Cet agent surveille vos données clients et signale ceux qui s’apprêtent à partir. Il produit un score par client, les variables qui l’expliquent, et une liste hiérarchisée que vos équipes commerciales peuvent traiter dès le lendemain.
L’attrition client se voit toujours après coup. Le compte se ferme, l’abonnement n’est pas renouvelé, la commande ne revient pas, et l’équipe découvre le départ au moment où plus rien n’est réversible.
L’agent déplace ce constat en amont. Il apprend sur vos départs passés, repère les trajectoires qui leur ressemblent, et signale les clients concernés pendant que la relation peut encore se rattraper. La difficulté n’est pas de prédire le départ : elle est de le prédire au moment où il reste réversible, et sur les clients dont la rétention vaut le coût de la sollicitation.
Un départ s’annonce rarement par un événement unique. Il se lit dans une dégradation, et c’est elle que l’agent suit.
En amont de vos campagnes de fidélisation et de vos revues de portefeuille. L’horizon de prédiction se règle sur votre délai d’action, pas sur la performance du modèle : un score à trois mois laisse le temps de monter une offre, un score à sept jours arrive trop tard pour servir.
Il alimente ensuite votre CRM, pour que l’alerte devienne une tâche assignée plutôt qu’un tableau de bord consulté une fois par mois.
Quatre causes reviennent, et aucune ne tient à l’algorithme.
Prédire qui va partir ne dit d’ailleurs pas qui contacter. Certains clients seraient restés de toute façon, d’autres partiront quoi qu’on tente, et quelques-uns partent précisément parce qu’on les a sollicités. Notre agent de rétention proactive traite cette question, et notre guide sur le churn et la rétention en détaille le raisonnement.
Nous reparamétrons l’agent sur vos données, votre définition du départ et votre capacité de traitement. Comptez trois à cinq semaines entre le premier export et un score exploitable, selon la qualité de votre historique de départs.
À la livraison, vous détenez le code source, la documentation et le protocole d’évaluation. Le détail de notre méthode figure sur la page agents IA sur mesure.
La perte de clients sur une période donnée. Elle est volontaire quand le client décide de partir, involontaire quand elle résulte d’un incident de paiement ou d’un changement de structure. La seconde représente 20 à 40 % du total selon les secteurs et se corrige sans modèle prédictif.
La dégradation plutôt que le niveau absolu : récence qui s’allonge, fréquence qui baisse, panier qui se réduit, usage qui se concentre sur quelques fonctions, frictions support non résolues, non-réponse aux sollicitations.
L’horizon se règle sur votre délai d’action. Trois mois est le réglage le plus courant : assez tôt pour monter une offre, assez proche pour que le signal reste fiable.
Autant que vos équipes peuvent en traiter. Le seuil de décision se calibre sur cette capacité, et non sur la performance statistique du modèle. C’est un arbitrage économique qui appartient au métier.
Il rend le modèle nettement plus précis. Sans lui, l’agent fonctionne en détection non supervisée : il signale les comportements inhabituels sans pouvoir nommer le risque ni le quantifier.
Dites-nous ce que vous savez de vos départs passés et combien de clients vos équipes peuvent contacter chaque semaine. Nous vous dirons ce que la détection peut apporter, et à quel horizon.