17 juin 2026Mis à jour le Fathy Shalaby11 min de lecture
Taux d’activation SaaS : benchmarks et playbook de l’inscription à la rétention
Des benchmarks d’activation vérifiés, un tableau de définitions des métriques et une méthode pas à pas pour trouver votre moment « aha » et transformer plus d’inscrits en utilisateurs fidèles.
Le taux d’activation SaaS est la part des nouveaux inscrits qui atteignent le premier moment de valeur réelle – votre jalon d’activation – dans une fenêtre de temps donnée. Les benchmarks vérifiés situent la moyenne entre 34 % et 38 % : l’enquête de Lenny Rachitsky sur plus de 500 produits donne une moyenne de 34 %, et les données 2025 d’Userpilot sur 62 entreprises SaaS B2B donnent 37,5 %. L’activation compte parce qu’elle prédit qui sera encore là trois mois plus tard.
À retenir
L’activation moyenne est de 34 % (médiane 25 %) sur plus de 500 produits ; pour le SaaS seul, de 36 % (médiane 30 %) (Lenny's Newsletter, 2022).
Le benchmark 2025 d’Userpilot place l’activation du SaaS B2B à 37,5 % en moyenne, avec un time to value moyen d’environ 1,5 jour (Userpilot).
Dans les données 2025 d’Amplitude sur plus de 2 600 entreprises, 69 % des produits à forte activation à 7 jours étaient aussi parmi les meilleurs en rétention à 3 mois (Amplitude, 2025).
Un bon jalon d’activation est prédictif (les utilisateurs qui l’atteignent restent au moins 2 fois plus) et actionnable (votre équipe peut le faire bouger).
La plupart des idées d’activation échouent lorsqu’on les teste : prévoyez beaucoup de petites expériences, pas une grande refonte.
Qu’est-ce que le taux d’activation SaaS et comment le calculer ?
Le taux d’activation SaaS mesure combien de nouveaux utilisateurs atteignent le jalon d’activation : le point le plus précoce de l’onboarding qui prédit la rétention à long terme, souvent appelé moment « aha ».
Taux d’activation = utilisateurs ayant atteint le jalon d’activation dans la fenêtre ÷ utilisateurs ayant terminé l’inscription dans la même cohorte × 100
Imaginons que 600 personnes se soient inscrites en octobre et que 186 d’entre elles aient atteint le jalon en 7 jours. L’activation est de 186 ÷ 600 = 31 %.
Lenny Rachitsky et Yuriy Timen posent deux critères pour un bon jalon (Lenny's Newsletter, 2022) :
Prédictif : les utilisateurs qui l’atteignent restent au moins 2 fois plus que ceux qui ne l’atteignent pas.
Actionnable : l’équipe growth ou produit peut influencer directement le nombre de personnes qui l’atteignent.
Le jalon de Slack est l’exemple le plus connu. Stewart Butterfield a indiqué qu’après l’échange de 2 000 messages au sein d’une équipe, 93 % de ces clients utilisaient toujours Slack (First Round Review, 2015). Le chiffre est précis, lié à un usage réel et sur lequel l’onboarding peut agir.
Définitions des métriques d’activation
Les équipes se disputent sur l’activation surtout parce qu’elles emploient les mêmes mots pour des choses différentes. Accordez-vous là-dessus avant de fixer des objectifs.
