En bref
L'analyse de cohortes transforme des données brutes de clients en une lecture longitudinale du comportement. En isolant des groupes homogènes et en les suivant dans le temps, vous distinguez les tendances structurelles des variations ponctuelles — et vous identifiez précisément quelle acquisition, quel onboarding ou quel segment produit génère la rétention la plus durable.
Définition complète
Une cohorte est un groupe de clients partageant une caractéristique commune mesurée à un même instant. La forme la plus courante en SaaS est la cohorte d'inscription : tous les clients ayant souscrit en janvier 2025 constituent une cohorte. On peut également constituer des cohortes par canal d'acquisition (organique, payant, referral), par plan (Starter, Growth, Scale), par secteur ou par région.
L'analyse de cohortes consiste à suivre le comportement de chacune de ces cohortes sur des périodes successives : à M+1, M+3, M+6, M+12 après l'inscription. Les métriques suivies varient selon l'objectif : taux de rétention des clients actifs, évolution du revenu généré (MRR par cohorte), engagement produit (sessions, fonctionnalités utilisées), ou encore valeur cumulée (LTV réalisée). C'est cette dimension temporelle qui distingue l'analyse de cohortes d'une simple segmentation statique.
Comment le calculer
La construction d'un tableau de cohortes de rétention suit une logique simple : on fixe la taille initiale de chaque cohorte à 100 %, puis on calcule le pourcentage de clients encore actifs à chaque période suivante.
Formule : Rétention cohorte M+n = (Clients actifs à M+n / Clients de la cohorte à M+0) × 100
Exemple : une cohorte de 80 clients inscrits en janvier, dont 64 sont encore actifs en mars (M+2) → rétention M+2 = 80 %.
Pour une cohorte de revenus, on remplace le nombre de clients par le MRR généré par la cohorte à chaque période. Cette vue permet de mesurer l'expansion nette : une cohorte de revenus dont le MRR à M+12 dépasse 100 % de la valeur initiale indique que l'expansion (upsells, cross-sells) a plus que compensé le churn — signe d'un modèle en negative churn.
- Cohorte de rétention clients : suit le pourcentage de clients actifs par période.
- Cohorte de revenus (MRR) : suit l'évolution du revenu par cohorte, révélant l'expansion nette.
- Cohorte comportementale : suit un comportement spécifique (utilisation d'une fonctionnalité, NPS) pour identifier les signaux prédicteurs de churn ou de rétention.
Exemple concret
Un SaaS B2B analyse deux cohortes d'inscription : janvier 2025 (50 clients, issus principalement de campagnes publicitaires) et février 2025 (45 clients, principalement via recommandation). À M+6, la cohorte de janvier affiche une rétention de 58 % (29 clients actifs), tandis que la cohorte de février atteint 80 % (36 clients actifs). L'écart est significatif et pointe vers une différence de qualité des leads entre les deux canaux.
En analysant les cohortes de revenus pour les mêmes périodes, on constate que la cohorte de février génère à M+6 un MRR équivalent à 112 % de sa valeur initiale — signe que les clients issus de recommandations upgradent davantage et churent moins. Cette donnée oriente directement l'allocation du budget d'acquisition : réduire les dépenses publicitaires à faible rétention et renforcer le programme de parrainage.
Analyse approfondie
L'analyse de cohortes est l'un des rares outils qui permettent de distinguer les tendances structurelles des variations conjoncturelles. Un taux de churn agrégé de 3 % par mois peut masquer des réalités très différentes : une cohorte récente en phase d'onboarding qui churne massivement à M+1, et une cohorte mature parfaitement stabilisée à M+12. Sans la vue par cohorte, ces deux dynamiques s'annulent et vous prenez des décisions sur une moyenne qui ne reflète aucune réalité opérationnelle.
La corrélation entre la courbe de rétention d'une cohorte et sa LTV projetée est directe. Une cohorte qui retient 70 % de ses clients à M+12 génèrera en moyenne 40 % de LTV supplémentaire par rapport à une cohorte à 50 % de rétention, à MRR initial équivalent. C'est pourquoi les équipes produit et customer success les plus rigoureuses pilotent leurs initiatives d'amélioration de l'onboarding en mesurant l'impact sur la rétention M+3 des cohortes suivantes — pas seulement sur le NPS ou le CSAT.
Les cohortes révèlent également les effets de saisonnalité et de maturité du marché que les métriques agrégées effacent. Une entreprise SaaS qui a recruté massivement au premier trimestre 2024 via une promotion de lancement verra une cohorte atypique, à forte rétention initiale mais churn accéléré à M+6 lorsque les tarifs promotionnels expirent. Identifier cette cohorte comme exception permet d'éviter de tirer de fausses conclusions sur l'amélioration globale de la rétention.
