Google Analytics 4 – GA4 c’est quoi?

Mis à jour le 13 avril 2023

Lorsque Google Analytics a été lancé en 2005, il a révolutionné l’industrie de l’analyse en ligne en offrant une version complète et gratuite de ce qui était auparavant disponible uniquement dans des produits d’entreprise payants. Avant cela, les outils d’analyse en ligne étaient souvent inaccessibles pour les petites entreprises et les propriétaires de sites Web en raison de leur coût élevé. En offrant un outil gratuit, Google a permis à de nombreux propriétaires de sites Web de mieux comprendre leur trafic, leur audience et le comportement de leurs utilisateurs.

En échange de cet accès gratuit, Google a pu recueillir des données sur les sites Web des utilisateurs de Google Analytics. Ces données ont été utilisées pour améliorer la publicité ciblée de Google, qui est l’une de ses principales sources de revenus. En offrant des outils d’analyse gratuits, Google a ainsi créé un cercle vertueux où plus de données collectées signifiaient plus de publicités ciblées, qui elles-mêmes ont généré plus de revenus pour Google.

Au fil du temps, Google Analytics a évolué pour répondre aux besoins des propriétaires de sites Web et des spécialistes du marketing. De nouvelles fonctionnalités ont été ajoutées, telles que le suivi de l’engagement sur les réseaux sociaux et l’analyse de la performance des campagnes publicitaires. Cependant, l’outil a également été critiqué pour son utilisation intensive des cookies tiers, qui peuvent être utilisés pour suivre les utilisateurs à travers différents sites Web et constituer une menace pour la vie privée.

Google Analytics 4 une évolution majeure

Avec la sortie de Google Analytics 4, Google espère offrir une solution plus respectueuse de la vie privée qui peut répondre aux besoins des propriétaires de sites Web et des spécialistes du marketing, tout en offrant des fonctionnalités de machine learning avancées et une architecture de données unifiée pour les sites Web et les applications mobiles.

Google Analytics 4 (GA4) a été introduit en remplacement d’Universal Analytics en début 2021. Cette nouvelle version de la plateforme d’analyse web de Google a été développée pour répondre aux besoins et aux exigences actuelles de l’analyse de données en ligne.

Les principales différences entre GA4 et Universal Analytics incluent les capacités d’apprentissage automatique pour mieux comprendre le comportement des utilisateurs, un schéma de données unifié pour une utilisation sur le web et les applications mobiles, ainsi qu’une conception axée sur la protection de la vie privée. Cette mise à jour majeure permet aux utilisateurs de GA4 d’avoir une vue plus précise et complète des comportements de leurs clients, sur plusieurs canaux et appareils, tout en répondant aux préoccupations croissantes de la protection de la vie privée des utilisateurs en offrant des options de consentement et de contrôle de données plus avancées.

Intégration de l’apprentissage automatique

L’une des principales caractéristiques de Google Analytics 4 (GA4) est son intégration d’outils d’apprentissage automatique pour fournir une analyse plus approfondie et plus précise des données. Cependant, l’intégration de l’apprentissage automatique au modèle de données GA était un défi majeur pour Google, car cela nécessitait une modification de la structure des données et de l’infrastructure de collecte des données pour permettre une analyse plus sophistiquée.

Le modèle de données GA4 est basé sur un modèle événementiel qui suit le parcours complet de l’utilisateur à travers les différentes plateformes, y compris le Web et les applications mobiles. Il utilise des événements plutôt que des pages vues pour suivre les interactions des utilisateurs avec le contenu et les actions sur le site. Les événements peuvent être définis de manière personnalisée pour suivre des actions spécifiques, telles que les clics sur les boutons, les téléchargements de fichiers, les soumissions de formulaires et bien plus encore.

Cependant, la prise en compte de l’apprentissage automatique dans cette structure de données nécessitait une modification de la manière dont les événements sont collectés, stockés et traités. GA4 utilise l’apprentissage automatique pour identifier des modèles dans les données, ce qui permet de générer des insights plus précis et personnalisés pour les utilisateurs. Par exemple, l’apprentissage automatique peut aider à identifier les comportements des utilisateurs qui sont plus susceptibles de se convertir en clients payants ou à suggérer des optimisations de contenu pour améliorer l’engagement des utilisateurs.

