L’analyse des clusters hiérarchiques, ou classification hiérarchique, est une méthode statistique de classification automatique qui construit une suite de partitions emboîtées d’un ensemble d’individus, représentée par un arbre appelé dendrogramme.
Sa forme la plus courante est ascendante, d’où le sigle CAH, pour classification ascendante hiérarchique. Au départ, chaque individu forme une classe à lui seul. À chaque étape, l’algorithme fusionne les deux classes les plus proches, jusqu’à ce que tous les individus soient réunis en une seule. La forme descendante procède à l’inverse : elle part de l’ensemble et le divise par étapes. Le dendrogramme garde la trace de chaque fusion et du niveau de distance auquel elle a eu lieu. Couper l’arbre à une hauteur donnée fournit une partition, dont le nombre de classes est choisi après le calcul.
La méthode repose sur deux choix. Le premier est la distance entre individus, souvent la distance euclidienne pour des variables quantitatives. Le second est le critère d’agrégation, qui définit la distance entre deux classes : lien minimum, lien maximum, lien moyen ou critère de Ward. Ce dernier fusionne à chaque étape les deux classes dont la réunion augmente le moins la dispersion à l’intérieur des classes.
La classification hiérarchique est l’une des familles de l’analyse des clusters. Elle se distingue des méthodes de partitionnement, comme les k-moyennes, qui demandent de fixer le nombre de classes avant le calcul et ne livrent qu’une partition. Elle se distingue aussi de l’arbre de segmentation, qui découpe une population en fonction d’une variable à expliquer, alors que la classification hiérarchique ne connaît aucune variable cible et relève de l’apprentissage non supervisé. En marketing et en études, elle sert à construire des typologies de clients, de produits ou de répondants, souvent à partir des résultats d’une analyse des correspondances multiples.
On présente souvent la méthode comme celle qui dispense de choisir le nombre de classes. C’est inexact : elle déplace ce choix après le calcul. Son véritable atout est ailleurs. Le dendrogramme montre à quels niveaux les regroupements sont nets et à partir de quel niveau ils deviennent arbitraires. Nous y voyons d’abord un outil de discussion. Montrer l’arbre à une équipe marketing permet de débattre du niveau de détail utile, par exemple quelques grands segments pour la stratégie et des sous-groupes plus fins pour l’animation commerciale.
Le critère change le résultat. La documentation de la bibliothèque libre scikit-learn (guide « Clustering », consultée en 2026) résume les principaux : le critère de Ward minimise la somme des carrés des écarts à l’intérieur des classes ; le lien maximum, la plus grande distance entre individus de deux classes ; le lien moyen, leur distance moyenne ; le lien minimum, la distance entre les individus les plus proches. Elle note que la classification ascendante tend à produire des classes de tailles inégales. Le lien minimum est le pire critère sur ce point, Ward donne les tailles les plus régulières. Le lien minimum, peu robuste au bruit, se calcule en revanche très efficacement. Pour une typologie de clients destinée à l’action, nous recommandons de partir du critère de Ward, puis de contrôler la robustesse avec un autre critère.
Sur de gros volumes, le calcul devient un frein. La même documentation indique que l’approche ascendante est coûteuse sans contraintes de connectivité, car elle examine à chaque étape toutes les fusions possibles. Une pratique courante pour une base de données clients volumineuse consiste à former d’abord quelques dizaines de petites classes par partitionnement, puis à appliquer la classification hiérarchique à leurs centres.
Trois repères se complètent. La hauteur des fusions : un saut marqué signale qu’on réunit des classes très différentes. La part de la dispersion totale expliquée par la partition, que le critère de Ward permet de suivre classe après classe. Le coefficient de silhouette, enfin, vérifie que chaque individu est plus proche de sa classe que de la classe voisine.
Le modèle de plan marketing 2027 d’Advalians, gratuit, propose la méthode utilisée par le cabinet en atelier pour bâtir un plan arbitré et validé par la direction.
Advalians, cabinet de conseil indépendant en marketing et communication, vous aide à clarifier vos choix et à décider.
La classification hiérarchique produit un arbre de partitions emboîtées et laisse choisir le nombre de classes après le calcul. La méthode des k-moyennes (k-means) exige ce nombre au départ et livre une seule partition, en réaffectant les individus jusqu’à stabilité.
En pratique, la première éclaire la structure des données et aide à fixer le nombre de classes. La seconde traite rapidement de grands volumes et corrige les affectations. Sur une base clients, combiner les deux est courant : arbre pour choisir, k-moyennes pour consolider.
Procédez en deux temps, car l’approche ascendante compare toutes les fusions possibles à chaque étape et devient lente sur de gros volumes, hors lien minimum. Regroupez d’abord les clients en petites classes par une méthode de partitionnement, par exemple quelques dizaines. Appliquez ensuite la classification hiérarchique aux centres de ces classes, pondérés par leur effectif.
Coupez l’arbre obtenu, puis consolidez par quelques itérations de partitionnement sur l’ensemble des clients. Conservez la règle d’affectation pour classer les nouveaux clients sans tout recalculer.
Coupez juste avant un saut marqué dans la hauteur des fusions : à ce niveau, l’algorithme commencerait à réunir des classes très différentes. Comparez ensuite deux ou trois coupures plausibles.
Pour chacune, calculez la part de la dispersion expliquée et la silhouette moyenne. Vérifiez qu’aucune classe ne compte trop peu d’individus pour être servie. Retenez enfin la coupure dont les classes appellent des actions différentes. Si deux coupures se valent, préférez celle qui donne le moins de classes.
Parce qu’ils ne mesurent pas la même chose. Le lien minimum relie deux classes dès que deux de leurs individus sont proches. Il produit souvent une grande classe qui absorbe tout et quelques individus isolés. Le critère de Ward cherche des classes compactes et de tailles plus régulières.
Le risque est de retenir le critère qui conforte une intuition. Fixez le critère avant le calcul, en fonction de l’usage. Comparez ensuite les classes obtenues avec un second critère : celles qui se retrouvent dans les deux solutions sont les plus fiables.
Préférez-la quand le nombre de classes n’est pas connu et que vous voulez montrer comment les groupes s’emboîtent, par exemple pour une première analyse des comportements d’achat. Elle convient aussi aux petits ensembles, comme une gamme de produits ou des répondants d’enquête.
Sur des centaines de milliers d’individus, préférez l’approche mixte, sauf avec le lien minimum, plus rapide à calculer mais sensible au bruit. Si les classes attendues ont des formes irrégulières, comparez le lien minimum à une méthode fondée sur la densité, qui tolère mieux les individus isolés. Dans tous les cas, consolidez la partition retenue.
Modèles, grilles et guides prêts à l’emploi pour vos projets marketing et communication.
Besoin d'un conseil indépendant sur ce sujet ?
Échanger