← Retour au cours
📏

Marketing, Données et Statistiques

CM 23h30mardi 22 sept. 2026 · 13h30–17h00

Les bases statistiques dont un marketeur a besoin pour lire des données sans se tromper : décrire, comparer, tester, et savoir ce qu'un effectif autorise à conclure — appliqué avec votre agent sur des données réelles.

Statistiques descriptives et dataviz
La distribution : le montant d'une commande
Nombre de commandes par tranche de montant (TTC, livraison comprise)1804710213201683023240157501356010170141806290361003211027120181301014048150+médiane 51,84 €moyenne 62,90 €montant de la commande, en euros (tranches de 10 €)
1445 commandes du 23/06/2025 au 20/09/2026 — Source : orders.csv, une ligne par commande après déduplication sur order_key

Avant toute moyenne, on regarde la forme : la distribution du montant des commandes dit à quoi ressemble un achat typique, et si « typique » veut dire quelque chose.

Sur les 1445 commandes de la boutique, la moitié font moins de 51,84 € et un quart moins de 35,60 € ; un achat sur dix dépasse 106,65 €.

La courbe est asymétrique : beaucoup de petites commandes, une longue traîne de grosses, jusqu'à 390 € ; c'est la forme habituelle d'un panier de commerce en ligne, et elle a une conséquence directe sur la moyenne.

La moyenne, 62,90 €, est tirée vers le haut par cette traîne : 60 % des commandes sont en dessous de la moyenne.

Pour décrire un client typique, la médiane est le bon chiffre ; pour calculer un chiffre d'affaires, c'est la moyenne qui sert, parce que la moyenne fois le nombre de commandes redonne le total.

Une distribution se lit aussi par ses bosses : ici, entre 30 et 60 €, on voit les prix des bougies et des lots, plus les frais de port ; les tranches suivantes correspondent à deux ou trois produits.

Ce que l'agent fait en trente secondes, à condition de lui dire ce qu'est une commande dans ce fichier :

Le panier moyen, et ce qu'il cache
Panier moyen (bleu) et médian (orange) par mois, en euros ; nombre de commandes sous chaque mois25 €50 €75 €100 €25/077625/084025/0916325/105925/1119725/1211326/019826/029926/038526/047126/0510826/068226/075026/082526/09163mois (aa/mm) et nombre de commandes ; septembre 2026 est incomplet
Le panier moyen mois par mois — Source : orders.csv

Le panier moyen est le chiffre que tout le monde demande, et le plus facile à mal lire.

Sur toute la période, il vaut 62,90 € ; mois par mois, il bouge entre 52,14 € et 80,23 €, et le panier médian reste en dessous, toujours.

L'écart entre les deux courbes, c'est la traîne du titre précédent : quand quelques grosses commandes arrivent, la moyenne monte et la médiane ne bouge pas.

Le nombre de commandes, sous chaque mois, compte autant que le panier : le pic est en 2025-11 avec 197 commandes, le creux en 2026-08 avec 25 ; un panier moyen élevé sur un mois de 20 commandes ne dit rien.

Le chiffre d'affaires d'un mois, c'est le panier moyen fois le nombre de commandes : les deux leviers sont différents, faire acheter plus à ceux qui achètent, ou faire acheter plus de gens.

Une moyenne sans son effectif, sans sa médiane et sans sa période n'est pas un chiffre, c'est un slogan.

La fréquence : combien de fois un client revient
Combien de clients ont passé 1, 2, 3, 4, 5 commandes ou plus58170 %1 commande13516 %2 commandes415 %3 commandes304 %4 commandes435 %5 et plus commandes830 clients acheteurs ; en orange, ceux qui sont revenus
La fréquence d'achat par client — Source : orders.csv, commandes groupées par customer_key

La question la moins descriptive du chapitre, et la plus utile : les clients reviennent-ils ?

Sur 830 acheteurs, 581 n'ont commandé qu'une fois, soit 70 % ; 249 sont revenus au moins une fois, et 43 ont passé cinq commandes ou plus.

Ces clients revenus pèsent lourd : ils représentent 63 % du chiffre d'affaires, et les 10 % de clients les plus dépensiers en font 41 %.

C'est la loi de Pareto ordinaire du commerce : une minorité de clients fidèles fait une grande part des ventes, et chaque client qui passe de une à deux commandes vaut plus qu'un nouveau client.

Attention au périmètre : un client sans compte qui a acheté deux fois avec deux adresses mail différentes compte pour deux clients, et la période observée, quinze mois, limite mécaniquement le nombre de réachats possibles.

Le même calcul, fait sur les clients de la première année seulement, donne la vraie propension au réachat ; c'est une question de la séance 4.

La carte : où sont les clients
Chaque point est une commune ; sa surface est proportionnelle au total dépensé par les clients qui y habitent50 €500 €2000 €
742 clients acheteurs français sur 789 ont un code postal reconnu ; ils sont placés au centre de leur commune (538 communes) — Sources : customers.csv, geo.api.gouv.fr pour les coordonnées, france-geojson pour les contours

Une carte est une distribution comme les autres, sur deux dimensions : elle montre où sont les clients et où est l'argent, et elle se lit en une seconde là où un tableau de départements demande une minute.

Chaque client français avec un code postal reconnu est placé au centre de sa commune, et les clients d'une même commune sont regroupés en un point dont la surface est proportionnelle au total qu'ils ont dépensé.

Le Béarn et le Sud-Ouest sautent aux yeux : la boutique vend d'abord près de chez elle, ce qui est normal pour une marque née sur Instagram avec un ancrage local ; puis les grandes villes, Paris, Lyon, Bordeaux, Toulouse, et une dispersion fine sur tout le territoire.

Les cinq premiers départements, Pyrénées-Atlantiques (125 clients), Hautes-Pyrénées (42 clients), Haute-Garonne (28 clients), Gironde (20 clients), Nord (18 clients), regroupent 31 % des clients localisés, répartis sur 91 départements au total.

Ce que la carte ne dit pas : le code postal est celui du compte client, pas forcément l'adresse de livraison ; 47 clients français n'ont pas de code postal exploitable ; les 49 clients belges et suisses sont hors du cadre.

Et ce qu'elle suggère sans le prouver : là où il y a beaucoup de clients mais peu d'argent, ou peu de clients mais beaucoup d'argent, il y a une question ; c'est la séance 4, avec la population de chaque département en face.

Quand commande-t-on : le jour et l'heure
Quand commande-t-on : nombre de commandes par jour de la semaine et heure (plus c'est foncé, plus il y en a)lunmarmerjeuvensamdim0h3h6h9h12h15h18h21h
Les commandes selon le jour et l'heure — Source : orders.csv, champ Created at (heure de Paris)

Le même fichier, une autre question, une autre dataviz : à quel moment les clients achètent-ils ?

Le jour le plus chargé est le dimanche, l'heure la plus chargée 10h, et 25 % des commandes sont passées entre 19h et minuit.

Une carte de chaleur remplace ici quarante-huit barres : on voit d'un coup d'œil la soirée, le week-end, et les heures creuses de la nuit et du matin.

Pour une boutique qui communique sur Instagram, l'heure des commandes est une information directement actionnable : l'heure de publication, l'heure d'envoi d'un e-mail, l'heure d'un code promo.

Elle appelle tout de suite le croisement suivant, les commandes contre l'heure des publications Instagram, qui attend la séance sur les données temporelles.

Un graphique bien choisi rend une lecture évidente ; un graphique mal choisi, un camembert de vingt-quatre heures par exemple, la rend impossible : le choix de la forme est une décision, pas une décoration.

Analyses bivariées
Du descriptif au bivarié : pourquoi croiser
DescriptifBivarié
La questioncombien, quelle forme, quelle moyenneest-ce que ceci va avec cela, et l'écart est-il réel
Exemple35 %% des clients sont revenusceux qui acceptent les e-mails reviennent-ils plus que les autres ?
Ce qu'on obtientun état des lieuxun levier possible, ou l'absence de levier
Le risquedécrire sans conclurelire une cause là où il n'y a qu'une association
L'outilmoyenne, médiane, distribution, cartetableau croisé, boîtes à moustaches, nuage de points, test
Une variable à la fois, puis deux

Le chapitre précédent décrit : une variable, sa distribution, sa moyenne, sa carte ; c'est nécessaire, et ça ne dit jamais quoi faire.

Le bivarié croise deux variables et pose la seule question qui intéresse un décideur : ceci va-t-il avec cela, et si oui, de combien.

Le panier moyen est de 63 € ; c'est un fait ; le panier moyen est-il différent avec un code promo, selon le mode de livraison, selon le nombre d'articles : ce sont des leviers, ou des non-leviers, et c'est ce qu'on va tester.

Chaque croisement se choisit d'après la nature des deux variables : deux qualitatives, un khi² ; une qualitative à deux groupes et une quantitative, un test t ; à plus de deux groupes, une ANOVA ; deux quantitatives, une corrélation.

