Memoire NGANKOU

REPUBLIQUE DE COTE D’IVOIRE
REPUBLIQUE DE COTE D’IVOIRE
Union-Discipline-Travail
MINISTERE DU PLAN ET DU DEVELOPPEMENT ORANGE COTE D’IVOIRE (OCI)

Union-Discipline-Travail
ÉCOLE NATIONALE SUPERIEURE DE STATISTIQUE DIRECTION EXPERIENCE CLIENT

ET D’ECONOMIE APPLIQUEE
MEMOIRE DE FIN DE STAGE

DIRECTION EXPERIENCE CLIENT
ÉCOLE NATIONALE SUPERIEURE DE STATISTIQUE
ET D’ECONOMIE APPLIQUEE
IMPACT DE LA SATISFACTION CLIENT SUR LA

CONSOMMATION
Rédigé par : Sous la supervision de :
NGANKOU Guy Hervé Mme BOUABLE Fallone

Élève Ingénieur Statisticien Économiste Responsable Pôle Projets Expérience
Client
Rédigé par :
Ngankou Guy Hervé
Elève Ingénieur Statisticien Economiste Janvier 2020

Sous la supervision de :
Mme Bouable Fallone

IMPACT DE LA SATISFACTION CLIENT SUR LA CONSOMMATION
DECHARGE
L’ENSEA et Orange Côte d’Ivoire n’entendent donner aucune approbation ou

improbation aux opinions émises dans ce document. Ces opinions doivent être
considérées comme propres à leur auteur.
NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste i

DEDICACE
Ce mémoire est dédié à toute la famille NGANKOU
NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste ii

REMERCIEMENTS
Ce mémoire ainsi présenté ne pouvait aboutir à son terme sans le soutien de plusieurs personnes.
C’est alors avec un cœur reconnaissant et un réel plaisir que nous exprimons notre gratitude envers
tous :
Nous tenons dans un premier temps, à adresser nos sincères remerciements à tout le corps
administratif de l’Ecole Nationale Supérieure d’Economie Appliquée, à travers son Directeur M
KOUADIO Hugues. Il nous a su nous inculquer un esprit de dévotion au travail afin de viser à
chaque fois l’excellence. Nous exprimons également notre profonde gratitude envers le directeur
des études ISE, M KOUAKOU Jean Arnaud, qui s’est montrer non seulement rigoureux envers
nous, mais aussi très compréhensif compte tenu des manquements que nous ayons pu afficher.
Également, nous ne manquons pas d’exprimer notre reconnaissance à tout le corps enseignant de
cette prestigieuse école. Particulièrement à : M MOUSSA Richard pour les aides en matière de
méthodologie ; M BELLO Toyidi et M GAKPA Lewis pour leurs orientations en matière de
rédaction ; à M BAFFO Boris et M GBENRO Nathaniel pour leur disponibilité.
Nos prochains remerciements vont en direction de notre encadreur Mme BOUABLE Fallone, ainsi
qu’à tout le bureau « la voix du client » à travers Mme N’DRAMAN Marie-Laure. Nous nous
sommes senti comme en famille. Un grand merci est adressé à M KOUAME Venceslas qui a mis
à notre disposition les données nécessaires à la mise en œuvre de cette étude.
Nous ne pouvons manquer de remercier grandement tous les membres de notre famille pour leurs
soutiens et encouragements indéfectibles. Merci particulier à notre papa M NGANKOU Raymond.
A nos camarades de promotion avec qui nous avons partagé des moments formidables mais parfois
difficiles aussi, nous adressons nos sincères remerciements. L’harmonie et la joie nous ont toujours
accompagnés.
Nous clôturons ce point en remerciant du fond du cœur tous nos amis et connaissances qui, de près
ou de loin ont contribué à la réalisation de ce mémoire à travers des remarques, des suggestions,
des critiques, des apports et des soutiens de toute nature.
NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste iii

SOMMAIRE
DECHARGE .................................................................................................................................. i
DEDICACE ................................................................................................................................... ii
REMERCIEMENTS ................................................................................................................... iii
SOMMAIRE ................................................................................................................................. iv
LISTE DES ABREVIATIONS .................................................................................................... v
LISTE DES ILLUSTRATIONS ................................................................................................. vi
AVANT-PROPOS ....................................................................................................................... vii
RESUME .................................................................................................................................... viii
ABSTRAT................................................................................................................................... viii
PRESENTATION DE LA STRUCTURE ................................................................................. ix
INTRODUCTION GENERALE ................................................................................................. 1
Chapitre 1 : CADRE CONCEPTUEL ET REVUE DE LITTERATURE .............................. 5
1.1 CADRE CONCEPTUEL ................................................................................................... 5
1.2 REVUE DE LITTERATURE .......................................................................................... 11
Chapitre 2 : APPROCHE METHODOLOGIQUE DE L’ETUDE ........................................ 16
2.1 PRESENTATION DES VARIABLES ET HYPOTHESES ......................................... 16
2.2 METHODOLOGIE DE L’ETUDE : UNE ANALYSE SUR SCORE DE
PROPENSION ........................................................................................................................ 18
Chapitre 3 : ANALYSE ET INTERPRETATION DES RESULTATS ................................ 28
3.1 ANALYSE DESCRIPTIVE DE LA SATISFACTION CLIENT ET DE LA
CONSOMMATION................................................................................................................ 28
3.2 INTERPRETATION DES RESULTATS DE L’ANALYSE SUR SCORE DE
PROPENSION ........................................................................................................................ 34
LIMITES DE L’ETUDE ............................................................................................................ 41
CONCLUSION GENERALE ET RECOMMANDATIONS.................................................. 42
BIBLIOGRAPHIE........................................................................................................................ x
ANNEXES .................................................................................................................................. xiv
TABLE DES MATIERES ......................................................................................................... xix
NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste iv

LISTE DES ABREVIATIONS
ATE : Average Treatment Effect
ATT : Average Treatment effect for the Treated
FCFA : Franc de la Communauté Financière d'Afrique
OCI : Orange Côte d’Ivoire
PSM : Propensity Score Matching
SAV : Service Après-Vente
NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste v

LISTE DES ILLUSTRATIONS
Liste des figures

Figure 1 : Détermination du NPS.................................................................................................... 8
Figure 2 : Appariement par le score de propension et support commun ...................................... 23
Liste des graphiques

Graphique 1 : Répartition des clients selon la satisfaction ........................................................... 28
Graphique 2 : Consommation moyenne en fonction de la satisfaction ........................................ 29
Graphique 3 : Répartition de la satisfaction client par agence...................................................... 32
Graphique 4 : Répartition de la satisfaction client selon le type de service ................................. 32
Graphique 5 : Répartition de la satisfaction client selon le type de client .................................... 33
Graphique 6 : Répartition de la satisfaction client selon le marché .............................................. 34
Graphique 7 : Distribution des scores de propension selon les groupes ....................................... 38
Liste des tableaux

Tableau 1 : Consommation moyenne des clients selon leur type ................................................. 31
Tableau 2 : Consommation moyenne des clients selon le marché................................................ 31
Tableau 3: Résultat du modèle logit ............................................................................................. 35
Tableau 4 : Matrice de confusion.................................................................................................. 35
Tableau 5 : Effet moyen de traitement par les plus proches voisins ............................................. 39
Tableau 6 : Effet moyen de traitement par les rayons .................................................................. 40
Tableau 7 : Effet moyen de traitement par stratification .............................................................. 40
Liste des annexes

Annexe 1 : Résultat du test d’indépendance du Chi-2 ................................................................. xiv
Annexe 2 : Résultats de la régression logistique .......................................................................... xv
Annexe 3 : Validation de la propriété équilibrante de score de propension ................................. xv
Annexe 4 : Support commun ....................................................................................................... xvi
Annexe 5 : Effets moyen de traitement par les plus proches voisins........................................... xvi
Annexe 6 : Effet moyen de traitement par les rayons ................................................................. xvii
Annexe 7 : Effet moyen de traitement par stratification ............................................................. xvii
Annexe 8 : Matrice de confusion ............................................................................................... xviii
NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste vi

AVANT-PROPOS
Créée en 1961, l’Ecole Nationale Supérieure de Statistique et d’Economie Appliquée d’Abidjan

(ENSEA) est une prestigieuse école qui a pour but d’assurer la formation des statisticiens et par
là, des hauts cadres pour plusieurs pays africains. A ce jour, elle a formé environ 4 000 statisticiens
de plus de vingt (20) pays d’Afrique et Haïti. Elle fournit à ses étudiants une formation de qualité
dans un cadre agréable, à travers un corps administratif et enseignant hautement qualifié.
La formation d’Ingénieurs Statisticiens Economistes (ISE) qui dure 03 ans est marquée à la fin de
la deuxième année par la mise en stage des étudiants. Ceci dans le but de les confronter au monde
de l’emploi et de leur accorder la possibilité de mettre en pratique les enseignements jusqu’à lors
reçus. Durant cette période stage, un mémoire portant sur une thématique précise est rédigé. C’est
ainsi que nous avons effectué notre stage au sein de l’entreprise Orange Côte d’Ivoire (OCI), plus
précisément dans la Direction Expérience Client (DXC). Le thème qui a été soumis à notre étude
est : Impact de la satisfaction client sur la consommation.
Compte tenu de certaines difficultés, il faut dire que le formuler n’a pas été chose facile. Difficultés
liées à la disponibilité des données et au fait de trouver un thème qui soit en adéquation avec les
exigences de l’école ou du moins d’un mémoire en statistique et économie appliquée.
Dire que nous n’avons rencontré que des difficultés serait ingrat de notre part car au-delà de tout,
le stage en lui-même s’est déroulé dans de très bonnes conditions. L’ambiance dans le bureau « la
voix du client » a toujours été très chaleureuse. Nous nous sommes senti comme en famille.
Nous sommes pleinement conscient que nous n’avons pas parfaitement cerné tous les contours de
ce sujet. Alors, nous sommes ouvert et réceptif à toutes remarques et suggestions pouvant aider à
améliorer la qualité de la présente étude.
NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste vii

RESUME
Dans le contexte actuel marqué par la prédominance du numérique, les entreprises de

télécommunication se font davantage concurrence afin d’attirer le plus grand nombre de clients.
L’un des moyens pour y parvenir serait de chercher à satisfaire ces derniers. Cela contribuerait
sans doute à accroître les bénéfices et aussi, à rehausser l’image de marque de l’entreprise. Se
penchant ainsi sur le sujet, la présente étude a pour principal objectif d’évaluer l’impact de la
satisfaction des clients d’Orange Côte d’Ivoire sur leur consommation. A cet effet, les méthodes
d’appariement sur score de propension ont été appliquées pour parvenir aux résultats. Il ressort
alors que, en conformité avec bon nombre d’études menées sur le sujet, la satisfaction client a un
impact significatif et positif sur la consommation. Ceci dit, les clients satisfaits du service rendu
dans les agences d’Orange Côte d’Ivoire consomment en moyenne plus que ceux qui ne le sont
pas. Mais aussi, ces clients ne fondent pas cette satisfaction sur le service mais plutôt sur l’agence.
Mots clés : Satisfaction client, score de propension, effet moyen de traitement.
ABSTRAT
In the current context marked by the predominance of digital, telecommunications companies are
competing more to attract the largest number of customers. One way to do this is to try to satisfy
the latter. This would undoubtedly help to increase profits and also enhance the brand image of
the company. Focusing on the subject, the main objective of this study is to assess the impact of
the satisfaction of Orange Côte d'Ivoire customers on their consumption. To this end, propensity
score matching methods were applied to achieve the results. It then appears that, in accordance
with a good number of studies carried out on the subject, customer satisfaction has a significant
and positive impact on consumption. That said, customers who are satisfied with the service
provided in Orange Côte d'Ivoire agencies consume on average more than those who are not. But
also, these customers do not base this satisfaction on the service but rather on the agency.
Key words : Customer satisfaction, propensity score, average treatment effect.
NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste viii

PRESENTATION DE LA STRUCTURE
Opérateur de télécommunications créé sous l’appellation, Société ivoirienne de mobile (SIM) et

sous la marque Ivoiris, Orange Côte d’Ivoire (Orange CI ou OCI) débute ses activités le 28 octobre
1996. Ayant pour Directeur général Mr BAMBA Mamadou, OCI est détenu à 85% par France
Télécom et à 15% par le groupe Sifcom.
OCI, leader de la téléphonie en Côte d’Ivoire avec plus de 14 000 000 de clients, est une entreprise
qui œuvre au quotidien à offrir à ses clients la meilleure expérience. Elle propose ainsi des services
Fixe, Mobile et Internet sur les marchés Grand Public, Opérateurs et Entreprises. Ses activités
administratives sont exercées par la Direction Générale, la Direction Financière, la Direction
Juridique et de la réglementation, la Direction des Achats et Logistiques, la Direction Marketing,
la Direction des Ressources Humaines, la Direction Broadband Fixe, la Direction Technique du
Système d’Information, la Direction de la Stratégie et la Direction Expérience Client.
Concernant précisément la Direction Expérience client, c’est elle qui se charge de mettre en place
la stratégie de l’expérience client qui s’articule autour de 03 points principaux :
• Une croissance basée sur l’amélioration continue de l’expérience client à travers la

personnalisation de la relation client, l’amélioration de la satisfaction globale et la
récompense de la fidélité ;
• Une maitrise des coûts opérationnels à travers le développement des opérations self care1
pour les clients et l’optimisation des processus clients et supports ;
• La diversification des activités de vente liées aux relais de croissance.
1
Pratique par laquelle on donne la possibilité au client d'effectuer des actions de gestion de son compte ou d'avoir
recours à des informations de support en toute autonomie en passant notamment par un site web, une application
mobile ou un chatbot (programme capable de converser avec un internaute).
NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste ix

