Analyse du taux de churn : mesurer le churn par segment

Analyser le taux de churn, c’est découper un chiffre unique en parties qui demandent des réponses différentes : d’abord churn volontaire contre churn involontaire, puis des segments comme l’offre, l’ancienneté, le canal et le moyen de paiement, puis le moment des départs d’une cohorte à l’autre. Un taux unique pour toute l’entreprise ne dit pas si les clients rejettent votre produit ou si des paiements échouent tout seuls, et il cache les petits segments où le churn se concentre. Ce guide donne les formules, les découpages à faire en premier, la lecture des courbes de cohorte, les benchmarks auxquels se comparer et la façon de mener une revue mensuelle du churn.

Si vous avez d’abord besoin des formules de base, commencez par comment calculer le taux de churn. Ce guide reprend là où celui-ci s’arrête : que faire du chiffre une fois que vous l’avez.

De quelles formules de churn avez-vous besoin, et que dit chacune ?

Indicateur	Formule	Ce qu’il révèle
Taux de churn clients (logo churn)	Clients perdus sur la période ÷ clients en début de période	Combien de comptes partent. Exemple : 40 perdus ÷ 800 clients au départ = 5,0 %.
Taux de churn du revenu	MRR perdu en résiliations ÷ MRR en début de période	Combien de revenu part. Exemple : 12 000 $ ÷ 200 000 $ = 6,0 %.
Rétention brute du revenu	(MRR de départ − churn − contraction) ÷ MRR de départ	Le revenu gardé avant expansion. Exemple : (200 000 $ − 12 000 $ − 4 000 $) ÷ 200 000 $ = 92,0 %.
Rétention nette du revenu	(MRR de départ − churn − contraction + expansion) ÷ MRR de départ	Si les clients existants font croître le revenu. Exemple : (200 000 $ − 12 000 $ − 4 000 $ + 9 000 $) ÷ 200 000 $ = 96,5 %.
Conversion mensuelle en annuelle	1 − (1 − taux mensuel)^12	Ce que vaut un taux mensuel sur un an. À 5 % de churn mensuel, la perte annuelle composée est d’environ 46 %.

Ces exemples utilisent des chiffres hypothétiques sur la même base de départ, pour montrer pourquoi les indicateurs répondent à des questions différentes. Le churn clients compte chaque compte à égalité, tandis que le churn du revenu pondère les départs par le MRR qu’ils représentent. La rétention brute est plus stricte que la rétention nette, car elle ne laisse pas l’expansion des comptes qui grandissent compenser les pertes ailleurs ; voyez la rétention nette du revenu. Un bon chiffre net peut coexister avec un revenu qui fond chez les petits clients.

La conversion annuelle compte parce que le churn mensuel se compose. À 5 % par mois, environ 54 % des clients de départ restent après un an (0,95 à la puissance 12), donc environ 46 % sont perdus, pas 60 %. Les offres mensuelles et annuelles churnent aussi selon des calendriers différents, comme l’explique churn annuel et churn mensuel.

Règle du dénominateur : écrivez qui compte avant de calculer. Précisez si les essais, les comptes en pause, les remboursements et les clients réactivés sont inclus, et notez la date exacte des photos de clients et de MRR de départ. Gardez ces définitions fixes d’une période à l’autre.

Comment séparer churn volontaire et churn involontaire ?

Un churn total regroupe des départs qui demandent des réponses différentes. Le churn volontaire suit la décision d’un client de résilier ou de ne pas renouveler. Le churn involontaire suit un paiement échoué, par exemple une carte expirée ou un refus de la banque. Traiter les deux comme un seul résultat peut lancer une équipe produit à la recherche d’insatisfaction alors que le problème immédiat est la récupération des paiements.

