Sur cette page
Les équipes merchandising et expérience client s'enthousiasment pour la fit-tech. La finance ne valide pas l'enthousiasme — elle valide un modèle avec des hypothèses, des données et une date de rentabilité. Si votre dossier pour un outil de recommandation de taille ressemble à une présentation produit plutôt qu'à une ligne de compte de résultat, il restera bloqué dans la boîte de réception du CFO. Voici le modèle qui obtient l'approbation.
Pourquoi la finance rejette la plupart des propositions fit-tech
La plupart des présentations d'outils de recommandation de taille commencent par des métriques d'expérience client — hausse de conversion, scores de satisfaction, baisse des tickets support. La finance ne s'y intéresse que dans la mesure où elles se traduisent en cash. Un CFO veut trois chiffres : l'écart de taux de retour, la marge sur coûts variables récupérée, et le délai de rentabilité. Tout le reste n'est que du détail à l'appui.
La vérité qui dérange, c'est que les retours constituent l'un des plus grands centres de coûts cachés du commerce de mode. La logistique inverse — expédition, réassort, inspection, démarque et perte — absorbe régulièrement entre un cinquième et un tiers du chiffre d'affaires habillement, une fourchette confirmée par les recherches sur la logistique inverse de la National Retail Federation. Les problèmes de taille et de fit sont systématiquement cités comme le premier facteur de retour dans l'habillement, devant les dommages, le changement d'avis ou les problèmes de livraison. C'est précisément le levier qu'actionne un système de recommandation de taille, et c'est celui qui intéresse vraiment la finance.
Construire la formule ROI de base
Le modèle de base pour prouver le ROI d'un outil de recommandation de taille nécessite quatre données que votre équipe finance validera d'emblée, car elles proviennent des systèmes existants et non des affirmations du fournisseur.
Les quatre données requises
- Taux de retour de base lié à la taille — extrayez-le de votre système de gestion des retours, filtré sur les codes motifs type « trop petit », « trop grand » ou « ne va pas ».
- Panier moyen (AOV) pour le segment où l'outil est déployé.
- Coût complet par retour — expédition aller-retour, main-d'œuvre de réassort, inspection et probabilité de démarque/perte.
- Marge sur coûts variables par unité, pas le chiffre d'affaires brut — la finance écartera immédiatement tout modèle utilisant le chiffre d'affaires au lieu de la marge.
La formule que la finance veut voir est volontairement simple :
Marge sur coûts variables récupérée = (taux de retour de base moins taux de retour post-adoption) multiplié par le volume de commandes multiplié par l'AOV multiplié par le pourcentage de marge sur coûts variables ; le coût complet des retours évités s'ajoute ensuite comme une économie pure, pas comme de la marge — les deux lignes restent distinctes car la finance les audite séparément.
Un exemple chiffré
| Donnée | Valeur |
|---|---|
| Commandes habillement mensuelles | 40 000 |
| Taux de retour de base lié à la taille | 22% |
| Taux de retour post-adoption | 14% |
| AOV | 85 $ |
| Marge sur coûts variables | 42% |
| Coût complet par retour | 18 $ |
Retours évités par mois : 8% de 40 000 = 3 200 commandes. Marge sur coûts variables récupérée : 3 200 multiplié par 85 $ multiplié par 42% = environ 114 240 $ par mois. Coût de traitement des retours évité : 3 200 multiplié par 18 $ = 57 600 $ par mois. Bénéfice mensuel combiné : environ 171 840 $, avant déduction du coût d'abonnement et de mise en œuvre de l'outil.
Traduire l'écart de taux de retour en délai de rentabilité
Le délai de rentabilité est le chiffre unique qui fait passer une proposition d'« intéressante » à « approuvée ». Divisez le coût total de mise en œuvre et d'abonnement de la première année par le bénéfice mensuel combiné calculé ci-dessus. Dans l'exemple, un coût d'implémentation typique de milieu de marché de 25 000 à 40 000 $ donne un délai de rentabilité d'environ sept à huit semaines — un horizon que la plupart des équipes finance considèrent comme pratiquement sans risque, surtout face à un contrat de 12 mois.