INTRODUCTION GENERALE
1 contexte et justification
A l’heure du 21ème siècle, marqué par la globalisation des échanges et surtout la prédominance du
numérique, on semble bien loin de certaines idées émises par les économistes classiques.
L’affirmation de J.B. Say selon laquelle l’offre crée sa propre demande est quasiment désuète. Il
est impensable voire irréalisable qu’aujourd’hui les entreprises puissent produire sans se soucier
de l’existence ou non des débouchés. En effet, la théorie générale de l’emploi, de l’intérêt et de la
monnaie de Keynes (1936) est venue révolutionner les modes de production dans le sens où, il est
désormais primordial que les entrepreneurs s’assurent d’une demande potentielle avant tout acte
de production. A la suite de cette œuvre, s’est alors développé le marketing. En tant que discipline
de gestion des organisations, ce dernier a pour mission de bâtir une clientèle et de s'assurer, à long
terme, de sa fidélité soutenue, en posant au jour le jour et donc à très court terme, les gestes
nécessaires au renforcement de sa satisfaction (Dussart et Cloutier, 1992). Il ressort alors que la
satisfaction des clients est au cœur de cette discipline. Le but ultime de cette démarche est sans
doute d’augmenter de façon permanente la demande adressée à chaque entreprise. En effet, la
théorie économique keynésienne fait de la consommation un moteur de l’activité économique de
tout pays. Selon Keynes, c’est l’offre qui procède de la demande et non l’inverse. Mais, on peut
tout de même admettre que cette demande globale est la résultante de la somme des demandes
individuelles comme l’affirment les nouveaux économistes classiques. Ces derniers, reprenant la
théorie néoclassique, considèrent que l’offre globale et la demande globale proviennent de
l’agrégation des offres et des demandes individuelles. A ce niveau, il s’avère alors que ces deux
théories sont en fait complémentaires. Il faut donc chercher à accroitre la consommation
individuelle ce qui aura pour but d’augmenter la consommation globale. Ni les gouvernements, ni
les entreprises ont intérêt à ce que les dépenses de consommation diminuent. Raison pour laquelle
il est important pour chaque entreprise de mettre l’accent sur la satisfaction client afin d’agir sur
le niveau de consommation et enfin de compte d’engranger des profits conséquents.
Le développement des TIC a rendu le marché mondial de télécommunication très concurrentiel. Il
est donc nécessaire pour chaque entreprise présente sur ce marché d’avoir un nombre conséquent
de clients et surtout de s’assurer de leur fidélité. Depuis l’octroi en 1996 de la première licence de
NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste 1

téléphonie mobile en Côte d’Ivoire, le secteur de la téléphonie mobile a contribué à un énorme

changement dans l’ensemble du pays. En 2005, 11% seulement de la population était abonné à un
service mobile ; mais en l’espace de 10 ans, le taux d’abonnés est passé à 53 %, permettant à plus
de la moitié de la population d’être connectée. Un facteur clé de l’augmentation de la pénétration
en nombre d’abonnés a été le lancement des services 3G en 2012. En 2010, 3 % seulement des
Ivoiriens avaient accès à l’internet. En l’espace de cinq ans, près d’un quart de la population
pouvait se servir de l’internet par le biais de la téléphonie mobile, ce qui représente l’un des taux
de pénétration les plus élevés de l’Afrique de l’Ouest2. Selon l’Autorité de Régulation des
Télécommunications/TIC de Côte d’Ivoire (ARTCI), le taux de pénétration est de 134,08% au
premier trimestre 2019. Il y’a en effet bien plus d’abonnés que la population tout entière. D’après
les données de ce même organisme, la société Orange Côte d’Ivoire (OCI) détient la plus grande
part de marché avec 41% d’abonnés à ladite période. Le constat précédent fait donc état de ce que
le marché Ivoirien de la téléphonie mobile est en perpétuelle évolution. Raison pour laquelle
l’entreprise Orange Côte d’Ivoire, malgré son statut de leader, se doit de demeurer compétitive.
Cela passe nécessairement par la satisfaction de chaque client qui enfin de compte, contribuera
sans doute à accroitre son chiffre d’affaires et sa part de marché.
Au regard de tout ce qui a été évoqué depuis le début de cette l’introduction, cette étude se justifie
pour plusieurs raisons. Premièrement par le fait que, la satisfaction client qui est au cœur de la
démarche marketing, occupe une place prépondérante au sein d’OCI. Deuxièmement, le
constat selon lequel l’insatisfaction client coûte très chère (baisse considérable des chiffres
d’affaires et parts de marchés) à chaque entreprise, amène les entreprises de téléphonie mobile en
général et OCI en particulier à se préserver autant que possible de cette situation. Troisièmement,
il est tout aussi important de s’intéresser à la consommation individuelle qui par agrégation,
débouche sur la consommation globale, variable déterminante dans la sphère économique de tout
pays. A cet effet, il est alors opportun de se pencher sur ce sujet afin d’évaluer ou de mesurer l’effet
de la satisfaction client sur la consommation.
2
GSMA Dossier sectoriel : Côte d’Ivoire Pour une transformation numérique soutenue par la téléphonie mobile

2 Problématique
« Un client satisfait en parle à 2 ; un client insatisfait en parle à 10 »3. Cette affirmation de
Barbaray (2011) vient mettre en évidence à quel point il peut être important pour chaque entreprise
de se préoccuper de l’état de satisfaction de ses clients. En effet, plus les clients sont satisfaits, plus
ils se fidéliseront et recommanderont la marque. Mais à l’inverse, plus ils sont insatisfaits plus ils
s’en lasseront et la décommanderont. Un client peut donc amener 2 autres à consommer un produit
proposé comme à contrario il peut amener 10 autres à s’en détourner. Selon ce constat,
l’insatisfaction produit plus de pertes que la satisfaction ne génère de gains. En gardant à l’idée
que le but de toute entreprise est d’étendre ses ventes ou alors d’augmenter la demande à elle
adressée, il serait alors d’un atout considérable de se pencher sur cette question de satisfaction
client. Mais pour quelle raison une entreprise devrait-elle s’intéresser à satisfaire ses clients si ce
n’est celle de lutter contre la concurrence ? Il a été évoqué plus haut que les entreprises du monde
évoluent dans un environnement de plus en plus concurrentiel. Alors, satisfaire et fidéliser un client
est un avantage non négligeable. C’est donc à ce niveau où se situe le véritable problème : celui
de la concurrence. Afin d’accroitre leurs recettes, on est habitué à ce que les entreprises mènent
des campagnes de propagande et publicitaires ; mais pour les plus averties, il ne faut surtout pas
s’arrêter là car, s’assurer de la satisfaction et de ce fait de la fidélisation des clients peut être une
source considérable de gains et ce, dans le long terme. C’est pour cette raison qu’OCI, malgré son
statut de leader, met en place de gros moyens pour s’assurer de la satisfaction et de la fidélisation
de ses clients. Il convient alors d’évaluer à quel point cette démarche peut être bénéfique ou non.
Ainsi, la question fondamentale qui a lieu d’être posée à ce niveau est celle de savoir quel est
l’impact de la satisfaction des clients sur leur consommation ? Autrement, les clients d’OCI ont-
ils tendance à consommer davantage lorsqu’ils sont satisfaits après s’être rendus dans une agence
que lorsqu’ils ne le sont pas ? Mais aussi, la satisfaction client est-elle liée à l’agence dans laquelle
est servie le client ou au service ?
3 Objectifs
L’objectif générale de cette étude sera d’évaluer l’impact de la satisfaction client sur la
consommation. De manière spécifique, il sera tout d’abord question de savoir si la satisfaction a
3
http://www.marketing-professionnel.fr/parole-expert/10-dogmes-regles-relation-clients-01-2011.html

un lien avec l’agence ou le service. Ensuite, il sera question de savoir si la satisfaction client a un
impact significatif et positif sur la consommation des clients se rendant en agence.
4 Hypothèses
En s’inscrivant dans le même sillage que les objectifs, les hypothèses de cette étude sont les
suivantes :
➢ La satisfaction client est liée à l’agence et au service ;
➢ La satisfaction client a un impact significatif et positif sur la consommation.
5 Méthodologie
Compte tenu du fait qu’on cherche à mesurer l’impact de la satisfaction sur la consommation, on
aurait pu faire une estimation par les moindres carrés ordinaires car les données disponibles dans
le cadre de cette étude sont en coupe instantanée. Mais le fait que la variable « satisfaction » soit
une variable binaire, nous a amené à explorer une autre piste de modélisation. Celle-ci nous a
conduit à l’utilisation de l’appariement sur score de propension (en anglais, propensity score
matching (PSM)). Il faut dire que cette méthode quasi-expérimentale d’évaluation d’impact à
l’origine développée par les statisticiens dans le domaine biomédical est de plus en plus utilisée en
économie. Elle permet généralement d’évaluer l’impact des interventions publiques, des
programmes de formation ou d’éducation et des politiques d’emploi. Il serait tout aussi intéressant
de l’utiliser au sein d’une entreprise privée afin de mesurer l’impact d’un programme ou d’une
méthode de travail mis en place par celle-ci. Ainsi, en ce qui concerne Orange Côte d’ivoire, il
s’agira alors d’évaluer l’impact de la satisfaction liée au service rendu dans les agences, sur la
consommation des clients.
6 Plan
Cette présente étude s’articule autour de trois chapitres. Le premier fait état du cadre conceptuel
et d’une revue de la littérature économique autour de la satisfaction client et de l’impact qu’elle
peut avoir sur la consommation. Dans le deuxième chapitre, il sera présenté les variables utilisées,
les hypothèses y afférentes ainsi que la méthodologie de l’étude qui servira à évaluer cet impact.
Enfin, le troisième chapitre, présentera les résultats et les interpréterons pour au final, se prononcer
quant à la validation ou non des hypothèses émises.

Chapitre 1 : CADRE CONCEPTUEL ET REVUE DE

LITTERATURE
Introduction
Avant de mener toute étude, il est primordial de non seulement maitriser les concepts utiles à la
bonne compréhension du sujet, mais aussi, il nécessaire de faire le contour des travaux ayant un
rapport avec ce dit sujet. Tous ces points permettront d’avancer en tout état de cause en gardant à
l’esprit les orientations données par d’autres chercheurs. Ainsi, avant de se pencher sur la revue de
littérature, ce présent chapitre s’attèlera de présenter et de définir les concepts clés.
1.1 CADRE CONCEPTUEL

S’il est vrai qu’un mot ou une expression peut être défini de plusieurs manières, et de ce fait avoir
plusieurs sens, un travail de circonscription selon l’orientation qu’on désire donner à l’étude est
alors nécessaire. Cette section a donc pour but de définir les concepts qui permettront de mieux
saisir les contours du sujet traité.
1.1.1 Client
Dans le vocabulaire marketing, un client désigne une personne morale ou physique susceptible ou
non d'acquérir un bien proposé par une entreprise4. Selon Ngobo (2005), on distingue par ailleurs
le client du consommateur, car la personne qui achète un bien n'est pas forcément celle qui le
consomme ou l'utilise. Un client est donc une personne qui achète un produit ou service à une
entreprise, et vers laquelle est orientée la force marketing. Celui étant susceptible d’acheter le bien
ou le service est appelé prospect.
Au niveau de l’entreprise OCI, le client est un usager qui détient un numéro de téléphone ou non
et susceptible d’acquérir un produit ou un service proposé par l’entreprise. Dans le cadre de cette
étude, le client est celui ayant un numéro de téléphone et ayant effectué des achats à partir de ce
même numéro.
4
https://www.journaldunet.fr/business/dictionnaire-du-marketing/1197945-client-definition-traduction-et-
synonymes/

1.1.2 Satisfaction client

Il n’existe pas de réels consensus auprès des chercheurs quant à la définition du concept de
satisfaction client car en effet, cette dernière dépend de nombreux facteurs. La notion de
satisfaction correspond à un sentiment plaisant que l’on ressent lorsqu’on obtient ce que l’on
espère. Le dictionnaire Larousse la définit ainsi : contentement, joie résultant en particulier de
l’accomplissement d’un désir, d’un souhait. Si l’on s’appuie sur cette définition, la satisfaction
client serait finalement un sentiment agréable, conséquence d’une expérience positive du client
par rapport à un service ou à un produit. Cette perception de la satisfaction client rejoint celle de
Westbrook et Reilly (1983) qui pensent qu’elle est un état d’esprit agréable qui découle de la
constatation qu’un bien, un service, un point de vente ou une action conduit à la réalisation de ses
valeurs personnelles.
Toutefois, dans le contexte d’une entreprise, lorsque l’on parle de satisfaction client (élément
mesurable), celle-ci peut être positive ou négative, et inclut donc l’insatisfaction client. Il s’agit du
sentiment ou de l’attitude (neutre, négative ou positive) qu’un consommateur a concernant un
produit, une marque ou un service proposé. La satisfaction client est positive lorsque les attentes
du client sont comblées, elle est négative dans le cas contraire.
Satisfaire un client dépend alors des éléments factuels (qualité du produit, délais de livraison…),
des éléments moins tangibles (comportement du vendeur, réactivité du service client…), et
également des paramètres subjectifs (attentes qui diffèrent d’un client à l’autre, sensibilité de
chaque client…). C’est dans ce sens que Llosa (1997) pense qu’elle est fondée sur une comparaison
de la performance perçue du service avec un standard préétabli.
Si l’expérience client dans son ensemble impacte indéniablement la satisfaction client, il faut
toutefois bien prendre en compte ces paramètres subjectifs : le niveau de qualité d’un produit ou
d’un service peut être élevé et pour autant, le client pourrait ne pas être satisfait par rapport aux
attentes qu’il a placé sur le service dispensé. Dans cette optique, Evrard (1993) définit alors la
satisfaction comme un état psychologique consécutif à une expérience de consommation.
La satisfaction client est donc un mélange d’éléments concrets et mesurables et de charge
émotionnelle, situé autour des attentes du client et des propositions de réponse ou
d’accompagnement effectués par la marque. Par ailleurs, la définition d’un client satisfait, variera
aussi d’une entreprise à l’autre.

1.1.3 Expérience client

L’expérience client est un concept assez récent défini pour la première fois par Gilmore et Pine en
1998. Pour eux, « il s'agit de l’idée d’un nouveau type d’offres, qui dépasse le stade des services
pour proposer aux consommateurs des expériences singulières, mémorables et économiquement
valorisées »5. En d’autres termes, l’expérience client désigne l’ensemble des émotions ressenties
par un client avant, pendant et après l’achat d’un produit ou d’un service. Il s’agit alors d’une
somme complexe d’éléments hétérogènes (ton publicitaire, ambiance point de vente, relation
vendeur, expérience d’usage, relation support client, etc.). Pratiquée depuis une quinzaine
d’années dans les pays anglo-saxons et dans le Nord de l’Europe, l’expérience client est au cœur
de la réussite d’entreprises emblématiques comme Air BnB, Starbucks, IKEA, Amazon qui ont su
innover avec des approches plus connectées aux besoins des gens et créer une plus grande
proximité avec la marque (Body et Tallec, 2015).
L’expérience client est évidemment considérée comme une source d’influence de la satisfaction et
de la fidélisation.
1.1.4 Instruments de mesure de la satisfaction

Mesurer la satisfaction de la clientèle peut s’avérer être un exercice difficile dans le sens où il
s’agit d’emblée d’une notion subjective. En effet, deux clients vivant les mêmes parcours lors de
l’achat d’un bien ou d’un service n’auront pas forcément le même niveau de satisfaction. Toutefois,
des chercheurs ont pu mettre au point des instruments qui ont pour but de capter avec une plus ou
moins grande précision l’état de satisfaction des clients. Ainsi, il s’agit alors d’une part des
indicateurs captant le niveau ou l’état de satisfaction des clients pris individuellement, et d’autres
part des indices composites (servant également d’indicateurs) faisant état de la satisfaction globale.
Entre autres on a :
➢ Le score de satisfaction client (CSAT)
Le CSAT ou Customer Satisfaction, est le plus ancien des indicateurs de la satisfaction client. Il
est toujours largement utilisé et scruté avec minutie par de nombreuses entreprises. Il se mesure
via une simple et unique question posée après un contact avec l’entreprise (achat, rendez-vous…)
5
Gilmore J.H., Pine J.B. (1998), “Welcome to the experience economy”, Harvard Business Review, Vol. 76, 4, pp.
97-105

: « Globalement, êtes-vous satisfait par notre marque ? ». Cet indicateur est souvent accompagné
d’autres questions portant sur des critères précis, afin de mieux cerner la satisfaction du client, et
en déduire des actions pour agir directement. L’avantage de cet indicateur est sa simplicité pour le
client, et sa polyvalence. Il produit un score simple à visualiser et intéressant à utiliser pour des
mesures en temps réel, directement après une interaction avec la marque. Cependant, il reste limité
dans la mesure de l’expérience client, en ne fournissant qu’une seule information, à un moment
donné sur un service ou un acte donné.
➢ Le taux de recommandation (NPS)
Le NPS ou Net Promoter Score, célèbre indicateur ayant gagné ses lettres de noblesse ces dernières
années, a été inventé en 2003 par Reichheld6. Il permet de mesurer efficacement le taux de
recommandation d’un client via une simple question : « Sur une échelle de 0 à 10, quelle est la
probabilité que vous recommandiez notre marque à vos proches ? ». Le NPS fournit à chaque
entreprise un instantané de l’état de la relation avec le client. Que pense le client de l’entreprise ?
Quelle image a-t-il de la marque ? Est-il prêt à recommander le service rendu ou le produit acheté
? Les clients qui sont prêts à mettre leur réputation en jeu pour recommander une marque le font
parce qu’ils ont confiance en elle et sont satisfaits de ses produits et services. Il se calcule comme
suit :
Figure 1 : Détermination du NPS
Source : Checkmarket : Net Promoter Score – calcul et application (2011)
• Promoteurs = répondants donnant un score de 9 ou 10
6
Relation client magazine (2014) : CSAT, NPS, CES quel indicateur de satisfaction choisir ? N 0 108, pp 55-57.

