LTV (Lifetime Value)
Glossaire – Métrique
La LTV (lifetime value), ou valeur vie client, désigne le revenu total qu’un client génère pour une entreprise depuis son premier achat jusqu’à la fin de sa relation commerciale, calculé sur l’historique réel des transactions ou projeté grâce à des modèles statistiques.
Un client qui dépense 50 euros à son premier achat n’a pas la même valeur selon qu’il revient tous les mois pendant deux ans ou qu’il disparaît après une seule commande. La LTV répond à cette question en additionnant tout ce qu’un client rapporte, moins ce qu’il coûte à servir, sur toute la durée où il reste actif.
Pour une boutique en ligne qui vend des articles à faible marge, la LTV oriente les décisions de budget publicitaire. Dépenser 80 euros pour acquérir un client qui n’en rapportera que 60 sur sa durée de vie revient à perdre de l’argent à chaque nouvelle acquisition, même si le premier panier semble rentable. Pour une entreprise SaaS, elle sert de base au calcul du ratio LTV:CAC, l’indicateur qu’un investisseur regarde en premier avant d’injecter des fonds dans une levée.
Deux approches coexistent. La LTV historique se calcule sur des données déjà observées et reste fiable mais rétrospective. La LTV prédictive, popularisée par les modèles de Peter Fader et Bruce Hardie à la Wharton School, projette le comportement futur d’un client à partir de son historique d’achat et permet d’agir avant qu’il ne parte plutôt que de constater sa perte a posteriori.
Les points traités :
- Comment calculer la LTV : les deux formules qui comptent
- LTV et CAC : le ratio qui décide de la survie d’une entreprise
- RFM, Pareto et modèles prédictifs : segmenter avant de dépenser
- Les actions pour augmenter la LTV
- L’avis de l’expert B-Strong
- Questions fréquentes
Comment calculer la LTV : les deux formules qui comptent
La formule historique multiplie le panier moyen par la fréquence d’achat annuelle puis par la durée de vie moyenne du client en années. Pour un modèle par abonnement, on remplace ces trois variables par le revenu mensuel moyen par compte, la marge brute et la durée de vie moyenne en mois.
La formule e-commerce classique s’écrit : LTV = panier moyen × fréquence d’achat annuelle × durée de vie du client en années. Une boutique dont le panier moyen atteint 65 euros, avec 4 commandes par an sur une durée de vie de 3 ans, obtient une LTV de 780 euros avant déduction des coûts d’acquisition et de service.
Pour les entreprises par abonnement, la logique change parce que le revenu se répète à intervalle fixe. Le calcul standard, popularisé par des investisseurs SaaS comme David Skok, s’appuie sur trois variables :
- ARPA (revenu moyen par compte) : le revenu mensuel moyen généré par un client actif.
- Marge brute : le pourcentage de revenu qui reste après les coûts directs de service, hébergement compris.
- Durée de vie moyenne : l’inverse du taux de churn mensuel, exprimé en mois.
Une entreprise SaaS avec un ARPA de 100 euros, une marge brute de 80% et un taux de churn mensuel de 2% (soit une durée de vie moyenne de 50 mois) affiche une LTV de 4 000 euros. Ce chiffre change du tout au tout si le churn passe à 5% : la durée de vie tombe à 20 mois et la LTV à 1 600 euros, ce qui montre à quel point la rétention pèse plus lourd que l’acquisition dans ce calcul.
LTV et CAC : le ratio qui décide de la survie d’une entreprise
Le ratio LTV:CAC compare la valeur vie client au coût d’acquisition correspondant. La règle popularisée par David Skok autour de 2010 fixait un seuil de 3:1 comme signal de viabilité. En 2026, la médiane du marché atteint 3,4 et le premier quartile dépasse 5,6.
David Skok, associé chez Matrix Partners et investisseur historique de HubSpot, a formalisé ce seuil en analysant les entreprises SaaS matures introduites en bourse. Sous 3:1, l’entreprise dépense trop pour acquérir ses clients par rapport à ce qu’ils rapportent. Au-dessus de 5:1, elle sous-investit probablement dans l’acquisition et laisse filer de la croissance possible.
Le calcul du CAC additionne l’ensemble des dépenses de vente et de marketing sur une période, divisé par le nombre de nouveaux clients acquis pendant cette même période. Une entreprise qui dépense 50 000 euros en marketing sur un trimestre et acquiert 200 clients affiche un CAC de 250 euros. Si la LTV de ces clients atteint 1 000 euros, le ratio LTV:CAC s’élève à 4:1, confortable selon les standards actuels.
Ce seuil de 3:1 n’est plus qu’un plancher pour les opérateurs les plus performants. Les données 2026 montrent un écart qui se creuse chaque année entre les entreprises qui optimisent leur rétention et celles qui subissent l’inflation du coût d’acquisition publicitaire, notamment sur Meta Ads et Google Ads. Une entreprise qui vise seulement le seuil de 3:1 aujourd’hui risque de se retrouver dans le mauvais quartile dans deux ans si ses concurrents progressent plus vite sur la rétention.
RFM, Pareto et modèles prédictifs : segmenter avant de dépenser
La segmentation RFM classe les clients selon trois critères mesurés sur les 12 derniers mois : la récence du dernier achat, la fréquence des commandes et le montant total dépensé. Elle permet d’identifier le segment des clients à forte LTV sans recourir à des modèles statistiques complexes.
