Le départ d'un client est rarement une décision soudaine. Il se prépare: moins d'achats, des paniers plus petits, des délais de paiement qui s'allongent, des interactions qui s'espacent. Quand la perte devient visible, elle est le plus souvent consommée : au moment où l'entreprise constate le départ, il n'y a plus rien à retenir.
Le phénomène porte un nom : l'attrition, ou churn dans le vocabulaire technique: la perte de clients existants, par opposition à la conquête de nouveaux. Il est connu de toutes les directions commerciales, et généralement chiffré : la plupart des entreprises savent quelle proportion de leur portefeuille elles perdent chaque année.
Ce qu'elles savent moins, c'est lesquels.
Et c'est la seule question qui permette d'agir, parce que les moyens de rétention sont limités : on ne peut pas traiter tout le monde.
Il faut choisir qui et le choisir assez tôt.
Ce qu'un modèle voit qu'une règle ne voit pas
Pour anticiper ces départs, une entreprise commence en général par une règle : alerter si le client n'a pas commandé depuis six mois, surveiller les comptes passés sous un certain seuil. Ces règles ont un défaut structurel - elles regardent un signal à la fois.
Or le risque de départ ne se lit pas dans un signal isolé. Il se lit dans une combinaison. Sur le cas détaillé plus bas, un client de 55 ans détenant un seul produit et n'effectuant aucune transaction présente un profil de risque radicalement différent d'un client de 35 ans multi-produits - alors que leur solde est identique. Ce n'est ni l'âge, ni le nombre de produits, ni l'inactivité qui prédisent le départ : c'est leur croisement.
C'est précisément ce qu'un algorithme de machine learning capte, là où une règle manuelle ne voit qu'une moyenne. Le modèle apprend, sur l'historique des clients déjà perdus, quelles combinaisons de signaux ont précédé les départs - y compris des combinaisons que personne n'aurait pensé à écrire. En sortie, il ne rend pas un verdict : il attribue à chaque client actif une probabilité de partir dans les mois qui viennent.
C'est là que commence le vrai travail.
La valeur ne vient pas du score
La valeur d'un modèle de churn ne dépend pas uniquement de sa capacité prédictive. Elle dépend du coût d'une alerte, de la valeur d'un client retenu, du taux de succès commercial et de la capacité de l'organisation à agir.
Aucun de ces quatre paramètres n'apparaît dans les métriques sur lesquelles un modèle se juge habituellement - sa capacité de classement, son taux de détection, sa précision. Et ce sont eux qui décident s'il mérite l'investissement.
La suite détaille un modèle complet, de la donnée au business case, chiffres compris.
Les données
La démonstration s'appuie sur un jeu de données bancaires public de référence : 10 000 clients particuliers, 20,4 % d'attrition observée, dix variables comportementales, contractuelles et financières. Le cas est bancaire parce que c'est là que les jeux publics existent ; la mécanique vaut pour tout portefeuille de clients récurrents - industrie, distribution, services.
Les données d'un client ne se publient pas. Un jeu public permet l'inverse d'une étude de cas : chaque chiffre de cet article peut être recalculé, chaque étape refaite.
La méthode : trois blocs, pas deux
Les données ont été séparées en trois : 6 000 clients pour entraîner les modèles, 2 000 pour choisir le modèle et calibrer le seuil d'alerte, 2 000 pour mesurer la performance finale.
Cette séparation est le premier marqueur de sérieux, et elle coûte cher en données. Le découpage courant n'en prévoit que deux - entraînement et test - et le piège est immédiat : le même jeu sert alors à choisir le modèle, à fixer le seuil et à annoncer la performance. On s'examine avec le corrigé sous les yeux, et le résultat publié est flatté. Ici, le jeu de test final n'a servi qu'une fois, à la toute fin : mesurer ce que le modèle ferait sur des clients qu'il n'a jamais vus, avec un seuil décidé sans lui.
Trois modèles, un critère économique
Trois familles ont été comparées : une logistic regression comme référence statistique interprétable, un random forest, un gradient boosting.
Ce sont les noms qu'emploieront les fournisseurs et les équipes techniques ; leur mécanique importe moins que ce qui suit. Le modèle linéaire n'est pas là pour la forme — si une approche simple égale une approche complexe, c'est la simple qui doit gagner, et le débat s'arrête là.
Le seuil d'alerte - la probabilité à partir de laquelle un client est signalé - n'est pas un paramètre technique. C'est un arbitrage économique : il dépend du rapport entre la valeur d'un client perdu et le coût d'une action de rétention. Sous les hypothèses du cas - 5 000 € la valeur d'un client, 1 000 € le coût d'une action commerciale personnalisée, 40 % de taux de succès de cette action - chaque seuil produit un coût attendu différent. C'est ce coût, et non la performance statistique, qui a servi de critère de sélection.
Deux chiffres suffisent à décrire le comportement d'un modèle une fois son seuil fixé. Le taux de détection : quelle proportion des départs réels le modèle signale.
La précision : quelle proportion des clients signalés partent effectivement. Les deux varient en sens inverse - plus on ratisse large, plus on attrape de départs, et plus on dérange de clients qui n'allaient nulle part.
| Modèle | Classement (AUC) | Seuil | Détection | Précision | Clients contactés | Coût attendu |
|---|---|---|---|---|---|---|
| Logistic Regression | 0.834 | 0.80 | 75.2% | 44.7% | 685 | €2.108.000 |
| Random Forest | 0.858 | 0.80 | 54.8% | 67% | 333 | €1.922.000 |
| Gradient Boosting | 0.859 | 0.67 | 57.2% | 70% | 333 | €1.902.000 |
La logistic regression détecte 75,2 % des départs - le meilleur taux des trois, et exactement le chiffre qu'un fournisseur mettrait sur son slide. C'est pourtant le plus mauvais choix des trois. Pire : elle coûte plus cher que ne rien faire. Ne rien faire, sur ce jeu, coûte 2 035 000 € - 407 clients perdus à 5 000 €. Elle coûte 2 108 000 €. Elle détruit 73 000 €.
La raison tient dans une seule colonne : sa précision est de 44,7 %. Pour détecter 306 départs réels, elle signale 685 clients - plus d'un contact sur deux est gaspillé, à 1 000 € pièce. Le gradient boosting détecte moins de départs, mais signale deux fois moins de monde avec une précision de 70 % : il concentre l'effort là où il a une chance de servir.
C'est le point central de l'exercice.
Dès que l'action coûte de l'argent, le taux de détection est une métrique de vanité.
Ce qui compte est le nombre de clients qu'on contacte, la proportion d'entre eux qui partait réellement, et le rapport entre ce que coûte l'effort et ce qu'il préserve.
Une précision d'honnêteté : l'écart entre le random forest et le gradient boosting est mince - un millième sur la capacité de classement, 20 000 € de coût attendu. Un écart de cette taille ne démontre pas la supériorité d'une famille de modèles sur l'autre, et il serait malhonnête de le présenter ainsi. Le choix se justifie ici ; il ne se généralise pas.
Ce que fait le modèle retenu
Sur le jeu de test final - jamais utilisé pour entraîner, régler le modèle ou calibrer le seuil - le gradient boosting obtient une capacité de classement de 0,862, mesurée par un indicateur appelé AUC.
Ce que ce chiffre dit, en clair : prenez au hasard un client qui va partir et un client qui va rester ; dans 86 % des cas, le modèle donne un score plus élevé à celui qui part. Un modèle qui répondrait au hasard obtiendrait 50 % ; un modèle parfait, 100 %. C'est donc une mesure de la capacité à ordonner les clients par risque - et rien d'autre. Elle ne dit pas combien de clients contacter, ni si l'opération est rentable.
Sur 2 000 clients dont 407 sont effectivement partis, il en signale 333, soit 17 % du portefeuille. Parmi ces 333, 229 sont de vrais départs et 104 de fausses alertes : près de 69 % des clients signalés partaient réellement. Il en manque 178.
