/cas d’usage
Anticipation des départs clients par l’IA
Des signaux de départ lus dans vos historiques, des appels passés avant la résiliation.
L’anticipation des départs, ou prédiction de l’attrition client (churn), attribue à chaque client, abonné ou adhérent une probabilité de partir dans les mois qui viennent. Un modèle d’apprentissage automatique (Machine Learning) la calcule sur vos historiques de commandes, de contrats, de paiements et de réclamations. Vos commerciaux ou vos conseillers reçoivent la liste des comptes à appeler, avec le motif de chaque alerte.
/usages
Une prédiction de l’attrition pour toute relation récurrente.
Un abonné résilie, un client professionnel commande ailleurs, un adhérent ne renouvelle pas sa cotisation : le départ peut se lire dans les données avant la lettre de résiliation. Le score signale ces clients tant qu’une relance peut encore changer leur décision.
- Abonnements et contrats Signale les abonnés dont l’usage décroît ou dont l’échéance approche sans signe de renouvellement.
- Clients professionnels Détecte le compte dont les commandes s’espacent ou se limitent à quelques références, signe possible que le reste s’achète ailleurs.
- Adhérents et sociétaires Suit la participation, le recours aux services et les cotisations dans une mutuelle, une coopérative ou une association.
- Clientèle de détail Distingue, parmi les clients identifiés en caisse, ceux qui reviennent moins souvent ou achètent moins à chaque passage.
/fonctionnement
Un score d’attrition appris sur les départs passés de vos clients.
Des ensembles d’arbres de décision (gradient boosting) apprennent sur vos données en tableaux ; une méthode d’explication (valeurs de Shapley) indique, pour chaque client, le poids de chaque signal dans son score. Recalculé chaque semaine ou chaque mois, ce score ne déclenche aucun envoi : vos équipes choisissent qui appeler et quoi proposer.
- Lire les signaux à partir de la fréquence, du montant et de l’ancienneté des achats, de l’usage et des incidents
- Comparer les trajectoires en opposant, à date égale, les clients partis à ceux qui sont restés
- Estimer une probabilité sous la forme d’un risque de départ propre à chaque client
- Fixer le seuil d’alerte en fonction du nombre d’appels que vos équipes peuvent réellement passer
/prérequis
Des historiques datés, reliés à un identifiant client unique.
Chaque événement (commande, contrat, réclamation, connexion) doit être daté et rattaché au bon client. Cela suppose de rapprocher des logiciels qui se parlent rarement : facturation, gestion commerciale, support, site ou application.
- Historique transactionnel Couvre plusieurs années de commandes, de contrats ou de cotisations, avec dates, montants et annulations.
- Traces d’usage Mesurent les connexions à un service en ligne, les fonctions utilisées et leur évolution.
- Circuit de relance Désigne qui reçoit les alertes, dans quel délai et avec quelle latitude pour proposer une remise ou un geste commercial.
En 2023, 51 assureurs européens interrogés par l’EIOPA prédisaient les résiliations par l’IA.
/sur le terrain
Des écueils connus, un démarrage sur un produit pilote.
Plusieurs difficultés reviennent d’un projet à l’autre : des départs trop rares pour fonder une prévision sûre, le risque d’alertes si nombreuses qu’elles lassent les commerciaux, des résultats très dépendants de la qualité des données.
Tout commence par la remise en ordre des ventes passées : un historique propre, centralisé dans un entrepôt commun, qu’un changement de logiciel de gestion peut retarder. Le modèle démarre ensuite sur un produit pilote, choisi pour la profondeur de son historique, puis peut servir de socle à la recommandation.
- Agir plus tôt en alertant le commercial avant la baisse effective des achats
- Comprendre les abandons à partir des motifs relevés à chaque alerte, pour ajuster l’offre
- Repérer des ventes croisées à partir du même historique client
/cadre
Un score qui oriente l’appel, une décision laissée au conseiller.
Un score de départ calculé sur des particuliers ou des entrepreneurs individuels traite des données personnelles et relève du RGPD. Nous le concevons pour ordonner les appels : le conseiller voit le score et ses motifs, puis choisit seul de rappeler, de proposer une offre ou de ne rien faire. Aucune résiliation, aucun refus ni aucun tarif n’en découle sans examen humain.
Arrêt SCHUFA (CJUE, communiqué) (nouvel onglet)Règlement européen sur l’IA, annexe III (nouvel onglet)Veille réglementaire
- Annexe III Classe à haut risque, dans le règlement européen sur l’IA, l’évaluation de la solvabilité des particuliers et la tarification de leur assurance-vie ou maladie, pas la prévision des départs. Obligations applicables le 2 décembre 2027.
- Arrêt SCHUFA Qualifie de décision individuelle automatisée, en principe interdite, le score de solvabilité auquel une banque accorde un rôle déterminant dans l’octroi d’un crédit (CJUE, C-634/21, 7 décembre 2023).
- Prix personnalisé Doit être annoncé au consommateur avant le contrat, en vente à distance, quand le prix d’une offre de fidélisation repose sur une décision automatisée (article L. 221-5 du code de la consommation).
