Consultant Google Analytics 4 : setup propre, migration finie, BigQuery exploité

Quand l'interface Google Analytics ne suffit plus

À partir de 200 000 visites par mois, l'interface GA4 commence à montrer ses limites :

analyses trop simples, données regroupées en "Autre", croisements impossibles avec votre CRM. La solution : BigQuery, l'entrepôt de données de Google.

L'entrepôt

BigQuery, c'est un grand "entrepôt" où Google copie toutes vos données GA4 chaque jour, sans les résumer. Gratuit jusqu'à 1 M d'events/jour.

Le croisement

Dans cet entrepôt, on peut croiser vos données web avec votre CRM, votre back-office, votre logiciel de marge — chose impossible dans l'interface GA4 classique.

L'historique

GA4 garde 14 mois de détail maximum. BigQuery garde tout, indéfiniment. Très important pour les analyses pluri-annuelles.

Le pilotage

On construit des tableaux de bord (Looker Studio, Power BI) avec des KPI fins par catégorie, par cohorte, par segment client — impossible dans GA4 natif.

Google Analytics 4 est l’outil de mesure dominant sur les sites de mes clients — environ 85 % des projets analytics que je récupère tournent autour de GA4. C’est aussi l’outil le plus mal configuré du marché : la migration depuis Universal Analytics a souvent été précipitée, les événements ont été repris à l’identique sans repenser le modèle, et les paramètres custom remontent dans Looker Studio sans qu’on sache à quoi ils correspondent. Mon rôle de consultant GA4 est de remettre tout ça d’équerre : audit du setup existant, construction d’un plan de marquage propre, implémentation GTM rigoureuse, branchement BigQuery, et formation de votre équipe pour qu’elle reste autonome sur l’outil.

Pourquoi GA4 est mal configuré sur la majorité des sites

Trois raisons techniques expliquent l’écart entre “GA4 est installé” et “GA4 mesure correctement le business”.

La migration UA → GA4 a été expédiée. Quand Google a annoncé la fin d’Universal Analytics pour juillet 2023, la moitié du marché a fait un copier-coller fonctionnel : on a réimplémenté les pageview, event et transaction UA tels quels dans GA4. Sauf que GA4 a un modèle de données radicalement différent — événements paramétrés, conversions sans category/action/label, propriétés et flux distincts. La migration littérale produit un GA4 qui “ressemble” à UA mais qui rate la moitié des bénéfices du nouvel outil (modélisation, attribution data-driven, prédictif, exports BigQuery natifs).

Le plan de marquage n’existe pas. La grande majorité des sites n’a aucune documentation à jour de ses événements GA4 : noms de paramètres custom, dimensions personnalisées, conditions de déclenchement, valeurs attendues. Conséquence : un développeur qui change un dataLayer ne sait pas que ça casse une conversion, et un trafficker qui crée une audience GA4 utilise un paramètre dont la valeur n’est plus poussée depuis trois mois.

Le Consent Mode v2 fausse les chiffres sans qu’on s’en rende compte. Si la CMP est mal câblée (voir consultant Consent Mode v2), GA4 reçoit des signaux de consent par défaut “denied” et passe en mode behavioral modeling — utile, mais imprécis. Sur un site avec 60 % de taux d’acceptation cookies, ça veut dire que 40 % de votre trafic est modélisé statistiquement, pas mesuré.

Mes missions GA4 type

Je n’ai pas une offre standard “setup GA4”. J’ai cinq types de missions que je vois revenir, chacune avec son périmètre et son livrable propres.

1. Setup GA4 from scratch

Vous créez une propriété GA4 sur un nouveau site ou un site qui n’avait pas d’analytics. On part d’une feuille blanche : définition des objectifs business, plan de marquage, taxonomie d’événements, implémentation GTM, recettage, formation. Mission type : 8 à 12 jours, livrable = plan de marquage documenté + conteneur GTM organisé + propriété GA4 configurée + rapport Looker Studio de base.

2. Finalisation de migration UA → GA4

Vous avez fait la bascule en 2023 et vous savez que c’est bancal. Je reprends le setup, je nettoie les événements redondants, je repense les conversions sur le modèle GA4 (conversions = events marqués, pas “buts”), je rebuild les dimensions custom et j’aligne le tout avec votre audit tracking préalable si on en a fait un.

3. Plan de marquage e-commerce Enhanced

Spécifique aux sites marchands : déploiement du modèle Enhanced Ecommerce GA4 complet — view_item, add_to_cart, begin_checkout, add_payment_info, purchase, refund, avec tous les paramètres items, currency, value, coupon, transaction_id. Intégration Shopify, WooCommerce, PrestaShop, ou solutions custom. Pont avec Google Ads via Enhanced Conversions. Détail dans la page consultant analytics e-commerce.

