« J’arrête le mailing papier. » Le dirigeant l’a annoncé en réunion sans laisser de place au débat. Son entreprise de Cesson, trente-huit salariés, entretient des matériels de cuisine professionnelle pour des cantines, des cliniques et des restaurants d’entreprise. Le mailing lui coûtait six mille deux cents euros par an. Personne autour de la table n’a su dire ce qu’il rapportait, ni prouver qu’il rapportait quoi que ce soit. Personne n’a su prouver l’inverse non plus. C’est précisément cette impasse que l’IA pour mesurer l’impact de ses actions marketing permet de sortir de l’ornière, à condition d’accepter une méthode un peu rude.
La seule question qui compte, et personne ne la pose
Mesurer l’impact d’une action ne consiste pas à compter ce qui s’est passé après. Cela consiste à estimer ce qui se serait passé sans elle. La différence entre les deux porte un nom savant, le contrefactuel, et une réalité très concrète : vous n’observerez jamais les deux mondes en même temps. Un mailing envoyé en septembre est suivi de vingt-huit demandes de devis. Combien seraient arrivées de toute façon, portées par la reprise de septembre, par un contrat-cadre qui arrivait à échéance, par un concurrent en difficulté ?
Sans réponse à cette question, un rapport d’activité n’est qu’une chronologie. Il décrit, il ne démontre rien.
Le réflexe habituel consiste à comparer avec l’année précédente. C’est mieux que rien et c’est piégeux : le marché a bougé, la concurrence aussi, deux commerciaux sont partis, et la saison de renouvellement des contrats de restauration collective ne tombe jamais exactement à la même date. Comparer deux septembres revient à comparer deux entreprises différentes portant le même nom.
Le test d’arrêt, méthode brutale et honnête
La façon la plus fiable de savoir si une action sert à quelque chose reste de l’arrêter et de regarder. Trois à six semaines, selon la longueur de votre cycle de vente, en notant à l’avance ce que vous attendez et à partir de quel écart vous conclurez. Cette dernière précision fait toute la différence entre une expérience et une justification après coup.
La méthode a mauvaise presse. On craint de casser une dynamique, de laisser un concurrent occuper le terrain, d’avoir à s’expliquer si les chiffres tombent. Ces craintes sont légitimes sur un canal qui construit la notoriété dans la durée, beaucoup moins sur une dépense récurrente reconduite par habitude depuis quatre ans. Nous proposons presque systématiquement une pause d’un mois sur la ligne la plus chère et la moins documentée. Le refus du dirigeant est souvent plus instructif que le test lui-même.
Variante plus confortable, l’arrêt géographique. Vous coupez sur deux départements et vous maintenez ailleurs, puis vous comparez l’évolution des deux zones sur la même période. L’entreprise de Cesson a procédé ainsi, en suspendant le mailing sur la Seine-et-Marne et le Loiret tout en le maintenant sur le reste de son territoire. Le risque commercial devient minime, et la comparaison élimine d’un coup la saisonnalité, la météo et l’air du temps.
Ce que l’outillage statistique apporte, et à quel prix
Un modèle de séries temporelles apprend le rythme normal de votre activité à partir de l’historique : tendance de fond, cycles saisonniers, effet des jours fériés et des vacances scolaires, particularités de votre portefeuille. Il produit ensuite une prévision de ce qui aurait dû arriver, et l’écart entre cette prévision et le réel constitue une estimation de l’effet. Avec vingt-six mois de facturation exploitable, l’entreprise a obtenu une lecture bien plus fine que le simple écart d’une année sur l’autre.
Deuxième apport, la détection de ruptures. Le modèle signale les moments où la série change de comportement, sans qu’on ait besoin de lui dire où chercher. C’est ainsi qu’on a découvert que la vraie inflexion de l’année ne venait pas du mailing mais de l’ouverture d’une ligne téléphonique dédiée aux urgences, décidée par le responsable technique sans consultation du marketing.
Le prix à payer se résume en un mot : humilité. Ces modèles donnent des intervalles, pas des verdicts. La sortie honnête ressemble à « effet compris entre moins deux et plus onze pour cent », ce qui déçoit toujours celui qui attendait un chiffre unique à afficher au comité de direction. Les entreprises qui progressent le plus vite sur ces sujets sont celles qui ont atteint une vraie maturité dans leur usage de l’IA et qui savent lire une fourchette sans exiger une décimale.