/méthode
Un projet d’attrition client conduit de la définition au suivi.
Le score s’affiche dans votre logiciel de relation client (CRM). Le modèle se construit, se relie à vos logiciels et se maintient dans la durée, hébergé sur vos serveurs ou chez un hébergeur en France. Une plateforme d’IA générative peut prérédiger le message de relance, que le conseiller relit avant envoi.
- DÉFINITION La définition du départ, l’horizon de prévision et l’action attendue après chaque alerte s’arrêtent avec vos directions commerciale et financière.
- HISTORIQUE La situation de chaque client se reconstitue à chaque date passée, sans aucune information postérieure à son départ, telle que le modèle la verra en service.
- VALIDATION Le modèle s’entraîne sur les années anciennes et se mesure sur la plus récente, qu’il n’a jamais vue ; ses motifs passent ensuite au crible de vos commerciaux.
- SUIVI Un groupe témoin, signalé mais non relancé, mesure l’effet réel des appels ; le modèle se réentraîne quand vos offres ou vos prix évoluent.
/dans votre secteur
Le même cas d’usage, décliné secteur par secteur.
-
Repère le client professionnel dont les commandes ralentissent ou le porteur de carte de fidélité qui espace ses visites, pour que le commercial appelle ou que le marketing relance avant qu’il parte.
-
Repère les adhérents et assurés qui risquent de résilier, après une hausse de cotisation, un sinistre mal vécu ou une réclamation restée ouverte, pour que le conseiller les appelle avant l’échéance.
-
Repère dans le portefeuille du cabinet les clients qui envoient leurs pièces de plus en plus tard, discutent les honoraires ou réduisent leur mission, pour que l’associé les rappelle avant la reconduction.
-
Repère les adhérents dont les apports ou les achats baissent, ou qui livrent une part croissante de leur récolte ailleurs, pour que la coopérative agisse avant leur départ.
/à savoir
Les questions fréquentes sur la prédiction de l’attrition client.
SegmentationDiagnostic Data IAcontactez-nous
Quelle différence entre segmentation client et prédiction du churn ?
La segmentation regroupe vos clients par profils proches, sans chercher à prédire un événement. La prédiction de l’attrition apprend sur les départs déjà constatés et donne à chaque client une probabilité de partir. Les deux se combinent : le segment suggère l’offre, le score désigne qui appeler en premier.
Combien coûte un projet de prédiction du churn ?
Le coût tient surtout aux logiciels à relier et au suivi du modèle dans la durée. Le modèle lui-même, appris sur des tableaux de données, tourne sur un serveur ordinaire, sans processeur graphique. Chaque offre ou gamme ajoutée demande en revanche ses propres signaux de départ, donc un travail de données supplémentaire.
Comment savoir si un modèle de churn fonctionne ?
Deux mesures se lisent ensemble : la précision, part des clients alertés qui sont effectivement partis, et le rappel (recall), part des départs que le modèle a signalés à temps. Relever le seuil d’alerte gagne en précision et perd en rappel. Ces mesures se calculent aussi par type de clientèle : un modèle juste en moyenne peut manquer les départs des plus gros comptes.
Comment prédire le churn sans contrat ni abonnement ?
Sans résiliation explicite, le départ se définit par un silence : aucune commande depuis une durée anormale au regard du rythme habituel du client. Le modèle mesure alors l’écart entre ce rythme et les achats récents.
/sources
Sources
- EIOPA, Report on the digitalisation of the European insurance sector, 2023 (enquête), publié en 2024 (nouvel onglet)
- Cour de justice de l’UE, communiqué de presse n° 186/23, 2023 (nouvel onglet)
- Commission européenne, AI Act Service Desk, Annexe III du règlement (UE) 2024/1689, 2024 (nouvel onglet)
- Commission européenne, page « AI Act » (digital-strategy), 2026 (nouvel onglet)
- Légifrance, ordonnance n° 2021-1734 du 22 décembre 2021, 2021 (nouvel onglet)
/cas proches
- Classement de documents Trie, étiquette et range les documents entrants pour accélérer leur traitement et fiabiliser leur archivage.
- Prévision de la demande Anticipe volumes, ventes ou fréquentation à partir de l’historique, pour ajuster stocks, équipes et approvisionnements.
- Maintenance prédictive Repère dans les données des capteurs les signes avant-coureurs d’une panne, pour intervenir avant l’arrêt.
- Détection d’anomalies et de fraudes Signale les transactions, déclarations ou mesures atypiques, pour qu’un expert les examine en priorité.
- Priorisation des dossiers Classe dossiers, demandes ou prospects selon leur urgence ou leur probabilité d’aboutir, pour mieux répartir le travail.
- Segmentation Regroupe clients, produits ou sites aux comportements proches, pour adapter les offres et les actions à chacun.
/contact
Travaillons ensemble
Découvrez comment Inceptive peut vous aider à transformer votre activité et à résoudre des problématiques opérationnelles complexes grâce à l’intelligence artificielle.