Développez intelligemment votre business en optimisant vos coûts
On en discuteIl était abonné depuis un an. Croquettes livrées toutes les quatre semaines, sans jamais un souci. Puis il a reporté une livraison. Puis une deuxième. Puis il a résilié, un dimanche soir, en trois clics. Personne ne l’a vu venir. Pourtant, tout était écrit dans vos données.
En bref
Un abonné n’est pas un client comme les autres. Il a dit oui une fois pour des dizaines de commandes. Chaque mois où il reste, c’est du chiffre d’affaires sans nouvelle dépense d’acquisition. Chaque mois où il part, c’est toute la suite qui disparaît.
Le churn (ou attrition) désigne la part des abonnés qui arrêtent leur abonnement sur une période, en général un mois. C’est l’indicateur central d’un modèle par abonnement : garder un abonné coûte moins cher qu’en recruter un nouveau, et un abonné qui reste plus longtemps rend rentable ce que vous avez dépensé pour le faire venir.
Le problème, c’est que la résiliation est devenue facile, et c’est tant mieux pour le client. En France, depuis le 1er juin 2023, tout abonnement qui peut se souscrire en ligne doit pouvoir se résilier en ligne, en trois clics (loi du 16 août 2022 pour la protection du pouvoir d’achat). Le client n’a plus à vous appeler, donc vous n’avez plus l’occasion de lui parler au moment où il hésite. La seule façon de le retenir, c’est d’agir avant.
Le churn volontaire. L’abonné décide d’arrêter. Trop de produit à la maison, budget qui se resserre, lassitude, meilleure offre ailleurs, mauvaise expérience. C’est celui auquel tout le monde pense.
Le churn involontaire. L’abonné voulait rester, mais le paiement a échoué : carte expirée, plafond atteint, banque qui bloque le prélèvement. Sans relance, l’abonnement s’arrête et le client ne s’en rend parfois même pas compte. C’est le churn le plus bête, et souvent le plus facile à réduire, parce qu’il ne demande de convaincre personne : seulement de rattraper un paiement.
Les chiffres le confirment. Sur les sites e-commerce par abonnement (box, marques en vente directe) suivis par Recurly, une plateforme de gestion d’abonnements, le churn involontaire représente près d’un tiers des résiliations : 1,38 point sur un churn total de 4,25 (données de juillet 2026).
Avant tout projet d’IA, la première question à poser est donc : quelle part de vos résiliations vient d’un échec de paiement ? La réponse est dans votre outil d’abonnement ou votre prestataire de paiement, et elle conditionne les priorités.
Un abonné qui va partir laisse des traces, souvent plusieurs semaines avant. Les plus parlantes dans un modèle d’abonnement :
Pris un par un, ces signaux sont banals. Combinés, abonné par abonné, ils racontent une histoire. C’est exactement ce qu’un modèle d’IA sait lire sur des milliers de comptes.
Un modèle de prédiction du churn est un programme qui apprend à partir de votre historique. Il regarde les abonnés qui ont résilié par le passé, repère ce qui précédait leur départ (reports, baisse de quantité, réclamation, ancienneté…) et applique ce qu’il a appris aux abonnés actuels. C’est le principe du lead scoring, appliqué aux clients que vous avez déjà.
Le résultat est simple à utiliser : un score de risque de 0 à 100 pour chaque abonné, mis à jour chaque semaine, avec la raison principale en clair : « deux reports consécutifs », « carte expirée dans 20 jours », « réclamation non résolue », « quantité divisée par deux ».
C’est cette raison qui rend le score utile : elle dit quoi faire. Un abonné qui part parce qu’il a trop de stock ne se retient pas avec une remise, mais avec un changement de fréquence.
C’est la partie qui compte. Un score sans action ne sert à rien. Voici ce que nous mettons en place, dans l’ordre où l’abonné les rencontre.
Un logiciel en ligne vendu par abonnement (SaaS) ou une application mobile payante fonctionne exactement sur le même modèle : un client qui reste longtemps rend rentable ce qu’il a coûté à acquérir. La différence, c’est qu’on ne livre pas de colis. On livre un usage. Et c’est l’usage qui annonce le départ.
Les signaux propres au SaaS et aux applications :
Les actions qui marchent :
Le score de risque se construit de la même façon, à partir des données d’usage (connexions, fonctions utilisées, nombre d’utilisateurs actifs) croisées avec la facturation et le support.
La logique de l’abonnement s’applique aussi à une boutique en ligne classique. Vos meilleurs clients ont un abonnement qui ne dit pas son nom : ils reviennent à un rythme régulier, sans engagement. La différence, c’est qu’ils ne résilient jamais. Ils cessent simplement de revenir, et rien ne vous alerte.
