Qu'est-ce que l'analyse de cohorte ? Définition, exemples et comment en réaliser une (2026)

L'analyse de cohorte regroupe les individus en fonction de leur date d'inscription, puis suit chaque groupe séparément au fil du temps. Au lieu d'obtenir un chiffre global et fusionné pour l'ensemble des utilisateurs, vous obtenez une ligne par mois de départ. Cette séparation est tout l'intérêt de la démarche, car elle montre si le produit s'améliore ou se détériore pour les personnes qui arrivent aujourd'hui.

Ce guide présente la définition de l'analyse de cohorte, explique pourquoi les moyennes globales induisent en erreur et détaille comment lire le tableau triangulaire. Il aborde également les deux principaux types de cohortes ainsi que les erreurs qui rendent un rapport de cohorte trompeur.

Qu'est-ce que l'analyse de cohorte ?

Une cohorte est un groupe de personnes qui partagent un événement initial au cours d'une même période. Tous les utilisateurs inscrits en mars forment la cohorte de mars. Tous ceux qui ont effectué un premier achat au deuxième trimestre (Q2) forment la cohorte du Q2.

L'analyse de cohorte mesure chacun de ces groupes sur une même échelle temporelle. Non pas « mars 2026 par rapport à avril 2026 » sur le calendrier, mais « mois 1 par rapport au mois 2 » à partir de la date de départ propre à chaque groupe. C'est ce décalage qui rend la comparaison équitable.

Le résultat se présente généralement sous la forme d'un tableau triangulaire. Les lignes représentent les cohortes dans leur ordre de départ. Les colonnes indiquent l'ancienneté depuis le début. La forme triangulaire apparaît car la cohorte la plus récente n'a atteint que le premier mois, tandis que la plus ancienne dispose de données sur l'ensemble de la période.

Pourquoi une moyenne globale masque le problème

Voici la situation que l'analyse de cohorte permet de mettre en lumière.

Cohorte	Utilisateurs	Rétention mois 1	Rétention mois 3
Janvier	1,000	45%	28%
Février	1,600	41%	25%
Mars	2,400	36%	21%
Avril	3,600	30%	—

Dans cet exemple, le nombre total d'utilisateurs actifs a augmenté chaque mois. Un tableau de bord suivant les utilisateurs actifs mensuels semblerait excellent. Pourtant, la croissance masque le fait que le produit fidélise moins bien chaque nouveau groupe que le précédent.

Le taux de rétention global masque cette réalité pour la même raison. La moyenne de chaque mois est dominée par la cohorte la plus importante, et la plus grande cohorte est toujours la plus récente. Il est impossible de discerner une tendance dans un chiffre dont la composition change constamment.

Les cohortes corrigent ce biais en refusant de fusionner les données. La rétention au mois 1 de janvier reste à 45 % pour toujours. Lorsque celle d'avril s'établit à 30 %, la baisse est flagrante.

Comment lire un tableau de cohorte

Les lignes sont les cohortes, les colonnes représentent l'ancienneté

Chaque ligne correspond à un groupe défini par sa date de départ. Chaque colonne représente le temps écoulé depuis ce départ, et non une date du calendrier. Le mois 0 correspond à la période de départ et affiche presque toujours 100 %.

Lisez une colonne de haut en bas pour évaluer votre progression

C'est le sens de lecture le plus utile, et pourtant celui que l'on oublie souvent. Fixez la colonne du mois 1, puis lisez de haut en bas. Si les chiffres diminuent à mesure que vous descendez, cela signifie que chaque nouveau groupe présente une moins bonne rétention que le précédent. Il s'agit d'un problème lié au produit ou à l'acquisition, et il se produit en ce moment même.

Lisez une ligne de gauche à droite pour observer l'attrition d'un groupe

Une seule ligne montre la courbe d'attrition d'une cohorte. Pour la plupart des produits, on observe une baisse brutale lors de la première période, puis une stabilisation. Le point de stabilisation importe plus que la baisse initiale, car il correspond approximativement à votre taux de rétention à long terme.

La diagonale représente le calendrier

Tout ce qui se trouve sur une même diagonale s'est produit au cours du même mois civil. Un incident qui affecte une diagonale, comme une panne ou un changement de tarification, touche toutes les cohortes en même temps, quel que soit leur âge. Si un mauvais chiffre s'aligne le long d'une diagonale plutôt que d'une colonne, la cause est un événement ponctuel et non une différence de qualité entre les cohortes.