Classez les départs d’après les événements. Une demande de résiliation et un usage en baisse avant le départ indiquent un départ volontaire. Un code d’échec de paiement sur la dernière facture indique un départ involontaire. Dans l’exemple ci-dessous, 20 clients sur 400 sont partis en un mois : 14 ont résilié et 6 ont été perdus sur des paiements échoués jamais récupérés, donc le churn volontaire est de 3,5 % et le churn involontaire de 1,5 %. La répartition dans vos propres données sera différente ; le churn involontaire explique comment le mesurer.

14 6

• Volontaire : résiliation14 · 3,5 %
• Involontaire : paiement échoué, non récupéré6 · 1,5 %
• Récupérés pendant la fenêtre de nouvelles tentatives, non comptés comme churn9

Churn total : 20 sur 400 · 5 %

Comment rapprocher les paiements échoués avant de compter le churn ?

Un renouvellement échoué n’est pas toujours un départ durable. Fixez une fenêtre de récupération qui correspond à votre processus de nouvelles tentatives, puis comptez le client en churn involontaire seulement s’il est encore inactif à la fermeture de cette fenêtre. Si le paiement passe et que le client reste actif dans la fenêtre, marquez l’événement comme récupéré et non comme churn. Cela évite d’enregistrer un problème de facturation passager comme un rejet du produit, ou de le compter une deuxième fois quand le client revient. Le fonctionnement des nouvelles tentatives, et combien de temps les plateformes continuent d’essayer, est dans ce que signifie une nouvelle tentative de paiement.

Dans la table de facturation, gardez distincts l’événement d’échec, le statut de récupération, le statut de résiliation et le statut de réactivation. Un remboursement ou un chargeback a aussi besoin de sa propre ligne : il peut créer une perte de revenu sans prouver que le client a formellement résilié. Une pause ou un passage à une offre inférieure change le compte ou sa valeur, mais ne doit pas être compté comme une perte de client.

Type de churn	Cause typique	Comment le confirmer	Levier de rétention
Churn volontaire	Prix, faible usage, besoin non couvert, ou un concurrent	Motif de résiliation et usage en baisse avant le départ	Améliorer l’onboarding ou proposer une alternative pertinente dans le parcours d’annulation
Churn involontaire	Carte expirée, solde insuffisant ou refus de la banque	Code d’échec de paiement sur la dernière facture	Utiliser des nouvelles tentatives automatiques et des liens de mise à jour de carte
Échec récupéré	Prélèvement échoué payé dans la fenêtre de nouvelles tentatives	Client de nouveau actif avant la fermeture de la fenêtre	Compter comme récupéré, pas comme churn
Passage inférieur ou pause	Changement d’offre ou interruption temporaire	Changement d’offre ou de statut dans l’historique de facturation	Suivre comme contraction, à part des pertes de clients
Remboursement ou chargeback	Litige ou demande de remboursement	Ligne de remboursement ou de litige	Suivre comme perte de revenu et examiner à part

Dans un tableur, présentez churn total, churn volontaire et churn involontaire net des récupérations sur des lignes séparées. Ce découpage simple donne à l’équipe une première question plus claire : les clients choisissent-ils de partir, ou un incident de facturation interrompt-il un abonnement qui aurait continué ?

Quels segments comparer avant de croire la moyenne ?

Deux résiliations dans le mois, cela semble peu, jusqu’à ce que vous appreniez qu’elles viennent d’une offre de douze clients. C’est un taux de churn de 16,7 % dans un segment qu’une moyenne de quelques pour cent sur toute l’entreprise ne ferait jamais ressortir. Les moyennes lissent justement les poches où le churn se concentre : comparez ce qui est comparable avant de juger un taux sain.

