L’analyse des clusters, ou classification automatique, est une famille de méthodes statistiques d’analyse multivariée qui regroupe des individus en classes, de sorte que les individus d’une même classe soient plus semblables entre eux qu’avec ceux des autres classes.
Les individus peuvent être des clients, des produits, des points de vente ou des répondants à un questionnaire. Chacun est décrit par des variables : montants d’achat, fréquence, réponses à une enquête, attitudes déclarées. La méthode repose sur deux choix. Le premier est une mesure de ressemblance, le plus souvent une distance calculée sur les variables. Le second est un algorithme de regroupement. Les méthodes hiérarchiques construisent une arborescence de regroupements emboîtés. Les méthodes de partitionnement, comme les k-moyennes (k-means), répartissent directement les individus en un nombre de classes fixé d’avance. D’autres familles définissent les classes comme des zones denses de l’espace des données ou comme les composantes d’un modèle probabiliste.
Le résultat est une typologie. Elle comprend l’appartenance de chaque individu à une classe, le profil moyen de chaque classe et des indicateurs de qualité de la partition.
La méthode relève de l’apprentissage non supervisé, car aucune classe n’est connue au départ. Elle se distingue ainsi de l’analyse discriminante, qui part de groupes connus pour apprendre à y affecter de nouveaux individus. Elle se distingue aussi de l’analyse factorielle, qui résume des variables corrélées au lieu de regrouper des individus. Le mot classification prête à confusion : en anglais, il désigne plutôt l’affectation à des classes déjà connues. En marketing, l’analyse des clusters sert à construire des segmentations de clientèle a posteriori, à regrouper des produits ou des magasins aux comportements proches et à structurer les réponses d’une étude quantitative. Elle fait partie des techniques du data mining.
Le premier piège tient à la méthode elle-même. Un algorithme de classification produit des classes même sur des données sans structure. L’existence d’une typologie ne prouve donc pas que le marché soit segmenté. Nous recommandons de juger une classification sur deux plans à la fois : sa solidité statistique et son utilité pour une décision. Une typologie élégante qui ne change ni l’offre, ni le message, ni le canal n’a pas de valeur marketing.
La documentation de la bibliothèque libre scikit-learn (guide « Clustering », consulté en 2026) rappelle que la méthode des k-moyennes exige de fixer le nombre de classes. Elle précise que son critère, l’inertie intra-classe, suppose des classes convexes et isotropes. Il répond mal à des groupes allongés ou de forme irrégulière. Nous en tirons une conséquence pratique : sur des variables très asymétriques, comme des montants d’achat, une transformation préalable peut changer nettement le résultat.
Le coefficient de silhouette a été proposé par Peter Rousseeuw dans le Journal of Computational and Applied Mathematics en 1987. Il compare, pour chaque individu, la distance moyenne aux membres de sa classe et la distance moyenne à la classe voisine. Il varie de -1 à 1. Une valeur proche de 0 signale des classes qui se chevauchent ; une valeur négative, un individu sans doute mal affecté. Nous ajoutons trois tests d’usage, qui sont des repères de pratique et non des normes :
En une journée de travail, Advalians vous aide à construire un plan marketing annuel qui tranche entre vos segments, chiffré et validé par la direction.
Advalians, cabinet de conseil indépendant en marketing et communication, vous aide à clarifier vos choix et à décider.
La segmentation RFM découpe la clientèle selon trois critères fixés d’avance, la récence, la fréquence et le montant, avec des seuils choisis par l’analyste. L’analyse des clusters laisse les données former les groupes, sur autant de variables que nécessaire.
La première est simple, lisible et facile à recalculer chaque mois. La seconde révèle des groupes qu’on n’attendait pas, mais demande davantage de préparation. Une pratique courante consiste à intégrer les trois indicateurs RFM parmi les variables actives d’une analyse des clusters.
Retenez peu de variables actives, choisies pour leur lien avec la décision à prendre. À titre indicatif, une dizaine suffit souvent : au-delà, les variables redondantes se multiplient et les classes deviennent difficiles à décrire.
Procédez en trois temps. Écartez les variables très corrélées entre elles, qui pèsent double. Standardisez les variables quantitatives. Gardez les autres informations, comme l’âge ou la région, en variables illustratives : elles servent à décrire les classes sans influer sur leur construction.
Croisez des indicateurs statistiques et un critère d’usage. Côté statistique, calculez la silhouette moyenne pour plusieurs solutions, par exemple de trois à huit classes, et repérez le point où la baisse de l’inertie intra-classe ralentit nettement.
Côté usage, retenez la solution dont chaque classe appelle une action distincte et compte assez d’individus pour être servie. Si deux solutions sont proches, préférez la plus simple. Vérifiez enfin la stabilité : relancez l’analyse sur un échantillon différent et comparez les classes obtenues.
Parce que les méthodes de partitionnement, comme les k-moyennes, partent de centres initiaux tirés au hasard et peuvent aboutir à des solutions différentes. Le résultat dépend de ce point de départ.
Trois parades existent. Lancez l’algorithme avec de nombreuses initialisations et gardez la meilleure solution. Fixez la graine aléatoire pour rendre le calcul reproductible. Testez la stabilité sur plusieurs sous-échantillons. Si les classes changent fortement malgré cela, la structure des données est faible : réduisez le nombre de classes ou revoyez les variables.
Choisissez des critères simples quand la décision repose sur une ou deux variables connues, comme le canal d’achat ou la récence. Le découpage est alors transparent et facile à appliquer en ciblage.
Réservez l’analyse des clusters aux cas où plusieurs dimensions se combinent, comme des usages, des attitudes et des montants. Renoncez-y si la base compte peu d’individus, si les données sont incomplètes ou si personne ne peut ensuite exploiter les classes dans les outils de campagne.
Modèles, grilles et guides prêts à l’emploi pour vos projets marketing et communication.
