Calculateur de Rétention par Cohorte

Le calculateur de cohorte de taux de rétention transforme la taille d'une cohorte et une liste de nombres d'utilisateurs actifs en un panorama complet de la rétention : le taux de rétention à chaque point de contrôle, une courbe de rétention animée, une carte thermique colorée des baisses période par période, la demi-vie de la cohorte, un détecteur de courbe en sourire / stabilisation du product-market fit, un ajustement selon la loi de puissance avec extrapolation en état stationnaire, et une classification par quartile par rapport aux références publiées de l'industrie pour les cohortes SaaS, mobiles, abonnements grand public, e-commerce et fintech. Contrairement aux calculateurs de désabonnement à taux unique, une courbe de rétention de cohorte capture la forme de la baisse — et c'est cette forme, plutôt qu'un chiffre isolé, qui vous indique si votre produit est engageant.

Comment l'utiliser

1. Saisissez la taille de la cohorte — le nombre d'utilisateurs acquis au cours de la même période (semaine d'inscription, mois de conversion payante, jour d'installation, etc.).
2. Sélectionnez l'unité de mesure. Les applications mobiles mesurent généralement en jours, les abonnements B2C en semaines et le SaaS B2B en mois.
3. Saisissez les périodes des points de contrôle sous forme de liste séparée par des virgules. La valeur par défaut 1, 7, 14, 30, 60, 90 correspond au calendrier classique des applications mobiles ; pour le SaaS B2B, essayez 1, 2, 3, 6, 9, 12 mois.
4. Saisissez les utilisateurs actifs à chaque point de contrôle, dans le même ordre. Chaque valeur correspond au nombre d'utilisateurs de la cohorte initiale toujours actifs à ce point de contrôle — ne modifiez jamais le dénominateur de référence.
5. Choisissez le point de référence de l'industrie le plus proche — SaaS B2B, SaaS SMB, abonnement grand public, application mobile, e-commerce ou fintech.
6. Cliquez sur Générer la courbe de rétention pour afficher le taux de rétention à chaque point de contrôle, la courbe animée, la carte thermique des baisses, la demi-vie, le verdict de la courbe en sourire, l'ajustement selon la loi de puissance et la classification par quartile.

Formules utilisées

En quoi ce calculateur de cohorte est-il différent ?

• Une courbe, pas un simple chiffre. La plupart des "calculateurs de taux de rétention" se contentent de calculer un seul taux. Celui-ci génère une courbe de rétention complète sur un maximum de dix points de contrôle définis par l'utilisateur — c'est la forme qui révèle si la cohorte atteint un plancher stable ou continue de fuir.
• Détecteur de courbe en sourire / stabilisation PMF. Un test intégré sur les trois derniers points de contrôle classe la cohorte en stabilisation forte (le signal PMF classique de Sean Ellis), stabilisation légère ou baisse continue.
• Demi-vie de la cohorte par interpolation. L'interpolation linéaire entre les points de contrôle fournit une estimation précise de la période à laquelle 50% de la cohorte s'est désabonnée — et pas seulement si vous l'avez dépassée.
• Ajustement selon la loi de puissance et projection en état stationnaire. Les moindres carrés ordinaires sur la transformation log-log ajustent le modèle R(t) = a · t^(−k), affichent le R² et projettent la rétention jusqu'à environ 3 fois la dernière période observée lorsque l'ajustement est de bonne qualité.
• Carte thermique de drop-off. Les baisses période par période suivent un code couleur allant du vert (≤2 pp) au rouge vif (>50 pp) pour identifier instantanément la fuite la plus critique.
• Points de référence par quartiles de l'industrie. Six points de référence spécifiques à chaque secteur (SaaS B2B, SaaS SMB, abonnement grand public, application mobile, e-commerce, fintech) classent vos équivalents Jour-1, Jour-7 et Jour-30 par rapport aux tranches publiées P25 / P50 / P75.
• Courbe SVG animée. Le tracé de la ligne, le remplissage de la zone et l'apparition successive des valeurs rendent la baisse visuellement évidente — bien plus qu'un graphique statique.
• Unités en jours, semaines ou mois. Choisissez l'échelle de temps qui correspond au cycle naturel de votre produit. Les applications mobiles vivent en jours ; le B2B en mois.
• Aperçu en direct avant validation. Saisissez n'importe quel chiffre et l'aperçu sous forme de mini-barres, le pourcentage ainsi que le badge PMF se mettent à jour instantanément — sans aucun rechargement de page.
• Détail mathématique étape par étape. Chaque calcul est décomposé ligne par ligne pour vous permettre de vérifier, documenter ou apprendre des résultats.