4. Branchement BigQuery + exploitation

GA4 + BigQuery, c’est la combinaison qui change la vie quand on a passé un volume critique (200 K sessions/mois et plus). On peut interroger les données brutes, créer des dashboards qui ne sont pas limités à 14 dimensions, construire des audiences que GA4 ne sait pas faire nativement, exporter vers un CRM, alimenter du ML. Je configure l’export, j’écris les premières vues SQL utilisables, et je vous transfère la maintenance.

5. Formation GA4 sur mesure

Pour les équipes marketing/data qui héritent d’un setup et qui doivent l’opérer au quotidien. Sessions de 1 à 3 jours, en présentiel ou en visio, sur vos vrais rapports et vos vrais cas. Je ne fais pas de formation catalogue — uniquement sur mesure, avec un document de référence personnalisé.

Ma méthode setup propre en cinq étapes

Sur les missions de type 1 ou 2 (setup neuf ou refonte), je suis toujours la même séquence.

Étape 1 — Cadrage business

Une demi-journée avec les équipes marketing, produit et data. On répond à trois questions : quels sont les KPI business prioritaires (CA, leads, abonnements, taux de conversion par segment) ? Quelles sont les sources d’acquisition critiques (SEO, SEA, social, partenaires) ? Quelles sont les dimensions sectorielles qui doivent remonter (catégorie produit, segment client, source marketing, pays) ? La sortie de cette étape, c’est un document d’une page qui sert de référence pour tout le reste.

Étape 2 — Plan de marquage

Je documente l’ensemble des événements à tracker, leurs paramètres, leurs déclencheurs, leurs valeurs attendues. Format type : tableur avec une ligne par événement, colonnes event_name, description, paramètres requis, valeurs types, déclencheur, outil source (data layer, autoEvent GTM, dataset CDP). Ce document devient le contrat avec la dev — il faut qu’il soit signé avant qu’une ligne de code GTM soit écrite.

Étape 3 — Implémentation GTM

Conteneur GTM organisé proprement : dossiers par typologie, nommage explicite [Source] - [Action] - [Détail], déclencheurs réutilisables, variables built-in et constantes documentées. Tags GA4 minimisés (un seul tag de config, des events individuels). Si vous êtes en server-side, le conteneur sGTM reçoit les events et les route vers GA4 + Google Ads + Meta CAPI — voir server-side tracking.

Étape 4 — Recette en conditions réelles

Tests en navigation privée, en mobile (iOS Safari + Android Chrome), avec consent accepté puis refusé, sur tous les parcours critiques. Je documente chaque écart et je corrige. Pas de livraison sans validation. C’est l’étape qu’on saute le plus souvent dans les setups bâclés — et c’est exactement celle qui distingue un GA4 qui marche d’un GA4 qui ressemble à marcher.

Étape 5 — Transfert et autonomie

Documentation finale dans un Notion partagé : plan de marquage, schéma du conteneur GTM, conventions de nommage, procédure pour ajouter un nouvel event, contacts en cas de souci. Session de formation (1 à 2 h) avec les opérateurs futurs. Mon objectif est explicite : que vous n’ayez plus besoin de moi sur l’opérationnel courant.

GA4 + BigQuery — quand passer le cap

Activer l’export BigQuery est gratuit (jusqu’à 1 M d’événements/jour, ce qui couvre la majorité des sites) et se fait en cinq minutes. Mais l’exploiter demande un peu de travail.

Vous en avez besoin si :

• Vous dépassez les limites de cardinalité de GA4 (catégories produit, segments custom qui partent en (other) dans les rapports).
• Vous voulez croiser GA4 avec votre CRM ou votre ERP (voir consultant analytics lead generation pour la partie CRM B2B).
• Vous construisez des dashboards Looker Studio ou Power BI avec des dimensions ou des fenêtres temporelles que l’API GA4 ne supporte pas.
• Vous voulez modéliser l’attribution autrement que ce que propose GA4 (Markov, Shapley, attribution position-based).
• Vous travaillez sur des données très récentes et l’export streaming (mise à jour intra-day) vaut le coup.

J’écris les premières vues SQL utilisables — typiquement une vue sessions_clean qui dédup les session_start, une vue purchases_with_attribution qui joint conversions et premiers/derniers touchpoints, une vue users_segmented pour les audiences pluri-canal — et je transfère à votre data engineer ou je continue en TMA mensuelle si vous n’avez pas la ressource interne.

Cas concrets

Site média à 30 M de pageviews/mois (Piano Analytics + GA4 marketing). Migration UA → GA4 faite par l’équipe interne en 2023, propriété GA4 utilisée uniquement pour le retargeting Google Ads. Mission : reconstruire un GA4 propre dédié au pilotage SEO + diffusion, avec dimensions custom sur le type de contenu, l’auteur, la rubrique éditoriale, et un branchement BigQuery pour les analyses de longue traîne. Livré en 6 semaines, dont 2 de recette. Sortie : +18 dimensions exploitables, audiences SEO qualifiées branchées sur Google Ads, dashboards Looker Studio fiables.