• Passifs = répondants donnant un score de 7 ou 8
• Détracteurs = répondants donnant un score de 0 à 6
En analysant la répartition du NPS, l’entreprise peut également identifiez à qui seront destinées
ses actions prioritaires. Un score NPS élevé est un très bon signe, mais il peut être dû à beaucoup
de promoteurs et peu détracteurs, ou peu de promoteurs mais beaucoup de neutres. Il convient
alors pour l’entreprise qui s’en sert d’entrer dans les détails afin d’en tirer avantage.
➢ Le score d’effort du client (CES)
Le Customer Effort Score, plus récent que les deux précédents, est un indicateur très utile pour
mesurer la qualité du parcours client (un achat, la modification d’un contrat, un passage au SAV,
etc…). Au lieu de demander à quel point le client est satisfait, il lui est demandé d’évaluer la
facilité de son expérience, via des propositions comme « facile », « difficile », « très facile », «
très difficile ». Afin de le capter, la question suivante peut alors être posée : "Quel niveau d'effort
avez-vous dû déployer pour que votre demande soit traitée ?". Il sert surtout à évaluer le niveau de
qualité d’un service client. L’objectif final est la réduction maximale de l’effort fourni par un client
pour arriver à ses fins. L'idée est alors que, moins le client fournira un effort important plus il sera
susceptible d’être satisfait et alors de rester fidèle.
➢ Indice américain de satisfaction des clients (ACSI)7
Inspiré du Swedish Customer Satisfaction Barometer (SCSB) développé en Suède en 1989 (Fornell
et al., 1996), l’American Customer Satisfaction Index (ACSI) est fondé sur l’évaluation de la
qualité des biens et services achetés aux Etats Unis d’Amérique (USA) et produits par les
entreprises locales et étrangères qui réalisent la grande partie de leurs parts de marché aux USA.
Le nombre d’entreprises suivies dans ce projet n’est pas statique car certaines entreprises intègrent
le projet pendant que d’autres en sont exclues ou ont fusionné par exemple. Il est à ce jour la seule
mesure nationale de la satisfaction de la clientèle d’un secteur à l’autre aux États-Unis. Chaque
année, environ 300 000 clients sont interrogés sur les produits et services qu’ils utilisent le plus
afin d’alimenter un modèle économétrique à plusieurs équations développé à l'Université du
Michigan. Les données de l’enquête servent de base au modèle qui mesure la satisfaction de la
clientèle auprès de plus de 400 entreprises de 46 industries et de 10 secteurs économiques, ainsi
que de divers services d’organismes fédéraux et locaux. L’indice a été publié pour la première fois
7
https://www.theacsi.org/about-acsi

en octobre 1994 et est mis à jour tous les trimestres, avec de nouvelles données pour un ou plusieurs
secteurs économiques remplaçant les données collectées l’année précédente. Il comprend quatre
niveaux d’indices ou de scores qui fournissent des informations trimestrielles sur les niveaux de
satisfaction des clients américains8 :
• Score-entreprise : le score de l’entreprise représente la moyenne des scores issus des
réponses de tous ses clients qui ont acheté et consommé l’un de ses produits/services ;
• Score-industrie : après avoir obtenu les scores au niveau de l’entreprise, le score de
l’industrie est calculé comme une moyenne des scores de toutes les entreprises de cette
industrie ;
• Score-secteur : la moyenne des scores de toutes les industries d’un secteur représente le
score de ce secteur d’activité ;
• Le score national de satisfaction client (US overall customer satisfaction index) est obtenu
par la moyenne pondérée de toutes les industries et tous les secteurs.
Les résultats de l'ACSI sont étroitement liés à un certain nombre d'indicateurs essentiels de la
performance micro et macroéconomique. Au niveau micro-économique, les entreprises affichant
un niveau élevé de satisfaction de la clientèle ont tendance à générer des bénéfices et des
rendements boursiers supérieurs à ceux de leurs concurrents. Au niveau macro, il a été démontré
que la satisfaction de la clientèle était un facteur prédictif de la consommation et de la croissance
du produit intérieur brut. Ces résultats permettent aux principales entreprises américaines ou
internationales de se positionner vis à vis de leurs concurrents et vis à vis de la moyenne de leur
domaine d’activité. Ils sont également utilisés par les décideurs publics qui s’en servent pour avoir
une meilleure idée de la santé et de la direction de l'économie.
➢ L’indice européen de satisfaction client (ECSI)
L'ECSI introduit pour la première fois en 1999 dans 11 pays européens représente une autre
variante du modèle ACSI (Eklöf, 2000). Les attentes du client, la qualité perçue, la valeur perçue,
la satisfaction du client et les concepts de fidélité du client sont modélisés de la même manière que
dans l’ACSI. Les questions de l'enquête sont également classées sur des échelles allant de 1 à 10
points. L’ECSI, considère alors l’économie européenne dans son ensemble et permet donc de
8
Rutambuka D, (2017) La satisfaction des clients permet-elle de mieux expliquer l’impact des fusions et acquisitions
sur la valeur de l’entreprise ?, thèse de recherche, Université de Paris-dauphine, p 21.

comparer les scores de satisfaction client des pays les uns avec les autres et avec la moyenne
européenne (Eklöf et Westlund, 2002). Il a été renommé EPSI, qui correspond à European
Performance Satisfaction Index. Ceci dans le but d’ouvrir la voie à d'autres mesures de
performance telles que la satisfaction des employés et la confiance de la société.
1.2 REVUE DE LITTERATURE

Se référant aux apports aussi bien théoriques qu’empiriques, il sera question dans cette section de
faire un étalage non exhaustif des divers travaux et résultats se rapprochant à l’étude présentement
menée.
1.2.1 Revue de littérature théorique

Il sera question ici de présenter les enjeux de la satisfaction client du point de vue des entreprises
d’une part, et d’autre part les déterminants de la consommation des ménages.
1.2.1.1 Les enjeux de la satisfaction client du point de vue des entreprises

Il est généralement admis que la satisfaction a un double effet positif sur la rentabilité car elle agit
sur les ventes et sur les coûts. Pour ce qui est des ventes, il ressort de la littérature que la satisfaction
des clients influence la fidélité (Anderson et Sullivan, 1993), le bouche à oreille (Anderson, 1998),
la sensibilité aux prix (Homburg et al., 2005), le comportement de multi-équipements ou cross-
buying (Ngobo, 2004), et le up-buying (Ngobo, 2005) ou le fait d’acheter des options plus chères.
Pendant les périodes de crise (par exemple la récession), la compétition entre entreprises devient
rude, et ses dernières se lancent dans une lutte acharnée pour conserver un grand nombre des
clients. Ainsi, les clients peuvent être tentés par une multitude des produits/services proposés par
l’entreprise concurrente. Dans ce cas, les recherches montrent que, plus le client est très satisfait à
l’égard d’une entreprise, moins il sera séduit par l’offre de la concurrence (Heide et Weiss, 1995),
car le but pour lui est de trouver l’offre qui lui assure le meilleur rapport qualité/prix ou la meilleure
qualité de produit/service à moindre coût (Soberman et Gatignon, 2005). Ces comportements sont
de nature à contribuer à l’augmentation des ventes d’une entreprise. Concernant les coûts, il
apparaît que la satisfaction réduit les coûts promotionnels en augmentant le niveau de bouche à
oreille de la part des clients (Luo et Homburg, 2007). Elle réduit également le nombre de
réclamations et par conséquent le coût de leur gestion (Fornell, 1992). La satisfaction des clients
influence positivement la rétention des clients (Bolton, 1998 ; Mittal et Kamakura, 2001) et permet

ainsi d’en constituer une base régulièrement stable. Ainsi, plus le taux de rétention des clients
augmente, plus la satisfaction des clients permet d’assurer des ventes futures (Fornell, 1992 ; Rust
et Zahorik, 1993) et de réduire les coûts de transaction comme la communication, les ventes, etc.
(Srivastava et al., 1998).
Barbaray (2016) identifie 19 impacts de la satisfaction client sur la rentabilité des entreprises. Il
les classe en 4 catégories à savoir :
▪ Impact sur les habitudes d’achat : des clients satisfaits sont moins sensibles aux
promotions, achètent plus le même produit plus souvent ou avec des options, résistent plus
facilement à la pression de la concurrence et recommande l’entreprise à leur entourage.
Ici, l’intérêt de la satisfaction dans la rentabilité est simple : un client satisfait renouvelle
plus fréquemment ses achats, en plus grande quantité, et sa fidélisation est améliorée.
▪ Impact sur la réputation : des clients satisfaits contribuent à l’image de marque et à la bonne
réputation de l’entreprise. Cela favorise la prospection et le recrutement des nouveaux
clients via un bouche-à-oreille favorable, et optimise les investissements commerciaux et
publicitaires.
▪ Impact sur l’innovation : Selon cet auteur, une entreprise qui a la volonté de satisfaire ses
clients est une entreprise qui est plus tournée vers l’innovation de ses produits et services.
Elle optimise sa politique de recherche et développement fondée sur les vraies attentes des
clients. En effet, grâce aux bonnes connaissances que les entreprises ont de leurs clients,
elles peuvent proposer des offres correspondant plus spécifiquement à leurs attentes,
permettant ainsi d’avoir moins d’échecs lors des lancements de nouveaux produits.
▪ Impact sur la gestion : Barbaray estime que, gérer et facturer 1000 € à un client est plus
rentable que de gérer et facturer 100 € à 10 clients. La satisfaction permet aussi d’optimiser
l’efficacité des investissements commerciaux et publicitaires via le bouche-à-oreille et une
meilleure réputation.
A travers ce qui vient d’être soulevé, le constat est que, au sein d’une entreprise, la satisfaction
client a pour objectif d’augmenter la consommation de chaque client. Des clients satisfaits seront
alors enclins à acheter davantage et feront une publicité (qui se veut gratuite) pour l’entreprise à
travers le bouche-à-oreille. Gardant également à l’esprit qu’elle a pour objectif de réduire les coûts,
l’entreprise serait à même de réaliser des économies d’échelle considérables. Tout ceci permet

alors aux entreprises de non seulement accroître leurs bénéfices ou leur profit, mais également de
lutter contre la concurrence.
1.2.1.2 Les déterminants économiques de la consommation des ménages
Il n’est pas question ici de faire le tour complet des théories économiques portant sur les
déterminants de la consommation. Un simple rappel des fondamentaux des approches micro et
macroéconomiques sera alors présenté.
Ainsi, selon les économistes néo-classiques précurseurs de l’analyse micro-économique, le
consommateur est rationnel et cherche toujours à optimiser son choix, donc à maximiser sa
satisfaction. L’analyse est fondée sur trois hypothèses. Le consommateur a un objectif de
maximisation de son utilité ; la maximisation de l’utilité se réalise sous contrainte budgétaire c’est-
à-dire étant donné son revenu ; le consommateur est rationnel et autonome. Elle construit la
fonction de demande sur la base de la relation prix-quantité demandée, les autres paramètres étant
censés rester constants. Au final, le consommateur choisit la combinaison idéale de biens lui
apportant la plus grande satisfaction.
Quant à l’approche macro-économique présentée par Keynes (1936), elle stipule que le niveau de
la consommation dépend de celui du revenu disponible. Keynes montre à travers la « loi
psychologique fondamentale » que lorsque le revenu augmente, la consommation s’accroît, mais
dans une proportion moins importante que celle de l’augmentation du revenu. Ainsi, les ménages
épargnent une part croissante de leur revenu au fur et à mesure que celui-ci s’accroît. L’originalité
de Keynes consiste donc à relier la consommation globale au revenu global. Pour Keynes, il existe
une relation fonctionnelle entre un montant donné du revenu et celui de la dépense de
consommation qui lui correspond.
On s’aperçoit que les néo-classiques sont parmi les premiers à établir le lien entre satisfaction et
consommation. En effet, tout part de la recherche de la satisfaction (maximale) par chaque
consommateur. C’est lorsque ce dernier est sûr que sa satisfaction est maximale compte tenu de
son revenu et des biens disponibles qu’il effectue l’acte de consommation. Il ressort alors que,
contrairement à l’étude qui est présentement menée, le sens ne va pas de la satisfaction à la
consommation mais plutôt de la consommation à la satisfaction. Mais cette contradiction apparente
pourrait en fait être le fruit d’un cercle vertueux dans le sens où, des clients satisfaits (par les
entreprises) augmenteront davantage leurs consommations qui au final les rendront encore plus
satisfaits (au niveau individuel) ; et ainsi de suite.

1.2.2 Revue de littérature empirique : Satisfaction client, rentabilité des entreprises et

consommation des clients
La relation entre satisfaction et rentabilité de l’entreprise est largement abordée en marketing
(Ngobo et Ramarosson, 2004). Les premières recherches ont rapporté des liens mitigés entre la
satisfaction et la rentabilité. Certains ont observé des liens négatifs (Foster et Gupta, 1997; Tornow
et Wiley, 1991) et d’autres positifs (Anderson et Mittal, 2000; Guo et Jiraporn, 2005). Ngobo et
Ramarosson (2004) expliquent cette divergence par la méthodologie utilisée par les chercheurs et
le type de leurs données utilisées. Il est apparu, dans leur recherche, que les études qui ont analysé
plusieurs secteurs et des données longitudinales ont toutes observé un impact positif de la
satisfaction sur la rentabilité de l’entreprise. Certaines études rapportent même des effets persistent
au-delà de la période d’amélioration de la satisfaction (Banker et al., 2000; Ittner et Larcker, 1998).
Banker et al. (2000) observent un effet de retard de six mois quand Winkler et Schwaiger (2011)
rapportent que les effets positifs d’une amélioration de la satisfaction des clients sur les revenus
d’une banque se font remarquer après une période d’un an et demi. De plus, des études
expérimentales démontrent que des clients satisfaits sont prêts à payer plus cher (Homburg et al.,
2005). La satisfaction contribue également au bouche-à-oreille positif et à l'utilisation accrue des
produits, ce qui, à son tour, stimule les dépenses de consommation futures (Danaher et Rust, 1996).
Enfin, la satisfaction pourrait donner lieu à davantage de ventes croisées et de ventes incitatives
(Li et al., 2005) 9.
À un niveau fondamental, il est évident que le degré d'utilité ou de satisfaction qu'une personne
retire de la consommation peut influer sur la façon dont elle dépense son argent. Plusieurs études
ont cherché à établir le lien entre satisfaction client et consommation. En effet, Johnson, Anderson
et Fornell (1995) constatent que le degré de satisfaction à l'égard des achats antérieurs a une forte
incidence sur l'utilité prévue et, par conséquent, sur les décisions de dépenses futures. Boulding et
al (1993) présentent un argument semblable, à savoir que les consommateurs forment des attentes
quant à leur niveau de satisfaction futur en fonction de leur satisfaction actuelle. Fornell et al
(2010) examinent si une relation semblable peut être établie lorsque la satisfaction et les dépenses
sont agrégées pour l'ensemble de la population américaine. En utilisant un modèle de croissance
9
Rutambuka D, (2017) La satisfaction des clients permet-elle de mieux expliquer l’impact des fusions et acquisitions
sur la valeur de l’entreprise ?, thèse de recherche, Université de Paris-dauphine, p 32-37.