En intégrant l’apprentissage automatique au modèle de données GA4, Google a pu offrir une analyse plus approfondie et personnalisée des données, ce qui a permis aux utilisateurs de mieux comprendre les comportements de leurs utilisateurs et d’optimiser leurs efforts marketing.

Google Analytics 4 est une introduction à Firebase et Bigquery

GA4 est toujours plus relié aux produits de la Google Cloud Platform et notamment Firebase et BigQuery. Firebase et BigQuery ont été développés par Google. Firebase a été initialement acquis par Google en octobre 2014 et est devenu une partie de la plateforme de développement Google Cloud Platform (GCP). BigQuery a également été développé en interne par Google et a été introduit en 2010 en tant que service de traitement de données en ligne. Depuis lors, il a été intégré à GCP en tant que service de base de données et d’analyse en cloud. En valorisant ses produits du cloud à travers Google Analytics 4, Google va pouvoir faire connaître au plus grand nombre (en particulier les marketeurs) ses autres produits phares du cloud avec entre autres ici Firebase et BigQuery.

Qu’est ce que Firebase?

Firebase est un framework de développement mobile qui inclut désormais Google Analytics et permet aux développeurs d’applications mobiles d’ajouter des fonctionnalités intéressantes telles que la configuration à distance, des API de machine learning, l’authentification et l’intégration de publicités Google.

En effet, Firebase permet aux développeurs d’ajouter plusieurs fonctionnalités utiles pour les applications mobiles, telles que :

• Remote config : une fonctionnalité qui permet de modifier le code des applications déployées sans avoir à les republier sur le magasin d’applications.
• Des API de machine learning, notamment des modèles prédictifs.
• L’authentification : une fonctionnalité qui permet aux utilisateurs de s’authentifier via leur compte Google ou leur adresse e-mail et mot de passe.
• L’intégration de publicités Google : Firebase permet d’intégrer facilement des publicités Google dans les applications mobiles.

Firebase fournit des API de machine learning, notamment des modèles prédictifs qui peuvent être utilisés pour la recommandation de produits, la détection de fraude, la personnalisation de l’expérience utilisateur et bien plus encore. Les développeurs peuvent facilement intégrer ces API dans leurs applications mobiles sans avoir à former des modèles de machine learning à partir de zéro. Ces API sont alimentées par l’infrastructure de machine learning de Google Cloud, ce qui garantit des résultats précis et rapides. De plus, Firebase propose également une infrastructure de machine learning dédiée pour les entreprises qui souhaitent créer leurs propres modèles de machine learning personnalisés pour répondre à des besoins spécifiques.

Les modèles prédictifs et le machine learning:

Pour ceux que j’ai perdu:

• Les modèles prédictifs sont des algorithmes de machine learning qui utilisent des données historiques pour identifier des modèles et prévoir les résultats futurs. Les modèles prédictifs peuvent être utilisés dans une variété de domaines, tels que les prévisions météorologiques, la prévision des ventes, l’optimisation de la chaîne d’approvisionnement, l’analyse des risques financiers, la détection de fraudes, la reconnaissance vocale et la recommandation de produits. Ces modèles utilisent des techniques statistiques et mathématiques pour identifier des tendances et des corrélations dans les données historiques, ce qui leur permet de prédire les résultats futurs avec une certaine précision. Les modèles prédictifs sont de plus en plus utilisés par les entreprises pour prendre des décisions stratégiques basées sur des données, afin d’améliorer l’efficacité et la rentabilité de leurs opérations.
• Le Machine Learning (apprentissage automatique en français) est une branche de l’intelligence artificielle (IA) qui permet à des ordinateurs d’apprendre à partir de données sans être explicitement programmés. En d’autres termes, au lieu de programmer des instructions spécifiques pour résoudre un problème, le machine learning permet aux ordinateurs d’apprendre à partir de données et d’identifier des modèles pour résoudre le problème.Le processus de machine learning commence par l’alimentation d’un algorithme d’apprentissage avec un grand volume de données. L’algorithme examine ces données, détecte des modèles et apprend à les reconnaître. Une fois que l’algorithme a été entraîné sur un ensemble de données, il peut être utilisé pour prédire des résultats pour de nouvelles données.Le machine learning est utilisé dans de nombreuses applications, notamment la reconnaissance d’images, la reconnaissance vocale, la détection de fraude, la recommandation de produits et la prédiction de résultats en fonction de données historiques. Les avantages du machine learning sont qu’il peut gérer des volumes de données massifs et identifier des modèles qui seraient difficiles à détecter par des êtres humains.