Métrique
Définition
Formule
Benchmark vérifié
Inscription
Compte créé et parcours d’inscription terminé
Nombre d’inscriptions terminées par cohorte
n/a
Configuration
L’utilisateur a terminé les étapes nécessaires avant que la valeur soit possible (données connectées, équipe invitée)
Utilisateurs ayant terminé la configuration ÷ inscrits
Aucun benchmark public fiable
Activation (aha)
L’utilisateur a atteint le jalon qui prédit la rétention
Utilisateurs atteignant le jalon dans la fenêtre ÷ inscrits
34 % de moyenne, 25 % de médiane, 500+ produits (Lenny) ; 37,5 % de moyenne, 62 entreprises SaaS B2B (Userpilot)
Time to value
Temps entre l’inscription et le jalon d’activation
Temps médian parmi les utilisateurs activés
Moyenne de 1 jour 12 heures 23 minutes, 62 entreprises SaaS B2B (Userpilot)
Adoption de la fonctionnalité clé
Part des utilisateurs ayant utilisé la fonctionnalité principale du produit sur une période
Utilisateurs de la fonctionnalité ÷ utilisateurs actifs éligibles
24,5 % de moyenne, 16,5 % de médiane, 181 entreprises (Userpilot)
Rétention à 3 mois
Part d’une cohorte d’inscrits encore active après 3 mois
Utilisateurs actifs au mois 3 ÷ taille de la cohorte
18,5 % pour les meilleurs produits contre 3,8 % de médiane (Amplitude, 2025)
Habitude
L’utilisateur revient à la fréquence naturelle du produit (quotidienne, hebdomadaire, mensuelle)
Utilisateurs actifs sur N des M dernières périodes ÷ utilisateurs activés
Propre à chaque produit
Utilisez la médiane pour le time to value. Quelques utilisateurs qui reviennent après trois semaines tirent la moyenne vers le haut et masquent ce que vit l’utilisateur typique.
Quel est un bon taux d’activation pour un SaaS ?
Un taux d’activation SaaS d’environ 30 à 40 % est typique ; l’enquête de Lenny considère le 60e centile comme bon et le 80e comme excellent. Les chiffres vérifiés :
Benchmark
Échantillon
Moyenne
Médiane
Enquête sur l’activation de Lenny's Newsletter, tous produits (2022)
Chaque entreprise définit le jalon différemment. Un taux de 50 % sur « a créé un projet » et un taux de 20 % sur « a partagé un rapport avec un collègue » ne sont pas comparables.
Votre mix de trafic change le chiffre. Davantage d’inscrits peu motivés à la suite d’un lancement ou d’un outil gratuit fait baisser l’activation sans que rien se dégrade dans le produit.
Votre propre tendance vaut mieux que n’importe quel benchmark. Passer de 22 % à 28 % avec une définition stable vous en dit plus que l’écart avec 37,5 %.
Pourquoi l’activation prédit-elle la rétention ?
Parce que la plupart des utilisateurs qui partent le font dans les premiers jours, avant d’avoir perçu de la valeur. Le Product Benchmark Report 2025 d’Amplitude, qui couvre plus de 2 600 entreprises, a constaté que pour la moitié des produits, plus de 98 % des nouveaux utilisateurs étaient inactifs deux semaines après leur première action (Amplitude, 2025). Le même rapport indique que 69 % des produits à forte activation à sept jours figuraient aussi parmi les meilleurs en rétention à trois mois. À trois mois, les meilleurs produits conservaient 18,5 % des utilisateurs, contre 3,8 % pour le produit médian.
Les données grand public montrent la même courbe. L’analyse de Quettra sur les applications Android en 2015, publiée par Andrew Chen, a constaté que l’application moyenne perdait environ 77 % de ses utilisateurs actifs quotidiens dans les 3 jours suivant l’installation et 90 % en 30 jours (Andrew Chen, 2015). La conclusion de Chen : la meilleure façon d’infléchir la courbe de rétention est de travailler sur les premiers jours d’usage.
La conséquence pratique : les problèmes de rétention sont souvent des problèmes d’activation déguisés. Si votre métrique North Star stagne, regardez la première semaine avant de penser aux fonctionnalités pour utilisateurs avancés.
Comment trouver votre moment « aha » ?
Servez-vous de vos propres données, puis vérifiez auprès des utilisateurs. Cela fonctionne dès quelques centaines d’inscrits.
Listez 5 à 10 actions candidates susceptibles de marquer la première valeur : premier projet créé, données importées, collègue invité, résultat partagé, tâche principale accomplie deux fois.
