Le suivi du défilement décrit une position atteinte dans la page. Il ne prouve ni lecture, ni compréhension, ni attention. Une analyse utile précise le seuil, le périmètre mesuré et le dénominateur.
Distinguer mesure automatique et seuils personnalisés
Dans GA4, la mesure améliorée déclenche scroll lorsque la profondeur verticale de 90 % devient visible pour la première fois sur la page. Elle ne fournit pas automatiquement des paliers à 25 %, 50 % et 75 %. Des seuils personnalisés exigent une instrumentation distincte et une gestion des doublons. Documenter aussi les changements de hauteur, le chargement différé et la navigation dynamique.
Interpréter le signal avec la tâche
Une descente rapide ou un lien vers une ancre peut atteindre le bas sans lecture suivie. Inversement, une personne peut trouver sa réponse en haut. Comparer des pages de structures semblables et croiser le signal avec la réussite de la tâche, les erreurs et les retours qualitatifs. Le nombre d’événements, de pages vues et d’utilisateurs désigne trois unités différentes.
Délimiter la collecte
En France, la CNIL prévoit des exemptions de consentement pour certains traceurs de mesure d’audience sous conditions strictes. Informer simplement les visiteurs ou agréger les résultats ne suffit pas à établir une exemption. Documenter les finalités, les accès et la conservation ; les visites non mesurées ne deviennent pas des observations négatives.
Exemple fictif : un taux dans le seul périmètre mesuré
| Élément | Valeur | Interprétation |
|---|---|---|
| Pages vues mesurées | 100 | Périmètre instrumenté et éligible seulement. |
| Pages vues ayant atteint 90 % | 60 | Comptage dédupliqué par page vue. |
| Part dans ce périmètre | 60 / 100 = 60 % | ni utilisateurs uniques, ni taux de lecture. |
Sources
- Google Analytics · Enhanced measurement events
- Google Analytics · Sessions and user engagement
- CNIL · Cookies et autres traceurs · FAQ
Vérification éditoriale : 1er novembre 2026.
Défilement : distinguer exposition et lecture
Atteindre une profondeur de page ne prouve ni attention ni compréhension. Le signal devient plus utile lorsqu’il est rapporté à la longueur du contenu, au temps disponible et à une action qui suit.
- Définir si le seuil s’applique au document entier ou à une section visible.
- Tester pages courtes, chargement tardif, mobile et retour sur une page déjà visitée.
- Afficher ce signal comme indicateur de parcours, sans le qualifier de lecture achevée.
Référence primaire : Google Analytics — Set up events. Méthode connexe : consulter le guide pratique.
Vérifier le grain avant de comparer les KPI
Une jointure peut multiplier un montant sans créer de vente. Conservez les effectifs et une somme indépendante avant rapprochement, puis examinez cardinalités, clés nulles et lignes non rapprochées. DISTINCT ne remplace pas une définition du grain métier.
- Signification de la ligne et clé attendue
- Occurrences, valeurs nulles et relation attendue
- Effectifs, somme de référence et écarts
Cas de recette à reproduire
Exemple fictif : ces données ne décrivent aucun client ni résultat réel.
Voir les données du cas
{
"orders": [
{
"id": 1,
"total": 100
},
{
"id": 2,
"total": 200
}
],
"line_order_ids": [
1,
1,
2
],
"sum_before": 300,
"sum_after_raw_join": 400
}Décision attendue
Le total 400 double une commande. Agréger les lignes par commande avant de retrouver le total 300. Contrôler aussi deux commandes fictives de 100 chacune : leur total vaut 200. SUM(DISTINCT total) donnerait 100 et supprimerait une valeur légitime. Vérifier les identifiants et la cardinalité de la jointure, plutôt que dédupliquer les montants.
Reproduire le diagnostic en SQL
Exemple fictif : deux commandes de 100 et 200, avec trois lignes rattachées à 1, 1 et 2. Les requêtes utilisent uniquement VALUES ; exécutez-les dans un environnement de test.
WITH orders(id, total) AS (VALUES (1, 100), (2, 200)),
lines(order_id) AS (VALUES (1), (1), (2))
SELECT COUNT(*) AS rows, SUM(o.total) AS total
FROM orders o JOIN lines l ON l.order_id = o.id;WITH orders(id, total) AS (VALUES (1, 100), (2, 200)),
lines(order_id) AS (VALUES (1), (1), (2)),
per_order AS (
SELECT order_id, COUNT(*) AS line_count
FROM lines GROUP BY order_id
)
SELECT COUNT(*) AS orders, SUM(o.total) AS total
FROM orders o LEFT JOIN per_order l ON l.order_id = o.id;La jointure directe donne trois lignes et 400. L’agrégation préalable retrouve deux commandes et 300.
WITH orders(id, total) AS (VALUES (1, 100), (2, 100))
SELECT SUM(total) AS correct_total,
SUM(DISTINCT total) AS distinct_total
FROM orders;Avec deux montants de 100, le total correct est 200 ; SUM(DISTINCT total) donne 100.
Procédure de vérification
- Définissez la granularité des commandes et des lignes.
- Joignez une commande possédant deux lignes, puis comparez les sommes.
- Conservez clés, nombres de lignes et totaux avant/après agrégation.
DISTINCT corrige-t-il une jointure incorrecte ?
Il peut masquer certaines répétitions sans réparer le grain ni la répartition. Vérifiez la relation avant de dédupliquer.
Référence primaire : PostgreSQL — Table expressions and joins. Méthode connexe : consulter le guide pratique.
Tableaux de données : préserver le sens sur mobile et au lecteur d’écran
Structurer les unités, en-têtes, tris et alternatives pour rendre un comparatif réellement exploitable.
Cas de recette à reproduire
Exemple fictif : ces données ne décrivent aucun client ni résultat réel.
Voir les données du cas
{
"column_headers": [
"2025",
"2026"
],
"row_headers": [
"A",
"B"
],
"cell": {
"row": "B",
"column": "2026",
"value": 42
},
"layout": "mobile"
}Décision attendue
La valeur 42 doit rester associée à B et 2026, y compris après adaptation mobile.
Procédure de vérification
- Identifiez en-têtes de lignes, colonnes et unités.
- Lisez une cellule au clavier et avec assistance.
- Conservez son contexte après adaptation mobile et zoom. Pour une cellule décisive, retrouvez ligne, colonne et unité après défilement ; une valeur lisible sans son en-tête peut changer de sens.
Référence primaire : W3C WAI — Tables tutorial. Méthode connexe : consulter le guide pratique.
