Motifs de retour : la donnée oubliée des fiches produits

Un retour produit n'est pas seulement un colis qui revient. C'est une information.

Le client a acheté. Il a reçu. Il a comparé son attente avec la réalité. Puis il a décidé que le produit ne convenait pas. Ce moment dit quelque chose.

Il dit parfois que le produit est mauvais. Mais souvent, il dit autre chose : la fiche produit n'a pas assez bien expliqué, le conseil n'a pas assez bien qualifié, la photo a créé une mauvaise attente, la compatibilité n'a pas été vérifiée, la taille a été mal anticipée, l'usage réel n'a pas été compris.

Le problème, c'est que beaucoup d'e-commerçants traitent les motifs de retour comme une donnée logistique. Ils devraient les traiter comme une donnée produit. Et même comme une donnée commerciale.

Le contexte rend ce sujet plus important. La Fevad indique que le e-commerce français a atteint 196,4 milliards d'euros en 2025, avec 3,2 milliards de transactions, mais un panier moyen en baisse de 3 % à 62 €. Plus de commandes, mais des commandes plus petites.¹

Dans un panier moyen plus bas, le coût d'un retour pèse davantage. Baymard indique que 58 % des utilisateurs ont retourné au moins un achat en ligne au cours des douze derniers mois, et que 15 % ont abandonné au moins un achat dans le dernier trimestre à cause d'une politique de retour insatisfaisante.²

Le retour est donc double :

• il rassure avant achat ;
• il coûte après achat.

La vraie question est : comment utiliser les retours pour améliorer ce qui se passe avant l'achat ? C'est là que les motifs de retour deviennent stratégiques.

Cet article s'inscrit dans le silo "Agent vendeur IA pour e-commerce". Pour la vue d'ensemble, voir le pillar Agent vendeur IA e-commerce : du catalogue au conseil d'achat. Articles connexes : Donnée produit : pourquoi votre PIM ne suffit pas à vendre, Quelles données connecter avant de déployer un agent vendeur IA, Fiche produit e-commerce : pourquoi passer au conversationnel.

Un motif de retour est un diagnostic client

Le motif de retour est souvent lu comme une catégorie administrative. Voici les motifs les plus courants :

• taille trop petite ;
• produit non conforme ;
• changement d'avis ;
• défectueux ;
• mauvaise couleur ;
• incompatible ;
• trop compliqué ;
• ne correspond pas à l'attente ;
• livraison trop tardive.

Mais derrière chaque motif, il y a une cause. Et cette cause peut se situer à différents endroits dans la chaîne de valeur :

• produit ;
• fiche produit ;
• photo ;
• description ;
• guide de taille ;
• promesse commerciale ;
• filtre et moteur de recherche ;
• recommandation ;
• chatbot vendeur ;
• politique de retour ;
• transporteur ;
• préparation ;
• service client.

Un produit retourné pour "ne correspond pas à mes attentes" n'est pas assez précis. Il faut comprendre :

• quelle attente précise ?
• créée par quelle photo ?
• par quelle phrase de la description ?
• par quelle promesse marketing ?
• pour quel usage imaginé ?
• via quel comparatif ?
• via quelle recommandation ?
• depuis quel canal d'acquisition ?

Un produit retourné pour "incompatible" pose une autre question :

Pourquoi la compatibilité n'a-t-elle pas été vérifiée avant l'achat ?

Un produit retourné pour "trop petit" pose encore une autre question :

Le guide de taille était-il clair, visible, utile, contextualisé ?

Un produit retourné pour "trop compliqué" demande :

Avons-nous expliqué le niveau d'expertise nécessaire ?

C'est pour cela que le motif de retour ne doit pas rester dans l'outil logistique. Il doit revenir vers le e-commerce, le merchandising, le PIM, le SEO, le service client et l'agent vendeur IA.

Les retours commencent souvent avant l'achat

Un retour arrive après la livraison. Mais il commence souvent avant l'achat. Le client a mal choisi parce qu'il a mal compris. Ou parce que le site ne l'a pas assez aidé.

DHL le formule de manière très directe dans son contenu sur la logistique inverse : une information claire et détaillée ne se contente pas d'améliorer l'expérience d'achat, elle aide à prévenir les retours.³

DHL indique aussi dans son rapport 2025 que 42 % des acheteurs citent le manque d'information produit comme frustration, que 46 % veulent de meilleures descriptions produit et que 45 % veulent davantage d'avis et d'images clients.⁴

Ce point est central. Un retour peut être la conséquence d'une information produit insuffisante. Pas seulement d'une mauvaise décision client.

Quelques causes structurelles fréquentes :

• photo trop flatteuse ou ambiguë ;
• taille mal expliquée ;
• compatibilité non vérifiée ;
• usage déconseillé non signalé ;
• accessoire nécessaire non mentionné ;
• délai de livraison mal compris ;
• différence entre modèles mal expliquée ;
• produit recommandé sans qualification suffisante ;
• promesse marketing trop large.

Le retour n'est alors pas un accident. C'est le résultat d'un conseil insuffisant.

Les motifs de retour doivent enrichir le PIM

Le PIM (Product Information Management, référentiel produit) contient souvent les données descriptives :

• référence et SKU (Stock Keeping Unit, code unique d'unité de stock) ;
• dimensions et poids ;
• matière et couleur ;
• marque et gamme ;
• prix ;
• variantes ;
• photos ;
• description ;
• attributs techniques.

Mais il contient rarement les motifs de retour. C'est une erreur.

Un PIM moderne, utilisé pour un agent vendeur IA, devrait intégrer ou relier plusieurs dimensions retour :

• motifs de retour fréquents ;
• taux de retour par SKU ;
• taux de retour par variante ;
• motifs par canal d'acquisition ;
• motifs par période ;
• retours liés à la taille ;
• retours liés à la compatibilité ;
• retours liés à l'usage ;
• retours liés à l'attente visuelle ;
• retours liés à la complexité ;
• retours liés à la livraison.

Cette donnée change la manière de vendre. Trois exemples concrets côté agent vendeur :

• si un produit revient souvent pour "taille trop petite" :

"Ce modèle taille plutôt petit selon les retours clients. Si vous hésitez entre deux tailles, je vous recommande la taille au-dessus."

• si un produit revient souvent pour "installation trop complexe" :

"Ce modèle est performant, mais il demande une installation plus technique. Vous souhaitez une option plus simple ?"

• si un produit revient souvent pour "incompatible", l'agent doit poser une question de vérification avant toute recommandation.

Le motif de retour devient une règle de conseil. C'est exactement pour cela que Webotit intègre systématiquement dans ses projets un volet d'enrichissement de la donnée produit. Une donnée PIM brute décrit le produit. Une donnée enrichie apprend des retours, des emails, des appels, des avis et des conversations.

C'est cette donnée enrichie qui permet à l'agent vendeur de conseiller correctement. Le sujet est traité en détail dans Donnée produit : pourquoi votre PIM ne suffit pas à vendre.

La typologie utile des motifs de retour

Tous les motifs de retour ne se valent pas. Pour améliorer les fiches produits, il faut créer une typologie exploitable. Voici une grille à 7 catégories utilisable comme base.

Détaillons les actions de contenu/produit pour les trois catégories les plus chargées.

1. Retour lié à l'information produit

Les motifs typiques incluent description insuffisante, informations contradictoires, caractéristiques mal comprises, usage mal expliqué, photos insuffisantes, couleur ou matière différente de l'attente.

DHL indique que "not enough product images" figure parmi les frustrations client et que 39 % des clients retournent des produits parce qu'ils ne ressemblent pas aux images.⁵

Actions à lancer :

• enrichir la fiche produit ;
• ajouter des photos en situation et en lumière naturelle ;
• ajouter des cas d'usage explicites ;
• clarifier les limites du produit ;
• intégrer une FAQ produit ;
• alimenter le chatbot vendeur virtuel avec les bonnes questions.