Récupérez 2 à 3 cohortes d’inscrits passées, assez anciennes pour montrer la rétention à 60 ou 90 jours.
Séparez chaque candidat en « l’a fait dans les 7 premiers jours » et « ne l’a pas fait ». Comparez la rétention des deux groupes.
Gardez les candidats pour lesquels le groupe « l’a fait » reste au moins 2 fois plus. C’est le test prédictif de Lenny.
Choisissez le plus précoce et le plus actionnable. « A invité 3 collègues » prédit peut-être le mieux mais reste difficile à influencer ; « a connecté une source de données » prédit presque aussi bien et se travaille plus facilement.
Fixez la fenêtre. Prenez la période pendant laquelle la plupart des utilisateurs fidèles atteignent le jalon, souvent 1, 7 ou 14 jours.
Interrogez 5 utilisateurs activés et 5 non activés. Demandez ce qui s’est passé lors de leur première session. Une corrélation dans les données peut tromper ; les récits vous disent si l’action cause la valeur ou ne fait que l’accompagner.
Exemple détaillé : choisir le jalon
Les chiffres ci-dessous sont illustratifs. Imaginons qu’un outil de reporting B2B ait eu 900 inscrits sur trois mois.
Action candidate (7 premiers jours)
Utilisateurs l’ayant faite
Rétention à 90 jours si faite
Rétention à 90 jours si non faite
Rapport
A créé un rapport
540
14 %
9 %
1,6x
A connecté une source de données
310
31 %
6 %
5,2x
A partagé un rapport avec un collègue
120
44 %
11 %
4,0x
A ouvert l’application sur 3 jours distincts
200
38 %
9 %
4,2x
« A créé un rapport » échoue au test des 2x. « A partagé un rapport » est prédictif mais seuls 13 % des utilisateurs l’atteignent. « A connecté une source de données » est fortement prédictif, atteint par 34 % des utilisateurs et directement influencé par l’onboarding. Il devient le jalon d’activation, avec une fenêtre de 7 jours : l’activation est de 310 ÷ 900 = 34 %.
Comment améliorer le taux d’activation SaaS ?
Menez une boucle, pas un projet. Chaque tour devrait prendre une à deux semaines.
Instrumentez le parcours. Suivez chaque étape entre l’inscription et le jalon : inscription terminée, premier écran vu, configuration commencée, configuration terminée, jalon atteint.
Trouvez la plus grosse chute. Dans l’exemple ci-dessus, si 70 % commencent à connecter une source de données mais que seuls 34 % terminent, l’étape de connexion est le goulot d’étranglement.
Observez et interrogez. Regardez cinq enregistrements de session de personnes qui ont décroché et parlez à trois d’entre elles. Formulez une hypothèse sur la friction.
Lancez un changement ciblé. Supprimer une étape, préremplir une valeur par défaut, ajouter des données d’exemple, réécrire un message d’erreur, proposer un appel de configuration de 15 minutes.
Mesurez le jalon, pas l’étape. Un changement qui améliore la fin de configuration sans améliorer l’activation n’a pas fonctionné.
Consignez la décision et recommencez. Notez ce que vous avez essayé, le résultat et ce que vous testerez ensuite.
Attendez-vous à ce que la plupart des changements ne fassent rien. Chez Google et Bing, seulement 10 à 20 % environ des expériences donnent des résultats positifs (Kohavi et Thomke, HBR 2017). Les équipes qui améliorent l’activation font plus de tours de boucle, pas des paris isolés plus malins. Notre guide des tests A/B explique comment lire les résultats.
Changements qui raccourcissent souvent le time to value
Réduire les étapes de configuration. Chaque champ obligatoire avant la première valeur est un point d’abandon.
Commencer avec des données d’exemple ou importées. Un état vide n’apprend rien ; un exemple prérempli montre le résultat.
Guider une première action. Une prochaine étape claire vaut mieux qu’une visite de dix fonctionnalités.
Différer les invitations. Demandez d’inviter des collègues après que les utilisateurs ont vu la valeur, sauf si le produit ne fonctionne qu’en équipe.