asymétrique, les auteurs montrent que l'évolution décalée de la satisfaction de la clientèle, qui
contribue à la demande future, a une incidence importante sur la croissance des dépenses.
Toutefois, cet impact est atténué par l'augmentation du ratio du service de la dette des
consommateurs, une contrainte budgétaire clé qui affecte la capacité des consommateurs à
dépenser. Ces auteurs reconnaissent tout de même que la satisfaction est également une fonction
du prix. Le prix influe non seulement sur l'utilité pour le consommateur, mais aussi sur sa
probabilité de réapprovisionnement et sur l'impact des contraintes budgétaires qui pèsent sur lui.
Par conséquent, ils incluent l'évolution globale des prix comme variable de contrôle. Même si des
niveaux plus élevés de satisfaction des acheteurs peuvent entraîner une augmentation des dépenses,
la capacité des consommateurs à dépenser sera tempérée par la disponibilité des liquidités et du
crédit, c'est-à-dire que l'augmentation des niveaux d'endettement peut limiter les dépenses futures
(Johnson et Li 2007).
Les mesures de la satisfaction de la clientèle pourraient-elles aider à prédire la consommation au-
delà de la panoplie habituelle de données économiques sur le revenu disponible et les ratios du
service de la dette ? C’est à cette question que Sephton (2011) cherche à apporter des éléments de
réponse. En utilisant l'indice de satisfaction de la clientèle ACSI et les méthodes linéaires et non
linéaires, il arrive à la conclusion selon laquelle l'indice ne permet pas de mieux comprendre
l'évolution temporelle des dépenses discrétionnaires. En effet, il pense que Fornell et al (2010) qui
ont fait état d'un succès préliminaire dans l'utilisation de mesures de la satisfaction pour prévoir
les dépenses discrétionnaires emploient une spécification impliquant des non-linéarités sans essais
suffisants pour s'assurer que leur modèle est correctement spécifié. Les résultats empiriques de
cette étude montrent que la satisfaction de la clientèle a peu ou pas de contenu prédictif pour les
dépenses discrétionnaires. En d’autres termes, il y a peu d'intérêt à tenir compte de la satisfaction
dans la modélisation des déterminants des dépenses discrétionnaires.
Conclusion
En somme, il était question dans ce chapitre de présenter les concepts clés servant à la bonne
compréhension du sujet et aussi une revue de littérature faisant état des travaux menés par rapport
au sujet. Il ressort alors que la satisfaction client est un concept polysémique qui, selon certains
auteurs peut avoir un impact positif sur la consommation. Mais pour d’autres, pas du tout.

Chapitre 2 : APPROCHE METHODOLOGIQUE DE

L’ETUDE
Introduction
L’appariement sur score de propension fait partie des méthodes quasi-expérimentales d’évaluation
d’impact. Ces dernières se distinguent des méthodes expérimentales par le fait que les individus
ne sont pas sélectionnés de manière aléatoire. Il suffit alors pour chaque individu participant à un
programme par exemple, de trouver son semblable qui ne participe pas au programme compte tenu
des caractéristiques observables. Le présent chapitre a dont pour but de présenter la méthodologie
qui servira à la mise en application de la méthode PSM. Mais avant, il convient de présenter les
variables qui seront utilisées ainsi que les hypothèses et spécifications y afférentes.
2.1 PRESENTATION DES VARIABLES ET HYPOTHESES

Les données collectées concernent le deuxième trimestre 2019. Afin d’évaluer l’impact de la
satisfaction client sur leur consommation, 06 variables portant sur 869 individus ont été retenues :
satisfaction, agence, service, type de client, marché et consommation totale. Cette section a donc
pour but de faire une présentation de ces différentes variables ainsi que les hypothèses nécessaires
qui serviront à la formalisation du modèle.
2.1.1 Présentation des variables

2.1.1.1 Satisfaction
Cette variable qualitative binaire mesure l’état de satisfaction des clients. Elle a deux modalités
que sont : « satisfait » si le client est satisfait du service et « insatisfait » si le client est insatisfait.
Elle est considérée comme variable (𝑍) de traitement dans le modèle et sera codée comme suit : 1
pour « satisfait » soit le groupe traité, et 0 pour « insatisfait » soit le groupe de contrôle.
2.1.1.2 Service
La variable « service » donne en fait les motifs de visite de chaque client en agence. Également
qualitative, elle comporte 08 modalités à savoir :

• Cash in : Il s’agit des dépôt OM (Orange money) effectués par les clients ;
• Cash out : Concernant les retraits OM ;
• Abonnement FMI (Fix-mobile-internet) ;
• Achat de recharge ;
• Erreur dépôt OM ;
• Réclamations FMI ;
• Réclamations OM ;
• Back office : Réclamations autres que celles précédentes.
2.1.1.3 Type de client

Cette variable qualitative indique, comme son nom l’indique, de quel type est le client concerné.
Ce dernier peut alors être :
• Postpayé : Le client paye une facture mensuelle après avoir consommé ;
• Prépayé : Le client paye avant de consommer ;
• Hybride : Le client est soit postpayé soit prépayé selon le forfait choisi.
2.1.1.4 Marché
La variable qualitative « marché » à 02 modalités que sont :
• Grand public : Clients ordinaire (particulier) ;
• Business : Entreprises.
2.1.1.5 Agence
L’analyse est effectuée sur 10 agences. Il s’agit de : Abidjan Mall, Smart store, Carrefour,
Carrefour palmeraie, Cosmos, Cap Sud, Plateau pyramide, KM4, Alpha 2000 et Bouake.
2.1.1.6 Consommation totale

Cette variable quantitative qui est la variable de résultat (𝑌), prend en compte les dépenses de
consommation (internet, appels, messages et transactions OM) en FCFA de chaque consommateur
au cours du mois de visite en agence.
2.1.2 Hypothèses
Lorsqu’un client a été servi dans une agence, un sondage constitué d’une question unique lui est
adressé dans le but de capter son état de satisfaction par rapport à la qualité du service rendu. Au
regard de cela, il est important d’émettre certaines hypothèses qui vont guider la modélisation et
de ce fait les résultats :

• Les clients ayant déclaré leur niveau de satisfaction, ne le modifient pas au cours de la
période concernée. Autrement dit, leur état de satisfaction reste le même sur toute la
période d’étude ;
• Dans le cadre d’une analyse sur score de propension, il est important de retenir des
variables liées à la fois au traitement (satisfaction) et au résultat. Il s’avère ainsi que
les variables « agence » et « service » peuvent être corrélées à la satisfaction. En effet,
la qualité du personnel dans une agence ou alors le cadre d’accueil (infrastructures), et
la qualité du service rendu peuvent à elles seules influencer l’état de satisfaction d’un
client. Également, les variables « type de client » et « marché » sont susceptibles d’agir
sur la consommation dans la mesure où un client grand public peut par exemple avoir
une consommation moindre qu’un client business. Car n’ayant certainement pas le
même niveau de revenu. Un raisonnement similaire peut également être fait en ce qui
concerne le type de client où un client postpayé consommerait certainement plus qu’un
client prépayé.
Il faut admettre qu’il serait difficile d’établir un lien théorique entre la satisfaction et les variables
« type de client » et « marché », car on se saurait affirmer par exemple qu’un client hybride
pourrait d’emblée être satisfait qu’un client prépayé quels que soient l’agence ou le service. Sur
cette base, la satisfaction n’est pas liée à ces variables.

PROPENSION
Depuis le document de référence de Rosenbaum et Rubin (1983) sur le score de propension, la
recherche utilisant l’analyse PSM a connu une grande notoriété. Les méthodes d’évaluation des
programmes et des politiques éducatives reposent essentiellement sur la comparaison d’individus
bénéficiant de l’intervention, soit le groupe traité ou expérimental, avec des individus n’en
bénéficiant pas, soit le groupe témoin ou de contrôle. L’évaluation est basée sur l’hypothèse forte
selon laquelle les groupes traité et témoin sont suffisamment comparables pour permettre une
mesure des effets nets de l’intervention. Autrement dit, il suffirait de comparer la différence des
résultats entre les deux groupes pour obtenir une mesure non biaisée des effets du traitement.

De manière formelle, il est supposé que, pour chaque individu 𝑖 d’un échantillon de taille 𝑁, un
ensemble de variables (𝑥𝑖 ) est observé. L’accès au programme (c’est-à-dire au traitement) est
représenté par une variable aléatoire (satisfaction) 𝑍, qui prend la valeur 1 si l’individu accède au
programme (client satisfait) et 0 dans le cas contraire (client insatisfait). L’efficacité du programme
est mesurée au travers d’une variable de résultat (Consommation), notée 𝑌. En fait, le modèle de
Rosenbaum et Rubin repose sur l’existence de deux variables latentes de résultat, notées 𝑌1 et 𝑌0 ,
selon que l’individu reçoit le traitement (𝑍=1) ou non (𝑍=0). Ces variables correspondent aux
résultats potentiels du programme. Elles ne sont jamais simultanément observées à la même date
pour un même individu. Ainsi, pour un individu traité, 𝑌1 est observée tandis que 𝑌0 est inconnue.
Dans ce cas, la variable 𝑌0 correspond au résultat qui aurait été réalisé si l’individu n’avait pas été
traité. On dit aussi que la variable 𝑌0 représente le résultat contrefactuel. Pour un individu non
traité, on observe au contraire 𝑌0 , tandis que 𝑌1 est inconnue. La variable de résultat observée peut
donc se déduire des variables potentielles et de la variable de traitement par la relation :
𝑌 = 𝑍 𝑌1 + (1 − 𝑍)𝑌0 (1)
La présente section s’attèlera donc à présenter de manière plus ou moins détaillée les différentes
étapes servant à l’évaluation d’impact à travers le score de propension.
2.2.1 Effet moyen de traitement et biais de sélection

2.2.1.1 Effet moyen de traitement
La différence moyenne entre le résultat (𝑌) des unités soumises au traitement et des unités de
comparaison appariées constitue l’impact estimé du programme. En effet, cet impact est estimé en
comparant la moyenne des résultats du groupe de traitement à la moyenne des résultats d’un groupe
d’unités statistiquement semblables appariées sur la base des caractéristiques observées dans la
base de données disponible.
Pour chaque individu i, 𝑍𝑖 et 𝑌𝑖 représentent respectivement les variables de traitement et de
résultat. Ainsi, 𝑍𝑖1 indique que l'individu i fait partie du groupe de traitement avec un résultat
correspondant à 𝑌𝑖1 , et 𝑍𝑖0 indique que l'unité i se trouve dans le groupe témoin avec un résultat
correspondant à 𝑌𝑖0 . Dans le cadre contrefactuel de modélisation des effets causaux ( Rubin, 1974;
Winship et Morgan, 1999), la quantité d'intérêt est l'effet du traitement pour chaque unité 𝑖, qui
est définie comme suit :

∆𝑖 = 𝑌𝑖1 − 𝑌𝑖0 (2)
Mais le constat est que pour chaque individu, 𝑌𝑖1 et 𝑌𝑖0 ne sont pas observables en même temps
parce que la même unité ne peut pas être à la fois dans le groupe de traitement et le groupe témoin.
On estime alors l'effet moyen du traitement pour la population (ATE ; Holland, 1986 ; Rubin, 1974
; Winship et Morgan, 1999), qui est définie comme suit :
𝐴𝑇𝐸 = 𝐸(𝑌1 − 𝑌0 ) = 𝐸(𝑌1 ) − 𝐸(𝑌0 ) (3)
Où 𝐸(𝑌1 ) est la valeur espérée de 𝑌 pour toutes les unités du groupe traité et 𝐸(𝑌0 ) est la valeur
espérée de 𝑌 pour toutes les unités du groupe témoin.
Dans les faits, l’ATE n'est pas toujours la quantité d'intérêt (Heckman et Robb, 1985 ; Rubin,
1977). En effet, il pourrait ne pas intéresser les modélisateurs car il inclut l'effet sur les personnes
pour qui le programme n'a jamais été destiné. Dans ce cas, l'effet moyen du traitement pour les
traités (ATT ; Imbens, 2004) est estimé. Ce dernier est défini comme suit :
𝐴𝑇𝑇 = 𝐸(𝑌1 − 𝑌0 |𝑍 = 1) = 𝐸(𝑌1 |𝑍 = 1) − 𝐸(𝑌0 |𝑍 = 1) (4)
Il se pose toujours le problème du contrefactuel selon lequel l'on ne peut jamais observer 𝑌0 quand
𝑍 = 1. Afin de le surmonter, le recours à l’analyse des données appariées sur les scores de
propension est alors nécessaire. Les unités appariées du groupe témoin ont de ce fait des
probabilités semblables (de 𝑍 = 1) à celles des unités correspondantes du groupe de traitement.
Par conséquent, l'analyse sur score de propension permet d'estimer l’ATT (Imbens, 2004).
2.2.1.2 Biais de sélection

Au cœur de la démarche statistique d’évaluation, est souvent posée la question des biais de
sélection : la participation à un programme ou le recours à une subvention est une décision qui met
en œuvre un choix individuel, relevant au moins en partie du domaine de la rationalité. Si l’on ne
tient pas compte de cette évaluation individuelle, l’on risque de produire des estimations biaisées
des effets de la participation au programme en comparant directement les situations des deux
groupes, participants et non participants de cette intervention (Fougère, 2010). Les caractéristiques
des individus des groupes traité et témoin peuvent ne pas être comparables, ce qui donne lieu à un
biais de sélection (Heckman, Ichimura, et Todd, 1998). Pour limiter les conséquences des biais de
sélection, les statisticiens et les économètres construisent généralement un groupe de contrôle dont

les caractéristiques observables (ou covariables) se rapprochent le plus possible de celles du groupe
expérimental. Le biais de sélection peut être manifeste, caché ou les deux (Rosenbaum, 2010).
L'analyse du score de propension présentée par Rosenbaum et Rubin (1983) peut réduire le biais
manifeste en équilibrant les distributions des caractéristiques observées entre le groupe traité et le
groupe témoin. Par conséquent, l'analyse du score de propension permet d'obtenir une estimation
non biaisée de l'ATT.
En général, si on compare les résultats en fonction du statut de traitement, on obtient une estimation
biaisée de l’ATT. En effet on a :
𝐸(𝑌|𝑍 = 1) − 𝐸(𝑌|𝑍 = 0) = 𝐸(𝑌1|𝑍 = 1) − 𝐸(𝑌0 |𝑍 = 0) (5)
𝐸(𝑌1 |𝑍 = 1) − 𝐸(𝑌0 |𝑍 = 1) + [𝐸(𝑌0 |𝑍 = 1) − 𝐸(𝑌0|𝑍 = 0)] (6)
= 𝐴𝑇𝑇 + 𝐵𝑖𝑎𝑖𝑠
La différence entre les résultats des groupes traité et non traité en l'absence de traitement est ce
qu'on appelle le biais de sélection. L'ATT n'est identifiée que si 𝐸(𝑌0 |𝑍 = 1) − 𝐸(𝑌0 |𝑍 = 0) = 0,
c'est-à-dire si les résultats des individus des groupes de traitement et de comparaison ne seraient
pas différents en l'absence de traitement. Avec un tel biais, un effet du traitement peut être détecté
là où il n’y en a pas ou, inversement, un effet réel peut être amoindri (wood et al., 2008).
2.2.2 Score de propension : Définition et hypothèses

2.2.2.1 Définition
Il est admis que chaque unité 𝑖 a, en plus d'une condition de traitement 𝑍𝑖 et d'une réponse 𝑌𝑖 , un
vecteur de covariables 𝑥𝑖 = (𝑥𝑖1 , … , 𝑥𝑖𝑘 ), où 𝐾 est le nombre de covariables. Rosenbaum et Rubin
(1983) ont défini le score de propension 𝑒(𝑥𝑖 ) pour l'unité 𝑖 comme étant la probabilité 𝑃 que
l'unité soit assignée au groupe de traitement, conditionnelle au vecteur de covariables 𝑥𝑖 :
𝑒(𝑥𝑖 ) = 𝑃(𝑍𝑖 = 1|𝑥𝑖 ) (7)
Il n’est pas nécessaire d’apparier chaque participant à un non participant présentant exactement les
mêmes caractéristiques observées. Il suffit juste d’estimer la probabilité que chaque participant et
non participant s’inscrive au programme sur la base de ses caractéristiques observées. Cette
probabilité est appelée le score de propension. Ce score est un chiffre compris entre 0 et 1 qui
résume toutes les caractéristiques observées influençant la participation au programme d’une unité.