Le principe de Pareto se vérifie presque systématiquement dans les bases clients analysées en e-commerce : environ 20% des clients génèrent entre 60% et 80% du chiffre d’affaires. La segmentation RFM sert justement à repérer ce noyau, souvent appelé segment « Champions », qui représente en général 10 à 15% de la base pour 35 à 45% du revenu total.
- Récence : nombre de jours depuis le dernier achat, le signal le plus fort de risque de départ.
- Fréquence : nombre de commandes passées sur la période analysée.
- Montant : total dépensé sur la même période, généralement réparti par quintiles.
Au-delà de la RFM, des modèles probabilistes plus avancés existent pour projeter la LTV future plutôt que de se contenter d’un historique. Le modèle BG/NBD (Beta Geometric/Negative Binomial Distribution), publié par Peter Fader, Bruce Hardie et Ka Lok Lee en 2005, combine une distribution de Poisson pour les transactions et une distribution géométrique pour le risque de churn, souvent complété par le modèle Gamma-Gamma pour estimer la valeur monétaire moyenne par transaction. Klaviyo l’utilise pour son module de LTV prédictive sur les boutiques Shopify, ce qui permet à un e-commerçant de cibler ses meilleurs clients potentiels dès leur deuxième commande plutôt qu’après un an d’historique.
Les actions pour augmenter la LTV
Augmenter la LTV ne demande pas nécessairement plus de budget d’acquisition. Le tableau ci-dessous classe cinq actions par ordre de priorité, du plus rapide à mettre en place au plus structurant, avec leur effet attendu sur la rétention ou le panier moyen.
| Action | Effet attendu | Délai de mise en œuvre | Priorité |
|---|---|---|---|
| Séquence email post-achat | Réduit le taux de churn des 90 premiers jours | 1 à 2 semaines | Haute |
| Programme de fidélité par paliers | Augmente la fréquence d’achat des clients récurrents | 1 à 2 mois | Haute |
| Segmentation RFM active dans le CRM | Cible les clients à risque avant leur départ | 2 à 4 semaines | Moyenne |
| Upsell et cross-sell contextuels | Augmente le panier moyen sans nouvelle acquisition | 1 mois | Moyenne |
| Amélioration du support post-vente | Réduit les motifs de churn liés à l’insatisfaction | 3 à 6 mois | Basse |
L’avis de l’expert B-Strong
Je vois encore trop de clients piloter leur budget publicitaire uniquement sur le coût par acquisition, sans jamais regarder ce que ce client rapporte sur six mois ! Et c’est in réél soucis ! C’est une erreur que je corrige systématiquement en premier quand j’audite un compte e-commerce. Un client Facebook Ads qui coûte 40 euros mais qui repart après un seul achat coûte plus cher, sur la durée, qu’un client Google Shopping à 65 euros qui revient trois fois par an.
Sur les boutiques Shopify que j’accompagne, la segmentation RFM change les résultats en un mois, avant même de toucher au budget média. Je recommande de commencer par isoler le segment des 15% de clients les plus actifs et de leur dédier une communication à part, plutôt que d’envoyer la même newsletter à toute la base. Mes clients qui appliquent cette logique voient leur taux de réachat progresser généralement avant leur taux de conversion sur le trafic froid, ce que peu d’entre eux anticipent au départ.
Questions fréquentes
Quelle est la différence entre LTV et CAC ?
La LTV mesure ce qu’un client rapporte sur toute la durée de sa relation avec l’entreprise, tandis que le CAC mesure ce qu’il a coûté à acquérir. Ce sont deux faces d’un même calcul : le CAC se dépense une seule fois, au moment de l’acquisition, alors que la LTV s’accumule progressivement, commande après commande. Le ratio entre les deux sert à vérifier qu’une entreprise ne dépense pas plus pour acquérir un client que ce qu’il lui rapportera jamais. Un ratio inférieur à 1:1 signifie que chaque nouveau client acquis fait perdre de l’argent à l’entreprise, quel que soit le volume de ventes généré.
Comment calculer la LTV sans outil spécialisé ?
La méthode la plus simple part de trois chiffres disponibles dans n’importe quel outil de vente ou CRM : le panier moyen, le nombre de commandes annuelles par client et la durée de vie moyenne d’un client avant son départ. En multipliant ces trois valeurs, on obtient une LTV historique correcte pour un premier diagnostic, sans recourir à un modèle statistique. Cette méthode reste approximative parce qu’elle traite tous les clients de la même façon, alors qu’un modèle comme le BG/NBD ou une segmentation RFM affine le résultat en tenant compte du comportement individuel de chaque client.
Pourquoi le ratio LTV:CAC de 3:1 ne suffit-il plus en 2026 ?
Le seuil de 3:1, défini par David Skok il y a plus de dix ans, correspondait à un contexte où le coût d’acquisition publicitaire progressait moins vite qu’aujourd’hui. Les données 2026 situent la médiane du marché à 3,4 et le premier quartile au-dessus de 5,6, ce qui repositionne 3:1 comme un seuil minimal de survie plutôt qu’un objectif satisfaisant. Les entreprises qui investissent dans la rétention et la segmentation client progressent plus vite sur ce ratio que celles qui se contentent d’optimiser leurs campagnes publicitaires, creusant un écart qui s’élargit chaque année selon les mêmes données.