Proposer un humain en B2B. Pour les comptes avec plusieurs parties prenantes, un court appel d’onboarding bat souvent n’importe quel parcours dans l’application.
Quand ce playbook ne fonctionne-t-il pas ?
Quand le trafic est trop faible pour tester. Avec 100 inscrits par mois, un test met des mois à montrer une vraie différence. Utilisez plutôt des entretiens, des enregistrements de session et des cohortes avant/après, en acceptant moins de certitude.
Quand le jalon est une action de façade. « A terminé la checklist d’onboarding » mesure votre checklist, pas la valeur. S’il échoue au test de rétention 2x, abandonnez-le.
Quand la valeur dépend d’une équipe. Dans les produits B2B multi-utilisateurs, mesurez l’activation par compte, pas par utilisateur. Un administrateur qui connecte les données peut activer un compte de 20 personnes.
Quand le produit ne résout pas un problème fréquent. Aucun onboarding ne répare un job faible. Si les utilisateurs activés partent quand même, revisitez le job avec des entretiens Jobs to Be Done.
Le plus difficile dans le travail sur l’activation est de garder le fil entre ce que font les nouveaux utilisateurs, ce qu’ils vous disent et ce que vous décidez. Specky intègre les analytics produit, les retours et les appels clients dans un Product Graph, de sorte que la chute repérée dans les analytics se trouve à côté des verbatims d’entretien qui l’expliquent. Les décisions vont dans le Decision Log et, une fois un changement livré, vous pouvez vérifier si le pari a réellement fait bouger l’activation au lieu de repartir d’une page blanche à chaque sprint.
Questions fréquentes
Quel est un bon taux d’activation pour un SaaS ?
Les enquêtes vérifiées situent la moyenne à 34–38 %. L’enquête 2022 de Lenny Rachitsky sur plus de 500 produits donne 36 % de moyenne et 30 % de médiane pour le SaaS ; les données 2025 d’Userpilot sur 62 entreprises SaaS B2B donnent 37,5 %. Considérez le 60e centile comme bon et le 80e comme excellent, mais comparez-vous d’abord à votre propre tendance avec une définition stable.
Comment calculer le taux d’activation ?
Divisez le nombre d’utilisateurs ayant atteint votre jalon d’activation dans une fenêtre donnée par le nombre d’utilisateurs ayant terminé l’inscription dans la même cohorte, puis multipliez par 100. Par exemple, 186 inscrits d’octobre sur 600 atteignant le jalon en 7 jours donnent un taux d’activation de 31 %. Gardez le jalon et la fenêtre fixes pour que les tendances restent comparables.
Quelle est la différence entre activation et onboarding ?
L’onboarding est l’ensemble des étapes que vous concevez pour amener les utilisateurs à la valeur. L’activation est le résultat : l’utilisateur a réellement vécu la valeur. Un utilisateur peut terminer toutes les étapes d’onboarding sans s’activer, et certains s’activent sans terminer l’onboarding. Mesurez le jalon qui prédit la rétention, pas la complétion de la checklist.
Qu’est-ce que le time to value en SaaS ?
Le time to value est le temps que met un nouvel utilisateur pour atteindre le jalon d’activation. Le benchmark 2025 d’Userpilot sur 62 entreprises SaaS B2B indique une moyenne de 1 jour 12 heures 23 minutes. Suivez la médiane pour votre produit, car quelques utilisateurs lents faussent la moyenne, et visez à la réduire chaque trimestre.
Quelle doit être la durée de la fenêtre d’activation ?
Prenez la période pendant laquelle la plupart des utilisateurs fidèles atteignent le jalon dans vos propres données. Pour les outils self-service simples, c’est souvent 1 à 7 jours ; pour les produits B2B qui exigent des connexions de données ou des validations, 14 à 30 jours. Les données d’Amplitude montrent que la plupart des utilisateurs inactifs sont partis en deux semaines, donc des fenêtres plus courtes suffisent généralement.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing