Pourquoi votre entreprise a toujours 3 chiffres d’affaires différents

Introduction

Scène familière : lors de la réunion mensuelle de pilotage d’une marque de prêt-à-porter, le directeur marketing annonce 2,3 M€ de chiffre d’affaires. Le DAF le corrige : selon ses chiffres, on serait plutôt à 2,1 M€. De son côté, le responsable e-commerce affirme que Shopify affiche 2,4 M€.

En quelques secondes, le doute s’installe autour de la table : comment trois équipes peuvent-elles avoir trois versions différentes d’une même réalité ? Qui a raison ?

La réponse courte : tout le monde… et personne. Ce n’est pas un problème de compétence ou d’honnêteté, c’est un problème structurel qui touche la quasi-totalité des retailers et des plateformes e-commerce. Voici pourquoi ça arrive, pourquoi c’est en partie inévitable, et comment en sortir.

Pourquoi vos outils produisent des chiffres différents

La première source de divergence — souvent mal comprise — est technique : les outils que vous utilisez au quotidien n’ont pas été conçus pour mesurer le même CA. Chaque outil de votre stack le mesure depuis son propre prisme.

Des périmètres différents, donc des règles différentes

• Meta s’attribue du chiffre d’affaires via son modèle d’attribution, mais ne voit pas les annulations qui surviennent après la commande.

• Shopify enregistre la commande au moment où elle tombe, mais ne gère pas nativement les remboursements partiels ou les frais de port offerts en geste commercial.

• Votre logiciel de caisse enregistre ce qui se passe en magasin, avec sa propre logique de clôture journalière.

• Votre outil comptable n’enregistre que l’argent réellement encaissé — une commande passée mais non livrée n’existe pas encore pour lui.

Point clé Une même commande peut être rattachée à des dates radicalement différentes : passage, expédition, livraison ou encaissement. Sur un mois chargé en fin de période, cet écart de date peut représenter plusieurs points de CA.

Des outils similaires, des algorithmes différents

Meta Ads et Google Ads veulent tous deux mesurer la contribution de leurs campagnes à votre CA. Pourtant, ils ne donnent jamais le même chiffre : chacun a ses fenêtres de conversion (7 jours, 28 jours…), son modèle d’attribution (first-click, last-click, data-driven…) et ses propres règles pour décider quelle campagne « mérite » la vente.

Un client voit une pub Meta le lundi, clique sur une pub Google le mercredi, achète le vendredi : les deux plateformes s’attribuent 100 % de la vente. Additionnez-les, et vous obtenez mécaniquement un total supérieur à votre CA réel. Ces outils sont conçus pour justifier des investissements publicitaires, pas pour produire un CA comptable.

Pourquoi votre organisation aggrave le problème

La technique explique une partie des écarts. L’organisation explique l’autre — et c’est souvent la plus grande. Chaque département définit le CA selon ses propres besoins, et chacun de ces besoins est légitime.

PerformanceMarketing

Le marketeur veut savoir si ses campagnes fonctionnent. Une commande de 100 € est un succès, même si le client renvoie le produit trois jours plus tard. Il inclut souvent les frais de port, qui font partie du panier converti.

Unité de temps : date du clic ou de la session

LégaleComptabilité

Le comptable cherche la vérité légale et fiscale : seules les ventes juridiquement validées et facturées comptent. Les cartes cadeaux sont un passif, les goodies un coût, les retours une soustraction immédiate.

Unité de temps : dates de clôture encadrées par la loi

TerrainDirecteur de magasin

Il pilote à la journée : dès que le client paie, la vente est acquise. Il inclut souvent les cartes cadeaux pour valoriser l’effort de ses vendeurs, alors que les retours web effectués en boutique plombent ses objectifs.

Unité de temps : journée d’ouverture, clôture de caisse

Flux physiqueSupply chain

Le logisticien déclenche le CA à l’expédition ou à la livraison, sur le prix d’origine du produit, sans toujours intégrer les codes promo appliqués au paiement. Un colis perdu est une perte sèche.

Unité de temps : date de traitement ou bon d’envoi

Prenons les retours produits. Le marketing les exclut souvent pour ne pas « polluer » son taux de conversion. La comptabilité les déduit au centime près, mais à réception physique. L’e-commerce peut les prendre en compte dès la demande. Trois règles différentes, trois chiffres différents — à partir de la même base de commandes.

Il en va de même pour les frais de port, les cartes cadeaux, les échanges, les remises commerciales et les goodies offerts. Chaque cas particulier est une source d’écart potentielle.

À retenir Même avec une source de données unique et centralisée, deux équipes obtiendront des chiffres différents si elles n’ont pas formalisé les mêmes règles de calcul. Le problème n’est pas la donnée — c’est la définition.

