Le taux de rétention, ou retention rate, est le pourcentage de clients ou d’utilisateurs présents au début d’une période qui le sont encore à la fin. Il mesure la capacité d’un produit à conserver sa base existante, indépendamment des nouveaux clients acquis pendant cette même période.
Vous cherchez la formule, la manière de lire une courbe de rétention et la différence exacte avec le taux de churn ? Cet article est là pour ça. Il prend aussi un parti, annoncé tout de suite : un taux de rétention réduit à un seul pourcentage ne dit presque rien. Ce qui s’interprète, c’est la forme que prend ce pourcentage dans le temps, cohorte par cohorte.
Mon article en bref
Le taux de rétention est l’envers arithmétique du taux de churn : mesurer l’un, c’est mesurer l’autre. Ce qui les sépare n’est pas le calcul, c’est la lecture. Le churn se lit comme un taux de période ; la rétention se lit comme une courbe, suivie sur la vie d’une cohorte, et c’est la forme de cette courbe qui porte l’information.
Voici les points essentiels à retenir :
- Définition : la part des clients présents en début de période qui le sont encore à la fin, hors nouveaux venus.
- Formule : ((clients en fin de période − nouveaux clients acquis) ÷ clients en début de période) × 100.
- Lien avec le churn : rétention = 100 % − churn. Les deux mesurent la même réalité, vue des deux côtés.
- Ce qui compte vraiment : la forme de la courbe — un palier qui se stabilise, ou une pente qui continue vers zéro.
- La bonne unité d’analyse : la cohorte, c’est-à-dire un groupe d’utilisateurs entrés à la même période et suivi dans le temps.
Sommaire
Qu’est-ce que le taux de rétention ? Définition
Le taux de rétention, également appelé retention rate ou taux de fidélisation, exprime la proportion d’une base existante qui reste active d’une période à l’autre. Il ignore volontairement les nouveaux venus : son objet est de savoir ce que devient une population déjà là. C’est un indicateur d’usage, pas un indicateur de croissance.
La mesure suppose deux décisions préalables, souvent prises implicitement et rarement écrites : définir ce qu’est un utilisateur « retenu » — un compte encore facturé, une connexion, une action précise dans le produit — et fixer la période de référence. Ces deux choix déterminent à eux seuls l’ordre de grandeur du résultat.
Rétention et churn : la même mesure vue des deux côtés
Autant le dire franchement : le taux de rétention et le taux de churn mesurent exactement la même chose, vue des deux côtés du miroir. Rétention = 100 % − churn. Un produit à 8 % de churn mensuel est un produit à 92 % de rétention mensuelle ; le second chiffre n’apporte rien de plus que le premier.
Le calcul du churn, le débat sur le dénominateur à retenir, les raisons pour lesquelles les clients partent et les leviers pour les retenir sont traités dans l’article qui lui est consacré : ils ne sont pas repris ici. Ce qui justifie un article séparé est ailleurs, et tient en une phrase : les deux indicateurs ne se lisent pas de la même façon. Le churn se commente comme un taux de période, un chiffre du mois comparé au mois précédent. La rétention se lit comme une trajectoire, suivie sur la durée de vie d’un groupe d’utilisateurs. Même arithmétique, deux objets d’analyse.
Rétention client, rétention utilisateur, rétention de revenus
Avant de calculer quoi que ce soit, il faut décider ce que l’on retient. Trois objets coexistent sous le même mot, et les confondre produit des débats stériles en comité de pilotage.
- La rétention client — on compte des contrats ou des comptes payants. C’est la lecture des modèles d’abonnement, la plus proche du MRR et la plus simple à auditer.
- La rétention utilisateur — on compte des personnes actives selon une définition d’activité choisie. C’est la lecture des produits gratuits et des applications mobiles.
- La rétention de revenus — on compte du chiffre d’affaires conservé, ce qui permet aux montées en gamme de compenser les départs. Un produit peut perdre des clients et gagner du revenu la même année.
Un taux de rétention annoncé sans préciser lequel des trois il désigne n’est pas une information, c’est un argument.
Comment calculer le taux de rétention ?