Les découpages à faire en premier, car chacun mène à une réponse différente :

• Offre ou niveau de prix : une offre moins chère peut perdre des clients plus vite qu’une offre premium, tandis que l’offre premium pèse plus de revenu perdu par départ.
• Ancienneté : comparez 0–30 jours, 31–90 jours, 91–365 jours et plus de 365 jours. Un pic chez les nouveaux clients pointe vers l’onboarding ou la première valeur (voyez onboarding, activation et churn précoce) ; une hausse chez les comptes anciens pointe vers une dérive du produit ou une friction au renouvellement.
• Canal d’acquisition : comparez les réseaux sociaux payants et le parrainage. Un canal à fort volume peut amener des clients dont les attentes n’ont jamais correspondu au produit.
• Type de contrat : les offres mensuelles créent une occasion de résilier à chaque cycle ; les offres annuelles concentrent le risque sur les fenêtres de renouvellement.
• Pays ou fuseau horaire : les résultats de paiement varient selon la géographie et le moment du renouvellement, et une tendance autour des jours de paie locaux ou des refus bancaires mérite une revue de la facturation.
• Moyen de paiement : les clients par carte et par prélèvement échouent différemment, et certains types de cartes portent plus de risque (voyez les cartes prépayées et virtuelles), donc vérifiez les résultats de récupération avant de les mélanger.
• Produit ou appareil : pour une app, séparez iOS et Android. Un écart resserre l’enquête sur une expérience propre à une plateforme.

Faites aussi la séparation volontaire / involontaire à l’intérieur de chaque segment. Une offre premium qui perd des clients sur des refus de carte a besoin de nouvelles tentatives et de liens de mise à jour de carte ; le même taux causé par des résiliations délibérées demande une réponse produit ou prix. Deux segments peuvent afficher le même taux de churn et demander des réponses opposées.

Pour chaque découpage, affichez le taux du segment à côté du taux global et indiquez le nombre de clients derrière chacun. Fixez une tolérance au-delà de laquelle un écart déclenche une revue, et traitez les petits échantillons comme une raison de collecter plus de mois de données plutôt que comme un signal d’agir.

Enfin, classez les segments par revenu perdu autant que par taux. Un taux de churn modeste dans un grand segment à fort MRR peut coûter plus qu’un taux spectaculaire dans un petit. Donnez aux trois segments qui perdent le plus de revenu leur propre revue, pour qu’un pourcentage frappant ne détourne jamais l’attention de la plus grosse perte commerciale.

Comment les cohortes et les courbes de survie montrent-elles quand les clients partent ?

Deux business d’abonnement peuvent afficher le même taux de churn mensuel et avoir besoin de réponses opposées. L’un perd des clients dans les premières semaines parce que les cartes échouent ou que l’onboarding cale. L’autre semble stable pendant onze mois, puis chute au renouvellement. Regroupez les clients par mois de premier paiement et suivez la part active de chaque groupe à des jalons constants. Une courbe de cohorte part de 100 % et descend à mesure que les clients partent ; sa forme montre quand enquêter avant de débattre des causes.

Une chute précoce et forte se sépare en général en deux chantiers : des pertes involontaires autour des premiers prélèvements, ou des départs volontaires quand la mise en place et la première valeur ratent. Une courbe plate qui tombe vers le mois 12 pointe vers la préparation du renouvellement et la fenêtre de décision du client. La courbe ne prouve pas la cause. Elle resserre le calendrier.

Un exemple chiffré, avec des valeurs illustratives :

Cohorte d’inscription	Actifs au mois 1	Actifs au mois 3	Actifs au mois 6	Actifs au mois 12
Plus ancienne cohorte des données	97 %	94 %	91 %	78 %
Cohorte intermédiaire	90 %	81 %	77 %	75 %
Plus récente cohorte avec 12 mois de données	95 %	89 %	86 %	82 %

• Cohorte la plus ancienne
• Cohorte intermédiaire
• Cohorte la plus récente
• Mois 0 → 12

Lisez la plus ancienne cohorte comme un problème de renouvellement : stable jusqu’au mois 6, puis une forte glissade jusqu’au mois 12. Lisez la cohorte intermédiaire comme un problème de début de vie : 10 points perdus au mois 1, 9 de plus au mois 3, puis une pente plus douce. La plus récente se lit comme une meilleure rétention au début, avec une érosion qui se construit encore plus tard.

Remplissez chaque case avec la part encore active à ce jalon. Si une cohorte n’a pas atteint un jalon, laissez-le non observé au lieu d’y mettre zéro. Les clients encore actifs à la fin de l’observation sont censurés à droite : leur durée compte, mais leur issue est inconnue. Un article de conférence SAS sur le churn dans les télécoms modélise le churn ainsi sur une fenêtre d’observation de 15 mois, ce qui rappelle que des fenêtres d’observation inégales faussent les simples comptages « parti ou pas ».

La méthode de Kaplan-Meier estime une courbe de survie en tenant compte des clients dont l’observation s’arrête avant qu’ils partent. Un modèle à risques proportionnels, comme le modèle de Cox, peut estimer comment un attribut modifie le risque instantané de départ. Si un attribut compte surtout autour de la première facture ou seulement au renouvellement, un risque moyen unique peut masquer ce moment ; stratifiez ou testez une interaction avec le temps avant de faire confiance à un seul coefficient.

Pour une revue pratique des cohortes, regroupez par mois d’inscription, notez le statut à intervalles fixes, estimez chaque courbe, puis comparez les cohortes par segment. La construction pas à pas, avec le SQL, est dans l’analyse de rétention par cohorte. Comparez des cohortes aux périodes d’observation similaires. Quand deux groupes de taille comparable montrent des courbes différentes, demandez-vous quel mélange de segments, quel schéma de facturation ou quel événement contractuel a changé avant de prendre la moyenne de l’entreprise pour une explication.

Une courbe de cohorte peut révéler quand la rétention change ; elle ne peut pas identifier la cause seule. Associez le moment au moyen de paiement, à la source d’inscription, à l’usage, à la structure du contrat et au motif de résiliation. Des échecs involontaires autour des événements de facturation demandent de vérifier le moment des récupérations et la friction de mise à jour de la carte. Des départs volontaires autour du renouvellement demandent une preuve de valeur et une revue des offres. Testez tout changement contre une cohorte comparable avant de lui attribuer l’amélioration.

À quels benchmarks vous comparer, et quelles sont leurs limites ?

Un benchmark n’est utile que si le modèle économique, la valeur du contrat, l’indicateur et la période correspondent. Un taux de churn clients mensuel pour du SaaS B2B ne peut pas être mis à côté d’une rétention annuelle du revenu ou de résiliations du premier mois sur des abonnements d’app et traité comme la même mesure. Utilisez les chiffres publiés pour poser une question ; ne les transformez pas en objectif universel.

1. 01 Modèle économique SaaS B2B, app grand public ou e-commerce
2. 02 Contrat Mensuel ou annuel, et le niveau de prix
3. 03 Indicateur Clients ou revenu, volontaire ou involontaire
4. 04 Période et définition Mensuelle ou annuelle, et qui compte dans la base

Source	Modèle économique	Chiffre publié	À comparer seulement avec
UserMotion 2024	Plus de 1 000 business d’abonnement	Churn moyen de 4,2 %, dont 3,5 % volontaire et 0,7 % involontaire (benchmark UserMotion)	Churn SaaS B2B avec une définition et une période comparables
SaaS Capital 2025	Entreprises SaaS B2B privées	Rétention brute médiane du revenu de 91 % et rétention nette de 101 % (benchmarks de rétention SaaS Capital)	Comparaisons de rétention du revenu seulement
Lighter Capital 2025	155 startups SaaS B2B privées, données jusqu’en 2024	Churn clients médian de 16,25 % (benchmark Lighter Capital)	Startups SaaS B2B en phase de démarrage
RevenueCat 2025	Apps à abonnement	Près de 30 % des abonnements annuels résiliés le premier mois (rapport RevenueCat)	Abonnements annuels d’apps mobiles
Étude Recurly publiée en 2025	Clients d’abonnements e-commerce aux États-Unis et en Europe	74 % des abonnés e-commerce partis après leur première année, d’après une enquête auprès de 1 000 consommateurs (article d’Internet Retailing)	Abonnements e-commerce grand public