Le silotage, puis l’effet legacy

Dans beaucoup d’entreprises, la DSI construit des flux séparés pour chaque département, en réponse à des demandes individuelles. Sans vision transversale, les règles de calcul naissent en silos et ne circulent pas. Avec le temps, les couches s’accumulent, se contredisent, et deviennent incompréhensibles pour ceux qui les utilisent.

S’y ajoutent des règles établies il y a cinq ou dix ans, qui tournent encore dans des fichiers Excel ou des requêtes SQL que personne n’ose modifier de peur de « casser quelque chose ». Résultat : deux personnes repartant de la même source brute appliquent inconsciemment des règles légèrement différentes — et divergent à chaque extraction, sans s’en rendre compte.

Une part des écarts est structurellement inévitable

Cassons un mythe : vous n’aurez jamais un chiffre d’affaires unique dans vos outils, mais plusieurs chiffres d’affaires utilisés selon les besoins. Et c’est normal. Même si la transaction d’origine est unique et indiscutable, chaque département l’agrège et la filtre à sa façon, pour trois raisons.

1. La temporalité Une commande passée le 31 mai à 23 h 58 sera dans le CA de mai pour le web, mais probablement en juin pour la comptabilité, après validation bancaire.

2. Le périmètre Doit-on compter la TVA ? Les remises fidélité ? Les frais de livraison ? Il n’y a pas de mauvaise réponse, seulement des contextes différents.

3. L’algorithmique Deux outils de tracking installés sur le même site n’auront jamais le même taux de capture : cookies refusés, adblockers, temps de chargement.

Ce qui est problématique, ce n’est donc pas l’existence d’écarts : c’est l’incapacité à les expliquer. Quand deux équipes ont des chiffres différents et savent pourquoi en trente secondes, c’est de la maturité data. Quand elles ne savent pas, c’est un problème.

L’objectif, c’est la traçabilité : que chaque chiffre soit défini, documenté, et que les écarts entre définitions soient connus et explicables.

Comment aligner votre organisation autour d’une donnée commune

La solution consiste à construire une base commune, sur laquelle chacun peut ensuite bâtir sa propre vue. En six étapes.

1. Centraliser les données sources, pas les agrégats Repartir des événements bruts : chaque ligne de commande, chaque transaction, chaque mouvement de stock. C’est la seule façon de s’assurer que tout le monde part du même point.

2. Cataloguer toutes les typologies avant d’agréger Commande standard, avec remise, frais de port offerts, mixte, payée par carte cadeau, remboursée, avec produit offert, avec échange, annulée… Chaque cas doit avoir sa règle. C’est souvent là qu’on découvre les trous dans la raquette.

3. Réunir tous les départements autour d’une définition commune Un atelier avec la finance, le marketing, l’e-commerce, la logistique et la direction pour trancher collectivement : qu’est-ce qu’une commande valide ? Les frais de port sont-ils dans le CA ? Les retours, déduits à la demande ou à réception ?

4. Documenter formellement les règles Les décisions doivent être écrites, versionnées et accessibles à tous : c’est le dictionnaire de données. Sans documentation, les règles se perdent et les débats reprennent à zéro à chaque arrivée.

5. Autoriser les vues métier sur la base fiabilisée Le marketing peut toujours regarder son CA avant retours — en sachant que c’est un indicateur de pilotage propre à ses enjeux, pas le CA de référence. Chacun comprend la définition de l’autre.

6. Mettre en place une gouvernance durable Désigner un responsable par définition clé : il valide les évolutions, arbitre les désaccords, maintient la documentation. Sans gouvernance formelle, les silos se reconstituent en moins de douze mois.

C’est exactement ce que fait Biron en amont de chaque projet data : centralisation des sources, fiabilisation au niveau granulaire, alignement des définitions entre départements — pour que chaque équipe travaille avec des chiffres cohérents, traçables et explicables.

La fiabilisation est le premier pas vers une IA performante

Accepter de naviguer avec trois chiffres d’affaires revient à admettre que vos données ne sont pas fiables. Or la majorité des retailers pensent le contraire : leurs outils sont leaders du marché, leurs tableaux de bord visuellement parfaits. C’est le grand piège de la tech — confondre la puissance d’un outil avec la justesse de sa configuration.

Une IA branchée sur vos outils actuels sans cadre précis échouera. Elle ne sait pas nativement ce qu’est un « retour magasin d’une commande web », ni comment traiter une carte cadeau périmée. Sans référentiel unique, elle appliquera une logique standard qui faussera vos marges. Pour raisonner juste, une IA ne doit pas deviner vos chiffres : elle doit être guidée par vos règles métier.