2.2.2.2 Hypothèses
L’analyse sur score de propension repose sur deux hypothèses fondamentales10 :
1. (𝑌𝑖1 , 𝑌𝑖0 ) ⊥ 𝑍𝑖 |𝑥𝑖 ; l’hypothèse d’indépendance conditionnelle à des caractéristiques
observables (conditional independance assumption – cia)
Cette hypothèse énonce la condition selon laquelle l'affectation au traitement 𝑍𝑖 et la réponse
(𝑌𝑖1 , 𝑌𝑖0 ) sont conditionnellement indépendantes, compte tenu de 𝑥𝑖 . Cependant, conditionner sur
un ensemble étendu de covariables pose un problème de dimensionnalité, car il est difficile de
trouver deux individus (traité et non traité) comparables, dès lors que le nombre de variables de
conditionnement est élevé. Afin de résoudre ce problème, Rosenbaum et rubin (1983) proposent
de ramener le nombre de variables de conditionnement à une seule et unique variable, qui serait
un résumé univarié de l’ensemble des covariables. Cette variable est précisément le score de
propension. Ainsi, lorsqu'une unité du groupe expérimental et une unité correspondante du groupe
témoin ont le même score de propension, les deux unités appariées auront, en probabilité, la même
valeur du vecteur covarié 𝑥𝑖 . Par conséquent, les analyses des données appariées après
l'appariement ou des données originales à l'aide de méthodes connexes (sous-classification,
pondération ou appariement) tendent à produire des estimations non biaisées des effets du
traitement en raison du biais de sélection réduit en équilibrant les distributions des covariables
observées entre le groupe traité et le groupe témoin.
2. 0 < 𝑒(𝑥𝑖 ) < 1 ; l’hypothèse de la condition de support commun (overlap)

La seconde hypothèse suppose un support commun entre les groupes de traitement et témoin. Elle
se rapporte au support de la distribution du score de propension. Cette hypothèse permet de
s’assurer que les individus avec un même ensemble de covariables peuvent être à la fois traités ou
non traités, ou, autrement dit, que les individus de chaque groupe d’analyse se ressemblent
suffisamment pour que la comparaison ait un sens. L’absence de support commun entraînerait ce
que Rosenbaum et rubin (1983) appellent un facteur de confusion structurelle (structural
confounding) et interdirait toute conclusion quant à l’effet causal d’un traitement. Pour prévenir
10
Lecocq A, Ammi M, et Bellarbre E (2014), « Le score de propension : un guide méthodologique pour les recherches
expérimentales et quasi expérimentales en éducation », Mesure et évaluation en éducation, Vol 37, N0 2, pp 69-100.

ce problème, le score de propension ne doit être utilisé que dans la zone de support commun, c’est-
à-dire la zone commune de la distribution des scores de propension des groupes traité et témoin.
Figure 2 : Appariement par le score de propension et support commun
Source : L’évaluation d’impact en pratique, Banque Mondiale (2011),
Le support commun est la zone de superposition des deux groupes sur l’ensemble des valeurs du
score de propension (Heckman, Lalonde, et Smith, 1999).
2.2.3 Estimation du score de propension

Le score de propension peut être estimé de plusieurs manières : par logit, par probit ou par les
arbres de classification et de régression (connus sous le terme anglais classification and regression
tree analysis – cart). La régression logistique, qui prédit la probabilité d’occurrence d’un
événement, est la technique la plus communément utilisée. On a alors :
𝑒(𝑥𝑖 ) (8)
𝐿𝑜𝑔 ( ) = 𝛽𝑥𝑖
1 − 𝑒(𝑥𝑖 )
𝑒 (𝛼0+𝛼1 𝑥𝑖,1+⋯+𝛼𝑘𝑥𝑖,𝑘) (9)
𝑒(𝑥𝑖 ) =
1 + 𝑒 (𝛼0 +𝛼1𝑥𝑖,1+⋯+𝛼𝑘𝑥𝑖,𝑘)
Où 𝛽 est le vecteur des coefficients de régression.
À ce stade, le choix des variables à introduire dans le modèle est crucial, car, selon les variables
choisies pour l’estimation, le score de propension estimé peut être très différent. Plusieurs

stratégies peuvent être adoptées pour choisir les variables à intégrer et il n’existe pas de guide clair
sur la façon de procéder. Choisir les variables pour le score de propension n’est pas chose facile et
la littérature fournit peu d’indications à ce sujet. Plusieurs auteurs proposent différentes méthodes,
mais sans véritable consensus. Classiquement, il est donc recommandé d’introduire dans la
procédure d’estimation toutes les variables corrélées au traitement et à la variable de résultat
(Rubin, 2001 ; Heckman et al., 1998). Néanmoins, il est nécessaire d’inclure uniquement les
variables qui ne sont pas affectées par la participation au programme (satisfaction) ; pour ce faire,
les variables doivent être mesurées avant la participation au programme.
Une fois le score de propension estimé, il est nécessaire d’évaluer sa qualité. Un bon score de
propension est un outil d’équilibrage : il doit permettre d’équilibrer la distribution des variables
choisies dans les deux groupes. Pour chacune des variables intégrées dans la construction du score,
il faut comparer leur distribution par strate de scores de propension. Avec un score de propension
de qualité, les différences significatives entre les groupes traité et témoin à la période initiale ne
devraient plus subsister, et ce, pour chacune des variables utilisées dans la construction du score
(Lecocq et al., 2014).
2.2.4 Score de propension et méthodes d’appariement

Le score de propension désormais estimé, sa qualité confirmée et la zone de support commun
déterminée, il est possible de commencer l’étape qui motive initialement le recours à ce score, soit
l’évaluation de l’impact du traitement. L’appariement sur score de propension (PSM), réfère à
l’appariement d’individus des groupes traité et de contrôle possédant des valeurs de score de
propension proches ou similaires, et écarte les individus non appariés. Les méthodes
d’appariement tentent de jumeler chaque individu traité avec un ou plusieurs individus non traités
dont les caractéristiques observables sont les plus proches possible. L’objectif de l’appariement
est de construire un groupe témoin comparable au groupe traité afin de permettre une estimation
non biaisée de l’effet du traitement sur les individus traités, en contrôlant le biais de sélection
(Abadie et Imbens, 2005 ; Dehejia et Wahba, 2002; Imbens, 2004).
Plusieurs méthodes d'appariement ont été proposées dans la littérature. Les plus largement utilisés
sont : l’appariement par les plus proches voisins, par le rayon, par la fonction noyau et par la
stratification. Les trois premières seront présentées plus bas (Pan et Bai, 2015), et implémentées

dans le prochain chapitre. Si les résultats sont presque similaires on pourrait dire qu’ils sont
robustes.
2.2.4.1 L’appariement par les voisins les plus proches (avec ou sans borne (caliper))
La méthode de base de l'appariement sur score de propension est l'appariement des voisins les plus
proches (Rosenbaum et Rubin, 1985), qui fait correspondre chaque unité 𝑖 du groupe de traitement
avec une ou plusieurs unités 𝑗 du groupe témoin avec la distance absolue la plus proche entre leurs
scores de propension, exprimée comme : 𝑑(𝑖, 𝑗) = 𝑚𝑖𝑛𝑗 {|𝑒(𝑥𝑖 ) − 𝑒(𝑥𝑗 )|}. L’appariement peut
être fait avec ou sans remise. L’appariement avec remise, signifie que le même individu du groupe
traité peut être associé à plusieurs autres individus du groupe témoin.
Alternativement, l'appariement avec borne (Cochran et Rubin, 1973) fait correspondre chaque
unité 𝑖 du groupe de traitement avec une ou plusieurs unités 𝑗 du groupe témoin à l'intérieur d'une
borne 𝑏 prédéfinie pour ne pas retenir de voisins trop éloignés. Un individu du groupe de contrôle
est sélectionné si sa distance à l’individu traité est inférieure au caliper ; c'est-à-dire 𝑑(𝑖, 𝑗) =
𝑚𝑖𝑛𝑗 {|𝑒(𝑥𝑖 ) − 𝑒(𝑥𝑗 )| < 𝑏}. D'après les travaux de Cochran et Rubin (1973), Rosenbaum et Rubin
(1985) ont recommandé que la borne 𝑏 prédéfinie soit inférieure ou égale à 0,25 de l'écart type
des scores de propension. Plus tard, Austin (2011) a affirmé que 𝑏 = 0,20 de l'écart-type des scores
de propension est la largeur de bande optimale du caliper. La formule de l'estimateur d'appariement
des voisins les plus proches est la suivante :
(10)
1
̂=
𝐴𝑇𝑇 ∑ [𝑌𝑖1 − ∑ 𝑍𝑖𝑗 𝑌𝐽0 ]
𝑁𝑍=1
𝑖∈𝑍=1 𝑗𝜖𝑑(𝑖,𝑗)
1 1 (11)
= ∑ 𝑌𝑖1 − ∑ 𝑍𝑗 𝑌𝐽0
𝑁𝑍=1 𝑁𝑇
𝑖𝜖𝑍=1 𝑗𝜖𝑑(𝑖,𝑗)
Avec
1
𝑍𝑖𝑗 = 𝑁𝑧=0 si 𝑗𝜖𝑑(𝑖, 𝑗) et 0 sinon
𝑖
𝑍𝑗 = ∑𝑖 𝑍𝑖𝑗
Où
𝑁 𝑍=1 : le nombre d’individus dans le groupe traité
𝑁𝑖𝑧=0 : le nombre d’individus dans le groupe de contrôle appariés à l'individus 𝑖 ∈ 𝑍 = 1.

2.2.4.2 Appariement sur les rayons (radius matching)

Une variante de l'appariement au caliper est l'appariement sur les rayons (Dehejia et Wahba, 2002),
qui est un appariement d'une à plusieurs unités et fait correspondre chaque unité 𝑖 du groupe de
traitement avec plusieurs unités 𝑗 du groupe témoin dans une bande 𝑏 prédéterminée ; c'est-à-dire
𝑑(𝑖, 𝑗) = {|𝑒(𝑥𝑖 ) − 𝑒(𝑥𝑗 )| < 𝑏}. Ici, l’estimateur d’appariement est le même que précédemment.
2.2.4.3 Appariement par stratification (Stratification Matching).

Dans la stratification, on note : 𝑆 le nombre de strates ; 𝑛𝑠 le nombre de toutes les unités de la strate
𝑠 (𝑆 = 1, . . . , 𝑠 ; ∑𝑠 𝑛𝑠 = 𝑁) ; 𝑛𝑠1 le nombre des unités traitées dans la strate 𝑠 ;𝑁1 le nombre total
des unités traitées (∑𝑠 𝑛𝑠1 = 𝑁1) ; et ̅̅̅̅
𝑌𝑠1 et ̅̅̅̅
𝑌𝑠0 les moyennes des variables de résultat des unités
traitées et témoins dans la strate 𝑠, respectivement.
L'analyse des résultats après la stratification comporte deux étapes. On peut d'abord effectuer une
régression en contrôlant les covariables non équilibrées (ou simplement calculer la différence
moyenne si 𝑛𝑠 est trop petit) dans chaque strate. Ensuite, la deuxième étape consiste à calculer une
moyenne pondérée des coefficients de régression 𝛽̂ ̅̅̅̅ ̅̅̅̅
𝑠1 (ou des différences moyennes (𝑌𝑠1 − 𝑌𝑠0 ))
par le nombre d'unités traitées dans les strates, 𝑛𝑠1 , pour estimer l’ATT. Ainsi, on a :
̂ = ∑(𝑛𝑠1 𝛽̂
𝐴𝑇𝑇 (12)
𝑠1 /𝑁1 )
𝑠
Ou
̂ = ∑(𝑛𝑠1 (𝑌
𝐴𝑇𝑇 ̅̅̅̅ ̅̅̅̅ (13)
𝑠1 − 𝑌𝑠0 )/𝑁1 )
𝑠
2.2.4.4 Test de comparaison de deux moyennes observées sur deux échantillons appariés : test t
de Student
Afin de savoir si l’impact de la satisfaction client sur la consommation est significatif ou pas, un
test de comparaison des moyennes sur deux échantillons appariés sera effectué. Il s’agira alors ici
de savoir si la différence des moyennes entre les satisfaits et les insatisfaits après appariement est
significative.
Soit 𝐷 = 𝑌1 − 𝑌0 une variable aléatoire qui suit une loi normale d’espérance 𝜇𝐷 et de variance 𝜎𝐷2
Les hypothèses du test sont les suivantes :
𝐻0 : la différence de consommation moyenne entre les deux groupes est nulle : 𝜇𝐷 = 0

𝐻1 : la différence de consommation moyenne entre les deux groupes n'est pas nulle : 𝜇𝐷 = ∆, ∆≠
0
La statistique du test est :
̅−∆
𝐷 (14)
𝛼
𝑡∗ = ~𝑡(𝑛−1)𝑑𝑑𝑙11
2
√𝜎𝐷
𝑛
Or sous 𝐻0 , ∆= 0, alors :
̅
𝐷 𝛼 (15)
𝑡∗ = ~𝑡(𝑛−1)𝑑𝑑𝑙
𝜎2
√ 𝐷
𝑛
𝑛 1
Avec : ̅ = 𝑌̅1 − 𝑌̅0
𝐷 et ̅ )2 ]
𝜎𝐷2 = 𝑛−1 [𝑛 ∑𝑛𝑖=1 𝐷𝑖2 − (𝐷
𝛼
Où 𝑛 est la taille de l’échantillon et 𝑡(𝑛−1)𝑑𝑑𝑙 la valeur lue dans une table de Student au seuil
critique 𝛼 = 0,05 (5 %) à 𝑛 − 1 degrés de liberté.
𝛼
Si 𝑡 ∗ > 𝑡(𝑛−1)𝑑𝑑𝑙 = 1,96 car 𝑛 − 1 ≈ ∞ , l’hypothèse nulle est rejetée : L’impact de la satisfaction
client sur la consommation est alors significatif.
Conclusion
Ce présent chapitre a permis de mettre en évidence les variables qui seront utilisées dans la mise
en œuvre de la méthode d’analyse, à savoir, l’appariement sur score de propension. Mais
également, les hypothèses concernant les variables et la méthodologie de l’étude y ont été
abordées.
11
Degrés de liberté

Chapitre 3 : ANALYSE ET INTERPRETATION

DES RESULTATS
Introduction
Toute étude menée doit en principe aboutir à la vérification des hypothèses de travail
préalablement formulées. A partir d’outils ou de méthodes bien définis, les résultats issus de
l’analyse serviront alors à se prononcer. C’est ainsi que le présent et dernier chapitre de cette étude
a pour but de présenter et d’interpréter les résultats découlant de la modélisation. Toutefois, il
important de préciser que les analyses sont faites toutes étant égales par ailleurs. La première
section aura donc pour objectif de faire une analyse descriptive de nos variables en essayant
d’établir les relations qui existent entre elles. Dans la seconde, les résultats de l’estimation du score
de propension et alors de l’impact recherché seront mis en évidence ainsi que commentés.

