ÉTUDES DE MARCHÉ ET VEILLE

PESTEL, ciblage, positionnement : toutes ces décisions reposent sur une même ressource critique, l'information. Le Système d'Information Marketing est le système nerveux qui la fournit à chaque étape.

La définition de Kotler et ses quatre fonctions

Le SIM est l'ensemble organisé de moyens permettant de recueillir, stocker, analyser et diffuser les informations nécessaires aux décisions marketing. Cette définition souligne quatre fonctions distinctes :

• Collecte — capter les données brutes.
• Stockage — les organiser et les conserver.
• Analyse — les transformer en intelligence actionnable.
• Diffusion — les mettre à disposition des décideurs, au bon format et au bon moment.

Un SIM qui collecte sans analyser n'est qu'un entrepôt de données inutiles ; un SIM qui analyse sans diffuser reste un exercice sans impact.

Les trois sous-systèmes

• Les données internes — ventes, CRM, facturation, retours et réclamations. Abondantes, immédiates et gratuites, mais trop rarement exploitées : la mine d'or sous-exploitée de la plupart des organisations. Elles alimentent la segmentation RFM et le scoring de valeur client.
• L'intelligence marketing — la veille continue sur l'environnement (MKG-3.02).
• Les études de marché — les recherches ponctuelles (MKG-3.03 à 3.05).

Décider sur des faits, pas des intuitions

Sans SIM structuré, le responsable marketing navigue à vue et décide sur des intuitions. Avec un SIM bien conçu, chaque décision est éclairée : taille réelle du segment, évolution des ventes par canal, actions des concurrents, campagne la plus performante. Ce n'est pas qu'une affaire de technologie mais un processus organisationnel qui identifie les besoins, organise la collecte et assure la diffusion.

Le SIM moderne

Il s'appuie sur le CRM unifié, le Big Data et le Marketing Automation pour reconstituer le parcours omnicanal du client et personnaliser les actions. C'est l'infrastructure informationnelle qui alimente toute la démarche marketing.

Et si vous pouviez repérer un changement de marché avant vos concurrents ? C'est la promesse de la veille : un radar permanent qui capte les signaux faibles avant qu'ils ne deviennent des évidences.

Un radar permanent, pas une recherche ponctuelle

La veille marketing et stratégique est un processus continu et organisé de collecte, traitement, analyse et diffusion d'informations sur l'environnement, visant à anticiper les évolutions. Elle constitue le sous-système 2 (intelligence marketing) du SIM (MKG-3.01). La distinction avec l'étude de marché est fondamentale : une étude est un projet délimité qui répond à une question précise ; la veille est permanente et systématique. La veille est proactive là où l'étude est réactive.

Le signal faible d'Ansoff

Le concept de signal faible (weak signal), introduit par Igor Ansoff, est central : c'est une information émergente, fragmentaire et ambiguë, qui annonce un changement potentiel mais trop précoce pour être confirmée par les données classiques. Les entreprises qui les détectent avant leurs concurrents gagnent un avantage de temps considérable.

Les quatre axes de veille

• Concurrentielle — surveiller les mouvements des concurrents.
• Technologique — anticiper les innovations.
• Réglementaire — devancer les évolutions légales.
• E-réputation / consommateur — protéger la marque et suivre les attentes.

L'erreur classique est de ne pratiquer que la veille concurrentielle en oubliant les trois autres axes.

Ce que la veille n'est pas

Elle ne remplace pas une étude structurée, n'est pas de l'espionnage (elle est éthique et légale), ne prédit pas l'avenir avec certitude (elle réduit l'incertitude) et ne se substitue pas à la réflexion stratégique (elle informe, elle ne décide pas). Elle est indissociable du PESTEL (MKG-1.03), qu'elle maintient actualisé, et s'appuie sur des outils digitaux : alertes, flux RSS, social listening, IA.