C'est aussi le calcul qui doit servir de pivot pour un dossier interne pour la fit-tech : commencez par le nombre de semaines de rentabilité, pas par la liste des fonctionnalités. La finance approuve bien plus facilement la vitesse d'atteinte du seuil de rentabilité que des promesses d'amélioration d'expérience.
La sensibilité compte plus que la précision
La finance testera vos hypothèses, donc intégrez vous-même l'analyse de sensibilité dans le modèle plutôt que d'attendre qu'on vous la demande. Montrez le délai de rentabilité selon des scénarios conservateur (amélioration de 3 points du taux de retour), attendu (8 points) et optimiste (13 points). Un modèle qui reste rentable dans un trimestre même dans le scénario conservateur est bien plus convaincant qu'un modèle qui ne fonctionne que dans le meilleur des cas.
Relier le modèle au coût réel des retours
Les équipes finance sous-estiment souvent le coût réel des retours car la plupart des reportings de compte de résultat le noient dans les lignes logistique et coût des marchandises vendues au lieu de le faire apparaître comme une catégorie à part. Parcourir le coût réel d'un retour pour les marques de mode en parallèle de votre modèle ROI aide la finance à voir la référence réelle à laquelle elle compare — pas seulement le coût d'expédition, mais la main-d'œuvre de réassort, le coût de portage des stocks en transit, et la probabilité de démarque sur les stocks retournés qui ne peuvent être revendus au prix plein.
Une fois cette référence visible, le ROI du système de recommandation cesse de ressembler à un investissement discrétionnaire en expérience client et devient ce qu'il est réellement : une réduction directe d'une ligne de coût déjà suivie par la finance.
Que mettre sur une seule diapositive
Les CFO survolent. Réduisez tout le modèle à une seule diapositive avec cinq lignes : taux de retour de base, taux de retour projeté, marge sur coûts variables mensuelle récupérée, coût de mise en œuvre, et délai de rentabilité en semaines. Tout le reste — méthodologie, sources de données, plages de sensibilité — appartient à une annexe que la finance peut demander mais n'a pas besoin de lire pour approuver la ligne.
Questions Fréquentes
Quelles données la finance exige-t-elle avant d'approuver un outil de recommandation de taille ?
La finance a besoin d'un taux de retour de base lié à la taille extrait de données réelles, pas d'estimations, ainsi que du panier moyen et de la marge sur coûts variables pour le segment de produits concerné. Elle veut aussi un coût complet par retour incluant expédition, main-d'œuvre et risque de démarque, car ce chiffre détermine l'ampleur réelle de la ligne d'économie.
Combien de temps prend généralement la rentabilité d'un outil de recommandation de taille ?
La plupart des détaillants habillement de taille moyenne atteignent la rentabilité entre six et douze semaines lorsque l'outil réduit les retours liés à la taille de six à dix points de pourcentage. Le délai de rentabilité dépend fortement du volume de commandes et de l'AOV, donc un catalogue plus petit avec un AOV plus faible prendra proportionnellement plus de temps même avec la même amélioration en points de pourcentage.
Le modèle ROI doit-il utiliser le chiffre d'affaires ou la marge sur coûts variables ?
Utilisez toujours la marge sur coûts variables, jamais le chiffre d'affaires brut. Les équipes finance écartent les modèles construits sur le chiffre d'affaires car celui-ci ignore le coût des marchandises, l'exécution et le retour lui-même ; un modèle qui surestime le bénéfice en utilisant le chiffre d'affaires perdra sa crédibilité dès que la finance le recalculera.
En quoi le ROI de la recommandation de taille diffère-t-il du ROI général de réduction des retours ?
Le ROI de la recommandation de taille isole le sous-ensemble de retours causés par le fit plutôt que tous les motifs de retour, ce qui compte car les retours liés au fit sont la seule catégorie qu'un système de recommandation influence directement. Mélanger les retours causés par des dommages, des retards de livraison ou un changement d'avis gonfle l'impact apparent et rend le modèle plus difficile à défendre lorsque la finance le vérifie par rapport aux données de codes motifs.