CONSOMMATION
Sur la période d’Avril à Juin 2019, l’échantillon étudié est constitué de 869 individus répartis en
fonction de leur état de satisfaction. Six cent cinquante-cinq clients sont satisfaits du service contre
214 qui ne le sont pas. Cette section a pour but de faire une analyse qui servira non seulement de
décrire nos différentes variables et les liens existant entre elles, mais aussi d’apporter des éléments
qui permettront de vérifier ou de soutenir certaines hypothèses émises dans le chapitre précédent.
3.1.1 Répartition des clients et de leur consommation moyenne en fonction de la satisfaction
Graphique 1 : Répartition des clients selon la satisfaction
25%
Satisfaits
Insatisfaits
75%
Source : OCI, calculs de l’auteur

Le graphique 1 indique que 75% de clients sont satisfaits et 25% de clients ne le sont pas. Ce
premier constat amène le commentaire selon lequel la plupart des clients qui se rendent en agence
ressortent satisfaits du service qui leur a été rendu.
3.1.2 Consommation moyenne en fonction de la satisfaction
Graphique 2 : Consommation moyenne en fonction de la satisfaction
17801
14397
SATISFAITS INSATISFAITS
Un autre constat issu du graphique 2 fait état de ce que les clients satisfaits ont une consommation
moyenne qui s’élève à 17801 FCFA et les clients insatisfaits en ont une qui vaut 14397 FCFA. Il
ressort alors qu’en moyenne, les clients satisfaits ont consommé plus que ceux qui ne le sont pas.
Soit une différence de 3404 FCFA. Ceci pourrait déjà à ce niveau faire office de résultat mais, il
ne s’agit là que d’une analyse descriptive. L’utilisation du score de propension et des méthodes
d’appariement servira à affirmer ou infirmer ce résultat.
3.1.3 Liaison entre les variables de l’étude

Afin de mener à bien cette étude, des hypothèses concernant le choix des variables à inclure dans
l’estimation du score de propension ont été émises. Pour rappel, selon la littérature, il est
recommandé de choisir des variables qui sont corrélées à la variable de traitement (satisfaction) et
à la variable de résultat (consommation). Il avait alors été supposé que les variables « type de
client » et « marché » étaient liées à la consommation et les variables « agence » et « service »
quant à elles, seraient liées à la satisfaction.

3.1.3.1 Liaisons entre la satisfaction et les variables « agence » et « service » : Test

d'indépendance du chi-carré (chi2)
Un test d’indépendance du chi2 servira à vérifier la première hypothèse de cette étude. A savoir :
la satisfaction est liée à l’agence et au service. Ce test sert à apprécier l’existence ou non d’une
relation entre deux caractères au sein d’une population, lorsque ces caractères sont qualitatifs ou
quantitatifs (regroupés en classes). Il est à noter que ce test permet de contrôler l’existence d’une
dépendance mais en aucun cas le sens de cette dépendance.
Les résultats du test soumis aux variables sont les suivants :
• Lien entre la satisfaction et l’agence. Il s’agit de savoir si la variable « satisfaction » et la
variable « agence » sont liées. Après calcul, le résultat est le suivant (voir annexe 1) :
2 2
𝜒𝑐𝑎𝑙 = 45,06 > 𝜒(9)𝑑𝑑𝑙 = 16,92. L’hypothèse nulle est rejetée : La satisfaction est liée à
l’agence ;
• Lien entre la satisfaction et le service. Le but étant le même que précédemment, le résultat
2 2
est le suivant : 𝜒𝑐𝑎𝑙 = 6,27 < 𝜒(7)𝑑𝑑𝑙 = 14,07. L’hypothèse nulle est acceptée : Il
n’existe pas de lien entre la satisfaction et le service.
Il est peut-être surprenant que la satisfaction ne soit pas liée au service surtout lorsqu’on sait que
le sondage est basé sur la qualité du service. Mais lorsqu’on s’y penche, on peut en dégager une
raison plausible. En effet, il est normal que la satisfaction et l’agence soient liées. Cela pourrait
s’expliquer par le fait que certaines agences ont un personnel beaucoup plus qualifié que d’autres
en matière d’accueil, d’écoute et de courtoisie envers les clients ou alors disposent de meilleures
infrastructures. Ainsi, les clients ne fondent pas leur niveau de satisfaction sur le service mais
plutôt sur le personnel qui rend ce service ou sur les infrastructures dont disposent les agences pour
les recevoir. La préoccupation d’un client peut alors avoir été résolue mais il se déclarerait
insatisfait à cause de l’attitude du personnel. Et inversement, le souci d’un autre client peut ne pas
être résolu mais il se déclarerait satisfait pour la même raison. Toutefois on ne pourrait tout de
même exclure complètement la variable « service » de l’analyse car, c’est elle qui est à la base du
sondage.

3.1.3.2 Liaison entre la consommation et les variables « type de client » et « marché »
Tableau 1 : Consommation moyenne des clients selon leur type

Consommation moyenne
Type de client Effectifs Proportions (en franc CFA)
HYBRIDE 86 10% 40188
POSTPAYE 8 1% 45264
PREPAYE 775 89% 14093
Dans le tableau 1, on s’aperçoit que les clients de type prépayé qui représentent 89% de la
population étudiée ont la consommation moyenne la plus faible, soit 14093 FCFA. Quant aux
clients de type postpayé, les moins représentés (seulement 1% des individus), ils ont la
consommation moyenne la plus élevée. Celle-ci s’élève à 45264 FCFA. Et pour finir, les clients
de type hybride (10% de la population) ont une consommation moyenne de 40188 FCFA. Ce
constat pourrait s’expliquer par le fait qu’en général, les clients de types postpayé et hybride sont
ceux qui sont prédisposés à effectuer de plus grandes dépenses de consommation en ne tenant pas
compte de leur niveau de satisfaction. Les clients de type prépayé sont généralement ceux qui
consomment le moins. Sur ce, on peut dire que la consommation est liée au type de client.
Tableau 2 : Consommation moyenne des clients selon le marché

Consommation moyenne
Marché Effectifs Proportions (en franc CFA)
BUSINESS 86 10% 40188
GRAND PUBLIC 783 90% 14412

Le premier constat qui ressort du tableau 2 est que, les clients de type hybride sont en fait des
clients qui appartiennent au marché « business ». Les clients appartenant au marché grand public
sont alors répartis entre les clients de types postpayé et prépayé. L’analyse précédente concernant
le type de client peut se faire de la même manière au niveau du tableau 2. Ainsi, on se rend compte
que les clients du marché grand public consomment en moyenne 14412 FCFA, soit beaucoup
moins que ceux du marché business. Cette faible consommation pourrait s’expliquer par le fait
que, les clients du type prépayé plus nombreux et consommant moins, exercent alors une grande

influence sur le niveau de consommation général du marché grand public. Là encore, la

consommation serait également liée au marché.
3.1.4 Répartition de la satisfaction client en fonction des autres variables

Graphique 3 : Répartition de la satisfaction client par agence
65% 77% 61% 67% 64%

81% 80% 92% 87% 87%
35% 23% 39% 33% 36%

19% 20% 8% 13% 13%
Insatisfaits Satisfaits

Les dix agences sur lesquelles se porte l’analyse ont tous des taux de clients satisfaits plus élevés
que ceux des clients insatisfaits. Dans toutes les agences, plus de 60% des clients sont satisfaits du
service qui leur a été rendu (conformément au sondage). Ceci témoigne le fait qu’en général, quelle
que soit l’agence, les clients d’OCI sont satisfaits. Toutefois, aucune agence ne présente un taux
de satisfaction de 100%. Les agences d’Abidjan Mall, Carrefour palmeraie, Cosmos et Carrefour
présentent des taux d’insatisfaction les plus élevés, soit plus de 30%.
Graphique 4 : Répartition de la satisfaction client selon le type de service
74% 78% 73% 71% 77% 77% 70%

90%
26% 22% 27% 29% 23% 23% 30%

10%

Le graphique 4 soulève le fait que, quel que soit le service (motif de visite en agence) qui leur a
été rendu en agence, les clients sont en général plus satisfaits qu’insatisfaits. Autrement, lorsque
les clients se rendent en agence pour une quelconque préoccupation, ils en ressortent en général
satisfaits. En effet, au moins 70% des clients sont satisfaits de chaque service. Mais comme
précédemment pour le cas des agences, aucun service ne présente un taux de satisfaction de 100%.
Graphique 5 : Répartition de la satisfaction client selon le type de client
81% 75% 75%
19% 25% 25%
HYBRID POSTPAID PREPAID
Le graphique 5 apporte le même constat tiré des précédentes analyses : En général, les clients sont
satisfaits et ce, quel que soit leur type. Ici, plus de 75% des clients sont satisfaits. Etant donné que
les taux de satisfaction sont presque les mêmes, l’idée selon laquelle le type de client est lié à la
consommation peut être justifiée. En effet, on pourrait s’attendre à ce que les clients selon leur
type aient des dépenses de consommation moyenne assez proches puisqu’ils présentent presque
les mêmes pourcentages de satisfaction. Mais tel n’est pas le cas. Cette différence de
consommation observée peut alors être imputée principalement au type de client.

Graphique 6 : Répartition de la satisfaction client selon le marché
81% 75%
19% 25%
BUSINESS GRAND PUBLIC
L’analyse précédente en rapport avec les éléments du graphique 5 peut être reprise avec les
éléments du graphique 6. En effet, on s’aperçoit comme précédemment que le taux de clients
satisfaits est plus de 75% quel que soit le marché. On pourrait alors admettre que la différence de
consommation moyenne est attribuable principalement au marché dont appartient chaque client.

PROPENSION
3.2.1 Estimation du score de propension
L’estimation du score de propension est effectuée à partir d’une régression logistique dont la
variable dépendante binaire est la satisfaction. Toutes les modalités des différentes variables ont
été dichotomisées dans le but principal de capter le maximum d’informations apportées par
chacune d’elle.
3.2.2 Evaluation de la qualité du modèle

3.2.2.1 Significativité globale du modèle
Le tableau 3 présente les informations relatives à la significativité globale du modèle logit. Bien
que le pseudo R2 soit assez petit et inférieur à 0,5, les résultats indiquent que le modèle est
globalement significatif. En effet, d’une part la statistique LR calculée (253,23) est supérieure à la

valeur lue sur la table qui vaut (28.87) au seuil de 5% et d’autre part la p-value est inférieure au
seuil critique de 5% (voir annexe 2). Toutefois, il sera judicieux d’apprécier également le pouvoir
discriminant et prédictif du modèle.
Tableau 3: Résultat du modèle logit
Nombre d’observations 869

LR chi2 (19) 253,23
Prob > chi2 0,00
Pseudo R2 0,4214
3.2.2.2 Appréciation du pouvoir prédictif du modèle

La matrice de confusion permet d’apprécier le pouvoir prédictif du modèle à travers le taux de bon
classement. Le tableau ci-dessous indique que le modèle est plus précis que sensible. En effet, la
spécificité qui vaut 91,87% est supérieure à la sensibilité qui, elle vaut 72,61%. Cela signifie donc
que le modèle reproduit mieux les valeurs effectivement observées de Y de la catégorie « n’est pas
satisfait » que celles de la catégorie « satisfait ». Pour ce modèle le taux est de 77,02% pour un
seuil de 0,85. Ce qui signifie qu’un peu plus de 77 clients sur 100 sont bien classées par le modèle
(voir annexe 8).
Tableau 4 : Matrice de confusion
Taux
Sensibilité 72,61%
Spécificité 91,87%
Valeur positive prédite 96,78%
Valeur négative prédite 49,95%
Taux de bon classement 77,02%
La figure ci-dessous représentant la spécificité et la sensibilité nous permet de classer les individus
par rapport au point de coupure qui donne égalité parfaite entre la sensibilité et la spécificité.

Figure 3: Courbe de sensibilité-spécificité
3.2.2.3 Appréciation du pouvoir discriminant du modèle

La courbe ROC permet d’apprécier le pouvoir discriminant du modèle à partir de l’aire sous ladite
courbe. Ici, cette aire vaut 0,9064. Ce qui signifie que le pouvoir discriminant du modèle est bon.
On s’aperçoit de cela à travers la figure 4 ci-dessous.

Figure 4 : Courbe ROC
3.2.2.4 Qualité du score de propension

Un score de propension de qualité est celui qui respecte la propriété d’équilibre. La propriété
équilibrante du score de propension assure que les unités traitées et non traitées ayant un score de
propension identique présentent des distributions des caractéristiques observables similaires.
Le résultat de l’estimation du score de propension indique que cette propriété est vérifiée (voir
annexe 3).
3.2.2.5 Support commun et distribution des scores de propension

L’une des conditions du score de propension est l’existence d’une zone de support commun qui
permet de s’assurer que les individus de chaque groupe d’analyse se ressemblent suffisamment
pour que la comparaison ait un sens. Concernant cette étude, cette zone est la suivante (voir annexe
4) : [0,63 ; 0,94].
Une fois qu'un score de propension est calculé pour chaque observation, il est nécessaire de
s’assurer qu'il y a un chevauchement dans la plage des scores de propension d'un groupe de

traitement et d'un groupe de comparaison (support commun). Le graphique suivant permet de

mettre en évidence cette zone qui contient les individus ayant des scores de propension similaires.
Graphique 7 : Distribution des scores de propension selon les groupes

Effectif
Ce graphique indique que tous les clients insatisfaits ont été associés à tous les clients satisfaits
compte tenu de leur score de propension.
3.2.3 Impact de la satisfaction client sur la consommation : Effet moyen de traitement

Comme annoncé dans le chapitre précédent, l’impact sera évalué à travers l’effet moyen de
traitement pour les traités (ATT) selon la méthode d’appariement choisie.
3.2.3.1 Effet moyen de traitement par les plus proches voisins

L’impact de la satisfaction client sur la consommation est évalué ici à partir de la méthode
d’appariement des voisins les plus proches. Les résultats de l’estimation sont consignés dans le
tableau suivant (voir annexe 5) :

Tableau 5 : Effet moyen de traitement par les plus proches voisins
Nombre de satisfaits Nombre d’insatisfaits ATT 𝒕∗
655 209 4869,126 2,52
Ces résultats appellent plusieurs commentaires :

- Ils indiquent premièrement que les 655 clients satisfaits de l’échantillon ont tous été
appariés à 209 clients insatisfaits. Donc, seulement cinq unités insatisfaites n’ont pas
trouvé d’autres unités satisfaites qui leur ressemblent du point de vue du score de
propension dans la zone du support commun ;
- Après appariement, la différence de consommation moyenne entre les groupes des
𝛼
satisfaits et des insatisfaits n'est pas statistiquement nulle car, 𝑡 ∗ = 2,52 > 𝑡(𝑛−1)𝑑𝑑𝑙 =
1,96. Il ressort de ce constat que la satisfaction client a alors un impact significatif sur la
consommation ;
- Cet impact est positif et s’évalue à un peu plus de 4800 FCFA. Cela dit, les clients satisfaits
d’OCI consomment en moyenne plus que ceux qui ne le sont pas. En effet, la satisfaction
tirée de l’expérience du client en agence entraine une modification dans le comportement
ou dans les habitudes de consommation des clients. Lorsque ces derniers sont satisfaits,
ils ont tendance à consommer plus que lorsqu’ils ne le sont pas. Cet écart de consommation
qui paraît plutôt faible pourrait se justifier par le fait que l’étude porte sur une population
assez réduite, sur une courte période, compte tenu du nombre d’abonnés d’OCI. Le plus
important ici n’est certainement pas de retenir le montant final de l’impact, mais plutôt le
signe et la significativité de celui-ci.
3.2.3.2 Effet moyen de traitement par les rayons

