Les données extrapolées sont des valeurs estimées, et non observées, obtenues en prolongeant au-delà de la période, du périmètre ou de la population mesurés une tendance ou une relation établie sur des données existantes.
En statistique, l’extrapolation consiste à déduire, à partir d’une formule ou d’une loi qui décrit une série de valeurs, des valeurs situées en dehors des limites observées. C’est le sens retenu par le Grand dictionnaire terminologique de l’Office québécois de la langue française. Le procédé suppose que la relation constatée reste valable hors du domaine mesuré.
Trois usages sont courants en marketing. La projection dans le temps prolonge une série passée pour estimer des ventes ou une audience futures. La généralisation applique à une population entière un résultat mesuré sur un panel ou un échantillon. Le redressement d’une mesure partielle applique à la part non observée le comportement mesuré sur la part observée, par exemple pour estimer les conversions des internautes qui ont refusé les traceurs. Toute donnée extrapolée repose sur des données sources, un modèle, une hypothèse de stabilité et une incertitude, que l’on exprime par une marge d’erreur ou une fourchette.
Elle se distingue de l’interpolation, qui estime une valeur à l’intérieur de l’intervalle observé, et de la donnée observée, mesurée directement. L’analyse prédictive est plus large : elle recourt à des modèles variés, souvent appris sur des données individuelles, pour estimer un événement futur. La projection dans le temps en est une forme simple, qui s’appuie sur la modélisation statistique. Les données extrapolées sont fréquentes dans les prévisions de ventes, les études de marché, la mesure d’audience et les rapports des plateformes publicitaires.
Le risque principal tient à la présentation. Dans un tableau de bord, une valeur estimée a la même apparence qu’une valeur mesurée. Les plateformes publicitaires en donnent un exemple. L’aide de Google Ads (« About modeled online conversions », consultée en 2026) explique que des conversions sont modélisées lorsqu’elles ne peuvent pas être observées : navigateurs qui limitent les cookies, internautes qui refusent les traceurs. Ces conversions modélisées figurent dans la même colonne que les conversions observées, avec le même niveau de détail. Leur valeur peut encore évoluer pendant plusieurs jours. Nous recommandons d’indiquer, dans chaque rapport, quelle part de chaque indicateur est estimée.
Toute extrapolation suppose que l’on peut prolonger ce que l’on a mesuré. Cette hypothèse est d’autant plus fragile que l’on s’éloigne des données. Prolonger la croissance d’un lancement sur trois ans revient à supposer que le marché ne sature pas. Appliquer à toute la clientèle un taux mesuré sur les internautes qui ont accepté les traceurs suppose que les deux groupes se comportent de la même façon. Ce n’est pas acquis : ceux qui refusent peuvent avoir d’autres habitudes.
Mesurez l’écart entre la valeur extrapolée et la valeur réalisée, période après période. Un écart moyen exprimé en pourcentage donne un premier repère pour comparer plusieurs méthodes, à condition que les valeurs réelles ne soient pas proches de zéro. Suivez aussi le sens de l’écart : une méthode qui surestime à chaque période trahit une hypothèse biaisée, pas un aléa. Pour une généralisation à partir d’un échantillon, vérifiez la taille de l’échantillon et l’intervalle de confiance associé.
Le livre blanc gratuit d’Advalians recense onze erreurs de mesure courantes, avec pour chacune un test et une correction, pour décider de votre budget sur des chiffres solides.
Advalians, cabinet de conseil indépendant en marketing et communication, vous aide à clarifier vos choix et à décider.
L’interpolation estime une valeur située à l’intérieur de la plage observée, par exemple les ventes d’une semaine manquante entre deux semaines connues. L’extrapolation estime une valeur située en dehors de cette plage : un mois futur, une population non interrogée. L’interpolation est en général plus sûre, car la valeur est encadrée par des observations.
Règle pratique : plus la valeur estimée est éloignée des données observées, plus la fourchette présentée doit être large. Indiquez toujours laquelle des deux méthodes a été employée.
Avec prudence et sur un horizon limité. Avec quelques mois d’historique, contentez-vous d’une projection de tendance sur la période suivante, en neutralisant les effets connus : promotions, saisonnalité, lancement. Si possible, appuyez-vous sur l’historique d’un produit comparable pour estimer la saisonnalité.
Présentez trois scénarios, bas, central et haut, avec l’hypothèse de chacun écrite en clair. Recalculez la projection chaque mois, dès que de nouvelles données arrivent. Pour un horizon plus long, préférez une modélisation statistique plus complète.
Comparez-la à la valeur réelle dès que celle-ci est connue, et suivez l’écart dans le temps. Un écart moyen en pourcentage, calculé sur plusieurs périodes, permet de juger la méthode.
Regardez aussi le sens de l’écart. Une méthode qui se trompe tantôt à la hausse, tantôt à la baisse subit des aléas. Une méthode qui surestime à chaque période repose sur une hypothèse biaisée et doit être revue. Avant même ce contrôle, faites expliciter l’hypothèse de départ par celui qui a produit le chiffre.
Le principal risque est de la prendre pour une mesure. Mêlée à des données observées, sans signalement, elle donne une fausse impression de précision et peut fausser une décision budgétaire.
Exigez trois mentions dans chaque rapport : la part estimée de chaque indicateur, la méthode employée et l’hypothèse retenue. Vérifiez aussi les rapports de vos plateformes publicitaires, qui peuvent intégrer des conversions modélisées dans les mêmes colonnes que les conversions observées. Comparez les tendances plutôt que les valeurs absolues lorsque la méthode a changé.
Renoncez à extrapoler lorsque la situation à estimer diffère de celle qui a été mesurée : nouveau marché, rupture de prix, changement de réglementation, crise. Renoncez aussi si l’échantillon de départ n’est pas représentatif de la population visée, ou si l’horizon à estimer dépasse la période couverte par l’historique, par exemple une année entière à partir de quelques mois.
Dans ces cas, préférez une mesure directe, même partielle, ou un test sur un périmètre réduit. À défaut, présentez des scénarios contrastés plutôt qu’un chiffre unique, en indiquant clairement qu’il s’agit d’hypothèses de travail.
Modèles, grilles et guides prêts à l’emploi pour vos projets marketing et communication.