Ces 178 départs manqués ne sont pas un défaut à corriger. Ils sont le prix assumé d'une stratégie sélective : à 1 000 € l'action, vouloir tous les attraper coûterait plus que la perte évitée - c'est précisément le piège dans lequel tombe la régression logistique. Le modèle n'est pas fait pour détecter tous les départs. Il est fait pour concentrer un budget de rétention limité là où il produit le plus d'effet.
Le calcul complet, sous les mêmes hypothèses : 333 actions à 1 000 € coûtent 333 000 €. Sur les 229 vrais départs contactés, un taux de succès de 40 % permet d'en retenir 92, soit 458 000 € de perte évitée. Gain net attendu : 125 000 €, sur un coût d'attrition de 2 035 000 € - une réduction de 6,1 %.
C'est modeste. C'est aussi ce qui rend le chiffre crédible : un modèle d'attrition ne supprime pas l'attrition, il améliore le ciblage d'un effort commercial qui existait déjà.
Le point de rupture
Le dispositif devient rentable dès que le taux de succès des actions de rétention dépasse 29 %. L'hypothèse retenue est de 40 %. La marge de sécurité est donc de onze points — et elle repose sur un paramètre que presque aucune entreprise ne mesure.
Cela mérite d'être dit sans détour : si vos actions de rétention réussissent une fois sur quatre, ce modèle vous fait perdre de l'argent. Pas parce qu'il prédit mal - son AUC ne bougerait pas d'un millième — mais parce que l'économie du dispositif ne tient plus. La performance technique et la rentabilité sont deux grandeurs indépendantes.
Le modèle ne crée aucune valeur seul
Le modèle identifie des clients. Il ne les retient pas.
Entre le score et l'euro préservé, il y a une action commerciale - et c'est elle qui détermine le taux de succès dont dépend tout le business case. Sa pertinence : a-t-on quelque chose à proposer à un client de 55 ans mono-produit et inactif ? Sa rapidité : une alerte traitée six semaines plus tard porte sur un client déjà parti. Sa qualité d'exécution. Et un propriétaire métier qui porte le résultat, pas seulement le projet.
Un score juste, transmis à une équipe sans temps disponible, sans offre à proposer ou sans responsable identifié, ne produit rien - sinon un tableau de bord de plus.
Ce qu'une direction doit établir avant de lancer
Trois chiffres, et aucun n'est technique.
La valeur économique réelle d'un client retenu. Pas son chiffre d'affaires annuel : sa marge, sur sa durée de vie résiduelle attendue.
Le coût complet d'une action de rétention. Temps commercial, remise éventuelle, coût d'opportunité de l'équipe.
Le taux de succès effectif de ces actions. Le seul des trois qui exige une mesure historique — et celui que presque personne n'a.
Ces trois nombres déterminent le seuil d'alerte, donc le comportement du modèle, donc sa rentabilité. Ils ne se devinent pas et ne se copient pas d'un cas à l'autre : ils se mesurent sur les données de l'entreprise. Changez-les, et le même modèle bascule de rentable à destructeur.
Deux conditions s'y ajoutent, qui ne se chiffrent pas. Quelle proportion des alertes les équipes peuvent-elles réellement traiter ? Un modèle qui signale 17 % du portefeuille suppose une capacité commerciale correspondante ; s'il faut la doubler, le coût de l'action change et le seuil avec lui. Et qui porte le résultat commercial une fois le score produit ? Sans réponse à cette question, le meilleur modèle reste un fichier.
Ce que nous faisons de ce calcul
Nobilys ne développe pas des modèles pour démontrer une performance technique. Nous aidons les directions à déterminer si un modèle peut améliorer une décision, à quelles conditions économiques et avec quel niveau de risque d'exécution.
Cette démonstration n'a qu'un objet : montrer à quoi ressemble le calcul qui tranche. Il se fait avant l'investissement - sur les données réelles de l'entreprise, et non sur celles d'un cas d'école.
Christian Cirino- Nobilys Group
Jeu de données : « Churn Modelling » - 10 000 clients bancaires, dix variables, disponible publiquement sur Kaggle. Modèles, seuils et business case reproductibles à partir des chiffres publiés ci-dessus.