Qu'est-ce qu'une cohorte, exactement ?

Une cohorte est un groupe d'utilisateurs ayant partagé un même événement d'acquisition sur une même période de temps — le plus souvent la semaine, le jour ou le mois de leur inscription, de leur installation ou de leur premier achat. L'analyse de cohorte suit ce même groupe fixe au fil des périodes suivantes, de sorte que le dénominateur ne change jamais. C'est ce qui rend la rétention de cohorte bien plus transparente que le calcul classique "utilisateurs actifs mensuels divisés par le total des utilisateurs", qui peut masquer un désabonnement accéléré derrière une forte croissance des acquisitions.

Taux de rétention vs Taux de désabonnement

Le taux de rétention et le taux de désabonnement (churn) sont les inverses l'un de l'autre pour une période donnée : rétention = 1 − désabonnement. Le choix des équipes pour l'un ou l'autre est plus psychologique que mathématique — présenter un chiffre sous la forme de "95% de rétention" plutôt que "5% de désabonnement" a tendance à déplacer l'attention de la prévention des pertes vers la célébration des utilisateurs fidélisés. La version cohorte de la rétention est plus instructive que le désabonnement périodique car elle suit les mêmes utilisateurs dans le temps, révélant la nature des pertes : un désabonnement de 50% au Jour 1 suivi d'une rétention parfaitement stable représente une cohorte fondamentalement différente (et bien meilleure) qu'une baisse lente et continue.

Interpréter la forme de la courbe de rétention

• Chute initiale brutale, fin de courbe plate (le "sourire"). La plupart des utilisateurs acquis ne correspondaient pas au produit, mais un noyau stable le juge indispensable. C'est la forme idéale du product-market fit — et ce plancher correspond à la taille réelle de votre marché accessible au sein du segment acquis.
• Décroissance lente et régulière. Une forme classique pour les produits à faible fréquence d'utilisation (achats annuels, outils fiscaux, applications d'organisation de mariage). Ce n'est pas forcément mauvais — mais l'économie unitaire dépend de la pente, pas du niveau absolute.
• Plancher initial puis chute soudaine. C'est presque toujours le signe d'un événement d'annulation forcée — la fin d'une période d'essai, un échec de paiement ou le non-renouvellement d'un contrat annuel. Recherchez la cause structurelle plutôt qu'un changement de comportement de l'utilisateur.
• Baisse continue au dernier point de contrôle. Aucun plancher en vue. Soit vous avez besoin d'une période d'observation plus longue, soit le produit n'a pas encore trouvé un cas d'usage pertinent pour cette cohorte.
• Courbe ascendante. Il s'agit presque toujours d'un biais de mesure : des réactivations comptabilisées à tort comme membres de la cohorte, ou des définitions d'activité artificiellement gonflées par une nouvelle fonctionnalité. Analysez la situation avant de vous réjouir.

Points de référence de rétention par catégorie

Quartiles déduits des rapports publics AppsFlyer, Mixpanel, Amplitude, OpenView, RJMetrics. À considérer comme une orientation brute et non comme des normes absolues de l'industrie.