Dans le contexte SaaS B2B français, l'analyse de cohortes prend une dimension supplémentaire liée aux cycles contractuels. La majorité des contrats étant annuels, le churn se concentre aux anniversaires contractuels plutôt qu'à des intervalles mensuels réguliers. Une analyse de cohortes mensuelles peut donc sous-estimer le risque réel si elle ne distingue pas les cohortes en période de renouvellement de celles en milieu de contrat. La bonne pratique est de superposer la cohorte de rétention avec le calendrier de renouvellement pour anticiper les fenêtres de risque.
L'analyse de cohortes alimente directement le calcul de la LTV prédictive. Plutôt que d'utiliser la formule simplifiée LTV = MRR moyen / taux de churn mensuel, les opérateurs avancés projettent la LTV par cohorte en intégrant la courbe de rétention réelle observée sur les cohortes matures. Cette méthode est plus précise car elle capture l'effet de plateau : une cohorte qui retient 60 % de ses clients à M+12 et 58 % à M+18 a un profil de rétention très différent d'une cohorte qui retient 80 % à M+12 mais continue à churner jusqu'à M+24.
Erreurs fréquentes
- ✗
Comparer des cohortes de tailles très différentes : une cohorte de 5 clients et une cohorte de 200 clients ne sont pas directement comparables en termes de pourcentage de rétention. Un seul churn dans la petite cohorte représente 20 % de perte ; dans la grande, 0,5 %. Assurez-vous d'avoir un minimum de volume statistique (au moins 20 à 30 clients par cohorte) avant de tirer des conclusions sur les écarts de rétention.
- ✗
Confondre rétention de clients et rétention de revenus : un client qui reste abonné mais qui downgrade de 699 € à 149 €/mois est comptabilisé comme « retenu » dans une cohorte de rétention clients, mais il représente une perte de 79 % de valeur. La cohorte de revenus (ou cohorte MRR) est indispensable pour mesurer la santé économique réelle, pas seulement la présence des clients.
- ✗
Utiliser des cohortes trop granulaires sans volume suffisant : des cohortes hebdomadaires avec 3 à 5 clients par semaine produisent des courbes trop volatiles pour être interprétables. Dans ce cas, agréger en cohortes mensuelles ou trimestrielles est nécessaire pour obtenir des tendances statistiquement exploitables. La granularité doit être adaptée au volume d'acquisition réel.
Comment Fairview suit l'analyse de cohortes
Fairview construit automatiquement les tableaux de cohortes de rétention et de revenus depuis vos données de facturation (Stripe, Chargebee, Paddle) sans configuration manuelle. Les cohortes sont segmentables par canal d'acquisition, plan souscrit et secteur. Le tableau de bord opérationnel affiche les courbes de rétention par cohorte, la LTV projetée par segment et les alertes automatiques lorsqu'une cohorte récente dévie significativement du comportement des cohortes matures — signal d'un problème d'onboarding ou de product-market fit sur un nouveau segment.
En un coup d'œil
- Catégorie
- Rétention & LTV
- Termes associés
- 5 termes
- Publié
- 20 juin 2026
- Temps de lecture
- 8 min
Questions fréquentes
Quelle est la différence entre une cohorte de rétention et une cohorte de revenus ?
Une cohorte de rétention mesure le pourcentage de clients encore actifs à chaque période suivant leur inscription. Une cohorte de revenus suit l'évolution du revenu généré par ce même groupe, intégrant upsells, contractions et churns. La cohorte de revenus révèle la LTV réelle et la capacité d'expansion du compte, là où la cohorte de rétention ne montre que la présence ou l'absence du client.
Comment lire un tableau de cohortes ?
Un tableau de cohortes présente les cohortes en lignes et les périodes de mesure en colonnes. La première colonne indique toujours 100 % — valeur de référence au départ. Les colonnes suivantes indiquent le pourcentage de clients ou de revenus restants à chaque période. Une courbe qui s'aplatit rapidement signale un fort engagement ; une courbe qui continue de baisser uniformément signale un problème de rétention structurel.
Quelle granularité choisir pour les cohortes ?
La granularité dépend de votre cycle de vente et de votre volume. Pour un SaaS B2B avec quelques dizaines de nouveaux clients par mois, des cohortes mensuelles sont adaptées. Pour un produit à fort volume, des cohortes hebdomadaires permettent une analyse plus fine. L'essentiel est de conserver une granularité constante pour permettre la comparaison entre cohortes dans le temps.
Comment utiliser l'analyse de cohortes pour améliorer la rétention ?
Comparez les cohortes à forte rétention avec celles qui churent rapidement. Cherchez les différences : canal d'acquisition, plan souscrit, secteur, comportement produit dans les 30 premiers jours. Si vos cohortes acquises via recommandation affichent une rétention à 12 mois de 80 % contre 50 % pour les cohortes issues de publicité payante, c'est un signal fort pour réorienter votre investissement d'acquisition.
Découvrez-le dans Fairview
Visualisez vos cohortes de rétention et de revenus avec vos données réelles.
Démo en direct de 25 minutes. Tableaux de cohortes configurés sur votre base client réelle dès le premier jour.