Le modèle fait donc le même travail : il calcule le rythme habituel de chaque client et repère quand il ralentit. Les actions s’adaptent ainsi :
Trois exemples types, pas des cas clients :
La boutique de cosmétiques. Une cliente rachète sa crème tous les deux mois depuis un an. Le modèle remarque qu’elle n’a rien commandé depuis trois mois. Plutôt qu’une remise générale, elle reçoit un message personnel avec un échantillon de la nouvelle gamme, puis la proposition de recevoir sa crème automatiquement.
Le grossiste en fournitures pour professionnels. Un restaurant client commande moins de références chaque mois. Le score le signale avec la raison : « n’achète plus les produits d’entretien ». Le commercial appelle, découvre qu’un concurrent a proposé un meilleur tarif sur cette gamme, et ajuste son offre avant de perdre le compte entier.
La marque de jardinage. Un client fidèle a eu une livraison abîmée au printemps, remboursée, puis plus rien. Le modèle croise le ticket et le silence qui a suivi. Un mot d’excuse personnalisé et une attention sur sa prochaine commande rouvrent la relation.
Pas besoin d’un grand projet de données. Le socle, c’est l’historique de vos abonnements : dates de début, expéditions, reports, changements de formule, paiements réussis et échoués, résiliations. Votre application d’abonnement ou votre prestataire de paiement le possède déjà.
Le modèle devient plus précis avec :
Deux précautions comptent plus que la sophistication du modèle. D’abord, chaque abonné doit être reconnu comme le même client partout : boutique, outil d’abonnement, service client. Ensuite, il faut assez d’historique pour que les comportements aient un sens ; le volume nécessaire dépend de votre fréquence d’expédition et se vérifie avant de lancer le projet.
Ces données sont personnelles : le calcul d’un score de risque doit respecter le RGPD, avec une finalité claire, des données limitées au nécessaire et une information des abonnés dans votre politique de confidentialité.
Cette dernière comparaison est la seule qui prouve vraiment ce que le dispositif rapporte. C’est aussi elle qui permet d’ajuster les messages et le modèle.
Nous relions votre boutique en ligne, votre outil d’abonnement, votre prestataire de paiement et votre service client, pour que chaque abonné soit suivi de bout en bout. Nous construisons le score de risque sur votre propre historique, puis nous branchons les actions : rappels avant expédition, relances de paiement, parcours de résiliation avec pause et changement de fréquence, alertes à vos équipes.
Le score tourne sur vos données et vous appartient. Chaque lundi, votre équipe sait quels abonnés contacter et quoi leur proposer.
Ces données clients bien tenues servent aussi à être recommandé par les IA : c’est l’objet du GEO, quand ChatGPT recommande vos concurrents.
L’abonné qui se plaint vous laisse une chance. Celui qui reporte en silence, lui, est déjà en train de partir. Nous pouvons analyser vos résiliations des six derniers mois et vous montrer ce qui était prévisible : un message suffit pour commencer.
C’est la part des abonnés qui arrêtent leur abonnement sur une période, en général un mois. On parle aussi d’attrition. Il se divise en churn volontaire (l’abonné décide de partir) et churn involontaire (le paiement échoue).
Divisez le nombre d’abonnés partis pendant le mois par le nombre d’abonnés actifs au début du mois. Calculez-le séparément pour les résiliations volontaires et les échecs de paiement : les deux ne se traitent pas avec les mêmes actions.
Avec trois actions : alerter avant l’expiration de la carte, relancer les paiements échoués à plusieurs reprises, et envoyer une séquence de messages avec un lien direct de mise à jour. Une période de grâce de quelques jours évite de couper un abonné qui voulait rester.
Il faut que le modèle ait vu assez de départs pour apprendre ce qui les précède : en général au moins une année d’activité et plusieurs centaines de résiliations. Le seuil exact dépend de votre fréquence d’expédition et se vérifie sur vos données avant de lancer le projet. En dessous, des règles simples (deux reports consécutifs, carte qui expire, réclamation non résolue) font déjà l’essentiel du travail.
Oui, à condition que le parcours reste simple : en France, la résiliation doit rester possible en ligne, en quelques clics. Proposer une pause ou un changement de fréquence est utile ; bloquer ou décourager ne l’est pas, et n’est pas conforme.
Non. Elle lui dit qui contacter et pourquoi. La relance reste humaine pour les abonnés qui comptent le plus, et c’est le service client qui règle d’abord les problèmes non résolus.