Cohortes d'acquisition et cohortes comportementales

Les cohortes d'acquisition regroupent les utilisateurs selon leur date d'arrivée. Le mois d'inscription est le critère par défaut. Elles permettent de savoir si les personnes qui arrivent aujourd'hui sont plus ou moins engagées que celles arrivées auparavant.

Les cohortes comportementales regroupent les utilisateurs selon leurs actions. Par exemple, les utilisateurs ayant configuré une intégration dès la première semaine par rapport à ceux qui ne l'ont pas fait. Elles permettent d'identifier quelle action précoce est prédictive de la fidélisation.

Ces deux approches ont des rôles différents. Les cohortes d'acquisition diagnostiquent la tendance générale au fil du temps. Les cohortes comportementales indiquent ce qu'il faut modifier. Les équipes qui se limitent au premier type peuvent constater un déclin sans savoir comment y remédier.

Une troisième variante, les cohortes par taille ou par offre, regroupe les utilisateurs selon le niveau de leur compte. Elle s'avère utile lorsque les clients grands comptes et les clients en libre-service se comportent de manière totalement différente, rendant une courbe globale non représentative pour les deux catégories.

Construire une cohorte à la main

La méthode manuelle fonctionne et mérite d'être comprise au moins une fois, même si vous l'automatisez par la suite.

Obtenez une ligne par événement utilisateur. Vous avez besoin d'un identifiant utilisateur, de la date d'inscription ou du premier achat, et des dates d'activité ultérieures. Un tableau récapitulatif ne peut pas être converti en cohortes, car le regroupement s'effectue au niveau de chaque ligne.

Ajoutez une colonne de cohorte. Ramenez la date d'inscription au mois correspondant. Chaque utilisateur porte désormais l'étiquette du groupe auquel il appartient.

Ajoutez une colonne d'indice de période. Pour chaque ligne d'activité, calculez le nombre de mois écoulés entre le mois d'inscription et le mois d'activité. Cela déterminera la position de la colonne dans le tableau final.

Créez un tableau croisé dynamique. Placez le mois de cohorte en ligne, l'indice de période en colonne, et le nombre d'utilisateurs uniques en valeurs. La page de Microsoft créer un tableau croisé dynamique explique la marche à suivre.

Convertissez les effectifs en pourcentages. Divisez chaque cellule par l'effectif du mois 0 de la ligne correspondante. Les valeurs absolues sont illisibles lorsque l'on compare des cohortes de tailles différentes.

Aucune de ces étapes n'est difficile. Cependant, elles doivent toutes être répétées à chaque arrivée de nouvelles données, et le calcul de l'indice de période échoue dès que le format de date change.

Comment en créer une avec Powerdrill Bloom

Si les données utilisateur se trouvent déjà dans un fichier d'export, vous pouvez vous passer de l'étape du tableau croisé dynamique.

Étape 1 : Importez vos données utilisateur

Glissez-déposez l'export Excel, CSV ou TSV contenant vos inscriptions et vos événements d'activité. Vous pouvez charger plusieurs fichiers simultanément, ce qui permet de fusionner un fichier d'utilisateurs et un fichier d'événements en une seule étape. La détection des colonnes et l'analyse des dates s'effectuent dès l'importation, étape à laquelle la méthode manuelle pose généralement problème.

Étape 2 : Décrivez la cohorte en langage naturel

Indiquez ce que vous souhaitez regrouper et mesurer : « regrouper les utilisateurs par mois d'inscription, puis afficher la rétention mensuelle pour les douze premiers mois sous forme de pourcentage ». L'agent crée la colonne de cohorte, calcule l'indice de période et génère le tableau. Si vous demandez plutôt une cohorte comportementale ou une granularité hebdomadaire, il reconstruit le tableau au lieu de vous obliger à restructurer la source.

Étape 3 : Exportez le graphique, le rapport ou la présentation

Exportez le résultat sous forme de graphique, intégrez-le dans un rapport écrit ou convertissez votre espace de travail en diapositives pour votre présentation. Les styles Professional, Business et Fancy s'exportent vers PowerPoint ou Notion. Pour l'aspect visuel, consultez comment créer un graphique de rétention de cohorte, ainsi que le générateur de graphiques IA pour obtenir d'autres types de graphiques à partir du même fichier.