La formule standard tient en une ligne : taux de rétention = ((clients en fin de période − nouveaux clients acquis sur la période) ÷ clients en début de période) × 100. La soustraction est le cœur du calcul : elle retire de l’effectif final tout ce qui n’était pas là au départ, pour ne mesurer que la survie de la population initiale.
Prenons un exemple fabriqué pour la démonstration. Un service compte 1 200 clients au 1er janvier, en acquiert 300 pendant le mois et en dénombre 1 350 au 31 janvier. Le calcul donne (1 350 − 300) ÷ 1 200 = 0,875, soit 87,5 % de rétention mensuelle. Autrement dit, 150 des 1 200 clients de départ sont partis — ce que le churn de 12,5 % exprime déjà, dans l’autre sens.
Le piège du calcul : oublier de retirer les nouveaux clients
L’erreur la plus répandue consiste à diviser directement l’effectif final par l’effectif initial. Sur le même exemple, 1 350 ÷ 1 200 donnerait 112,5 %, un taux supérieur à 100 % qui n’a aucun sens : on ne conserve pas plus de clients qu’on n’en avait. Ce résultat mesure la croissance nette, où l’acquisition masque intégralement les départs — exactement ce que la rétention est censée empêcher.
Deux précautions complètent le calcul. La période doit épouser le rythme naturel du produit : mensuelle pour un abonnement mensuel, hebdomadaire pour une application à usage fréquent, annuelle pour un contrat pluriannuel. Et la définition de l’activité retenue doit rester identique d’une mesure à l’autre, sans quoi la série devient incomparable avec elle-même.
Pourquoi un pourcentage seul ne veut rien dire
Imaginons deux produits qui affichent tous les deux 40 % de rétention à six mois. Le premier est descendu à 40 % dès le deuxième mois et n’a plus bougé. Le second était à 80 % au deuxième mois et perd une dizaine de points chaque mois. Le chiffre annoncé est le même, les deux situations n’ont rien en commun : le premier produit a trouvé un noyau d’utilisateurs qui reviennent, le second se vide et sera à zéro avant la fin de l’année.
C’est pour cette raison que la rétention se représente en courbe et non en valeur unique. On place en abscisse le temps écoulé depuis l’entrée dans le produit — jour 1, jour 7, mois 1, mois 2 — et en ordonnée la part de la population initiale encore active. La courbe part de 100 % et descend ; toute la question est de savoir où elle s’arrête de descendre.
La courbe qui s’aplatit contre la courbe qui tombe à zéro
Deux formes s’opposent. La première chute fortement sur les premières périodes, puis s’infléchit et se stabilise sur un palier, parfois appelé socle : au-delà d’un certain point, la population restante ne s’érode presque plus. Ce palier signale un usage réellement récurrent, un produit qui a trouvé sa place dans une routine. La seconde forme ne s’infléchit jamais : la pente se poursuit jusqu’à ce qu’il ne reste plus personne. Elle décrit un produit consommé une fois, ou un besoin ponctuel qui ne revient pas.
La distinction est ancienne. Dès 2014, dans un billet publié sur le blog d’Andrew Chen, Jamie Quint posait la règle suivante : ne pas travailler la croissance ni la viralité tant que la rétention n’est pas stable, autrement dit tant qu’elle continue de décroître passé un délai raisonnable. La logique est arithmétique : sans palier, chaque utilisateur acquis finit par disparaître et l’acquisition ne fait que remplir un récipient percé. Un palier, à l’inverse, est le signal le plus couramment cité d’un product market fit.
Le décrochage se joue dans les premières périodes
Sur presque toutes les courbes, la partie la plus abrupte est la première : les utilisateurs qui n’ont jamais réellement adopté le produit partent tôt, et cette chute initiale pèse plus lourd que toute l’érosion ultérieure. Améliorer la rétention commence donc par l’accueil des nouveaux venus, pas par des relances envoyées à ceux qui sont déjà partis.
La courbe indique où et quand le produit perd du monde, jamais pourquoi. Le diagnostic vient d’ailleurs : de l’instrumentation du produit — le domaine du product analytics — et surtout de la parole des utilisateurs, recueillie par entretien ou par retour client. La courbe désigne l’endroit où creuser ; elle ne creuse pas.