« On veut mieux connaître nos clients » : cette phrase, si fréquente, est le début de la pire étude possible. Pourquoi le document qui cadre une étude marketing décide-t-il de sa réussite avant même qu'un seul consommateur ne soit interrogé ?

Un brief, pour quoi faire ?

Le brief d'étude est le document fondateur qui transforme une interrogation marketing floue en une question de recherche précise, documentée et budgétée. C'est un document de communication entre le commanditaire (direction marketing, annonceur) et le réalisateur (institut, consultant, équipe data interne). Sa qualité détermine directement celle des résultats : un brief vague produit une étude vague ; un brief précis (« identifier les trois freins principaux à l'achat de notre gamme bio chez les femmes 25-40 ans urbaines ») produit des résultats actionnables.

La structure en entonnoir

Le brief part du contexte le plus large pour resserrer progressivement vers la question précise, en enchaînant :

• Contexte interne et externe de l'entreprise
• Problématique marketing et décision à éclairer
• Objectifs de recherche, SMART et actionnables
• Cible à interroger, méthodologie souhaitée
• Budget et délais

Quand rédiger un brief ?

Le brief n'est justifié que si l'enjeu paie l'investissement et si les données existantes sont insuffisantes. Il s'impose pour un lancement de produit, un repositionnement de marque, une entrée sur un nouveau marché ou une baisse inexpliquée des ventes. Il est inutile quand l'information est déjà en interne (CRM, analytics), quand la veille suffit, ou quand la décision est déjà prise.

Un enjeu financier réel

Une étude coûte de 5 K€ (qualitatif léger, 4-6 entretiens) à 50-100 K€ (multi-pays quali + quanti). Le brief justifie cet investissement en démontrant que l'information est indispensable à une décision et introuvable moins cher. Il est aussi un outil de validation budgétaire interne. Un cadrage raté ne se rattrape jamais : on obtiendra des réponses précises à la mauvaise question.

Pourquoi le consommateur ne sait-il pas toujours expliquer ses propres choix ? L'étude qualitative part de ce paradoxe : accéder aux motivations que l'acheteur lui-même ne formule pas.

Comprendre plutôt que mesurer

L'étude qualitative explore le « pourquoi » du comportement : motivations profondes, freins psychologiques, croyances, représentations, processus de décision. Là où le quantitatif répond à « combien ? » et « quelle proportion ? », le qualitatif répond à « pourquoi ? », « comment ? » et « que ressentent-ils ? ». Héritière de la psychologie et de la sociologie, elle utilise des techniques indirectes parce que le consommateur ne sait pas toujours pourquoi il agit, ou rationalise a posteriori. Elle représente environ 20 % des études ad hoc en France.

Les trois familles de techniques

• L'entretien individuel en profondeur — un face-à-face de 45 à 90 minutes, où l'enquêteur adopte une posture d'écoute active et de neutralité bienveillante ; il fait parler, relance, mais ne juge ni ne suggère.
• La réunion de groupe (focus group) — pour faire émerger les dynamiques collectives et la confrontation d'opinions.
• Les méthodes projectives — portrait chinois, association d'images, personnification, ZMET : elles contournent les défenses rationnelles pour atteindre l'inconscient.

La séquence quali puis quanti

Le qualitatif est souvent la phase exploratoire qui prépare le quantitatif. Une phase de 4 focus groups peut identifier 8 freins potentiels à l'achat ; les 600 répondants du quantitatif les hiérarchisent ensuite. Cette séquence est la plus robuste car elle combine la profondeur de l'un et la fiabilité statistique de l'autre.

Quand le choisir

Le qualitatif est adapté pour explorer un territoire inconnu, chercher des freins d'achat, générer des hypothèses, tester des concepts ou construire des personas. Il ne l'est pas quand on a besoin de chiffres fiables, de hiérarchiser des critères ou d'extrapoler à tout le marché : il travaille en profondeur sur 10-15 personnes, non sur un échantillon représentatif.