Pièges courants de l'analyse de cohorte

• Modification de la référence du dénominateur. Divisez toujours par la taille de la cohorte initiale à chaque point de contrôle. Diviser par les "utilisateurs encore actifs au cours de la période précédente" gonfle artificiellement la rétention à chaque étape et masque les fuites.
• Mélange des définitions de l'état "actif". La rétention au Jour 30 a-t-elle été mesurée par une connexion, par une action significative ou par le statut de paiement ? Chacune donne une courbe différente. Choisissez une seule métrique et suivez-la de manière cohérente.
• Confusion entre rétention des utilisateurs et rétention des revenus. La rétention brute des utilisateurs traite chaque individu de la même manière ; la rétention nette des revenus (NRR) pondère par le montant dépensé. Elles divergent fortement pour les produits ayant des grilles tarifaires très larges.
• Taille de cohorte insuffisante. Les cohortes de moins de ~500 utilisateurs présentent des intervalles de confiance très larges sur les horizons lointains. Regroupez plusieurs semaines d'acquisition contiguës plutôt que de sur-interpréter une cohorte trop petite.
• Interprétation d'une baisse continue comme un plancher. Obtenir trois points consécutifs presque plats est le signal minimal d'une stabilisation PMF. Un seul point stable peut simplement être un bruit statistique.
• Ignorer la forme de la courbe. Une rétention de 30% au Jour 30 issue d'une baisse brutale suivie d'un plancher plat est fondamentalement différente d'une rétention de 30% issue d'une baisse lente et continue. Même chiffre, mais implications opposées.
• Artefacts d'annulations forcées. Les fins de périodes d'essai, les échecs de paiement et les renouvellements de contrats annuels créent des baisses artificielles à des moments prévisibles. Annotez-les au lieu de les interpréter comme un désabonnement lié au produit.

Comment la rétention maximise la valeur de vie client

Une rétention plus élevée prolonge la durée de vie des clients, ce qui augmente directement la valeur de vie client (CLV). La formule la plus simple de la CLV est CLV = (ARPU mensuel × marge brute) ÷ désabonnement mensuel ; ou de manière équivalente CLV = (ARPU mensuel × marge brute) × durée de vie moyenne du client en mois. La durée de vie étant l'inverse du désabonnement, une amélioration de la rétention d'un seul point de pourcentage sur une base de désabonnement mensuel de 5% fait passer la durée de vie de 20 mois à 25 mois — soit une augmentation de 25% de la CLV pour un même ARPU. C'est pourquoi les investissements dans la rétention surperforment généralement les investissements d'acquisition pour un même montant, dès lors qu'un produit a atteint une taille critique même modeste.

Où regarder en priorité pour améliorer la rétention

1. Activation de la première période. La baisse la plus forte sur la majorité des courbes se situe entre le Jour 0 et le Jour 1 (ou semaine 0 → semaine 1). La clarté de l'onboarding, le délai d'accès à la première valeur (time-to-first-value) et les campagnes d'activation proactives représentent généralement les leviers les plus puissants.
2. Moments d'annulations forcées. Les fins de périodes d'essai et les échéances de renouvellement concentrent le désabonnement à des moments précis. Cartographiez les baisses de votre cohorte par rapport à ces moments structurels avant de remettre en cause l'engagement produit.
3. Récupération des paiements échoués. Une part surprenante du "désabonnement" provient simplement de cartes bancaires expirées. Des outils de mise à jour des cartes et des relances de paiement automatisées (dunning) permettent de récupérer entre 5 et 15% du désabonnement mensuel pour la plupart des SaaS B2C.
4. Identification des utilisateurs clés (power users). Les membres de la cohorte encore actifs au dernier point de contrôle constituent votre segment le plus fidèle. Analysez leurs points communs — fonctionnalités utilisées, intégrations configurées, taille de l'équipe — et ciblez vos acquisitions vers des profils similaires (look-alikes).
5. Segmentation de cohorte. Si la cohorte globale ne se stabilise jamais, segmentez-la. Il arrive souvent qu'une source d'acquisition ou un profil d'utilisateur particulier atteigne le PMF au milieu d'une courbe globale par ailleurs médiocre.

FAQ

Qu'est-ce qu'un taux de rétention de cohorte ?

Un taux de rétention de cohorte est le pourcentage d'utilisateurs d'une même cohorte d'acquisition toujours actifs après une certaine période. Il est égal aux utilisateurs actifs au point de contrôle divisés par la taille de la cohorte initiale, exprimé en pourcentage. Le dénominateur de la cohorte étant fixe, le taux de rétention diminue de façon monotone — chaque désabonnement le fait baisser, et les réactivations ne peuvent pas le gonfler artificiellement.

En quoi la rétention de cohorte diffère-t-elle de la rétention mensuelle ?