La rétention par cohorte, mode d’emploi
Une cohorte est un groupe d’utilisateurs qui partagent une caractéristique d’entrée commune, le plus souvent la période d’acquisition. La documentation de Google Analytics 4 en donne une définition opérationnelle utile : dans son exploration des cohortes, on définit un « critère d’inclusion » qui fait entrer un utilisateur dans le groupe, puis un « critère de retour » qui détermine s’il y reste. Ces deux critères sont le vrai paramétrage de la mesure.
Le raisonnement par cohorte résout un problème que la moyenne globale masque : sur une base en croissance, un taux agrégé mélange des utilisateurs inscrits la semaine dernière et d’autres présents depuis trois ans, dont les comportements n’ont rien à voir.
Comment lire un tableau de cohortes
Le tableau ci-dessous est un exemple fabriqué pour l’illustration. Chaque ligne est une cohorte mensuelle, chaque colonne son âge en mois écoulés depuis l’inscription.
| Cohorte | Mois 0 | Mois 1 | Mois 2 | Mois 3 | Mois 4 |
|---|---|---|---|---|---|
| Janvier (1 000 inscrits) | 100 % | 42 % | 33 % | 29 % | 27 % |
| Février (1 150 inscrits) | 100 % | 44 % | 35 % | 31 % | — |
| Mars (980 inscrits) | 100 % | 51 % | 42 % | — | — |
Deux lectures cohabitent dans cette grille, et elles répondent à des questions différentes.
- En ligne, de gauche à droite : la courbe de vie d’une cohorte. Celle de janvier chute de 58 points le premier mois, puis de 9, de 4, de 2 : la pente s’écrase, un palier se dessine autour de 27 %.
- En colonne, de haut en bas : la comparaison de cohortes différentes au même âge. Au mois 1, on passe de 42 % à 44 % puis 51 % : les cohortes récentes se comportent mieux que les anciennes. C’est la seule façon rigoureuse de vérifier qu’un changement produit a eu un effet.
Les cellules vides ne sont pas des trous de données : la cohorte de mars n’a pas encore atteint son quatrième mois. Comparer des cohortes d’âges différents reste l’erreur de lecture la plus fréquente sur ce type de grille.
Rétention bornée ou non bornée : le réglage qui change tout
Un même jeu de données produit deux courbes très différentes selon la règle de comptage. La documentation de Mixpanel distingue explicitement, dans son rapport de rétention, un mode « on or after », non borné — l’utilisateur est compté s’il revient à cette période ou plus tard — et un mode « on », borné, où il doit revenir exactement à la période considérée. Le premier est le réglage par défaut, parce qu’il colle mieux au fonctionnement réel des produits.
L’écart n’est pas anecdotique. En mode strict, un utilisateur connecté les mois 1 et 3 mais pas le mois 2 crée un creux artificiel dans la courbe, alors qu’il n’a jamais quitté le produit. Si je devais ne retenir qu’un réglage à vérifier avant de commenter une courbe, ce serait celui-là : deux équipes qui ne l’ont pas aligné ne parlent pas du même indicateur.
Calculateur de courbe de rétention par cohorte
Tracez une courbe de rétention par cohorte
Renseignez la taille de chaque cohorte au départ, puis le nombre d’utilisateurs encore actifs à chaque période. Laissez vides les périodes non encore atteintes. Le calculateur trace une courbe par cohorte, dit si la première trouve un palier, et compare les deux au même âge.
Cohorte A (la plus ancienne)
Cohorte B, plus récente (facultative)
Le verdict porte sur la cohorte A et compare la pente de ses trois dernières périodes à celle du départ. Un palier n’est jamais parfaitement plat : une érosion résiduelle inférieure à un point par période suffit à parler de socle. Les deux boutons d’exemple remplissent la cohorte A seule.
Ce que la rétention permet de décider
Un indicateur n'a de valeur que par les décisions qu'il permet de trancher. La courbe de rétention en éclaire trois.
- Quand investir en acquisition — sans palier, chaque utilisateur acquis finira par partir : le budget entretient alors une illusion de croissance.
- Sur quelle durée de vie raisonner — le niveau du palier borne la durée pendant laquelle un client contribue au revenu.
- Quel moment du parcours retravailler — la zone la plus abrupte de la courbe désigne l'endroit où l'effort rapporte le plus.