Faut-il interroger 200 ou 20 000 personnes pour connaître un marché de plusieurs millions de clients ? La réponse, contre-intuitive, tient dans un mot : la représentativité.

Mesurer et généraliser

L'étude quantitative fournit des données chiffrées, généralisables à toute la population cible, pour valider des hypothèses et mesurer des comportements. Là où le qualitatif creuse sur 10-15 personnes, le quantitatif travaille en largeur sur 200 à 2 000 répondants ou plus. Il répond à « combien ? », « à quelle fréquence ? » et « quels facteurs expliquent le comportement ? », avec des intervalles de confiance et des tests de significativité. Son outil central est le questionnaire standardisé : c'est la standardisation qui permet l'agrégation statistique.

Les méthodes d'échantillonnage

La qualité d'une étude dépend de la représentativité de l'échantillon, et la précision dépend de sa taille, pas du pourcentage de population couvert.

• Aléatoire simple — chaque individu a une probabilité connue et égale d'être tiré ; le plus rigoureux, mais exige une liste exhaustive, souvent impraticable.
• Aléatoire stratifié — la population est divisée en strates homogènes (âges, régions) où l'on tire proportionnellement ; plus précis.
• Par quotas — reconstitution de la structure de la population selon des critères connus.

Types de questions et modes d'administration

L'étude mobilise des échelles de Likert, d'Osgood, des choix uniques ou multiples, le NPS ou l'échelle de Juster. L'administration se fait en face-à-face, par téléphone ou en ligne, chaque mode ayant ses biais et ses coûts.

De l'analyse à la décision

Les données se traitent par tris à plat, tris croisés, chi-deux, régression et analyse conjointe. Phase confirmatoire qui suit souvent le qualitatif, le quantitatif dimensionne un marché, hiérarchise des critères de choix, teste un concept ou mesure l'efficacité d'une campagne avec une fiabilité statistique que l'exploratoire ne peut offrir.

Un excellent échantillon interrogé avec un mauvais questionnaire produit des données inutilisables. Comment construire l'instrument qui traduit fidèlement des objectifs de recherche en réponses exploitables ?

Un exercice de traduction à trois niveaux

Le questionnaire traduit les objectifs du brief en questions concrètes, en trois temps : traduire les objectifs en thèmes à couvrir, chaque thème en questions au bon format, puis organiser ces questions dans un ordre logique et fluide. L'enjeu est de concilier deux exigences contradictoires : la richesse (tout couvrir) et la concision (ne pas dépasser 10-12 minutes en ligne). Au-delà de 15 minutes, le taux d'abandon explose et apparaît le « satisficing » : le répondant clique au hasard pour en finir.

La structure en entonnoir

• Introduction et filtre (1-2 min) — vérifier l'éligibilité, rassurer sur l'anonymat et la durée.
• Questions générales spontanées (2-3 min) — capter la notoriété spontanée avant toute influence.
• Questions thématiques (5-8 min) — le cœur de l'étude : perceptions, critères de choix, freins, intentions.
• Questions signalétiques (1-2 min) — le profil sociodémo, placé en fin car jugé intrusif.

Choisir le bon format de réponse

Le format dépend de ce qu'on mesure : dichotomique, choix unique ou multiple, échelle de Likert pour les attitudes, échelle d'Osgood pour les perceptions, échelle de Juster pour les intentions d'achat, NPS pour la recommandation, ou question ouverte.

Les règles de formulation et le pré-test

Chaque question doit respecter l'univocité (un seul sens), la neutralité (aucune orientation de la réponse) et la simplicité. Enfin, le pré-test auprès de 20-30 personnes est obligatoire avant le lancement du terrain : il révèle les ambiguïtés et les biais avant qu'il ne soit trop tard.

Comment Xerox, écrasé par la concurrence japonaise dans les années 1980, a-t-il inventé une méthode devenue universelle pour apprendre des meilleurs sans les copier ? Bienvenue dans le benchmarking.