Dans les quatre cas, la logique est la même : on mesure un écart ou une liaison, puis on demande si le hasard seul aurait pu produire la même chose ; c'est le rôle de la p-value, qui a son titre plus bas.

Et dans les quatre cas, une liaison n'est pas une cause : les clients qui acceptent les e-mails reviennent plus, mais ce sont peut-être les clients déjà convaincus qui acceptent les e-mails.

Le khi² : deux variables qualitatives
Part des clients revenus commander au moins une deuxième fois, selon leur consentement e-mailaccepte les e-mails680 clients35 %236 revenusrefuse les e-mails149 clients9 %13 revenuskhi² = 38,0, p < 0,001, V de Cramer = 0,21
Deux variables qualitatives croisées : le consentement e-mail (customers.csv) et le fait d'être revenu (orders.csv, 829 clients acheteurs rattachés)
Une commandeRevenuTotalPart revenue
accepte les e-mails444 (476)236 (204)68035 %
refuse les e-mails136 (104)13 (45)1499 %
Le tableau croisé ; entre parenthèses, l'effectif attendu si les deux variables étaient indépendantes

Le test du khi² compare un tableau croisé observé au tableau que l'on aurait si les deux variables n'avaient rien à voir : plus l'écart est grand, plus le khi² est grand.

Ici, 35 % des clients qui acceptent les e-mails sont revenus commander, contre 9 % de ceux qui les refusent ; si le consentement n'avait aucun lien avec le réachat, on attendrait à peu près la même part dans les deux lignes.

Le khi² vaut 38,0, p < 0,001 : un tel écart ne se produit pratiquement jamais par hasard ; le lien est établi.

Sa force se mesure à part, par le V de Cramer, 0,21 ici : un lien net, pas écrasant ; le khi² dit si le lien existe, le V dit s'il compte.

Lecture pour la boutique : la base e-mail contient ses clients fidèles, et elle est le premier canal à travailler ; mais rien ne dit que forcer le consentement ferait revenir qui que ce soit, le lien va peut-être dans l'autre sens.

Condition d'emploi : des effectifs attendus d'au moins cinq par case, ce qui est le cas ici ; en dessous, on regroupe des lignes ou on prend le test exact de Fisher.

Le test t : deux groupes, une moyenne
Montant des commandes avec et sans code promo0 €50 €100 €150 €200 €avec code promon = 516 · méd. 53 € · moy. 64,7 €sans code promon = 929 · méd. 52 € · moy. 61,9 €test t de Welch : t = 1,23, p = 0,220 ; Mann-Whitney : p = 0,148
Une boîte à moustaches par groupe : la boîte va du premier au troisième quartile, le trait épais est la médiane, le point noir la moyenne, les moustaches vont jusqu'aux dernières valeurs à moins de 1,5 fois l'écart interquartile ; au-delà, on ne dessine pas les valeurs extrêmes

Question de la boutique : les commandes passées avec un code promo sont-elles plus grosses ?

Le test t compare la moyenne de deux groupes en tenant compte de leur dispersion et de leur taille : 516 commandes avec code, moyenne 64,74 €, contre 929 sans, moyenne 61,89 €.

L'écart observé est de 2,85 € ; le test donne t = 1,23, p = 0,220 : un écart de cette taille arrive facilement par hasard entre deux groupes tirés des mêmes commandes.

Conclusion : rien ne permet de dire que le code promo augmente le panier ; il fait peut-être acheter des gens qui n'auraient pas acheté, ce qui est une autre question, ou il fait une remise à des gens qui auraient acheté de toute façon, ce qui coûte.

Les boîtes à moustaches montrent ce que la moyenne cache : les deux distributions se superposent presque entièrement, avec la même médiane autour de 50 € et la même traîne de grosses commandes.

Les montants ne suivent pas une loi normale, d'où deux précautions : la version de Welch du test, qui ne suppose pas des dispersions égales, et le test de Mann-Whitney, qui compare les rangs plutôt que les moyennes et donne ici la même réponse.

L'ANOVA : plus de deux groupes
Montant des commandes selon le mode de livraison0 €50 €100 €150 €200 €Retrait sur placen = 246 · méd. 40 € · moy. 47,7 €Mondial Relay, en relaisn = 656 · méd. 54 € · moy. 64,8 €Chronopost, en relaisn = 403 · méd. 60 € · moy. 66,3 €À domicilen = 90 · méd. 56 € · moy. 64,1 €ANOVA : F = 13,7, p < 0,001 ; Kruskal-Wallis : p < 0,001
Quatre groupes, une variable quantitative : le mode de livraison choisi et le montant de la commande (1395 commandes avec un mode reconnu)

Quand la variable qualitative a plus de deux modalités, on ne fait pas trois tests t, on fait une analyse de variance : elle teste d'un coup si au moins un groupe a une moyenne différente des autres.

Le mode de livraison en est un bon exemple : retrait sur place, relais Mondial Relay, relais Chronopost, livraison à domicile, avec des paniers moyens de 47,7 €, 64,8 €, 66,3 € et 64,1 €.

F = 13,7, p < 0,001 : les moyennes ne sont pas toutes égales, et les boîtes montrent où est l'écart, le retrait sur place, des commandes plus petites, sans frais de port, souvent locales.

L'ANOVA dit qu'il y a une différence quelque part ; elle ne dit pas entre quels groupes, ce qui demande des comparaisons deux à deux avec une correction pour le nombre de tests, Tukey par exemple.

Le test de Kruskal-Wallis, sa version sur les rangs, confirme, ce qui rassure vu la forme des distributions.

Pour la boutique, la question derrière le test est celle du seuil de livraison offerte : à partir de 79 €, la livraison est gratuite, et une part des gros paniers en relais s'explique par ce seuil, ce que le chapitre suivant permettra de tester toutes choses égales par ailleurs.

La corrélation : deux variables quantitatives
Chaque point est une publication Instagram : ses vues et ses mentions J’aime1001 k10 k100 k1 M10 M1101001 k10 k100 kvues (échelle log) en abscisse, mentions J’aime (échelle log) en ordonnéer de Pearson = 0,89, rho de Spearman = 0,88, r sur les logarithmes = 0,92
620 publications, 2025-2026 — Source : instagram_publications.csv ; les échelles logarithmiques étalent les petites valeurs et rapprochent les virales, sans quoi tout s'écrase dans un coin

Deux variables quantitatives se croisent dans un nuage de points, et leur liaison linéaire se résume par le coefficient de corrélation de Pearson, entre moins un et un.

L'exemple évident d'abord : le nombre d'articles d'une commande et son montant, r = 0,81 ; c'est fort, c'est attendu, et ça ne sert à rien de le tester, on l'apprend en une phrase.

Le même genre d'évidence sur Instagram : les vues et les mentions J’aime des publications, r = 0,89 ; mais le nuage brut serait illisible, parce que quelques reels à plus d'un million de vues écrasent les six cents autres dans un coin, d'où les échelles logarithmiques.

Sur ces échelles, le nuage est une bande étroite autour de la droite : le taux de J’aime par vue est stable d'une publication à l'autre, et les rares points sous la bande sont des reels vus mais peu aimés, ceux qu'on va regarder de près.

L'exemple utile ensuite, celui qui répond à une question qu'on se pose vraiment : la durée d'un reel est-elle liée à ses vues ; rho de Spearman = 0,12, p = 0,004 ; le lien est significatif, le hasard l'explique mal, et il est négligeable, un coefficient de 0,12 ne prédit à peu près rien ; c'est la distinction que le titre suivant développe, et c'est aussi une information : faire plus long ne fait pas voir plus.

Chaque point est un reel : sa durée et ses vues01530456075901001 k10 k100 k1 M10 Mdurée du reel (secondes) en abscisse, vues (échelle log) en ordonnéerho de Spearman = 0,12, p = 0,004 : significatif, et négligeable
592 reels avec une durée renseignée : la longueur ne prédit pas l'audience

Spearman, calculé sur les rangs, résiste aux valeurs extrêmes qui tirent Pearson : sur les vues, deux reels viraux suffisent à faire bouger r ; quand les deux coefficients racontent la même histoire, on est tranquille, quand ils divergent, un point aberrant est en train de parler.

Une corrélation ne dit pas le sens : le prix fait-il baisser les ventes, ou les produits d'appel sont-ils volontairement moins chers ; c'est la régression, au chapitre suivant, qui tient compte de plusieurs variables à la fois.