Rétention, LTV et NPS : trois lectures complémentaires
La rétention conditionne directement la customer lifetime value : la durée de vie moyenne d'un client dépend du niveau où la courbe se stabilise, et toute LTV calculée sur une courbe sans palier est une extrapolation. Rapportée au coût d'acquisition client, elle dit si le modèle tient. Le Net Promoter Score apporte autre chose : une intention déclarée, recueillie auprès de ceux qui sont encore là. Un NPS élevé sur une courbe qui s'effondre signale simplement qu'on interroge les survivants.
Côté outillage, les plateformes d'analyse produit intègrent toutes un rapport de rétention par cohorte, Pendo comme les solutions citées plus haut. Le choix de l'outil compte moins que la constance de la définition d'activité qu'on y paramètre.
Existe-t-il un « bon » taux de rétention ?
La question revient systématiquement et la réponse honnête est décevante : il n'existe pas de seuil universel. Un logiciel de facturation ouvert une fois par mois et une application consultée trois fois par jour n'ont ni la même période de référence, ni la même définition de l'activité.
Les « taux de rétention moyens par secteur » qui circulent abondamment appellent la même prudence : dans leur immense majorité, ils proviennent de livres blancs d'éditeurs dont la méthodologie n'est pas publiée et dont l'échantillon n'est pas consultable. Reprendre un tel chiffre pour se rassurer, c'est fabriquer une vanity metric à partir d'une donnée invérifiable. La seule comparaison qui tienne est interne : votre cohorte de ce mois-ci contre la même cohorte six mois plus tôt.
Mon avis, pour finir : le principal service que rend la rétention n'est pas de fournir un chiffre à mettre dans un tableau de bord, mais d'imposer une discipline de mesure. Écrire ce qu'est un utilisateur actif, geler cette définition, la suivre par cohorte et accepter de voir la courbe telle qu'elle est — c'est cet exercice qui fait progresser une équipe produit, bien plus que le pourcentage qui en sort.
FAQ — Tout savoir sur le taux de rétention
Quelle est la formule du taux de rétention ?
Taux de rétention = ((clients en fin de période − nouveaux clients acquis sur la période) ÷ clients en début de période) × 100. La soustraction des nouveaux clients est indispensable : sans elle, on mesure la croissance nette et non la conservation de la base existante.
Quelle est la différence entre taux de rétention et taux de churn ?
Aucune sur le fond : rétention = 100 % − churn. Les deux mesurent la même réalité, l'une par ce qui reste, l'autre par ce qui part. La différence est d'usage : le churn se commente comme un taux de période, la rétention se lit comme une courbe suivie sur la vie d'une cohorte.
Qu'est-ce qu'un bon taux de rétention ?
Il n'existe pas de seuil universel : tout dépend de la fréquence d'usage attendue, de la période retenue et de la définition de l'activité. Les moyennes sectorielles qui circulent proviennent le plus souvent de sources non consultables. La comparaison utile est interne, d'une cohorte à l'autre.
Comment dit-on taux de rétention en anglais ?
On dit retention rate, ou customer retention rate lorsqu'il s'agit spécifiquement de clients. L'analyse par groupe s'appelle cohort retention analysis, et la représentation graphique retention curve.
Qu'est-ce qu'une cohorte de rétention ?
C'est un groupe d'utilisateurs entrés dans le produit à la même période, suivi séparément dans le temps. Chaque cohorte a sa propre courbe. Comparer plusieurs cohortes au même âge permet de vérifier si les évolutions du produit améliorent réellement la rétention.
Comment mesurer la rétention d'une application mobile ?
Avec des périodes courtes, généralement le jour 1, le jour 7 et le jour 30 après l'installation, puisque l'usage attendu est quotidien ou hebdomadaire. Le principe reste identique : une cohorte d'installations, une définition d'activité stable, et une courbe dont on surveille l'aplatissement.
Le taux de rétention peut-il dépasser 100 % ?
En rétention client ou utilisateur, non : on ne conserve pas plus de personnes qu'on n'en avait. Un résultat supérieur à 100 % trahit un calcul qui n'a pas retiré les nouveaux venus. En rétention de revenus, en revanche, un dépassement est possible lorsque les montées en gamme compensent les départs.