Qu’est ce que BigQuery

BigQuery est une base de données SQL (Structured Query Language) conçue pour les charges de travail d’analyse, ce qui signifie qu’elle est spécifiquement optimisée pour la recherche, l’exploration et la visualisation de données. Elle peut gérer de très grandes quantités de données et offre des performances élevées pour les requêtes complexes.

La tarification de BigQuery est également un avantage important. Contrairement à de nombreuses autres bases de données, BigQuery stocke les données à faible coût, mais facture sur demande pour les requêtes. Cela signifie que les utilisateurs peuvent stocker de grandes quantités de données à un coût très bas, puis payer seulement pour les requêtes qu’ils exécutent.

En outre, BigQuery utilise un moteur de requête Dremel qui peut offrir des temps de réponse très rapides, allant jusqu’à 100 fois plus rapide que les bases de données traditionnelles telles que MySQL. Cela permet aux utilisateurs de BigQuery d’effectuer des analyses approfondies sur de grandes quantités de données en un temps record.

Enfin, BigQuery dispose d’une intégration étroite avec de nombreux autres produits de Google Cloud Platform, ce qui permet aux utilisateurs de tirer parti de l’ensemble de la plateforme cloud de Google pour répondre à leurs besoins d’analyse de données.

Une vue unique du client pour le web et les applications mobiles

Avant la sortie de GA4, les propriétaires de sites web et d’applications mobiles devaient souvent utiliser deux propriétés distinctes dans Google Analytics pour suivre l’activité de leurs utilisateurs sur les deux plateformes. Cela signifiait qu’ils ne pouvaient pas voir l’ensemble du parcours de l’utilisateur et qu’il était difficile de comprendre comment les utilisateurs interagissaient avec leur marque sur différentes plateformes.

GA4 a été conçu pour fournir une vue unifiée des données de suivi pour les sites web et les applications mobiles. Cela signifie que les propriétaires de sites web et d’applications mobiles peuvent suivre le parcours de l’utilisateur sur l’ensemble de leur parcours, de la recherche initiale sur Google à l’installation de l’application mobile, en passant par les achats et les interactions ultérieures.

Cette vue unifiée est rendue possible grâce à l’utilisation d’une « mesure d’événement » dans GA4, qui suit les interactions de l’utilisateur sur toutes les plateformes. Les mesures d’événements peuvent être personnalisées pour suivre des interactions spécifiques, telles que les clics sur des boutons ou les ajouts au panier, et les données peuvent être agrégées et analysées pour obtenir une vue d’ensemble du comportement de l’utilisateur. Cette approche permet aux propriétaires de sites web et d’applications mobiles de mieux comprendre l’impact de leurs efforts de marketing sur différents canaux et d’optimiser leur expérience utilisateur pour maximiser la conversion et la fidélisation.

Pour rappel: qu’est ce qu’une propriété dans Google Analytics

Dans Google Analytics, une propriété (ou property en anglais) est un espace de travail indépendant où les données sont collectées et stockées pour un site web, une application mobile ou tout autre élément numérique. Chaque propriété a un ID de suivi unique qui lui est attribué par Google Analytics et permet de distinguer les données de cette propriété des autres propriétés liées au même compte Google Analytics.

En d’autres termes, si vous gérez plusieurs sites web ou applications mobiles, vous pouvez créer une propriété distincte pour chacun d’entre eux. Cela permet de suivre les performances de chaque propriété séparément et de prendre des décisions en fonction de chaque source de trafic. Les propriétés peuvent également être utilisées pour définir des autorisations d’accès à des utilisateurs spécifiques, afin de contrôler l’accès aux données de chaque propriété.

Dans Universal Analytics, une propriété était principalement associée à un site web ou à une application mobile, et toutes les données étaient collectées à partir de ce site ou de cette application. En revanche, avec GA4, les propriétés sont plus flexibles et peuvent être utilisées pour collecter des données à partir de plusieurs sources, y compris des sites web, des applications mobiles, des jeux vidéo et même des points de vente physiques.