La p-value : ce qu'elle dit, ce qu'elle ne dit pas
Deux comparaisons de panier moyen, avec pour chaque groupe la moyenne et sa fourchette à 95 %A. Où on livre40 €45 €50 €55 €60 €65 €70 €75 €47,7 €retrait sur placen = 24664,8 €relais Mondial Relayn = 656écart 17,0 € · t = 5,6 · p < 0,001B. Code promo ou pas40 €45 €50 €55 €60 €65 €70 €75 €64,7 €avec code promon = 51661,9 €sans code promon = 929écart 2,9 € · t = 1,2 · p = 0,220
Le point est la moyenne du groupe, la barre est la fourchette dans laquelle la vraie moyenne a 95 % de chances de se trouver ; à gauche les fourchettes ne se recouvrent pas, à droite elles se recouvrent largement

Tous les tests de ce chapitre rendent une p-value, et c'est le nombre le plus mal compris de la statistique.

Elle répond à une seule question : si, en réalité, il n'y avait aucun effet, quelle serait la probabilité d'observer un écart au moins aussi grand que celui que j'ai sous les yeux, par le seul hasard de l'échantillon.

Prenons deux comparaisons de moyennes, les deux faites avec un test t ; à gauche, le panier moyen des commandes retirées sur place, 47,7 €, contre celui des commandes livrées en relais Mondial Relay, 64,8 € : un écart de 17,0 €.

Chaque moyenne est calculée sur un échantillon, donc elle bouge un peu d'un échantillon à l'autre ; la barre autour du point donne la fourchette où se trouve la vraie moyenne, et ici les deux fourchettes sont loin l'une de l'autre.

Le test t rapporte l'écart à cette incertitude : t = 5,6, et la p-value qui va avec est inférieure à 0,001 ; autrement dit, si les deux groupes avaient en réalité la même moyenne, on verrait un écart de 17,0 € moins d'une fois sur mille ; on conclut que l'écart est réel.

À droite, la même chose avec le code promo : 64,7 € contre 61,9 €, un écart de 2,9 €, et les deux fourchettes se recouvrent presque entièrement.

t = 1,2, p = 0,22 : si les deux groupes avaient la même moyenne, un écart de 2,9 € se verrait dans plus d'un cas sur cinq, simplement parce que les échantillons ne sont pas les mêmes ; on ne peut rien conclure.

Le seuil habituel est cinq pour cent : en dessous, on dit que l'écart est significatif, c'est-à-dire trop rare pour être mis sur le compte du hasard ; au-dessus, on ne conclut pas, ce qui n'est pas la même chose que conclure à l'absence d'effet.

Une p-value ne dit pas la taille de l'effet, un écart minuscule devient significatif avec assez de données ; ne dit pas que l'hypothèse est vraie, seulement que le hasard explique mal ; et ne dit rien de la cause.

Un seuil est une convention, pas une loi : p = 0,04 et p = 0,06 racontent la même histoire, et un lecteur sérieux regarde l'effet, l'intervalle de confiance et l'effectif avant le seuil.

C'est pour cela que, dans ce module, un test se présente toujours avec trois choses : l'écart mesuré, son incertitude, et ce qu'on décide de faire.

Régression
Du bivarié à la régression : toutes choses égales par ailleurs
Le principe : une variable à expliquer, plusieurs variables explicatives, un coefficient par flèchenombre d'articles+12,2 € par articlemode de livraisonretrait −6,2 €, domicile +7,0 €code promo−3,6 €client déjà venu+4,5 €jour, heure, saison, pays…week-end +2,0 €, nuit −7,2 €montant de la commandela variable à expliquerle résidu : tout le reste,17 € d'écart-type icichaque coefficient se lit « toutes les autres variables du modèle étant tenues fixes »
Le modèle du titre suivant, résumé en un schéma : chaque flèche porte un coefficient, ce que le modèle n'explique pas s'appelle le résidu
Retrait sur placeRelais Mondial RelayÉcart
Panier moyen (bivarié, chapitre 2)47,7 €64,8 €−17,0 €
Nombre moyen d'articles3,03,7−0,7
Part de clients du département 6475 %7 %
Écart à nombre d'articles égal, toutes choses égales par ailleurs (modèle, total TTC)−6,2 €
Le même écart sur les articles seuls, hors frais de port−1,5 € (p = 0,357)
L'écart brut de 17,0 € entre retrait et relais fond à −6,2 € une fois le nombre d'articles et le reste tenus fixes, et à presque rien une fois le port retiré

Le chapitre 2 compare deux variables à la fois ; on y a vu que les commandes retirées sur place sont plus petites que celles livrées en relais Mondial Relay, 47,7 € contre 64,8 € en moyenne.

Mais les clients qui retirent sur place ne diffèrent pas seulement par le mode de livraison : 75 % d'entre eux sont du département 64, ils prennent 3,0 articles en moyenne contre 3,7, et ils ne paient pas de port.

La question honnête n'est donc pas « le retrait fait-il baisser le panier », mais « à nombre d'articles égal, à client égal, à saison égale, le retrait pèse-t-il encore sur le montant » ; c'est ce qu'on appelle raisonner toutes choses égales par ailleurs.

La régression linéaire multiple fait exactement cela : elle écrit le montant d'une commande comme une somme, une constante plus un coefficient par variable explicative, et elle choisit les coefficients qui collent le mieux aux 1 385 commandes observées.

Chaque coefficient se lit alors en tenant les autres variables fixes : l'écart retrait contre relais passe de −17,0 € en brut à −6,2 € dans le modèle, et à −1,5 € quand on regarde les articles seuls, sans les frais de port ; l'essentiel de l'écart du chapitre 2 était donc du nombre d'articles et du port, pas du mode de livraison.

Ce que ça change pour la boutique : proposer plus souvent le retrait sur place ne ferait pas baisser les paniers ; ce sont des clients du coin qui passent prendre une ou deux bougies, et c'est le nombre d'articles qu'il faut travailler, pas le mode de livraison.

Un gros modèle : de quoi dépend le montant d'une commande
VariableCoefficientIntervalle à 95 %p‑valueLecture
Nombre d'articles+12,2 €+9,4 à +15,1< 0,001+12,2 € par article en plus
Nombre de lignes distinctes+2,0 €−0,9 à +4,90,172pas d'écart mesurable
Retrait sur place−6,2 €−9,3 à −3,1< 0,001−6,2 € par rapport au relais Mondial Relay
Relais Chronopost+3,0 €+0,3 à +5,60,029+3,0 € par rapport au relais Mondial Relay
Livraison à domicile+7,0 €+3,5 à +10,4< 0,001+7,0 € par rapport au relais Mondial Relay
Code promo utilisé−3,6 €−5,8 à −1,50,001−3,6 € par rapport à une commande sans code
Client déjà venu+4,5 €+2,3 à +6,7< 0,001+4,5 € par rapport à une première commande
Belgique+2,8 €−0,9 à +6,60,142pas d'écart mesurable
Autre pays+12,9 €−3,3 à +29,20,119pas d'écart mesurable
Département 64−2,1 €−5,0 à +0,80,156pas d'écart mesurable
Week-end+2,0 €+0,03 à +4,00,047+2,0 € par rapport à la semaine
Hiver+1,5 €−0,8 à +3,90,208pas d'écart mesurable
Printemps−0,8 €−3,9 à +2,30,604pas d'écart mesurable
Été−2,0 €−4,8 à +0,70,146pas d'écart mesurable
Matin (7-12 h)−0,2 €−2,5 à +2,10,874pas d'écart mesurable
Soirée (18-24 h)−1,3 €−3,4 à +0,80,223pas d'écart mesurable
Nuit (0-7 h)−7,2 €−12,1 à −2,30,004−7,2 € par rapport à l'après-midi
Accepte les e-mails−0,2 €−3,0 à +2,50,871pas d'écart mesurable
Constante+12,8 €+9,2 à +16,4< 0,001commande de référence, sans aucun article : n'a pas de sens seule
Régression linéaire du montant TTC de la commande (livraison comprise) sur 18 variables, 1 385 commandes, R² = 0,82, erreurs standard robustes (HC3) ; en gris, les coefficients dont l'intervalle contient zéro
Les mêmes coefficients, en euros, triés : le point est l'estimation, la barre son intervalle à 95 %-10 €0 €+10 €+20 €+30 €Autre paysNombre d'articlesLivraison à domicileClient déjà venuRelais ChronopostBelgiqueNombre de lignes distinctesWeek-endHiverMatin (7-12 h)Accepte les e-mailsPrintempsSoirée (18-24 h)ÉtéDépartement 64Code promo utiliséRetrait sur placeNuit (0-7 h)en orange, l'intervalle ne contient pas zéro ; en gris, il le contient
Un coefficient dont la barre traverse le zéro n'est pas distinguable de zéro : on ne conclut pas

On explique le montant TTC de la commande, livraison comprise, par tout ce que les fichiers permettent de savoir au moment où elle est passée : le nombre d'articles et de lignes distinctes, le mode de livraison, un code promo, le fait que le client ait déjà commandé avant (calculé sur l'ordre chronologique des commandes, pas sur le compteur de customers.csv), le pays, le département 64 ou non, le week-end, la saison, la tranche horaire, et le consentement e-mail lu dans customers.csv.

Le modèle est estimé avec statsmodels, méthode des moindres carrés ordinaires, sur 1 385 commandes ; on en a écarté 60 : mode de livraison non reconnu, client inconnu, total nul.

On garde le montant en euros plutôt que son logarithme, parce que les résidus en euros sont à peu près symétriques (asymétrie +0,09) alors que le passage au log étire les quelques commandes de 1 à 5 € en énormes erreurs négatives (asymétrie −1,37) ; le titre « Vérifier un modèle » montre les deux côte à côte.

Les erreurs standard sont dites robustes, HC3 : elles restent justes même si les grosses commandes sont plus dispersées que les petites, ce qui est le cas ; pour le coefficient des articles, l'erreur standard passe de 0,51 € avec la formule classique à 1,44 € en HC3, et l'intervalle s'élargit d'autant.

Le R² vaut 0,82 : le modèle rend compte de 82 % de la variation des montants, presque entièrement grâce au nombre d'articles ; sans les articles et les lignes, les mêmes variables « qui, quand, comment » n'en expliquent que 8 %.

Un article de plus, c'est 12,2 € de plus sur la commande, entre 9,4 et 15,1 € ; c'est le prix moyen d'un article dans une commande, une fois tenu compte de tout le reste, et c'est le seul coefficient vraiment gros.

Ce que ça change pour la boutique : une commande se joue d'abord sur le nombre d'articles ; tout ce qui pousse à en mettre un de plus, offre groupée, seuil de port offert, suggestion au panier, pèse plus que n'importe quel autre levier du tableau.

Lire le modèle, le vérifier, s'en servir
Commandes livrées en relais : nombre de commandes par tranche de 5 € de sous-total (articles seuls)415281231942657596397145386259462623607941402513991411161211911954139612815979 € : port offertsous-total en euros, 1 055 commandes ; gris : 69-79 €, orange : 79-89 € ; dernière barre : 159 € et plus
49 commandes en relais ont un sous-total entre 69 et 79 €, 101 entre 79 et 89 € : le seuil se voit à l'œil nu. Source : orders.csv, colonnes Subtotal et Shipping

Les coefficients se lisent un par un, en euros, toutes choses égales par ailleurs : un client déjà venu dépense 4,5 € de plus, un code promo retire 3,6 € (mécanique : c'est la remise), la livraison à domicile ajoute 7,0 € qui sont le port, jamais offert à domicile, et le consentement e-mail ne change rien au montant ; jour, heure, saison et pays pèsent chacun quelques euros au plus.

Le seuil de port offert est la vraie découverte : en relais, le port de 5,90 € tombe à zéro dès 79 € de sous-total, et l'histogramme montre 49 commandes dans les 10 € sous le seuil contre 101 dans les 10 € au-dessus, des clients qui ajoutent une bougie pour ne pas payer le port ; le modèle ne mesure pas ce levier, parce que le montant y est à la fois la cause et la conséquence.

Avant d'écrire ces chiffres, on vérifie le modèle : les résidus sont centrés sur zéro mais plus dispersés sur les grosses commandes, d'où les erreurs standard robustes ; en retirant les 20 commandes de plus de 200 €, l'article passe de 12,2 à 10,2 € et le R² de 0,82 à 0,76 ; en log, les conclusions ne bougent pas ; articles et lignes sont presque la même variable (corrélation 0,93), on n'interprète pas leurs coefficients séparément.

Le même outil répond à une question plus utile pour la gérante, qui revient commander : une régression logistique sur 813 clients, avec ce qu'on savait d'eux à la première commande, donne un seul levier net, le consentement e-mail, qui multiplie les chances de revenir par 2,06 (33 % de retour contre 19 %) ; la remise de bienvenue, elle, n'a aucun effet mesurable sur le retour.

Un modèle estimé sert ensuite à trois choses : chiffrer un scénario (un article de plus sur les commandes en relais), repérer les commandes ou les clients qui s'écartent du modèle pour aller voir pourquoi, et classer les nouveaux clients selon leur probabilité de revenir pour cibler une relance.

Tout cela reste des associations dans des commandes passées, sur quinze mois d'une boutique qui a grandi vite : le modèle ne dit pas ce qui se passerait si l'on changeait une variable ; pour la gérante, il tient en trois phrases, un article de plus vaut 12 € en moyenne, le seuil de port offert fait monter les paniers, et les clients qui cochent la case e-mail reviennent deux fois plus souvent.

Données temporelles
La série : les ventes semaine par semaine
Commandes par semaine (trait fin), moyenne mobile sur 4 semaines (trait épais), fermetures du site (gris)020406080juil.aoûtsept.oct.nov.déc.janv.2026févr.marsavr.maijuinjuil.aoûtsept.2025collection automne, 7 sept.collection Noël, 1er nov.avant Noëlcollection automne, 6 sept.fermé du 15 déc. au 4 janv.fermé du 13 au 27 juin65 semaines, 1 445 commandes ; semaine la plus forte : 69 commandes, du 31/08 au 06/09/2026
Une commande = une ligne de orders.csv avec Total renseigné, datée par Created at, comptée dans sa semaine du lundi au dimanche ; les lancements sont datés d'après les publications Instagram qui les annoncent
Chiffre d'affaires par mois (barres) et nombre de commandes (au-dessus) ; juin 2025 et septembre 2026 sont incomplets0 €5 000 €10 000 €15 000 €16juin202576juil.40août163sept.59oct.197nov.113déc.98janv.202699févr.85mars71avr.108mai82juin50juil.25août163sept.En orange, septembre, novembre et décembre ; au-dessus de chaque barre, le nombre de commandes du mois
Somme des Total par mois de Created at ; le mois de décembre 2025 s'arrête au 14, dernier jour avant la fermeture du site

Une série temporelle est une variable mesurée à intervalles réguliers ; ici, le nombre de commandes et le chiffre d'affaires par semaine, du 23 juin 2025 au 20 septembre 2026, soit 65 semaines.

La semaine est le bon grain pour une petite boutique : le jour est trop bruyant (beaucoup de zéros), le mois trop grossier (quinze points seulement) ; on regroupe les commandes par semaine du lundi au dimanche avec la colonne Created at.

Le trait fin saute d'une semaine à l'autre, entre 1 et 69 commandes ; la moyenne mobile sur quatre semaines, en orange, lisse ces à-coups et laisse voir le mouvement de fond.

Ce mouvement a une forme nette : un été 2025 à 13,2 commandes par semaine, un décollage début septembre 2025 (38,8 par semaine sur les quatre semaines suivantes), un plateau haut de novembre à mi-décembre, puis une longue décrue de janvier à août 2026 et un nouveau départ en septembre 2026.

Les pics ne tombent pas sur les fêtes du calendrier commercial : ni la Saint-Valentin ni la fête des mères ne se voient ; les pics sont les lancements de collections, annoncés sur Instagram, collection d'automne le 7 septembre 2025 (35 commandes dans la semaine), collection de Noël le 1er novembre 2025 (41), collection d'automne le 6 septembre 2026 (69, dont 60 le jour même).

Les trous gris ne sont pas des ventes nulles mais des fermetures du site, annoncées sur Instagram : du 15 décembre au 4 janvier, puis du 13 au 27 juin ; une série se lit toujours avec le calendrier de l'entreprise à côté, sinon on prend une fermeture pour un effondrement.

Par mois, le chiffre d'affaires se concentre sur septembre, novembre et décembre : novembre 2025 est le meilleur mois, 13 838 €, suivi des deux septembres, 10 820 € pour vingt jours de 2026 et 10 185 € en 2025 ; décembre 2025 fait 7 999 € en quatorze jours d'ouverture ; septembre, novembre et décembre, quatre mois sur les seize de la période, pèsent 47 % du chiffre d'affaires.

Ce que ça change pour la boutique : le chiffre d'affaires d'une année se joue sur trois lancements et sur Noël ; l'été est creux, et le comparer à novembre n'a aucun sens, on compare une semaine à la même semaine de l'année précédente ou à sa moyenne mobile.

La saisonnalité : ce qui revient chaque année
Commandes par jour de la semaine sur toute la période080160240320186lundi13 %panier 60 €179mardi12 %panier 62 €198mercredi14 %panier 59 €153jeudi11 %panier 64 €200vendredi14 %panier 59 €223samedi15 %panier 67 €306dimanche21 %panier 67 €Si les sept jours étaient équivalents, chacun aurait 206 commandes ; khi² = 69,4, p < 0,001
Jour de la semaine de Created at, 1 445 commandes ; le panier est le montant moyen des commandes du jour

La saisonnalité est ce qui revient à intervalle fixe, chaque semaine ou chaque année ; pour la mesurer, il faut voir le cycle se répéter, et avec quinze mois de ventes on ne voit l'année qu'une fois.

Un seul cycle ne se distingue pas d'une tendance ou d'un accident : septembre 2025 est fort, septembre 2026 repart aussi (163 commandes au 20 du mois, autant que tout septembre 2025), et l'été se creuse deux fois (juillet 76 puis 50 commandes, août 40 puis 25) ; ça plaide pour une vraie saison, mais deux points ne font pas une loi, il faudra une deuxième année.

La saison hebdomadaire, elle, se répète 65 fois et se mesure sans réserve : le dimanche concentre 21 % des commandes, le jeudi 11 % (khi² contre une répartition uniforme, p < 0,001), et les commandes se passent surtout entre 10 h et 14 h ; une décomposition tendance / saison / résidu (statsmodels STL) confirme le même dessin et montre que les jours hors norme sont les lancements de collections, pas le calendrier.

Ce que ça change pour la boutique : le stock se prépare pour septembre, novembre et décembre, et les publications qui doivent vendre se programment le dimanche en fin de matinée.

Instagram et les ventes : deux séries côte à côte
Par semaine : vues des publications Instagram (haut), mentions J’aime (milieu), commandes (bas) ; même axe du temps0 k400 k800 k1 200 kVues des publications de la semaine (milliers), 386 publications au total0 k20 k40 kMentions J’aime des publications de la semaine (milliers)020406080Commandes de la semainejuil.aoûtsept.oct.nov.déc.janv.2026févr.marsavr.maijuinjuil.aoûtsept.2025Pointillés : les 3 reels à plus de 500 000 vues publiés sur la période (détail dans le tableau plus bas)
instagram_publications.csv, publications datées par Heure de publication et regroupées par semaine ; les vues et J’aime sont les compteurs à la date de l'export, attribués à la semaine de publication
DécalageCe qu'on croiser de Pearsonrho de SpearmanSemaines
0 semainevues de la semaine t, commandes de la semaine t0,08 (p = 0,556)0,16 (p = 0,209)61
1 semainevues de la semaine t, commandes de la semaine t+10,00 (p = 0,983)0,01 (p = 0,930)60
2 semainesvues de la semaine t, commandes de la semaine t+20,00 (p = 0,994)0,03 (p = 0,793)59
3 semainesvues de la semaine t, commandes de la semaine t+3−0,09 (p = 0,501)0,05 (p = 0,708)58
Corrélation croisée entre les vues des publications d'une semaine et les commandes de la même semaine, puis des semaines suivantes ; semaines de fermeture exclues
Reel publié leVuesJ’aimeAbonnés gagnésCommandes/sem., 4 sem. avantCommandes/sem., semaine du reel + 2
19/07/2025787 84717 9392 08714,017,7
22/07/2025538 46514 18234613,816,7
03/09/2025692 1901 8337759,240,7
Les 3 reels à plus de 500 000 vues publiés pendant la période des ventes ; commandes par semaine avant et après chacun

Le compte Instagram publie presque tous les jours, 386 publications sur la période des ventes, presque toutes des reels ; on les regroupe par semaine de publication avec la colonne Heure de publication et on additionne leurs vues et leurs J’aime.

Attention à ce que mesure la colonne Vues : c'est le compteur de la publication au jour de l'export, pas les vues reçues cette semaine-là ; un reel de juillet 2025 a accumulé ses vues pendant des mois, et cette série dit quand on a publié ce qui a marché, pas quand on a été vu.

Les deux séries sont dessinées l'une sous l'autre, jamais sur le même graphique avec deux axes verticaux : avec deux axes, on peut faire coïncider n'importe quelles courbes en choisissant les échelles, et l'œil conclut à un lien qui n'existe pas.

À l'œil, les deux séries ne se ressemblent pas : l'audience Instagram est à son maximum à l'été 2025, quand les ventes sont au plus bas, et elle retombe à l'automne quand les ventes décollent.

La corrélation croisée le confirme : entre les vues des publications d'une semaine et les commandes de la même semaine, r = 0,08 (p = 0,556) ; avec une semaine de décalage, r = 0,00 ; avec deux, r = 0,00 ; rien, à aucun horizon.

Le nombre de publications par semaine fait à peine mieux : un lien faible avec les commandes (rho de Spearman = 0,24, p = 0,063), à la limite du seuil habituel de 5 % ; publier plus ne se lit guère dans les ventes de la semaine.

Les 3 reels à plus de 500 000 vues publiés sur la période sont marqués en pointillé sur la série des commandes ; les deux de juillet 2025 tombent dans le creux de l'été, et les commandes des semaines qui suivent restent à 17,7 et 16,7 par semaine ; le troisième, le 3 septembre 2025, précède de quatre jours le lancement d'automne, et on ne pourra jamais séparer sa part de celle du lancement.

Il faut rester prudent dans les deux sens : ce test ne prouve pas qu'Instagram ne sert à rien ; le mot « bougie » n'apparaît que dans 152 des 386 descriptions de la période, le compte fait grossir une audience qui n'est pas toujours là pour acheter, les abonnés gagnés en juillet achètent peut-être en novembre, et l'effet, s'il existe, est lent et diffus, ce qu'une corrélation à deux semaines ne peut pas voir.

Ce que ça change pour la boutique : les reels viraux font des abonnés (2 087 pour celui du 19 juillet 2025), pas des commandes la semaine même ; ce qui fait des commandes, ce sont les publications qui annoncent un lancement ; la question à poser à la gérante est celle du lien manquant entre les deux, et le chapitre suivant propose un outil pour le mesurer.

Avant / après : le test de rupture
Commandes par semaine (points) et les deux droites du modèle, avant / après le 7 septembre 2025020406080juil.aoûtsept.oct.nov.déc.janv.2026févr.marsavr.maijuinjuil.aoûtsept.20257 sept. 2025 : collection d'automneavant : 13,2 / sem.la droite d'avant, prolongéeSaut de niveau +22,9 commandes/sem. (p = 0,034), changement de pente +0,26/sem. (p = 0,869) ; test de Chow : F = 5,5, p = 0,006
61 semaines ouvertes (les 4 semaines de fermeture sont retirées) ; modèle : commandes = a + b·t + c·après + d·après·(t − t0), ajusté par moindres carrés (statsmodels OLS)

La question la plus fréquente sur une série est celle-ci : quelque chose a changé à telle date, est-ce que les ventes ont vraiment changé après ; comparer la moyenne d'avant à la moyenne d'après ne suffit pas, parce qu'une série qui montait déjà aura une moyenne d'après plus haute sans qu'il se soit rien passé.

Le test qui répond à cette question s'appelle le test de Chow : on ajuste une droite sur toute la série, puis une droite avant la date et une autre après, et on regarde si les deux droites séparées collent tellement mieux aux points que le hasard ne l'explique pas ; le résultat est une statistique F et une p-value, comme pour l'ANOVA.

Sa version appliquée, courante en santé publique et en évaluation d'actions, s'appelle l'analyse de série interrompue : le même modèle, mais lu en deux nombres qui parlent, le saut de niveau le jour de l'événement, et le changement de pente après lui.

On l'applique à une date connue à l'avance, le lancement de la collection d'automne le 7 septembre 2025, annoncé sur Instagram, avec 10 semaines ouvertes avant et 51 après.

Avant, la boutique fait 13,2 commandes par semaine ; le modèle estime un saut de +22,9 commandes par semaine le jour du lancement (p = 0,034), puis une pente de −0,29 commande par semaine et par semaine, contre −0,56 avant (le changement de pente, +0,26, n'est pas significatif : p = 0,869) ; le niveau redescend lentement sur l'année, de 33,1 commandes ajustées la semaine du lancement à 18,4 la dernière semaine, ce qui ressemble à la saison plus qu'à un effet qui s'éteint.

Le test de Chow donne F = 5,5, p = 0,006 : la série n'est pas la même avant et après ; le pointillé prolonge la droite d'avant, qui descendait avec l'été et passe sous zéro dès février 2026, ce qui montre à quel point dix semaines d'été font une mauvaise base de comparaison.

Quatre limites, à dire avant de conclure : le modèle ne connaît pas la saison, et le 7 septembre est aussi la rentrée, donc « lancement » et « automne » sont confondus ; 10 semaines avant, c'est peu ; les semaines qui se suivent se ressemblent (statistique de Durbin-Watson 1,10, loin de 2), ce qui rend les p-values classiques trop optimistes, même si avec des erreurs standard robustes à cette autocorrélation (HAC de Newey-West) le saut de niveau reste significatif (p < 0,001) et le changement de pente non (p = 0,479) ; et une seule série ne permet pas de savoir ce qui se serait passé sans le lancement, ce qui est exactement le problème que le titre suivant traite.