Origines et définition

Formalisé par Robert Camp en 1989 chez Xerox, le benchmarking est « la recherche des méthodes les plus performantes pour une activité donnée, permettant de s'assurer une supériorité ». Le terme vient de l'arpentage : un benchmark est un point de référence fixe à partir duquel on mesure les distances. C'est une démarche structurée de comparaison des pratiques, processus et performances avec les meilleurs acteurs, pour identifier les écarts et s'en inspirer.

La distinction fondamentale

Comparer son NPS à celui d'un concurrent est un tableau de bord, pas du benchmarking. Le vrai benchmarking cherche à comprendre les processus et pratiques qui produisent le meilleur KPI, puis à les adapter à son propre contexte. C'est la différence entre « constater l'écart » et « comprendre et combler l'écart ». Ce n'est ni de l'espionnage, ni de la copie aveugle « me-too ».

Les quatre types

• Interne — comparer unités, filiales ou équipes d'une même entreprise ; accès facile aux données, résultats rapides.
• Concurrentiel — se mesurer aux concurrents directs.
• Fonctionnel — comparer une fonction avec des entreprises non concurrentes.
• Générique — s'inspirer de secteurs différents pour transposer des best practices ; le plus créatif.

Le processus en cinq étapes

Le benchmarking suit une séquence rigoureuse : cadrage, identification des partenaires, collecte, analyse des écarts (gap analysis) et transposition adaptée. Attention à sa limite : atteindre le benchmark, c'est atteindre la parité, pas prendre l'avance. Le benchmarking optimise l'existant mais ne remplace ni la stratégie ni l'innovation.

Et si vos clients les plus précieux étaient ceux qui parlent de vous sans que vous ne leur ayez rien demandé ? L'écoute client transforme ce bruit permanent en signal exploitable.

Un radar permanent, pas une étude ponctuelle

L'écoute client est un dispositif permanent et multicanal de captation, d'analyse et d'exploitation des retours clients pour mesurer la satisfaction, détecter les irritants, anticiper les besoins et alimenter l'innovation. Elle se distingue des études classiques par trois traits : elle est continue (pas ponctuelle), multicanale (tous les points de contact) et intègre des données non sollicitées. C'est un radar qui capte en continu ce que les clients pensent, disent et ressentent.

Sollicité contre non sollicité

• Écoute sollicitée — l'entreprise interroge : enquête de satisfaction, NPS post-achat, appel de suivi. Données structurées et comparables, mais taux de réponse faible (5-20 %) et biais de sélection (seuls les très satisfaits et très mécontents répondent).
• Écoute non sollicitée — le client s'exprime spontanément : avis en ligne, commentaires sociaux, réclamations. Authenticité maximale et signaux faibles en temps réel, mais données non structurées et sur-représentation des extrêmes.

Le social listening

Le social listening surveille en temps réel les conversations sur réseaux sociaux, forums et sites d'avis, pour gérer l'e-réputation et détecter les signaux faibles. Les outils : Brandwatch, Mention, Talkwalker pour le social, Google Reviews et Trustpilot pour les avis, Hotjar pour l'analytics comportemental.

Le Voice of the Customer

Le concept de Voice of the Customer (VoC) formalise la démarche : un processus structuré qui collecte les retours, les catégorise, les analyse et les transforme en actions d'amélioration mesurables. Les entreprises les plus performantes en expérience client disposent toutes d'un programme VoC formalisé, souvent piloté par un responsable dédié.

Une seule question suffit-elle à prédire la croissance d'une entreprise ? En 2003, Fred Reichheld a fait ce pari radical. Voici comment trois métriques sont devenues le langage universel de la satisfaction client.