Une conception axée sur la protection de la vie privée pour répondre aux nouvelles exigences

La protection de la vie privée est devenue une préoccupation croissante pour les utilisateurs et les régulateurs, en particulier avec l’entrée en vigueur du Règlement général sur la protection des données (RGPD) de l’Union européenne en 2018. Les entreprises doivent maintenant prendre en compte les exigences de protection de la vie privée lorsqu’elles collectent, traitent et stockent les données personnelles de leurs utilisateurs.

Avec Google Analytics 4, Google a conçu une plateforme plus axée sur la protection de la vie privée, en offrant aux utilisateurs des options avancées pour contrôler leur consentement à la collecte de données et pour gérer leur utilisation des données. Cette nouvelle conception de la protection de la vie privée permet aux utilisateurs de GA4 de se conformer plus facilement aux règlementations et aux normes en matière de protection de la vie privée, tout en offrant aux entreprises les informations dont elles ont besoin pour améliorer leurs produits et services.

Il reste du travail aux yeux de l’UE et de la CNIL

Malgré les efforts de Google pour améliorer la protection de la vie privée dans Google Analytics 4, la Commission nationale de l’informatique et des libertés (CNIL) a annoncé en 2020 et en 2022 qu’elle poursuivait son enquête sur Google Analytics pour déterminer si l’outil était en conformité avec les exigences de la législation européenne sur la protection des données. La CNIL est chargée de faire respecter la législation française et européenne en matière de protection des données personnelles et a le pouvoir de prendre des mesures coercitives contre les entreprises qui ne respectent pas les réglementations. En conséquence, il est important que les entreprises utilisant Google Analytics respectent les règles de protection des données et mettent en place des mesures de protection adéquates pour garantir la confidentialité et la sécurité des données de leurs utilisateurs.

En 2022 la CNIL a mis en demeure plusieurs organismes français qui utilisaient Google Analytics de se mettre en conformité en raison de l’envoi de certaines données personnelles vers les États-Unis. En effet en 2020, la Cour de justice de l’Union européenne a invalidé le Privacy Shield, un accord entre l’Union européenne et les États-Unis qui permettait le transfert de données personnelles entre les deux zones, en raison de préoccupations concernant la surveillance exercée par les autorités américaines sur les données transférées. Par conséquent, les entreprises doivent désormais mettre en place des mécanismes alternatifs pour garantir la conformité aux règles de protection des données lorsqu’elles transfèrent des données personnelles vers les États-Unis. La CNIL peut prendre des mesures coercitives à l’encontre des entreprises qui ne respectent pas ces règles, notamment en leur demandant de se mettre en conformité ou en infligeant des amendes.

Comment bien préparer sa migration vers Google Analytics 4?

La migration vers Google Analytics 4 est un processus important qui nécessite une bonne préparation. Voici quelques étapes clés pour vous aider à bien préparer votre migration :

1. Comprendre les différences entre Google Analytics 4 et Universal Analytics : il est important de comprendre les différences entre ces deux versions pour savoir ce que vous devez adapter lors de votre migration. Les différences incluent notamment la structure des données, les fonctionnalités disponibles et les rapports proposés.
2. Faire un audit de votre installation actuelle de Google Analytics : il est important de comprendre comment Google Analytics est utilisé sur votre site actuellement, quels sont les événements, les conversions et les segments les plus importants.
3. Mettre en place une stratégie de migration : il est important de planifier comment vous allez migrer vos données d’Universal Analytics vers Google Analytics 4, en prenant en compte les différences entre les deux versions.
4. Préparer votre site pour Google Analytics 4 : vous devrez mettre en place la nouvelle balise de suivi pour Google Analytics 4 et vous assurer que toutes les conversions et les événements importants sont correctement suivis.
5. Former votre équipe à Google Analytics 4 : la migration vers Google Analytics 4 implique un certain nombre de changements, il est donc important de former votre équipe à la nouvelle version de l’outil.
6. Tester et valider la nouvelle installation : avant de passer complètement à Google Analytics 4, vous devez tester et valider votre nouvelle installation pour vous assurer que tout fonctionne correctement et que les données sont correctement suivies.

En suivant ces étapes clés, vous devriez être en mesure de bien préparer votre migration vers Google Analytics 4 et d’assurer une transition en douceur vers la nouvelle version de l’outil.