E-commerce ~10 M€ de CA tracké (Shopify + GA4). Le compte tournait depuis 18 mois avec des conversions purchase qui partaient sans value dans la moitié des cas (problème côté thème Shopify mal customisé). Mission audit + reset GA4 : remise à plat du dataLayer Shopify, reconstruction des événements Enhanced Ecommerce, branchement Enhanced Conversions Google Ads et Meta CAPI via server-side. Récupération mesurée : +27 % de conversions Google Ads et +19 % de conversions Meta après 30 jours. ROI du chantier atteint en 6 semaines sur le seul média payant.

Plateforme SaaS B2B (lead gen, ~2 K leads/mois). Migration GA4 + branchement HubSpot via offline conversion import. Le problème : le GCLID n’était pas capté à l’inscription, donc Google Ads optimisait pour les clics, pas pour les leads qualifiés. Mission : remise en place du GCLID dans le formulaire, push vers HubSpot, export CSV vers Google Ads en automatisation hebdomadaire. Plus de détails dans la page lead generation. Résultat 3 mois après : CPA divisé par 2,1 sur Google Ads à budget constant — l’algo a appris à cibler les vrais prospects.

Combien coûte une mission GA4

Trois grilles selon la nature du chantier.

Mission	Périmètre	Prix
Setup ou refonte GA4	Plan de marquage + GTM + propriété + recette	4 800 € HT (~8 jours)
GA4 + BigQuery + dashboards	Setup + export BQ + 3 dashboards Looker Studio	8 500 € HT (~14 jours)
Migration UA → GA4 finalisation	Audit du legacy + nettoyage + alignement Enhanced	3 200 € HT (~5 jours)
Formation GA4 équipe	1 à 3 jours, sur site ou visio	1 200 € HT/jour

Pour les missions hors gabarit (plateformes multi-marques, retail multi-pays, secteurs réglementés), je facture au TJM 750 € HT/jour avec un devis cadré avant kick-off.

Foire aux questions

Quelle différence entre GA4 et Universal Analytics ?

GA4 est un modèle “events-first” — toute interaction (pageview, clic, conversion) est un événement avec ses paramètres. UA était un modèle “sessions-first” avec une rigidité catégorie / action / étiquette. GA4 intègre le machine learning natif (conversions modélisées, audiences prédictives), un export BigQuery gratuit pour la majorité des sites, et l’attribution data-driven par défaut. Le revers : la migration n’est pas un copier-coller et beaucoup de fonctionnalités UA (groupes de contenu, segments avancés dans les rapports natifs) sont moins puissantes ou absentes dans GA4. Migration documentée dans le guide migration UA → GA4.

Faut-il garder Universal Analytics en parallèle ?

Non. UA est arrêté en lecture seule depuis juillet 2024 — vous ne pouvez plus collecter de données, et les rapports historiques disparaîtront progressivement. Si vous avez des analyses historiques importantes à conserver, exportez-les en BigQuery ou en CSV avant que Google les supprime définitivement.

GA4 ou Piano Analytics ?

Question fréquente, surtout côté média et institutions publiques. GA4 est mieux pour le SEO/SEA, le tracking marketing, l’écosystème Google Ads, et les sites e-commerce. Piano Analytics est mieux pour l’analyse de contenu éditorial, le data-RGPD-only (exemption CNIL), les médias avec abonnement et paywall, et les institutions qui ne veulent pas de tracking US. Beaucoup de mes clients tournent en stack mixte — Piano pour la donnée éditoriale, GA4 pour la donnée marketing. Plus de détails sur la page Piano Analytics.

Vous prenez des missions ponctuelles ou seulement des refontes longues ?

Les deux. Une mission peut durer 3 jours (revue d’un setup avant migration) comme 4 mois (refonte complète d’une plateforme média avec branchement BigQuery + CRM). Mon planning est généralement réservé deux à quatre semaines à l’avance. Pour une intervention urgente (tracking GA4 cassé, perte de conversions Google Ads avant un Black Friday), j’essaie de me libérer plus vite — un cadrage de 30 minutes permet d’évaluer.

Êtes-vous certifié GA4 ?

Oui, certification Google Analytics 4 valide à jour. Pour autant, la certification Google ne mesure pas grand-chose en pratique — c’est la qualité de l’implémentation et la connaissance des bugs réels qui comptent. Je préfère vous montrer un setup que j’ai livré il y a 6 mois et qui tourne sans incident plutôt que d’agiter un badge.

Travaillez-vous avec d’autres consultants ou des agences en sous-traitance ?

Si vous êtes une agence et que vous avez besoin d’un expert GA4 pour une mission ponctuelle (audit, setup, migration), je travaille volontiers en marque blanche. Tarif équivalent à mes forfaits, accord NDA standard, livrable adapté à votre charte. Contactez-moi pour préciser le périmètre.