Pourquoi mesurer la satisfaction

La satisfaction est le prédicteur central de la fidélité, du réachat et de la recommandation. Les travaux de Reichheld, Fornell et Anderson ont démontré un lien statistiquement significatif entre satisfaction et performance financière : les entreprises les mieux notées surperforment en bourse. À l'inverse, un client insatisfait ne se contente pas de partir : il diffuse son mécontentement auprès de 9 à 15 personnes en moyenne, et potentiellement des milliers via les réseaux sociaux.

Trois métriques complémentaires

• NPS (Net Promoter Score) — la loyauté globale : « Recommanderiez-vous [marque] à un ami ? » (0-10). Vision macro, baromètre trimestriel.
• CSAT (Customer Satisfaction Score) — la satisfaction ponctuelle sur une interaction ou un attribut (1-5 ou 1-10), après chaque moment clé.
• CES (Customer Effort Score) — l'effort perçu pour obtenir satisfaction (1-7), très pertinent pour le digital et le SAV.

Le calcul du NPS

Introduit par Fred Reichheld (Bain & Company) dans un article fondateur du Harvard Business Review, « The One Number You Need to Grow », le NPS classe les répondants en trois catégories : Promoteurs (9-10, ambassadeurs loyaux), Passifs (7-8) et Détracteurs (0-6). Le score se calcule par la différence entre le pourcentage de Promoteurs et celui de Détracteurs.

De la mesure à l'action

La satisfaction est multidimensionnelle : on peut être ravi du produit et déçu du SAV. La matrice Importance/Performance permet de hiérarchiser les actions d'amélioration. Ces indicateurs s'intègrent dans un tableau de bord cohérent, relié aux KPI business : CLV, rétention et churn.

Un client jure qu'il « fait très attention à l'environnement »… puis remplit son caddie de packs d'eau en plastique par 24. Comment saisir ce que les consommateurs font vraiment, au-delà de ce qu'ils déclarent ?

Le gap déclaratif-comportemental

Les études classiques, qualitatives et quantitatives, reposent sur le déclaratif : on demande au consommateur ce qu'il fait, pense ou achète. Or il existe un écart systématique entre le déclaré et le réel. Le client ne ment pas : il rationalise a posteriori, oublie, simplifie et donne des réponses socialement acceptables. L'ethnographie comble ce vide en observant le comportement réel dans l'environnement naturel : domicile, point de vente, lieu de travail.

Des origines anthropologiques au marketing

Issue de l'anthropologie sociale (Malinowski, Geertz), l'ethnographie a été adaptée au marketing dans les années 1990 par des entreprises comme Procter & Gamble, IDEO et Intel. Elle est aujourd'hui un pilier du Design Thinking (phase d'empathie) et de l'UX research. Samsung, Decathlon ou Ikea l'utilisent pour concevoir des produits adaptés aux usages réels, pas aux usages imaginés par les ingénieurs. La netnographie étend l'approche aux communautés en ligne.

Quand l'ethnographie est (ou non) adaptée

• Elle convient pour comprendre les usages réels au quotidien, quand le déclaratif est suspect, sur un territoire inconnu, pour l'innovation produit ou l'observation en point de vente.
• Elle est inadaptée quand on cherche des chiffres statistiquement représentatifs, quand le sujet est facilement verbalisable, quand le budget et le temps sont très limités, ou pour tester un concept.

Capter les insights invisibles

En observant le consommateur agir — hésitations devant un rayon, détournements d'usage, rituels, frustrations silencieuses, interactions familiales autour du produit — on découvre des insights que ni le qualitatif ni le quantitatif ne révéleraient. Ces observations sont souvent la source des innovations les plus percutantes.

Comment savoir ce qui se passe vraiment sur un marché semaine après semaine — et prédire ce qui arriverait si vous changiez votre offre ? Deux outils avancés répondent à ces deux questions distinctes.

Panels vs analyse conjointe : mesurer ou simuler

Les panels fournissent des données continues et syndiquées sur les achats réels, les parts de marché et les comportements : ce sont des « radars permanents » du marché. L'analyse conjointe (conjoint analysis) confronte le consommateur à des arbitrages entre attributs pour révéler le poids réel de chaque critère de choix et le consentement à payer. En résumé : le panel constate ce qui se passe, l'analyse conjointe simule ce qui se passerait.