L’estimation de l’effet moyen de traitement à travers l’appariement par les rayons a été faite avec
un rayon de 0,001. Cette valeur choisie peut se justifier par le fait que plus le rayon est petit, plus
l’appariement se fait avec des individus très proches du point de vue du score de propension et
donc est de meilleure qualité. Les résultats sont consignés dans le tableau suivant (voir annexe 6)
:

Tableau 6 : Effet moyen de traitement par les rayons
579 212 5423,614 2,01
D’emblée, contrairement à l’appariement par les plus proches voisins, les nombres de satisfaits et
d’insatisfaits appariés ont baissé. Cinq cent soixante-dix-neuf clients satisfaits ont été associés à
212 clients insatisfaits. Cette première remarque par rapport aux résultats précédents peut venir
justifier le fait que la réduction considérable de la zone d’appariement par un rayon très petit affine
encore plus les correspondances. En effet, tout comme précédemment, l’impact est significatif car
𝛼
𝑡 ∗ = 2,01 > 𝑡(𝑛−1)𝑑𝑑𝑙 = 1,96 et vaut un peu plus de 5400 FCFA. L’impact est un peu plus élevé
que précédemment. Ceci vient en fait confirmer et soutenir les résultats et conclusions précédents.
3.2.3.3 Effet moyen de traitement par stratification

L’appariement par stratification fournit également des résultats assez similaires que les précédents.
𝛼
L’impact est toujours significatif 𝑡 ∗ = 2,11 > 𝑡(𝑛−1)𝑑𝑑𝑙 = 1,96, seulement, sa valeur est
légèrement en dessous des deux autres. Elle se situe autour de 4400 FCFA. Mais ici, tous les
individus de la base ont été appariés. Les résultats sont consignés dans le tableau suivant (voir
annexe 7) :
Tableau 7 : Effet moyen de traitement par stratification
649 214 4410,729 2,11

Conclusion
Ce chapitre a permis de se prononcer quant à la vérification ou non des hypothèses de l’étude. Il
ressort alors que la satisfaction est liée non pas au service mais à l’agence. Les clients semblent
baser leur satisfaction sur l’agence et modifient alors leur consommation selon que l’expérience
ait été satisfaisante ou pas. Alors, cette satisfaction exerce un impact significatif et positif sur la
consommation quelle que soit la méthode d’appariement choisie.

LIMITES DE L’ETUDE
Cette étude ainsi menée présente un certain nombre de limites qu’il convient de soulever :
• L’hypothèse selon laquelle un client ne modifie pas son état de satisfaction sur toute la
période est assez contraignante et pas vérifiable.
• L’indisponibilité de certaines variables qui auraient pu améliorer l’analyse constitue
également une limite. Parmi ces variables on peut citer : le sexe, l’âge, le statut matrimonial
et la catégorie socio-professionnelle. L’analyse aurait alors consisté non seulement à
mesurer l’impact (qui serait certainement rendu meilleur) mais également à faire une
classification en fonction de ces variables.
• L’une des limites majeures de cette étude est que la base sur laquelle a porté l’analyse ne
permet pas de traiter le problème de biais de sélection dans la mesure où le taux de réponse
n’est pas connu. Cela est dû à l’inaccessibilité aux données des agences.
• Il aurait été aussi intéressant d’analyser la causalité entre les variables afin de voir leur
enchainement, ainsi que de définir la consommation dans le temps. Mais la base à notre
disposition ne nous permet pas d’y arriver.

CONCLUSION GENERALE ET RECOMMANDATIONS
L’objectif principal de cette étude était d’évaluer l’impact de la satisfaction client sur la
consommation. De manière spécifique, il était d’abord question de vérifier s’il existe une relation
entre la satisfaction et les variables « agence » et « service ». Ensuite, on cherchait à savoir si
l’impact de cette satisfaction sur la consommation était significatif et positif.
Pour parvenir à atteindre ces différents objectifs, la méthode d’appariement sur score de
propension a été mise en œuvre dans le but d’évaluer cet impact. Aussi, un test du Chi2 a servi à
déterminer l’existence ou non du lien entre les variables citées plus haut.
De l’analyse portant sur un échantillon de 869 clients d’OCI, dont 655 satisfaits et 214 insatisfaits,
il ressort que nos hypothèses sont toutes vérifiées. En effet, la satisfaction client est liée au service
mais pas à l’agence et, effectivement, elle a un impact significatif et positif sur la consommation.
L’impact s’évalue à un peu plus de 4800 FCFA, 5400 FCFA et 4400 FCFA par les méthodes
d’appariement par les plus proches voisins, par les rayons et par stratification respectivement. Mais
le plus important n’est pas la valeur de l’impact mais plutôt la significativité et le signe de celui-
ci. Ceci dit, lorsque les clients ont été servi dans une agence et qu’ils en sont ressortis satisfaits, ils
consomment en moyenne plus que ceux qui ne le sont pas. Par ailleurs, cette satisfaction client est
liée à l’agence et pas au service. Il se trouve en alors que les clients fondent davantage leur état de
satisfaction sur l’agence, c’est-à-dire sur la qualité du personnel ou sur les infrastructures.
En prenant en considération les résultats et conclusions de cette étude, les recommandations
suivantes peuvent être utiles à Orange Côte d’Ivoire afin, d’une part d’améliorer l’expérience
qu’elle offre à ses clients et d’autre part de demeurer leader dans le secteur des télécommunications
en Côte d’Ivoire :
• Premièrement, la recherche de la satisfaction des clients doit rester l’une des missions
principales de l’entreprise. En effet, le résultat majeur de cette étude montre que les clients
satisfaits ont tendance à consommer plus que ceux qui ne le sont pas. Alors, OCI a tout
intérêt de continuer dans la recherche sans fin de la satisfaction de ses clients en renforçant
ses moyens aussi bien techniques, matériels que humains. Cela contribuerait non seulement
à accroitre son chiffre d’affaires, mais également à rehausser son image de marque.

• S’appuyant sur la recommandation précédente, il serait important de mettre l’accent sur la

qualité du personnel travaillant dans les agences car, il s’avère que les clients fondent leur
satisfaction sur ce personnel. Mais aussi, rendre les agences beaucoup plus conviviales en
les équipant d’infrastructures modernes et suffisantes pour en faire bénéficier tous les
clients, serait un atout non négligeable.
• Enfin, il est déjà très intéressant qu’OCI procède à des sondages dans le but de connaitre
l’état de satisfaction de ses clients afin de s’améliorer. Mais, dans cette optique, il serait
souhaitable de les parfaire en menant des études précises avec des démarches adéquates
qui permettraient certainement d’aboutir à de meilleurs résultats.

BIBLIOGRAPHIE
Abadie A., et Imbens, G.W., (2005), « Large sample properties of matching estimators for
average treatment effects », Econometrica, Vol 74, pp 235-267.
Anderson E.W., et Fornell C., (2000), « Foundations of the American Customer Satisfaction
Index », Total Quality Management, Vol 11.
Anderson E.W., et Mittal, V., (2000), « Strengthening the satisfaction-profit chain, Journal of
Service research, Vol 3, pp 107–120.
Anderson E.W., (1998), « Customer satisfaction and word of mouth », Journal of service
research, pp 5–17.
Austin P.C., (2011), « An introduction to propensity score methods for reducing the effects of
confounding in observational studies », Multivariate Behavioral Research, Vol 46, N0 3, pp 399-
424.
Banker R.D., Potter G., et Srinivasan D., (2000), « An empirical investigation of an incentive
plan that includes nonfinancial performance measures », The accounting review, Vol 75, pp 65–
92.
Barbaray C., (2016), Satisfaction, fidélité et expérience client, Dunod, pp 13-14.
Body L., et Tallec C. (2015), L’expérience client, Eyrolles, p. 1.
Bolton R.N., (1998), « A dynamic model of the duration of the customer’s relationship with a
continuous service provider: The role of satisfaction », Marketing science, Vol 17, pp 45–65.
Boulding W., Kalra A., Staelin R., et Zeithaml V.A., (1993), « A Dynamic Process Model of
Service Quality: From Expectations to Behavioral Intentionsé », Journal of Marketing Research,
Vol 30, pp 7-27.
Cochran W. G., et Rubin, D.B., (1973), « Controlling bias in observational studies: A review.
Sankhya », The Indian Journal of Statistics, Vol 35, pp 417–446.
Danaher P.J., et Rust R.T., (1996), « Indirect Financial Benefits from Service Quality », Quality
Management Journal, Vol 3, pp 63-75.
Dussart C., et Cloutier M., (1992), Recherche et Applications en Marketing, Positionnement et
4 P : une partition plus que parfaite, Sage Publications, Vol 7, N0 3, pp 107-117.
Eklof J., et Westlund A., (2002), « The Pan-European Customer Satisfaction Index Programme-
Current Work and the Way Ahead », Total Quality Management, Vol 11, pp 1099-1106.
Eklöf J. A., (2000), European Customer Satisfaction Index Pan-European Telecommunication
Sector Report Based on the Pilot Studies 1999, Stockholm, Sweden, European Organization for
Quality and European Foundation for Quality Management.
NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste x

Evrard Y., (1993), « La satisfaction des consommateurs : état des recherches », Revue française
du marketing, Nº 144-145, pp 53-65.
Fornell C., Rust R.T., et Dekimpe M.G., (2010), « The Effect of Customer Satisfaction on
Consumer Spending Growth », Journal of Marketing Research, Vol 47, pp 28-35.
Fornell C., Johnson M. D., Anderson E. W., Cha J., et Everitt Bryant B, (1996), « Growing
the trust relationship », Journal of Marketing, Vol 60, pp 7-18.
Fornell C., (1992), « A national customer satisfaction barometer: The Swedish experience », The
Journal of Marketing, Vol 56, pp 6–21.
Foster G., et Gupta M., (1997), « The customer profitability implications of customer
satisfaction », Working paper, Stanford University and Washington University.
Fougère D., (2010), « Les méthodes économétriques d’évaluation », Revue française des affaires
sociales, Vol 1, pp 105-128.
Gertler P.J., Martinez S., Premand P., Rawlings L.B., et Vermeersch C.M.J., (2011),
« L’évaluation d’impact en pratique », Banque Mondiale, pp 107-116.
Gilmore J.H., et Pine J.B. (1998), « Welcome to the experience economy », Harvard Business
Review, Vol. 76, Nº 4, pp 97-105.
Guo C., et Jiraporn P., (2005), « Customer satisfaction, net income and total assets: an
exploratory study », Journal of Targeting, Measurement and Analysis for Marketing, Vol 13, pp
346–353.
Heckman J.J., Lalonde, R.J., et smith, J.A., (1999), « The economics and econometrics of active
labor market programs », Handbook of Labor Economics, Vol 3, pp 1865-2097.
Heckman J.J., Ichimura H., et Todd P.E., (1998), « Matching as an econometric evaluation
estimator », The Review of Economic Studies, Vol 65, pp 261-294.
Heckman J.J., et Robb R.Jr., (1985), « Alternative methods for evaluating the impact of
interventions: An overview », Journal of Econometrics, Vol 30, pp 239–267.
Heide J.B., Weiss, A.M., (1995), « Vendor consideration and switching behavior for buyers in
hightechnology markets », The Journal of Marketing 59, pp 30–43.
Homburg C., Koschate N., et Hoyer W.D., (2005), « Do satisfied customers really pay more? A
study of the relationship between customer satisfaction and willingness to pay », Journal of
Marketing Vol 69, pp 84–96.
Imbens, G.W., (2004), « Nonparametric estimation of average treatment effects under exogeneity:
a review », Review of Economics and Statistics, Vol 86, pp 4-29.
Ittner C.D., et Larcker D.F., (1998), Are nonfinancial measures leading indicators of financial
performance ? An analysis of customer satisfaction, Journal of Accounting Research, vol. 36, pp
1-35.
NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste xi

Johnson K.W., et Li G., (2007), « Do High Debt Payments Hinder Household Consumption
Smoothing ? », Finance and Economics Discussion Series, Federal Reserve Board, Washington,
DC.
Johnson M.D., Anderson, E.W., et Fornell, C., (1995), « Rational and adaptive performance
expectations in a customer satisfaction framework », Journal of consumer research, Vol 21, pp
695–707.
Keynes J.M., (1936), The general theory of employment interest and money, Macmillan & Co.
Lecocq A, Ammi M, et Bellarbre E (2014), « Le score de propension : un guide méthodologique
pour les recherches expérimentales et quasi expérimentales en éducation », Mesure et évaluation
en éducation, Vol 37, N0 2, pp 69-100.
Li S., Sun B., et Wilcox R.T., (2005), « CrossSelling Sequentially Ordered Products: An
Application to Consumer Banking Services », Journal of Marketing Research, Vol 42, pp 233-
239.
Llosa S, (1997), « L'analyse de la contribution des éléments du service à la satisfaction : Un modèle
« Tétraclasse » », Décisions Marketing, Nº 10, pp 81-88.
Luo X., et Homburg, C., (2007), « Neglected outcomes of customer satisfaction », Journal of
Marketing, Vol 71, pp 133–149.
Mittal V., et Kamakura W.A., (2001), « Satisfaction, repurchase intent, and repurchase behavior:
Investigating the moderating effect of customer characteristics », Journal of marketing research,
Vol 38, pp 131–142.
Ngobo P.V., et Ramaroson, A., (2005), « Facteurs déterminants de la relation entre la satisfaction
des clients et la performance de l’entreprise », Décisions marketing, Vol 40, pp 75–84.
Ngobo P.V., (2005), « Drivers of upward and downward migration: An empirical investigation
among theatregoers », International Journal of Research in Marketing, Vol 22, pp 183–201.
Ngobo P. V., (2004), « Drivers of cross-buying intentions for Services », European Journal of
Marketing, Vol. 38, N0 10, pp 1129-1157.
Ngobo P. V., et Ramarosson A., (2004), Satisfaction et performance de l’entreprise : synthèse et
extension", Congrès de l’Association Française de Marketing à Saint Malo.
Pan W., Bai H., (2015), Propensity score analysis: Fundamentals and developments, édité par
Pan Wei et Bai Haiyan, pp 3-15.
Rosenbaum P.R., (2010), Observational studies, New York: Springer, pp 29-37.
Rosenbaum,P.R., et Rubin D.B., (1985), « Constructing a control group using multivariate

matched sampling methods that incorporate the propensity score », The American Statistician, Vol
39, pp 33-38.
NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste xii

