, sur au moins 7 des 28 jours précédents. En dessous, rien n'est modélisé.

Faut-il viser 100 % d'opt-in ? Non, et ce n'est pas possible honnêtement. La CNIL exige que refuser soit aussi simple qu'accepter. L'objectif réaliste est de ne perdre aucun consentement pour une raison technique, et de savoir exactement où l'on en perd.

Sources