Erreurs courantes

Choisir la mauvaise granularité. Des cohortes mensuelles pour un produit utilisé quotidiennement masquent tous les comportements intéressants de la première semaine. À l'inverse, des cohortes hebdomadaires ou quotidiennes pour un produit utilisé trimestriellement génèrent du bruit. Adaptez la granularité au rythme naturel d'utilisation.

Lire les lignes en ignorant les colonnes. La ligne vous indique comment un groupe s'est désengagé. La colonne vous indique si vous vous améliorez. C'est la colonne qui fournit les informations exploitables.

Comparer des cohortes incomplètes. La cohorte la plus récente n'existe pas depuis assez longtemps pour avoir des données au mois 6. Laisser une cellule incomplète dans le tableau risque de faire interpréter une valeur faible comme un effondrement.

Des cohortes trop petites pour être significatives. Une cohorte de quarante utilisateurs produit des pourcentages de rétention qui fluctuent de manière disproportionnée à cause de quelques individus seulement. Élargissez la période ou acceptez que la ligne ne donne qu'une tendance générale.

Présenter des cohortes sans indiquer leur taille. Un pourcentage sans dénominateur conduit inévitablement à des erreurs d'interprétation. Indiquez l'effectif du mois 0 dans la première colonne.

Définir la rétention de manière trop vague. Le terme « actif » doit désigner une action bien précise. Se connecter et effectuer une action clé sont deux définitions très différentes ; les mélanger d'une période à l'autre rend le tableau incohérent.

En résumé

L'analyse de cohorte sépare les utilisateurs selon leur date d'arrivée afin que la croissance ne masque pas l'attrition. Lisez les colonnes de haut en bas pour voir si chaque nouveau groupe est plus performant que le précédent. Lisez les lignes de gauche à droite pour observer comment un groupe se désengage et à quel niveau il se stabilise.

La création repose sur temps de cinq étapes mécaniques qui se répètent à chaque mise à jour. Essayez Powerdrill Bloom gratuitement — importez votre export d'utilisateurs, décrivez la cohorte en langage naturel et exportez le tableau directement dans une présentation. Pour comparer les solutions, consultez les outils d'IA pour l'analyse de cohorte.

Questions fréquentes

À quoi sert l'analyse de cohorte ?

Elle montre si un produit s'améliore pour les personnes qui s'inscrivent aujourd'hui par rapport à celles qui se sont inscrites plus tôt. Ses applications courantes incluent le suivi de la rétention, le diagnostic de l'attrition (churn), la mesure de l'impact d'un changement dans le parcours d'intégration (onboarding) et la comparaison de la qualité plutôt que du volume des canaux d'acquisition.

Quelle est la différence entre une cohorte et un segment ?

Une cohorte est définie par une période de départ commune, et ses membres n'en changent jamais. Un segment est défini par un attribut (comme le pays ou l'offre d'abonnement), et un utilisateur peut y entrer ou en sortir. Les cohortes suivent l'évolution dans le temps, tandis que les segments décrivent une population à un instant T.

Comment choisir la période de la cohorte ?

Adaptez-la à la fréquence d'utilisation du produit. Les cohortes quotidiennes ou hebdomadaires conviennent aux produits à haute fréquence d'utilisation, tandis que les cohortes mensuelles correspondent aux cycles d'abonnement ou d'achat. Si la majeure partie de la perte d'utilisateurs se produit avant votre première colonne, la granularité est trop large.

Puis-je faire une analyse de cohorte dans Excel ?

Oui. Ajoutez une colonne pour le mois de cohorte et une autre pour l'indice de période dans vos lignes d'événements. Créez un tableau croisé dynamique croisant la cohorte et l'indice de période avec le nombre d'utilisateurs uniques, puis divisez chaque cellule par l'effectif de départ de sa ligne. Le calcul est simple, c'est sa répétition qui le rend fastidieux.

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

Il varie beaucoup trop d'une catégorie à l'autre pour qu'un indicateur de référence unique soit utile. Comparez plutôt vos propres cohortes entre elles. Une courbe qui se stabilise au lieu de continuer à chuter est le signal le plus important à observer.