Lisez chaque ligne par unité et par population. UserMotion sépare churn volontaire et involontaire, donc sa part involontaire vous donne un contrôle distinct sur les échecs de paiement plutôt que sur l’insatisfaction produit. SaaS Capital a sa place dans les discussions de rétention du revenu, et dit peu de chose du churn clients en entreprise facturé au siège, où un compte perdu peut effacer les gains de plusieurs expansions. Lighter Capital décrit des startups privées ; RevenueCat mesure le premier mois des offres annuelles d’apps ; l’enquête de Recurly mesure les abandons de première année dans l’e-commerce grand public. Une moyenne d’entreprise peut cacher tout ce mélange.

Un benchmark mérite sa place quand il change la comparaison que vous faites ensuite. Faites d’abord correspondre le type de client, la structure du contrat et l’indicateur. Comparez ensuite votre segment à la ligne la plus proche et notez chaque écart : facturation annuelle ou mensuelle, grand public ou B2B, clients ou revenu, volontaire ou involontaire. Les chiffres publics de Recurly par secteur et par niveau de prix sont réunis dans les benchmarks de taux de churn.

Le contrôle utile le plus simple est votre churn clients mensuel à côté du taux mensuel d’un benchmark correspondant, avec votre part involontaire indiquée à part. Si le benchmark est annuel, fondé sur le revenu ou tiré d’une autre population de clients, gardez-le comme contexte et construisez l’objectif à partir de vos propres cohortes.

Comment trouver les facteurs qui font bouger le churn ?

Une fois que vous savez quels clients partent, comparez ce que les partants avaient en commun avec ce qu’avaient ceux qui restent. Les champs utiles incluent l’onboarding terminé, l’usage actif des débuts, les sièges utilisés contre les sièges achetés, les tickets de support, le NPS, la source d’inscription et le moyen de paiement. Le but n’est pas de collecter chaque attribut. C’est de trouver une différence qui vous donne une question testable.

Disons, à titre d’exemple hypothétique, que 55 % des clients qui partent ont terminé l’onboarding, contre 80 % de ceux qui restent. Cet écart appelle une enquête : peut-être qu’un onboarding incomplet va avec plus de churn, ou peut-être qu’une autre différence entre les groupes explique les deux. Vérifiez combien de clients se trouvent derrière chaque part avant de donner la priorité au résultat. Un petit échantillon peut rendre instable une différence qui semble grande. Pour recueillir le contexte des résiliations, utilisez un questionnaire sur les motifs de résiliation ; pour des modèles qui notent chaque client, voyez prédire le churn avec les données clients.

Testez avant de généraliser : si un onboarding incomplet est associé aux départs, changez une partie du parcours d’onboarding pour un groupe défini de nouveaux clients. Comparez la courbe de cohorte de ce groupe à celle d’un groupe témoin sur la même période d’observation. Une comparaison peut repérer un facteur prometteur ; un test contrôlé montre si le changer fait une différence.

Tenez un court journal avec l’attribut, les tailles d’échantillon observées, l’interprétation, le test proposé et le résultat. Ce registre fait de la revue suivante une suite de la collecte de preuves, pas une nouvelle série d’hypothèses. Il empêche aussi une corrélation de devenir une règle avant que quelqu’un ait testé le mécanisme.

Comment mener une revue mensuelle du churn ?

Rendez la revue mensuelle reproductible. Utilisez un seul jeu de définitions, conservez la photo de départ et attribuez une action au facteur le plus clair au lieu de finir sur un tableau de bord de variations inexpliquées. Les indicateurs eux-mêmes sont présentés dans le tableau de bord du churn.