Installer Google Analytics 4 sur son site

Il existe trois façons courantes de configurer la collecte de données à partir des sites web pour Google Analytics 4 :

1. gtag.js : c’est une bibliothèque de suivi JavaScript qui permet de mesurer l’interaction des utilisateurs avec les sites web. Elle fournit une intégration facile avec Google Analytics et d’autres outils de marketing Google tels que Google Ads, Google Optimize et Google Tag Manager. Cependant, elle ne fournit pas autant de flexibilité que Google Tag Manager.
2. analytics.js : c’est une bibliothèque de suivi JavaScript utilisée pour Universal Analytics, la version précédente de Google Analytics. Bien qu’elle ne soit plus recommandée pour les nouvelles installations, elle peut toujours être utilisée pour les sites web qui ont déjà été configurés avec Universal Analytics.
3. Google Tag Manager (GTM) : c’est une plateforme de gestion de tags qui permet de configurer et de déployer des tags de suivi sur les sites web. Il offre une grande flexibilité en matière de configuration de la collecte de données et permet de suivre facilement les interactions des utilisateurs avec le site web. Avec GTM, il est également possible de configurer des intégrations directes avec Google Cloud et des systèmes backend, ce qui offre une grande flexibilité pour la collecte de données. De plus, GTM permet de séparer le travail du dataLayer de la configuration de l’analyse, ce qui facilite les modifications ultérieures sans avoir à modifier le code du site web.

Il est recommandé de l’installer via GTM

Google Tag Manager (GTM) est un outil de gestion de balises qui permet aux marketeurs et aux propriétaires de sites web de déployer des balises, des pixels et des scripts de suivi sur leur site web sans avoir besoin d’une intervention directe des développeurs. GTM permet également de centraliser la gestion de toutes les balises, ce qui facilite la maintenance et la mise à jour des balises.

L’une des principales raisons pour lesquelles il est recommandé d’implémenter les méthodes de collecte de données via GTM est la flexibilité qu’il offre. GTM permet de modifier la configuration de suivi sans avoir à toucher directement au code HTML du site web. Cela signifie que les propriétaires de sites web peuvent ajouter, modifier ou supprimer des balises et des pixels sans avoir besoin de l’assistance d’un développeur. Cela permet un déploiement plus rapide des nouvelles balises et une mise à jour plus facile des balises existantes.

De plus, GTM permet de séparer le travail de la dataLayer de la configuration de l’analyse. La dataLayer est une couche de données entre le site web et les balises de suivi. Elle permet de stocker les informations relatives aux événements du site web, telles que les clics sur les boutons, les pages vues, les formulaires remplis, etc. en un seul endroit. En utilisant GTM, les propriétaires de sites web peuvent définir leur propre couche de données standardisée et laisser GTM traiter la collecte de données.

Enfin, GTM permet d’économiser le temps et les ressources des développeurs en minimisant la quantité de travail de développement nécessaire dans le HTML du site web. Les développeurs peuvent se concentrer sur la création d’une dataLayer bien structurée, qui peut être utilisée pour tous les outils de suivi de la pile de marketing, et éviter de devoir apporter des modifications au code HTML pour chaque changement de balises. Les changements de configuration peuvent être effectués directement dans l’interface Web de GTM, ce qui permet aux propriétaires de sites web de modifier facilement les configurations de suivi sans avoir besoin d’une intervention directe des développeurs.

Pensez à GTM Server Side

Avec l’introduction de GTM Server Side (SS), les configurations possibles peuvent également inclure des intégrations directes avec Google Cloud et des systèmes backend, ainsi que des modifications des requêtes et des réponses d’appels HTTP, ce qui vous donne une flexibilité ultime.

GTM Server Side (SS) est une extension de Google Tag Manager qui permet de déployer les tags côté serveur, plutôt que côté client comme c’est le cas avec le GTM classique. Cela signifie que le traitement des données se fait sur le serveur avant que la page ne soit chargée, ce qui peut offrir des avantages en termes de vitesse et de sécurité.

Avec GTM Server Side, il est possible de faire des intégrations directes avec Google Cloud, qui peut fournir des services de traitement de données supplémentaires, comme BigQuery, pour stocker et analyser de grandes quantités de données. Il est également possible d’effectuer des modifications avancées des requêtes et des réponses d’appels HTTP, ce qui donne une flexibilité ultime dans la configuration de la collecte de données et permet de répondre aux besoins spécifiques de l’entreprise.