Le bruit, ennemi numéro un des petites séries
Neuf cents contrats de maintenance et une trentaine de nouvelles affaires par trimestre : sur de tels volumes, la variation naturelle d’un mois sur l’autre atteint facilement dix pour cent. Un effet réel de cinq pour cent est donc invisible, quel que soit l’outil employé. Ce n’est pas une faiblesse du modèle, c’est une limite mathématique, et aucun budget logiciel ne la contourne.
Deux conséquences pratiques. Ne testez que des actions dont vous attendez un effet suffisamment gros pour dépasser le bruit. Et allongez la période d’observation plutôt que de conclure au bout de dix jours, quitte à ne trancher qu’au trimestre suivant.
Ce que nous constatons chez nos clients, c’est que la moitié des désaccords sur l’efficacité d’une action viennent d’un problème plus prosaïque : les données n’existent pas. Les demandes entrantes arrivent par téléphone et ne sont enregistrées nulle part, les devis n’ont pas de date d’origine, les clients revenus après deux ans comptent comme des nouveaux. Six semaines de mise en ordre du CRM valent mieux que six mois de discussions méthodologiques, et ce chantier reste le premier que nous ouvrons, comme le rappelle notre panorama des usages métier.
Ce que le mailing de Cesson a fini par révéler
Sur les deux départements mis en pause, les demandes de devis ont reculé de quatre pour cent, dans le bruit. Sur le renouvellement des contrats arrivant à échéance, en revanche, l’écart atteignait dix-sept points. Le mailing ne faisait pas venir de nouveaux clients ; il rappelait aux anciens qu’il fallait resigner. Personne ne l’avait formulé ainsi en quatre ans d’envois.
La décision finale n’a donc été ni de garder ni de couper. Le mailing a été recentré sur les contrats à échéance dans les quatre mois, ce qui a divisé le volume par trois et le coût dans les mêmes proportions, à effet équivalent.
Retenez ceci si vous ne deviez retenir qu’une chose : un test d’arrêt bien conçu vaut mieux qu’un modèle sophistiqué mal alimenté. Mobiliser l’IA pour mesurer l’impact de ses actions marketing a du sens une fois que vous savez formuler l’hypothèse à tester et que vos données tiennent debout. Avant cela, le meilleur outil du marché ne fera qu’habiller votre intuition d’une couche de graphiques. MINOBIA accompagne les dirigeants de PME et d’ETI pour construire ces protocoles simples et les tenir dans la durée.
Questions fréquentes
Combien de temps faut-il couper une action pour conclure ?
Comptez au moins un cycle de vente complet, souvent trois à six semaines dans les PME B2B. Sur un cycle de plusieurs mois, préférez l’arrêt géographique à l’arrêt total.
N’est-il pas dangereux de suspendre une campagne qui fonctionne ?
Le risque existe sur les canaux de notoriété, beaucoup moins sur une dépense récurrente jamais évaluée. Limitez le test à une zone ou à un segment pour le rendre acceptable.
Quel historique faut-il pour obtenir une estimation crédible ?
Deux ans de données propres constituent un bon point de départ, car il faut au moins deux passages sur chaque saison. En dessous d’un an, le modèle confondra saisonnalité et effet de campagne.
Faut-il un outil payant pour ce type d’analyse ?
Pas nécessairement. Un export de facturation et un traitement bien paramétré suffisent pour commencer. L’investissement utile porte sur la qualité des données, rarement sur la licence.
Que faire si le résultat n’est pas concluant ?
Un résultat non concluant est une information : l’effet, s’il existe, est plus petit que ce que vous pouvez détecter. Cela justifie souvent de réduire la dépense plutôt que de la reconduire à l’identique.
À propos de l’auteur
Joël Obitz est entrepreneur et fondateur de MINOBIA, cabinet spécialisé dans l’intégration stratégique de l’intelligence artificielle au sein des PME et ETI. Fort de 20 ans d’expérience dans le B2B industriel, il accompagne les entreprises dans leur transformation numérique, avec une approche directe, pragmatique et orientée résultats.
Contactez-nous : contact@minobia.ai
Suivez-nous sur LinkedIn et Facebook
MINOBIA – Activateur France Num https://www.francenum.gouv.fr/activateurs/minobia