On peut aussi laisser les données choisir la date : en essayant toutes les semaines et en gardant celle qui maximise F, on tombe sur la semaine du 05/01/2026 (F = 9,0) ; c'est la réouverture après Noël, où le niveau chute de 25,2 commandes par semaine, autrement dit la fin de la saison de Noël, pas une action de la boutique.

Quand la date est choisie après coup, la p-value habituelle ment : en essayant 42 dates, on finit toujours par en trouver une qui casse bien ; il existe des seuils corrigés pour cette recherche (le test sup-F d'Andrews), et surtout une règle simple : on annonce la date avant de regarder le résultat.

Ce que ça change pour la boutique : les ventes ont changé de niveau au moment du lancement d'automne 2025 et ne sont pas redescendues au niveau de l'été, pas seulement la semaine du lancement ; c'est un argument chiffré pour en faire un rendez-vous fixe, et pour dater précisément chaque action future afin de pouvoir refaire ce test ; on en discute en séance.

Diff-in-diff : mesurer l'effet d'une action
L'idée des doubles différences (schéma, chiffres inventés : commandes par semaine)020406080100l'actionavantaprèsgroupe traité : 60groupe témoin : 40observé : 95sans l'action : 75témoin : 55effet = 20Le traité gagne 35, le témoin gagne 15 sans rien recevoir : l'action vaut 35 − 15 = 20, pas 35
Schéma de principe avec des chiffres inventés ; le pointillé suppose que, sans l'action, le groupe traité aurait suivi la même évolution que le témoin (tendances parallèles)

Le test précédent a une faiblesse qu'aucun calcul ne répare : avec une seule série, on ne sait pas ce qui se serait passé sans l'action, et tout ce qui arrive à la même date, la rentrée, Noël, un concurrent, est mis sur le compte de l'action.

La méthode des doubles différences, diff-in-diff, ajoute un deuxième groupe qui n'a pas reçu l'action et qui vit la même période : ce que la période lui fait, on le soustrait à ce qu'a fait le groupe traité.

Le schéma dit tout : le groupe traité passe de 60 à 95, +35 ; le témoin, qui n'a rien reçu, passe de 40 à 55, +15, parce que la période était bonne pour tout le monde ; l'effet de l'action est la différence des deux différences, 35 − 15 = 20, là où un simple avant / après aurait annoncé 35.

Pour la boutique, le cas naturel est un produit qu'on met en avant pendant que ses voisins de gamme ne le sont pas : le 19 novembre 2025, un reel est consacré à la bougie Rocher praliné (8 758 vues) ; les six autres bougies gourmandes vendues au même prix sur la même période, Citron meringue, Caramel beurre salé, Orange épicée, Éclipse de lune, Balineva, Litchi, n'ont pas eu de reel, et servent de témoins.

Unités vendues par semaine, 27 oct. – 14 déc. 2025 : la bougie mise en avant et six bougies témoins048121627/103/1110/1117/1124/111/128/12reel du 19 nov.Rocher praliné (mise en avant le 19 nov.)moyenne des six témoins, même gamme, même prixavant : 3 semaines (27 oct. – 16 nov.) ; après : 4 semaines (17 nov. – 14 déc.)
Source : orders.csv, lignes produit ; témoins : Citron meringue, Caramel beurre salé, Orange épicée, Éclipse de lune, Balineva, Litchi, toutes à 22,90 € comme le Rocher praliné sur la période
Avant (3 sem.)Après (4 sem.)Différence
Rocher praliné, mis en avant3,7 / sem.9,0 / sem.+5,3
Témoins, moyenne par bougie2,9 / sem.4,4 / sem.+1,4
Double différence+3,9 unités / sem.
Unités vendues par semaine ; la double différence est l'effet attribué à la mise en avant, si l'on admet que sans le reel le Rocher praliné aurait suivi la même hausse de Noël que les témoins

Les quatre cases : le Rocher praliné passe de 3,7 à 9,0 unités par semaine, +5,3 ; une bougie témoin passe de 2,9 à 4,4, +1,4, parce que Noël approche pour toutes ; la double différence attribue +3,9 unités par semaine au reel, soit un peu moins de la moitié de ce qu'un avant / après brut lui aurait donné.

La condition qui fait tenir la méthode s'appelle les tendances parallèles : avant l'action, les deux courbes doivent évoluer de la même façon ; ici on n'a que trois semaines d'avant, le produit venait de revenir au catalogue, et c'est la première limite ; la deuxième est que le praliné est peut-être plus « cadeau de Noël » que le litchi, auquel cas une partie de la hausse lui serait venue sans reel.

Deux produits d'une même gamme font de meilleurs témoins que deux gammes différentes : même prix, même clientèle, mêmes semaines ; plus le témoin ressemble au produit traité, plus la ligne pointillée « ce qui se serait passé sans l'action » est crédible.

L'exemple fondateur est celui de Card et Krueger (1994), une hausse du salaire minimum dans le New Jersey mesurée avec la Pennsylvanie voisine comme témoin ; le principe est le même que pour deux bougies.

Ce que ça change pour la boutique : chaque mise en avant d'un produit est une expérience gratuite, à condition de noter la date et de regarder les voisins de gamme ; à l'échelle d'un reel, l'effet se compte ici en quelques unités par semaine, et c'est déjà une réponse.

Textes, images, vidéos : la donnée qui n'est pas un chiffre
Ce qui n'est pas un chiffre : descriptions, commentaires, vidéos
La donnéeOù elle estCe qu'on en faitCe qu'on obtient
Description des publicationsdans l'export, colonne Description (712 textes sur 714 publications)longueur, hashtags, emojis, présence d'un mot, catégorie, entitésdes variables par publication, à croiser avec les vues
Compteurs des publicationsdans l'export : Vues, Couverture, Mentions J'aime, Commentaires, Partages, Enregistrementsrien à transformer, ce sont déjà des chiffresla variable à expliquer
Texte des commentairespas dans l'export : export Meta « Télécharger vos informations », ou extraction publication par publicationsentiment, type (question, demande de prix, compliment), auteurun score par commentaire, puis par publication ; un réseau auteur × publication
Vidéos des reelspas dans l'export : les 684 reels sont en ligne, téléchargeables un par unextraire des images, dire qui est dedans, classerune catégorie par reel, à croiser avec les vues
Images des produitsproducts.csv, colonne Image Src (adresses des photos du catalogue)couleur dominante, fond, présence d'un textedes variables par produit, à croiser avec les ventes
Ce qui n'est pas un chiffre chez Lumineva, et par quelle transformation on le ramène aux outils des chapitres précédents

Les quatre chapitres précédents travaillent sur des colonnes de nombres et de catégories ; or une bonne part de ce que produit la boutique n'a pas cette forme : le texte des 712 descriptions Instagram, les commentaires sous chaque publication, les 684 vidéos elles-mêmes, les photos du catalogue.

La règle est simple : on ne fait jamais de statistique sur un texte ou une image, on fabrique d'abord des variables à partir d'eux, puis on revient aux outils qu'on connaît, tableau croisé, boîtes à moustaches, test, régression.

Une variable fabriquée, c'est par exemple la longueur de la description, la présence du mot « Noël », le nombre d'emojis, le sentiment d'un commentaire noté de moins un à un, ou la réponse à la question « qui est dans la vidéo » ; chacune devient une colonne de plus dans le fichier des publications.

L'export que vous avez contient les descriptions et les compteurs ; il ne contient ni le texte des commentaires ni les vidéos, qui restent en ligne ; les récupérer est une étape à part, décrite plus bas titre par titre, et c'est votre agent qui la fait.

Ce chapitre suit cet ordre : ce qu'on calcule vraiment sur les descriptions, puis trois méthodes qu'on ne peut montrer ici que sur des exemples, le sentiment, les entités, les images, et enfin l'analyse de réseau des commentateurs.

Ce que ça change pour la boutique : la gérante écrit une description à chaque publication et apparaît dans chaque vidéo ; ce sont des choix, et ce chapitre donne le moyen de les mesurer.

Les descriptions : ce que dit le texte des publications
Les mots les plus fréquents des descriptions, hors hashtags et mots videsbougie141lumineva84parfum64parfumé47collection47shop42commentaire41fondant34histoire30merci28moment28abonne28création28penses27site27amigos27mois25rendez24vie24laissez23nombre de descriptions où le mot apparaît au moins une fois ; en orange, les mots qui désignent le produit
Les 20 mots les plus présents dans les 712 descriptions, hashtags retirés, mots vides retirés (liste de 224 mots : articles, pronoms, « chaque », « juste »…), singuliers et pluriels regroupés — Source : instagram_publications.csv, colonne Description

Une description Instagram de Lumineva fait 83 caractères en médiane hors hashtags, porte 6 hashtags en médiane et contient au moins un emoji dans 86 % des cas ; les emojis les plus fréquents sont 😂 (171), ✨ (120), ❤ (112), 😅 (97), 🥰 (86).