En utilisant GTM Server Side, les entreprises peuvent bénéficier de meilleures performances, d’une sécurité améliorée et d’une plus grande flexibilité dans la collecte et l’analyse des données. Cela peut être particulièrement utile pour les entreprises ayant des besoins de collecte de données complexes et des volumes importants de données à traiter.

Quelles sont les alternatives les plus populaires à GA4?

Il existe plusieurs alternatives populaires à Google Analytics 4, notamment :

1. Matomo (anciennement Piwik) : un outil open-source d’analyse web auto-hébergé qui offre des fonctionnalités similaires à Google Analytics. Matomo est également axé sur la confidentialité et offre un contrôle total sur les données collectées.
2. Adobe Analytics : un produit d’analyse web et d’expérience client haut de gamme proposé par Adobe. Il offre des fonctionnalités avancées telles que le suivi multi-canaux et le profilage du public cible.
3. Mixpanel : une plateforme d’analyse comportementale qui se concentre sur les mesures d’engagement et les analyses de rétention.
4. Clicky : un outil d’analyse web en temps réel qui offre des fonctionnalités telles que le suivi des clics, la segmentation des visiteurs et des tableaux de bord personnalisables.
5. StatCounter : un outil d’analyse web simple et abordable qui fournit des informations sur les visiteurs, les pages vues et les sources de trafic.

Il convient de noter que chaque outil a ses propres avantages et inconvénients, et qu’il est important de bien comprendre vos besoins avant de choisir une alternative à Google Analytics 4.

Le mot de la fin

En conclusion, Google Analytics 4 représente une avancée significative dans le domaine de l’analyse de données pour les entreprises. Cette nouvelle version offre de nouvelles fonctionnalités, une plus grande flexibilité, une meilleure protection de la vie privée et une vision unifiée du client pour le web et les applications mobiles.

Pour les entreprises qui souhaitent migrer vers GA4, il est important de bien se préparer en suivant les meilleures pratiques et en utilisant les ressources disponibles pour assurer une migration en douceur et sans interruption de la collecte de données. Le choix de la méthode de configuration de la collecte de données, la mise en place d’une stratégie de protection de la vie privée et la compréhension de l’utilisation de l’apprentissage automatique sont tous des éléments importants à prendre en compte.

En fin de compte, GA4 est un outil puissant pour les entreprises qui cherchent à mieux comprendre leur public, à améliorer leur marketing et à prendre des décisions plus éclairées basées sur des données. Avec la bonne mise en œuvre et l’analyse appropriée, GA4 peut aider les entreprises à atteindre leurs objectifs commerciaux et à se développer dans un environnement numérique en constante évolution.

La foire aux question

Qu’est-ce que Google Analytics 4 (GA4) ?

Google Analytics 4 est la dernière version de la plateforme d’analyse de données de Google. Elle remplace Universal Analytics et offre des fonctionnalités améliorées, telles qu’une meilleure intégration avec les applications mobiles, une meilleure protection de la vie privée et une analyse plus avancée grâce à l’apprentissage automatique.

Quelles sont les principales différences entre Universal Analytics et GA4 ?

GA4 utilise une nouvelle architecture de suivi, appelée « Modèle d’analyse » qui utilise des événements et des paramètres de données pour collecter et organiser les données. GA4 offre également une meilleure intégration avec les applications mobiles, une meilleure protection de la vie privée et une analyse plus avancée grâce à l’apprentissage automatique.

Comment GA4 améliore-t-il la protection de la vie privée ?

GA4 utilise des identifiants uniques générés par Google pour suivre les utilisateurs, plutôt que des cookies tiers. Il offre également une option de désactivation de la collecte de données pour les utilisateurs qui ne souhaitent pas être suivis.

Comment migrer d’Universal Analytics à GA4 ?

Il est recommandé de créer une nouvelle propriété GA4 et de continuer à utiliser votre propriété Universal Analytics existante. Vous pouvez ensuite configurer GA4 en parallèle et commencer à collecter des données. Une fois que vous êtes satisfait des données collectées dans GA4, vous pouvez envisager de migrer complètement vers cette plateforme.

Y a-t-il des coûts associés à l’utilisation de GA4 ?

Non, GA4 est gratuit.

Puis-je utiliser GA4 en conjonction avec d’autres outils d’analyse de données ?

Oui, GA4 peut être utilisé en conjonction avec d’autres outils d’analyse de données. Cependant, vous devez vous assurer que les données collectées ne se chevauchent pas ou ne sont pas en conflit.