La rétention mensuelle divise généralement les utilisateurs actifs mensuels par le total des utilisateurs inscrits — un chiffre qui peut rester stable ou progresser même si les cohortes acquises fuient, car les nouvelles acquisitions compensent les pertes. La rétention de cohorte suit un groupe fixe dans le temps, elle ne peut donc pas être masquée par la croissance des acquisitions. La cohorte est beaucoup plus rigoureuse pour évaluer la fidélité à un produit ; la rétention mensuelle reste utile pour le reporting de la croissance globale.

Quels points de contrôle dois-je utiliser ?

Le calendrier classique pour une application mobile est Jour 1, Jour 7, Jour 14, Jour 30, Jour 60, Jour 90 — une période assez courte pour capter la baisse initiale et assez longue pour observer la formation d'un plancher stable. Pour les abonnements B2C, privilégiez des points de contrôle hebdomadaires ; pour le SaaS B2B, optez pour du mensuel. Le calculateur accepte toute combinaison de 2 à 10 valeurs entières strictement croissantes.

Qu'est-ce qu'une courbe en sourire dans l'analyse de cohorte ?

Une courbe en sourire désigne une courbe de rétention qui chute fortement au départ, puis se stabilise sur un plancher fixe. Cette stabilisation est le signal classique de Sean Ellis pour le product-market fit : une part stable des utilisateurs acquis juge le produit véritablement indispensable. Une courbe qui continue de décroître n'atteint jamais le sourire et indique que le produit n'a pas encore trouvé de cas d'usage pertinent pour ce segment.

Qu'est-ce qu'une bonne rétention au Jour 30 ?

Une bonne rétention au Jour 30 dépend fortement de la catégorie du produit. Les cohortes du quartile supérieur du SaaS B2B conservent 65% ou plus au Jour 30. Le quartile supérieur du SaaS SMB tourne autour de 45%. Les abonnements grand public se situent généralement à 20% à la médiane. Les applications mobiles affichent quant à elles environ 9% à la médiane et 18% au quartile supérieur. Le calculateur positionne votre Jour 30 par rapport au bon point de référence pour le segment sélectionné.

Comment fonctionne le calcul de la demi-vie ?

La demi-vie correspond au moment où la rétention passe sous la barre des 50%. Le calculateur analyse vos points de contrôle pour identifier la première paire qui encadre les 50% de rétention, puis effectue une interpolation linéaire entre ces deux valeurs. Si la rétention ne descend jamais sous les 50% au cours de la période observée, la demi-vie est considérée comme "au-delà des données" — un excellent indicateur de fidélité.

Que m'indique l'ajustement selon la loi de puissance ?

La plupart des courbes de rétention de cohorte se rapprochent d'une loi de puissance R(t) = a · t^(−k). Le calculateur applique ce modèle à vos points de contrôle à l'aide des moindres carrés ordinaires sur la transformation log-log et indique la qualité de l'ajustement (R²). Lorsque le R² dépasse 90%, la loi de puissance résume fidèlement votre courbe, et l'extrapolation du modèle jusqu'à environ 3 fois la dernière période observée constitue une projection pertinente de la tendance de votre rétention. Un R² plus bas signale généralement une rupture structurelle (fin d'essai, échéance de renouvellement) que le modèle de loi de puissance ne peut pas lisser.

Puis-je l'utiliser pour la rétention des revenus au lieu de la rétention des utilisateurs ?

Oui — saisissez le revenu total de la cohorte lors de l'acquisition comme taille de cohorte, puis le revenu toujours perçu de cette même cohorte à chaque point de contrôle. Le calculateur effectue les mêmes opérations qu'il s'agisse d'utilisateurs ou de montants financiers. Vous obtiendrez ainsi la rétention brute des revenus (GRR). Pour la rétention nette des revenus (NRR) qui intègre l'expansion, il faudrait ajouter les revenus d'expansion au numérateur — ce que le calculateur ne gère pas directement.

De combien de membres une cohorte doit-elle disposer pour que les chiffres soient significatifs ?

En règle générale, les cohortes de moins de 500 utilisateurs présentent des courbes de rétention instables sur les horizons lointains, et les réactivations d'utilisateurs isolés peuvent modifier la courbe de manière visible. Pour garantir la solidité statistique, regroupez des périodes d'acquisition proches (par exemple plusieurs semaines d'inscriptions au sein d'une seule cohorte) ou considérez chaque point de rétention comme un intervalle de confiance plutôt que comme une valeur absolue unique.