1. 01 Base de départ MRR et clients à une date fixe
2. 02 Churn clients Clients perdus ÷ clients au départ
3. 03 Rétention du revenu MRR perdu, rétention brute et nette
4. 04 Décomposer le churn Volontaire, involontaire, récupéré
5. 05 Plus grosses pertes Segments qui perdent le plus de MRR
6. 06 Responsable et test Une personne, une action, consignée

1. Récupérez la base de départ. Notez le MRR et le nombre de clients en début de période, avec la même date de photo chaque mois.
2. Calculez le churn clients. Comptez les clients perdus sur la période et divisez par le nombre de clients au départ.
3. Calculez la rétention du revenu. Mesurez le MRR perdu, la rétention brute et la rétention nette, avec des définitions constantes pour la contraction et l’expansion.
4. Décomposez le churn. Séparez les départs volontaires des involontaires et gardez à part les échecs de paiement récupérés.
5. Examinez les plus grosses pertes de revenu. Passez en revue les segments qui perdent le plus de MRR, pas seulement ceux qui ont les plus hauts taux de churn. Comparez chacun au benchmark le plus proche et notez les limites de cette comparaison.
6. Désignez un responsable et un test. Donnez à chaque facteur confirmé une personne responsable et une prochaine action, puis notez le résultat dans le même journal de revue.

Si le churn involontaire ressort, commencez par les opérations de facturation. Cherchez les cartes expirées et les paiements échoués avant les dates de renouvellement, puis confirmez que les nouvelles tentatives automatiques et les liens de mise à jour de carte tournent. Terminez la revue en consignant au même endroit les définitions des indicateurs, les constats par segment, les résultats de récupération et les tests attribués. La revue suivante part ainsi d’une base constante, et il devient plus facile de voir si une action a changé la tendance.

FAQ

Qu’est-ce que l’analyse du taux de churn ?

C’est le travail qui consiste à décomposer un taux de churn selon ses causes et ses lieux : volontaire ou involontaire, par segment, et selon le moment de la vie du client où le départ arrive. Le but est une prochaine action précise et testable plutôt qu’un chiffre unique à surveiller.

Quelle est la différence entre churn clients et churn du revenu ?

Le churn clients compte les clients perdus, chacun à égalité. Le churn du revenu compte le MRR perdu, donc un gros compte pèse plus qu’un petit. Présentez les deux : ils peuvent évoluer en sens inverse.

Combien de clients faut-il dans un segment pour que son taux de churn veuille dire quelque chose ?

Il n’y a pas de seuil fixe. Avec douze clients, une résiliation fait bouger le taux de plus de 8 points. Affichez toujours le nombre de clients à côté du taux, et regroupez des mois ou des segments jusqu’à ce que ce nombre soit assez grand pour qu’un départ ne fasse pas basculer le résultat.

Les paiements échoués doivent-ils compter comme du churn ?

Seulement une fois la fenêtre de récupération fermée. Un renouvellement échoué payé dans votre fenêtre de nouvelles tentatives est un paiement récupéré, pas du churn. Comptez-le en churn involontaire seulement si le client est encore inactif à la fin de la fenêtre.

Comment NoChurn aide

NoChurn lit les événements d’abonnement de votre outil de facturation (Stripe en un clic, Chargebee, Recurly, Paddle et d’autres par connecteur, ou n’importe quelle facturation par API), donc les départs volontaires et involontaires sont séparés à partir de vrais événements de facturation. Vous pouvez envoyer vos propres attributs clients en un appel d’API, comme la date d’inscription, la source, les sièges, l’usage, l’onboarding ou le NPS, et NoChurn montre lesquels vont avec le churn, avec la taille d’échantillon derrière chaque résultat : corrélation, pas causalité, et seulement un indice tant que les échantillons sont petits. Il détecte quand un client retire sa carte peu avant le renouvellement, relève le score de churn et lance un parcours de rétention avant l’échec du paiement. Pour agir sur ce que montre la revue, il gère la récupération des paiements échoués, des parcours d’annulation avec une offre par motif et une annulation en un clic toujours visible, et des emails de reconquête à 30, 60 et 90 jours. Voyez Custom data & AI, score de churn, paiements échoués et parcours d’annulation.