Nature, coût et temporalité

• Panels — données comportementales et réelles (achats effectifs), collecte continue et hebdomadaire, vision longitudinale sur plusieurs années. Souscription de 20 à 200 K€/an selon secteur et périmètre.
• Analyse conjointe — données déclaratives mais structurées (choix entre profils), étude ponctuelle valable à un moment donné. Coût de 15 à 40 K€ par projet, expertise statistique requise (logiciels Sawtooth, SPSS Conjoint).

Le panel, radar permanent du marché

Un panel consommateurs est un échantillon permanent de foyers (typiquement 10 000 à 30 000) qui enregistrent tous leurs achats, via un scanner à domicile lisant les codes-barres ou une application mobile. Les opérateurs (Kantar Worldpanel, NielsenIQ, GfK, IRI) traitent ces données et les vendent sous forme de rapports standardisés. Ils fournissent la part de marché en volume et en valeur, et le taux de pénétration — le pourcentage de foyers ayant acheté au moins une fois la marque, indicateur clé de recrutement.

Deux places dans le système d'information

Dans le SIM, les panels relèvent des données secondaires continues collectées par un tiers, tandis que l'analyse conjointe relève des études ad hoc, conçues pour répondre à une question précise : quel attribut valoriser ? quel est le prix optimal ?

Face à l'infobésité, la question n'est plus de trouver l'information mais de la trier, la synthétiser et surtout la vérifier. L'intelligence artificielle bouleverse la veille et l'étude de marché — à condition de ne jamais devenir dupe de la machine.

Ce que l'IA change vraiment dans la veille de marché

Sur un marché donné, des milliers d'articles et publications paraissent chaque jour, quand un analyste n'en lit que quelques dizaines. L'IA générative et le traitement du langage (NLP) desserrent ce goulet par trois ruptures : l'échelle (résumer des milliers de documents), le langage naturel (interroger en français courant) et la vitesse (une synthèse en minutes). Mais trois responsabilités restent 100 % humaines : la question stratégique, la décision et la vérification.

Les briques technologiques : LLM, NLP, RAG et agents

Confondre ces technologies conduit à des erreurs d'usage ; quatre familles suffisent :

• Les LLM (ChatGPT, Claude, Gemini) rédigent et résument, mais hallucinent : ils génèrent du plausible, pas du vrai.
• Le NLP classe la tonalité et extrait les thèmes — le moteur du social listening.
• Le RAG (Perplexity) répond en citant des sources fournies et réduit fortement l'hallucination.
• Les agents surveillent, alertent et enchaînent les tâches, mais restent des « boîtes noires ».

Prompt engineering et esprit critique

Un prompt professionnel n'est pas une question vague : il assigne un rôle, précise le contexte, la tâche, les contraintes, le format et fournit les sources. Le réflexe décisif : uploader ses propres documents (RAG maison) plutôt qu'interroger l'IA « à vide ». Cinq limites imposent la vigilance — hallucination, biais, péremption, confidentialité (RGPD, AI Act) et boîte noire — tenues en trois gestes : recouper chaque fait, exiger les liens, tester le modèle sur un sujet connu.

Une règle absolue pour l'étude de marché

Demander à un LLM la taille du marché du yaourt bio produit un chiffre plausible et faux : un modèle génératif n'est pas une base de données de marché. Les chiffres viennent des sources primaires (INSEE, Xerfi, terrain) et l'IA sert à les structurer. Son gain le plus net reste l'analyse des verbatims : dépouiller quarante entretiens passe de jours à quelques minutes. Tout tient en six étapes — cadrer, choisir l'outil, prompter, produire, vérifier, décider — où l'IA n'intervient qu'au milieu et où le jugement humain tranche.