Les hashtags sont un bloc à part, presque toujours le même : #faitmain (361), #smallbusiness (356), #parfumdambiance (340), #madeinfrance (311), #64 (272), #candle (231) ; ils ne disent rien du contenu de la vidéo, on les retire avant de compter les mots.

Une fois retirés les hashtags et les mots vides, les mots les plus présents sont « bougie »

(141), « lumineva »

(84), « parfum »

(64), « parfumé »

(47), « collection »

(47), « shop »

(42) : le compte parle de bougies et de collections, renvoie au site, et invite à commenter ; plus bas, « histoire » et « rendez »

(de rendez-vous) signalent des rubriques récurrentes, « une bougie, une histoire », le rendez-vous du dimanche, et « amigos » est le nom que la gérante donne à ses abonnés.

Compter des mots ne suffit pas ; on fabrique des variables : la description parle-t-elle du produit, de la famille, appelle-t-elle à acheter, à commenter, pose-t-elle une question ; chacune est une règle de mots-clés écrite dans le script, et donc discutable et corrigeable.

Vues selon que la description nomme le produit (bougie, fondant, parfum, cire, collection) ou non1003001 k3 k10 k30 k100 k300 k1 M3 Mla description parle du produitn = 154 · médiane 10 562 vueselle n'en parle pasn = 466 · médiane 14 686 vuestest de Mann-Whitney : p < 0,001
Vues des publications selon que la description nomme le produit ou non (620 publications avec des vues, échelle logarithmique : chaque graduation multiplie par 3 ou par 10) ; la boîte va du premier au troisième quartile, le trait épais est la médiane, les points sont les publications au-delà des moustaches
La description…OuiVues (médiane)NonVues (médiane)Mann-Whitney
parle de la famille (enfants, mari, maman, bébé…)9714 86052313 037p = 0,125
parle du produit (bougie, fondant, parfum, cire, collection)15410 56246614 686p < 0,001
appelle à acheter (commande, site, shop, code, promo, réassort)8213 20053813 354p = 0,877
appelle à commenter (dis-moi, votre avis, qu'en penses-tu)10714 66751313 044p = 0,592
pose une question (contient un « ? »)31414 02830612 824p = 0,207
contient au moins un hashtag46213 50615812 798p = 0,437
Six variables binaires fabriquées à partir du texte des descriptions, croisées avec les vues (620 publications) ; une seule fait une différence que le hasard explique mal

Le résultat le plus net va contre l'intuition : les 154 publications dont la description nomme le produit font 10 562 vues en médiane, contre 14 686 pour les 466 autres ; le test de Mann-Whitney, qui compare les rangs et ne se laisse pas tirer par les reels viraux, donne p < 0,001.

Le taux de J'aime pour mille vues va dans le même sens, 17,2 contre 18,6, à la limite du seuil (p = 0,054) : les publications « catalogue » sont moins vues et à peine moins aimées.

Tout le reste ne bouge pas : appeler à acheter, appeler à commenter, poser une question, mettre des hashtags ou non, aucune de ces variables n'a de lien avec les vues que le hasard n'explique aussi bien ; la longueur du texte non plus, rho de Spearman = -0,08.

Vues selon que la description évoque la famille ou non1003001 k3 k10 k30 k100 k300 k1 M3 Mla description parle de la famillen = 97 · médiane 14 860 vueselle n'en parle pasn = 523 · médiane 13 037 vuestest de Mann-Whitney : p = 0,125
Même lecture, pour les descriptions qui parlent de la famille (mots « enfant », « mari », « maman », « bébé », hashtags #famillenombreuse, #mamanfatiguée…) ; le texte n'est qu'un indice de ce que montre la vidéo, d'où le titre sur les images plus bas

La question de la gérante, « est-ce que ça marche mieux quand la famille est là », a un premier indice dans le texte : 97 descriptions évoquent la famille, 14 860 vues en médiane contre 13 037, p = 0,125 ; c'est dans le bon sens et ce n'est pas démontré, parce que le texte ne dit pas qui est à l'image ; c'est l'objet du titre sur les vidéos.

Prudence sur la lecture : on compare des publications, pas des versions d'une même publication, et celles qui parlent du produit sont aussi les plus anciennes, 49 % des publications de 2024 contre 15 % de celles de 2026, à l'époque où le compte démarrait et faisait moins de vues.

Sur les seules publications de 2025 et 2026, l'écart se réduit sans disparaître, 12 938 vues en médiane contre 15 279, p = 0,046 ; une régression avec la date en contrôle, chapitre 3, permet de séparer l'effet du texte de l'effet de la période.

Ce que ça change pour la boutique : les publications dont la description se limite au produit sont les moins vues ; ce n'est pas une preuve que la description en est la cause, mais c'est un signal pour continuer à mettre le produit dans une vidéo qui raconte autre chose ; reste à vérifier que les vues se changent en commandes, ce que les exports Shopify ne relient pas à Instagram.

Le sentiment des commentaires
Commentaire (fictif)ClasseCe qu'on note en plus
Trop belle cette bougie, j'ai commandé la citrouille directpositifachat déclaré
Elle est à combien la grande taille ?questiondemande de prix
Reçue hier, l'odeur ne tient pas deux heures, déçuenégatifréclamation produit
Mdr les enfants en fond 😂😂positifréaction à la vidéo, pas au produit
Vous livrez en Belgique ?questiondemande de livraison
Colis arrivé cassé et pas de réponse au mail depuis une semainenégatifréclamation service
Je veux la même pour ma mère, elle sort quand la collection ?questionintention d'achat + date
👏👏👏positifemoji seul : le lexique ne voit rien, le modèle devine
Huit commentaires inventés pour montrer la grille ; les vrais commentaires ne sont pas dans l'export, ce tableau est un modèle de ce qu'on produit, pas un résultat

Les 620 publications avec des vues ont reçu 21 commentaires en médiane, et jusqu'à 6 124 pour la plus commentée ; l'export ne donne que le compte, pas le texte, et c'est le texte qui dit si les gens aiment, demandent un prix, ou se plaignent.

Pour les récupérer, le chemin propre passe par le compte de la gérante : dans Instagram, « Vos activités » puis « Télécharger vos informations » livre un fichier JSON avec les commentaires reçus ; l'autre chemin, un outil comme instaloader, télécharge publications et commentaires depuis l'extérieur, ce que les conditions d'utilisation de Meta interdisent, et Instagram bloque ce genre d'accès ; on le cite, on ne le recommande pas.

L'analyse de sentiment transforme chaque commentaire en une classe, positif, négatif, neutre, ou en un score ; il y a trois façons de faire.

La première est le lexique : une liste de mots avec une valence, comme le lexique FEEL pour le français, et on additionne ; c'est transparent, rapide, et ça rate l'ironie, la négation, « pas déçue », et les emojis seuls.

La seconde est le modèle entraîné : un modèle de langue ajusté sur des textes déjà notés, comme tblard/tf-allocine ou distilcamembert-base-sentiment sur Hugging Face, que votre agent installe et fait tourner localement ; il lit mieux les tournures, et il a été entraîné sur des critiques de films, pas sur des commentaires de bougies.

La troisième voie, la plus simple aujourd'hui, est l'IA générative elle-même : on lui donne la grille du tableau, positif, négatif, question, demande de prix, et elle classe les commentaires par paquets de cinquante ; on vérifie à la main une centaine de cas pour connaître son taux d'erreur avant de faire confiance au reste.

Le tableau ci-dessus est fictif, et il montre la grille : la classe, puis une seconde colonne libre, parce que « demande de prix » ou « réclamation service » intéressent plus la gérante que le simple positif ou négatif.

Une fois chaque commentaire noté, on agrège par publication, part de commentaires positifs, nombre de questions, et on revient aux chapitres 1 et 2 : le sentiment varie-t-il selon le type de publication, les vidéos les plus vues sont-elles aussi les plus aimées dans les mots, les demandes de prix arrivent-elles sur des publications sans prix affiché.

Ce que ça change pour la boutique : une liste de questions sans réponse et de réclamations est un outil de service client ; une part de commentaires positifs par thème dit sur quoi communiquer.