Rosenbaum P.R., et Rubin D.B., (1983), « The central role of the propensity score in
observational studies for causal effects », Biometrika, Vol 70, pp 41–55.
Rubin D.B., (2001), « Using Propensity Scores to Help Design Observational Studies :
Application to the Tobacco Litigation », Health Services and Outcomes Research Methodology,
Vol 2, pp 169–188.
Rubin D.B., (1977), « Assignment to treatment group on the basis of a covariate », Journal of
Educational and Behavioral Statistics, Vol 2, pp 1–26.
Rubin D.B., (1974), « Estimating causal effects of treatments in randomized and nonrandomized
studies », Journal of Educational Psychology, Vol 66, pp 688–701.
Rust R.T., et Zahorik A.J., (1993), « Customer satisfaction, customer retention, and market
share », Journal of retailing, Vol 69, pp 193–215.
Rutambuka D, (2017), La satisfaction des clients permet-elle de mieux expliquer l’impact des
fusions et acquisitions sur la valeur de l’entreprise ? thèse de recherche, Université de Paris-
dauphine, p 21.
Sephton P. (2011), « Consumer Spending and Customer Satisfaction: Untying the Knot »,
Economics Research International, p.7.
Smith J.A., et Todd, P.E., (2005), « Does matching overcome lalonde’s critique of
nonexperimental estimators? », Journal of Econometrics, Vol 125, pp 305-353.
Soberman D., et Gatignon, H., (2005), « Research issues at the boundary of competitive
dynamics and market evolution », Marketing Science, Vol 24, pp 165–174.
Srivastava R.K., Shervani, T.A., et Fahey, L., (1998), « Market-based assets and shareholder
value: A framework for analysis », The Journal of Marketing, Vol 62, pp 2–18.
Tornow W.W., et Wiley, J.W., (1991), « Service quality and management practices: A look at
employee attitudes, customer satisfaction, and bottom-line consequences », People and Strategy,
Vol 14, p 105.
Westbrook R.A., et Reilly M.D., (1983), « Value-percept disparity: an alternative to the
disconfirmation of expectations theory of consumer satisfaction », Advances in Consumer
Research, Nº 10, pp 256-261.
Winkler G., et Schwaiger M.S., (2011), « Is customer satisfaction driving revenue a longitudinal
analysis with evidence from the banking industry », Journal of Business & Economics Research,
Vol 2, pp 11-22.
Wood L., Egger M., Gluud, L.L., Schulz K.F., Jüni P., Altman, D.G., et Sterne, J.A., (2008),
« empirical evidence of bias in treatment effect estimates in controlled trials with different
interventions and outcomes: Meta-epidemiological study », British Medical Journal, Vol 336, pp
601-605.
NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste xiii

ANNEXES
Les annexes contiennent toutes les sorties du logiciel Stata 15.
Annexe 1 : Résultat du test d’indépendance du Chi-2

. ta Satisfaction Agence, chi2
Satisfactio | Agence
n | ABIDJAN.. ALPHA 2.. BOUAKE CAP SUD CARREFOUR CARREFO.. | Total
------------+------------------------------------------------------------------+----------
Insatisfait | 41 8 15 23 23 32 | 214
Satisfait | 76 53 60 75 41 51 | 655
------------+------------------------------------------------------------------+----------
Total | 117 61 75 98 64 83 | 869
Satisfactio | Agence
n | COSMOS KM4 PLATEAU.. SMART S.. | Total
------------+--------------------------------------------+----------
Insatisfait | 27 5 6 34 | 214
Satisfait | 54 60 41 144 | 655
------------+--------------------------------------------+----------
Total | 81 65 47 178 | 869
Pearson chi2(9) = 45.0550 Pr = 0.000
. ta Satisfaction Service, chi2
Satisfactio | Service
n | ABONNEM.. ACHAT D.. BACK OF.. CASH IN CASH OUT ERREUR .. | Total
------------+------------------------------------------------------------------+----------
Insatisfait | 10 6 3 73 45 7 | 214
Satisfait | 33 14 26 212 123 23 | 655
------------+------------------------------------------------------------------+----------
Total | 43 20 29 285 168 30 | 869
Satisfactio | Service
n | RECLAMA.. RECLAMA.. | Total
------------+----------------------+----------
Insatisfait | 25 45 | 214
Satisfait | 60 164 | 655
------------+----------------------+----------
Total | 85 209 | 869
Pearson chi2(7) = 6.2676 Pr = 0.509
NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste xiv

Annexe 2 : Résultats de la régression logistique

Logistic regression Number of obs = 869
LR chi2(19) = 253.23
Prob > chi2 = 0.0000
Log likelihood = -597.3962 Pseudo R2 = 0.4214
Annexe 3 : Validation de la propriété équilibrante de score de propension

The final number of blocks is 6
This number of blocks ensures that the mean propensity score

is not different for treated and controls in each block
**********************************************************
Step 2: Test of balancing property of the propensity score
Use option detail if you want more detailed output
**********************************************************
The balancing property is satisfied
This table shows the inferior bound, the number of treated

and the number of controls for each block
Inferior |
of block | Sat
of pscore | 0 1 | Total
-----------+----------------------+----------
.4 | 13 16 | 29
.6 | 117 209 | 326
.7 | 44 147 | 191
.8 | 40 283 | 323
-----------+----------------------+----------
Total | 214 655 | 869
Note: the common support option has been selected
NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste xv

Annexe 4 : Support commun

Note: the common support option has been selected
The region of common support is [.6349655, .93698536]
Description of the estimated propensity score

in region of common support
Estimated propensity score

-------------------------------------------------------------
Percentiles Smallest
1% .4987915 .4793201
5% .6157366 .4793201
10% .6275956 .4793201 Obs 869
25% .6506738 .4793201 Sum of Wgt. 869
50% .7759886 Mean .7537399

Largest Std. Dev. .1081822
75% .8204814 .9487072
90% .8977463 .9487072 Variance .0117034
95% .9285417 .9559325 Skewness -.13859
99% .9461972 .9588948 Kurtosis 2.194317
Annexe 5 : Effets moyen de traitement par les plus proches voisins

ATT estimation with Nearest Neighbor Matching method
(random draw version)
Analytical standard errors
---------------------------------------------------------
n. treat. n. contr. ATT Std. Err. t
---------------------------------------------------------
655 209 4869.126 2615.874 2.526
---------------------------------------------------------
Note: the numbers of treated and controls refer to actual
nearest neighbour matches
NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste xvi

Annexe 6 : Effet moyen de traitement par les rayons

. attr CONSO_TOT Sat, pscore(mypscore) radius(0.04) comsup
The program is searching for matches of treated units within radius.

This operation may take a while.
ATT estimation with the Radius Matching method

---------------------------------------------------------
---------------------------------------------------------
579 212 5423.614 2415.370 2.006
---------------------------------------------------------
Note: the numbers of treated and controls refer to actual
matches within radius
Annexe 7 : Effet moyen de traitement par stratification

. atts CONSO_TOT Sat, pscore(mypscore) blockid(myblock) comsup
ATT estimation with the Stratification method

---------------------------------------------------------
---------------------------------------------------------
649 214 4410.413 1397.731 2.109
---------------------------------------------------------
NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste xvii

Annexe 8 : Matrice de confusion

Logistic model for satisfaction
-------- True --------

Classified | D ~D | Total
-----------+--------------------------+-----------
+ | 491 194 | 184
- | 164 20 | 685
-----------+--------------------------+-----------
Total | 655 214 | 869
Classified + if predicted Pr(D) >= .85

True D defined as scolair != 0
--------------------------------------------------
Sensitivity Pr( +| D) 72.61%
Specificity Pr( -|~D) 91.87%
Positive predictive value Pr( D| +) 96.78%
Negative predictive value Pr(~D| -) 49.95%
--------------------------------------------------
False + rate for true ~D Pr( +|~D) 8.13%
False - rate for true D Pr( -| D) 27.39%
False + rate for classified + Pr(~D| +) 3.22%
False - rate for classified - Pr( D| -) 50.05%
--------------------------------------------------
Correctly classified 77.02%
--------------------------------------------------
NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste xviii

TABLE DES MATIERES

DECHARGE .................................................................................................................................. i
DEDICACE ................................................................................................................................... ii
REMERCIEMENTS ................................................................................................................... iii
SOMMAIRE ................................................................................................................................. iv
LISTE DES ABREVIATIONS .................................................................................................... v
LISTE DES ILLUSTRATIONS ................................................................................................. vi
AVANT-PROPOS ....................................................................................................................... vii
RESUME .................................................................................................................................... viii
ABSTRAT................................................................................................................................... viii
PRESENTATION DE LA STRUCTURE ................................................................................. ix
INTRODUCTION GENERALE ................................................................................................. 1
1 contexte et justification ............................................................................................................ 1
2 Problématique .......................................................................................................................... 3
3 Objectifs ................................................................................................................................... 3
4 Hypothèses ............................................................................................................................... 4
5 Méthodologie ........................................................................................................................... 4
6 Plan .......................................................................................................................................... 4
Chapitre 1 : CADRE CONCEPTUEL ET REVUE DE LITTERATURE .............................. 5
Introduction ................................................................................................................................. 5
1.1 CADRE CONCEPTUEL ................................................................................................... 5
1.1.1 Client .............................................................................................................................. 5
1.1.2 Satisfaction client ........................................................................................................... 6
1.1.3 Expérience client ............................................................................................................ 7
1.1.4 Instruments de mesure de la satisfaction ....................................................................... 7
1.2 REVUE DE LITTERATURE .......................................................................................... 11
1.2.1 Revue de littérature théorique ...................................................................................... 11
1.2.1.1 Les enjeux de la satisfaction client du point de vue des entreprises ..................... 11
1.2.1.2 Les déterminants économiques de la consommation des ménages ...................... 13
NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste xix

1.2.2 Revue de littérature empirique : Satisfaction client, rentabilité des entreprises et

consommation des clients ..................................................................................................... 14
Conclusion ................................................................................................................................ 15
Chapitre 2 : APPROCHE METHODOLOGIQUE DE L’ETUDE ........................................ 16
Introduction ............................................................................................................................... 16
2.1 PRESENTATION DES VARIABLES ET HYPOTHESES ......................................... 16
2.1.1 Présentation des variables ............................................................................................ 16
2.1.1.1 Satisfaction ............................................................................................................ 16
2.1.1.2 Service................................................................................................................... 16
2.1.1.3 Type de client ........................................................................................................ 17
2.1.1.4 Marché .................................................................................................................. 17
2.1.1.5 Agence .................................................................................................................. 17
2.1.1.6 Consommation totale ............................................................................................ 17
2.1.2 Hypothèses ................................................................................................................... 17
PROPENSION ........................................................................................................................ 18
2.2.1 Effet moyen de traitement et biais de sélection ........................................................... 19
2.2.1.1 Effet moyen de traitement ..................................................................................... 19
2.2.1.2 Biais de sélection .................................................................................................. 20
2.2.2 Score de propension : Définition et hypothèses ........................................................... 21
2.2.2.1 Définition .............................................................................................................. 21
2.2.2.2 Hypothèses ............................................................................................................ 22
2.2.3 Estimation du score de propension .............................................................................. 23
2.2.4 Score de propension et méthodes d’appariement......................................................... 24
2.2.4.1 L’appariement par les voisins les plus proches (avec ou sans borne (caliper)) .... 25
2.2.4.2 Appariement sur les rayons (radius matching) ..................................................... 26
2.2.4.3 Appariement par stratification (Stratification Matching)...................................... 26
2.2.4.4 Test de comparaison de deux moyennes observées sur deux échantillons
appariés : test t de Student ................................................................................................ 26
Conclusion ................................................................................................................................ 27
Chapitre 3 : ANALYSE ET INTERPRETATION DES RESULTATS ................................ 28
Introduction ............................................................................................................................... 28
NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste xx


CONSOMMATION................................................................................................................ 28
3.1.1 Répartition des clients et de leur consommation moyenne en fonction de la satisfaction
............................................................................................................................................... 28
3.1.2 Consommation moyenne en fonction de la satisfaction .............................................. 29
3.1.3 Liaison entre les variables de l’étude ........................................................................... 29
3.1.3.1 Liaisons entre la satisfaction et les variables « agence » et « service » : Test
d'indépendance du chi-carré (chi2) ................................................................................... 30
3.1.3.2 Liaison entre la consommation et les variables « type de client » et « marché » . 31
3.1.4 Répartition de la satisfaction client en fonction des autres variables .......................... 32
PROPENSION ........................................................................................................................ 34
3.2.1 Estimation du score de propension .............................................................................. 34
3.2.2 Evaluation de la qualité du modèle .............................................................................. 34
3.2.2.1 Significativité globale du modèle ......................................................................... 34
3.2.2.2 Appréciation du pouvoir prédictif du modèle ....................................................... 35
3.2.2.3 Appréciation du pouvoir discriminant du modèle ................................................ 36
3.2.2.4 Qualité du score de propension ............................................................................. 37
3.2.2.5 Support commun et distribution des scores de propension ................................... 37
3.2.3 Impact de la satisfaction client sur la consommation : Effet moyen de traitement ..... 38
3.2.3.1 Effet moyen de traitement par les plus proches voisins ........................................ 38
3.2.3.2 Effet moyen de traitement par les rayons ............................................................. 39
3.2.3.3 Effet moyen de traitement par stratification ......................................................... 40
Conclusion ................................................................................................................................ 40
LIMITES DE L’ETUDE ............................................................................................................ 41
CONCLUSION GENERALE ET RECOMMANDATIONS.................................................. 42
BIBLIOGRAPHIE........................................................................................................................ x
ANNEXES .................................................................................................................................. xiv
TABLE DES MATIERES ......................................................................................................... xix
NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste xxi

Langue

Memoire NGANKOU

Transféré par

Informations du document

Titre original

Copyright

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Memoire NGANKOU

Transféré par

Droits d'auteur :

REPUBLIQUE DE COTE D’IVOIRE

REPUBLIQUE DE COTE D’IVOIRE

MINISTERE DU PLAN ET DU DEVELOPPEMENT ORANGE COTE D’IVOIRE (OCI)

ÉCOLE NATIONALE SUPERIEURE DE STATISTIQUE DIRECTION EXPERIENCE CLIENT

MEMOIRE DE FIN DE STAGE

IMPACT DE LA SATISFACTION CLIENT SUR LA

Rédigé par : Sous la supervision de :

NGANKOU Guy Hervé Mme BOUABLE Fallone

Ngankou Guy Hervé

Elève Ingénieur Statisticien Economiste Janvier 2020

Mme Bouable Fallone

L’ENSEA et Orange Côte d’Ivoire n’entendent donner aucune approbation ou

NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste i

Ce mémoire est dédié à toute la famille NGANKOU

NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste ii

NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste iii

NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste iv

LISTE DES ABREVIATIONS

ATE : Average Treatment Effect

ATT : Average Treatment effect for the Treated

FCFA : Franc de la Communauté Financière d'Afrique

OCI : Orange Côte d’Ivoire

PSM : Propensity Score Matching

SAV : Service Après-Vente

NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste v

LISTE DES ILLUSTRATIONS

Liste des figures

Liste des graphiques

Liste des tableaux

Liste des annexes

NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste vi

Créée en 1961, l’Ecole Nationale Supérieure de Statistique et d’Economie Appliquée d’Abidjan

NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste vii

Dans le contexte actuel marqué par la prédominance du numérique, les entreprises de

Mots clés : Satisfaction client, score de propension, effet moyen de traitement.

Key words : Customer satisfaction, propensity score, average treatment effect.

NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste viii

Opérateur de télécommunications créé sous l’appellation, Société ivoirienne de mobile (SIM) et

• Une croissance basée sur l’amélioration continue de l’expérience client à travers la

NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste ix

NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste 1

téléphonie mobile en Côte d’Ivoire, le secteur de la téléphonie mobile a contribué à un énorme

NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste 2

NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste 3

NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste 4

Chapitre 1 : CADRE CONCEPTUEL ET REVUE DE

1.1 CADRE CONCEPTUEL

NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste 5

1.1.2 Satisfaction client

NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste 6

1.1.3 Expérience client

1.1.4 Instruments de mesure de la satisfaction

NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste 7

Figure 1 : Détermination du NPS

Source : Checkmarket : Net Promoter Score – calcul et application (2011)

• Promoteurs = répondants donnant un score de 9 ou 10

NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste 8

• Passifs = répondants donnant un score de 7 ou 8

• Détracteurs = répondants donnant un score de 0 à 6

NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste 9

NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste 10

1.2 REVUE DE LITTERATURE

1.2.1 Revue de littérature théorique

1.2.1.1 Les enjeux de la satisfaction client du point de vue des entreprises

NGANKOU GUY HERVE, Élève Ingénieur Statisticien Économiste 11