Module 10 — Projet : segmentation de clientèle documentée

Neuf modules d'outils ; ce dernier les met en ordre de marche sur le cas d'usage le plus courant du non supervisé. L'objectif n'est pas d'obtenir des groupes — n'importe quel algorithme en produit — mais d'obtenir des segments que l'entreprise utilisera vraiment. La différence tient presque entièrement à la démarche.

Étape 1 — Cadrer avant de calculer

La question à poser d'abord n'est pas « quel algorithme ? » mais « segmenter pour quoi faire ? ». Une segmentation destinée à des campagnes marketing, une autre à anticiper le désabonnement, une troisième à dimensionner un service client ne retiendront pas les mêmes variables et ne produiront pas les mêmes groupes. Il n'existe pas de segmentation universelle, seulement des segmentations adaptées à une décision.

Deux exigences en découlent immédiatement : un nombre de segments compatible avec l'action (quatre traitements différenciés sont opérables, quinze ne le sont pas), et le refus de toute variable indisponible au moment d'agir — l'écho direct de la règle de formulation du cours supervisé.

Étape 2 — Choisir et préparer les variables

C'est ici que se gagne ou se perd le résultat, bien plus qu'au choix de l'algorithme. Le cadre RFM est la base éprouvée en clientèle : récence (date du dernier achat), fréquence (nombre d'achats), montant (panier moyen ou cumul). On l'enrichit selon l'usage — ancienneté, diversité des catégories, canal préféré, taux de retour.

Trois précautions déterminantes :

• standardiser, sans exception — la leçon du module 1, sous peine que la variable de plus grande amplitude décide seule des groupes ;
• traiter les distributions très asymétriques : les montants suivent typiquement une loi à longue traîne, et une transformation logarithmique évite qu'une poignée de très gros clients dicte toute la structure ;
• limiter la redondance : dix variables mesurant la même chose la comptent dix fois. Une ACP (module 6) permet à la fois de décorréler et de réduire, ce qui améliore le partitionnement qui suit.

Étape 3 — Comparer plusieurs méthodes

Aucune méthode ne domine a priori ; on en essaie plusieurs et on compare. Une progression efficace :

1. k-moyennes comme référence, avec $k$ exploré via coude et silhouette (modules 2 et 3) ;
2. partitionnement hiérarchique sur un échantillon, pour lire la structure dans le dendrogramme et vérifier le $k$ pressenti (module 4) ;
3. mélange gaussien si les segments paraissent de tailles ou de formes inégales, avec sélection par BIC (module 9) ;
4. DBSCAN si l'on soupçonne des formes irrégulières ou si l'on veut isoler les profils atypiques (module 5).

Le critère de sélection combine ce que le cours a posé : score de silhouette, stabilité sous rééchantillonnage et changement de graine, et interprétabilité des groupes obtenus.

Étape 4 — Caractériser les segments : le cœur du travail

Une colonne de numéros de groupe n'a aucune valeur ; c'est la caractérisation qui crée l'usage. Pour chaque segment, on établit : son effectif et son poids relatif ; le profil moyen de chaque variable, comparé à la moyenne générale ; les écarts saillants qui le distinguent ; et un nom parlant — « jeunes acheteurs fréquents à petit panier », « gros clients dormants ».

Ces écarts à la moyenne générale sont le matériau essentiel : ils disent en quoi le segment est spécifique, et donc ce qu'il faut lui proposer. Un segment que l'on ne parvient pas à nommer est un signal d'alerte — soit les variables sont mal choisies, soit le nombre de groupes est trop élevé.

Étape 5 — Valider, documenter, maintenir

La validation est métier avant tout : présenter les profils à ceux qui connaissent les clients et écouter s'ils reconnaissent leur réalité. Un désaccord franc est plus instructif qu'un bon score de silhouette.

La documentation doit permettre de reproduire et de contester le résultat. Elle consigne l'objectif de la segmentation, la liste des variables et leurs transformations, la méthode retenue et les alternatives écartées avec leur raison, les scores obtenus, les profils nommés et les limites connues.

Enfin, une segmentation vieillit : les comportements évoluent, la clientèle se renouvelle. On prévoit donc un réexamen périodique et un suivi des effectifs par segment, dont la dérive signale qu'il est temps de recommencer.

Deux pièges classiques

La segmentation qui reste dans le notebook : techniquement irréprochable, jamais utilisée, faute d'avoir été cadrée avec ceux qui devaient l'exploiter. Cadrez à l'étape 1 avec eux, pas après. La segmentation trop fine : douze segments au meilleur score, dont personne ne peut différencier le traitement. Quatre segments actionnables valent mieux — la contrainte d'usage prime sur l'optimum statistique.

En résumé

• On cadre d'abord l'usage : la segmentation dépend de la décision qu'elle doit servir, et le nombre de segments doit rester actionnable.
• Le choix et la préparation des variables (RFM, standardisation, transformation des distributions asymétriques, réduction de redondance) pèsent plus que l'algorithme.
• On compare plusieurs méthodes et l'on tranche sur silhouette, stabilité et interprétabilité.
• La caractérisation (profils, écarts à la moyenne, noms) crée la valeur ; la validation est métier, et la segmentation se documente et se réexamine périodiquement.

Dernière étape : la récapitulation et l'examen de 40 questions qui valide l'ensemble du parcours.