Reconnaître des choses dans le texte : GLiNER
Description (réelle, hashtags retirés)Entités attendues → étiquette
🚨 Dernière chance de me retrouver sur un stand cette année ! 🚨
📅 Ce dimanche 15 décembre, je serai au « marché de Noël de Nousty»🎄✨
C’est mon dernier stand de 2024, alors venez découvrir mes bougies et fondants parfumés faits avec amour. ❤️
Que ce soit pour vos derniers cadeaux de Noël ou pour vous faire plaisir, chaque achat soutient une petite entreprise locale (et me réchauffe le cœur 💕).
J’ai hâte de vous y voir ! 🫶
dimanche 15 décembre → date ; marché de Noël de Nousty → lieu ; Noël → occasion ; bougies, fondants parfumés → produit ; cadeaux de Noël → occasion
🍂🎃 L’automne dans une tasse! Cette bougie parfumée citrouille apporte tout le confort d’un pumpkin spice latte à votre intérieur. Allumez-la et laissez les notes épicées vous envelopper dans une ambiance chaleureuse 🍁✨
Qu’en penses-tu?
bougie parfumée citrouille → produit ; citrouille, pumpkin spice latte, notes épicées → parfum ; automne → occasion
💖 Ne ratez pas la collection Saint-Valentin sur Lumineva.shop, il est encore temps ! 😍
Des bougies et fondants aux parfums envoûtants pour une ambiance romantique assurée. Fleur de cerisier, pomme d’amour… Quel sera votre coup de cœur ? 💕
collection Saint-Valentin → occasion ; Lumineva.shop → lieu (site) ; bougies, fondants → produit ; fleur de cerisier, pomme d'amour → parfum
Trois descriptions du fichier et ce qu'on attend du modèle avec les étiquettes produit, parfum, occasion, lieu, date, personne, prix ; la colonne de droite est écrite à la main, elle dit ce qu'un bon modèle doit sortir, pas ce qu'il a sorti

Les mots-clés du titre précédent ont une limite : il faut deviner les mots à l'avance, « citrouille » n'y était pas, et « collection » y est sans qu'on sache laquelle.

La reconnaissance d'entités nommées fait le travail inverse : on donne au modèle des étiquettes, produit, parfum, occasion, lieu, date, personne, prix, et il repère dans chaque texte les morceaux qui en relèvent, même des mots qu'on n'a jamais vus.

GLiNER est un petit modèle ouvert qui fait cela « zero-shot », c'est-à-dire sans entraînement sur nos données : les étiquettes sont de simples mots qu'on choisit, en français, au moment de l'appel ; le modèle gliner_multi tient sur un ordinateur portable.

Le tableau ci-dessus montre trois descriptions réelles du fichier et ce qu'on attend en sortie ; la colonne de droite est écrite à la main, ce chapitre n'a pas fait tourner le modèle, et c'est précisément ce qu'on vérifiera sur une trentaine de descriptions avant de lui confier les 682 autres.

Ce qu'on en tire est une table longue, une ligne par entité trouvée, publication, texte, étiquette, qu'on compte ensuite : combien de publications par occasion, Noël, Saint-Valentin, fête des mères ; quels parfums sont cités et lesquels font des vues ; quels lieux, marchés, villes, reviennent.

Les mêmes étiquettes s'appliquent aux commentaires une fois récupérés : les parfums que les clients nomment d'eux-mêmes, les prix qu'ils demandent, les villes d'où ils écrivent.

Ce que ça change pour la boutique : la gérante saura, chiffres à l'appui, quelles occasions et quels parfums elle met en avant, et lesquels l'audience relaie ; le premier tableau à lui montrer est vues médianes par occasion citée.

Qui est dans la vidéo : la reconnaissance d'images
Qui est dans le reelReelsVues (médiane)J'aime pour 1 000 vuesCommentaires pour 1 000 vues
la gérante seule…………
avec son mari…………
avec ses enfants…………
avec d'autres personnes…………
personne (produit seul, atelier)…………
Kruskal-Wallis sur les vues : H = …, p = … ; comparaisons deux à deux avec correction
Le tableau qu'on vise ; il est vide parce que les vidéos ne sont pas dans l'export : les cases se remplissent après l'annotation, puis on refait exactement l'ANOVA du chapitre 2

La question vient de la gérante : ses reels marchent-ils mieux quand elle est seule à l'écran, avec son mari, avec ses enfants, avec d'autres personnes, ou quand on ne voit que le produit ; c'est une variable qualitative à cinq modalités, et l'outil qui suit est celui du chapitre 2, l'ANOVA ou sa version sur les rangs, Kruskal-Wallis.

Il faut d'abord la vidéo : chaque ligne du fichier a un « Permalien », et yt-dlp télécharge un reel public à partir de ce lien ; les conditions d'utilisation de Meta interdisent la collecte automatisée, on se limite donc au compte de la gérante, avec son accord écrit, sans rien redistribuer ; le plus simple reste qu'elle fournisse elle-même ses vidéos.

Puis des images : ffmpeg extrait une image toutes les deux secondes, soit une quinzaine par reel, et c'est sur ces images qu'on répond à la question.

Première façon, un modèle qui lit les images : CLIP compare chaque image à des phrases, « une femme seule », « une femme avec un homme », « une femme avec des enfants », « des bougies sans personne », et donne la plus proche ; ou un modèle multimodal, local ou en ligne, à qui l'agent envoie l'image avec la question et qui répond en un mot ; on agrège ensuite les quinze réponses du reel à la majorité.

Seconde façon, souvent la plus sûre : regarder soi-même ; 100 reels à 10 secondes chacun font un quart d'heure, et une grille de cinq cases remplie à la main vaut mieux qu'un modèle qui confond le mari et le livreur ; la bonne pratique est de faire les deux sur 50 reels et de mesurer l'accord.

Une contrainte avant tout : le RGPD et le droit à l'image ; les images extraites montrent des personnes identifiables, dont des enfants ; on ne les diffuse pas, on ne les met pas dans le rapport ni sur le site, on les supprime après annotation, et seul le résultat agrégé, une catégorie par reel et des médianes par catégorie, est conservé.

Le tableau ci-dessus est vide, à dessein : c'est la forme du résultat, et les cases se remplissent à la fin du travail ; on complète avec les J'aime et les commentaires pour mille vues, parce qu'une vidéo avec les enfants peut être plus vue et pas plus vendeuse.

Ce que ça change pour la boutique : si les reels en famille font deux fois les vues des reels produit, la gérante le sait déjà à l'instinct, et elle aura un chiffre ; s'ils ne les font pas, elle pourra garder ses enfants hors caméra sans perdre d'audience, ce qui est aussi une information.

Qui parle à qui : l'analyse de réseau des commentaires
Schéma de principe, sans vraies données : deux personnes sont reliées quand elles ont commenté les mêmes publicationshabitués : 5 commentaires ou plus, se lisent entre euxoccasionnels : un ou deux commentairestaille du point : nombre de commentaires ; pointillés : les rares liens entre les deux groupes
Un graphe de commentateurs et ses deux communautés, dessiné à la main pour montrer ce que rend l'analyse ; sur les vrais commentaires, c'est l'algorithme de Louvain qui trouve les groupes

Un commentaire a un auteur, et un auteur revient ; avec la liste des commentaires, on construit un graphe biparti : d'un côté les commentateurs, de l'autre les publications, un lien quand l'un a commenté l'autre.

On le projette ensuite sur les seuls commentateurs : deux personnes sont reliées si elles ont commenté les mêmes publications, et le lien est d'autant plus fort qu'elles en partagent ; c'est le graphe du schéma.

Dans ce graphe, la méthode de Louvain découpe des communautés, des groupes de gens plus liés entre eux qu'avec le reste ; la question de la gérante est de savoir ce que ces groupes ont en commun : les mêmes thèmes de publications, la famille, le produit, l'humour, ou la même ancienneté.

On distingue les habitués, qui ont commenté au moins cinq publications, des occasionnels, et on regarde trois choses : les habitués commentent-ils les mêmes thèmes que les autres, se répondent-ils entre eux, et les nouveaux commentateurs arrivent-ils sur des publications déjà commentées par les habitués, ou sur d'autres.

Les réponses de commentaire à commentaire, quand l'export les donne, forment un second graphe, dirigé, qui dit si les habitués parlent entre eux ou accueillent les nouveaux ; c'est là qu'on voit les ambassadeurs, ceux qui répondent aux questions à la place de la gérante.

Les outils : networkx pour construire le graphe et calculer degrés et communautés, la bibliothèque python-louvain ou igraph pour Louvain, et Gephi pour regarder le résultat à l'écran et le dessiner ; tout cela s'installe dans le venv.

Le schéma est dessiné à la main, avec quatorze personnes et deux groupes ; sur les vrais commentaires on aura quelques centaines de commentateurs, une grosse composante et une poussière d'isolés, et l'intérêt se concentre sur les vingt ou trente comptes les plus liés.

Le RGPD s'applique ici aussi : les pseudonymes Instagram sont des données personnelles ; on remplace chaque auteur par une clé, comme customer_key dans les commandes, on ne publie pas le graphe avec les noms, et on ne montre à la gérante que les groupes et, si elle le demande, la liste de ses habitués, qui sont ses clients.

Ce que ça change pour la boutique : une dizaine d'habitués qui répondent aux nouveaux font un travail d'accueil que la gérante n'a pas à faire ; les identifier, les remercier, leur donner un code, est une action concrète que le projet peut recommander avec un chiffre à l'appui.

← CM 1 · IA, données, et votre environnement de travailCM 4 · Creuser une piste : de la question au chiffre →