4. Retour lié à l'usage

Motifs typiques : pas adapté à un usage intensif, trop complexe, pas assez performant, trop fragile, niveau débutant ou expert mal évalué, usage professionnel non adapté.

Actions :

• documenter les cas d'usage recommandés ;
• documenter les limites du produit ;
• préciser le niveau d'expertise nécessaire ;
• proposer des alternatives ;
• contextualiser la recommandation côté agent vendeur.

7. Retour lié au changement d'avis

Ce motif existe. Mais il est souvent trop vague. Il faut le préciser avec des sous-motifs :

• changement d'avis après comparaison ?
• achat impulsif ?
• prix trouvé ailleurs ?
• besoin annulé ?
• cadeau non adapté ?
• produit commandé en double ?

Actions :

• affiner la taxonomie des motifs ;
• analyser le canal d'acquisition ;
• analyser la promotion appliquée ;
• analyser la cohorte client ;
• vérifier si la commande était vraiment qualifiée par l'agent.

Les motifs de retour doivent être reliés aux canaux d'acquisition

Un retour n'est pas seulement lié au produit. Il peut être lié au canal :

• une campagne paid social très agressive peut générer des achats impulsifs et plus de retours ;
• une campagne Google Ads peut capter une intention plus précise ;
• une marketplace peut attirer une comparaison prix plus forte ;
• un email promotionnel peut créer une attente de remise ;
• un chatbot vendeur peut mieux qualifier certains achats.

Il faut donc rattacher chaque retour à plusieurs dimensions :

• canal d'acquisition ;
• campagne ;
• création publicitaire ;
• message ou promesse ;
• remise appliquée ;
• produit ;
• catégorie ;
• cohorte client.

Comparons deux canaux qui vendent le même produit.

Le ROAS (Return On Advertising Spend, retour sur dépense publicitaire) du canal A peut sembler meilleur. Mais la marge après retours peut être inférieure. C'est pourquoi le motif de retour doit entrer dans le pilotage CFO. Pas seulement dans la logistique. Le sujet macro est traité dans Coût des retours e-commerce : le sujet caché de la rentabilité.

Les motifs de retour doivent être reliés aux fiches produits

Chaque fiche produit devrait avoir une lecture "retours". Pas seulement la lecture commerciale habituelle :

• taux de conversion ;
• chiffre d'affaires ;
• panier moyen ;
• stock ;
• marge.

Mais aussi une lecture qualité du choix client :

• taux de retour ;
• motifs dominants ;
• retours par variante ;
• questions SAV associées ;
• emails associés ;
• appels associés ;
• avis négatifs associés ;
• recommandations chatbot associées.

Une fiche produit qui vend beaucoup mais génère beaucoup de retours n'est pas forcément une bonne fiche. Elle peut être trop persuasive et pas assez précise.

Un bon directeur e-commerce doit se demander :

Cette fiche vend-elle correctement, ou vend-elle trop vite un produit mal compris ?

La nuance est importante. Le but n'est pas de réduire la conversion. Le but est de convertir les bons achats.

Les motifs de retour doivent nourrir le chatbot vendeur virtuel

Un chatbot vendeur virtuel qui ignore les motifs de retour peut répéter les erreurs du site. Il recommande un produit sans savoir que ce produit revient souvent pour un motif précis. C'est dangereux.

L'agent vendeur devrait savoir :

• quels produits ont un fort taux de retour ;
• pourquoi ;
• dans quels cas ;
• pour quels profils ;
• sur quelles variantes ;
• après quelles campagnes ;
• avec quelles questions SAV associées.

Il ne doit pas forcément cacher ces produits. Il doit mieux les qualifier. Voici quatre exemples de réponses utiles.

Produit souvent retourné pour taille :

"Ce modèle taille plutôt petit. Vous hésitez entre deux tailles ?"

Produit souvent retourné pour compatibilité :

"Avant de vous le recommander, j'ai besoin de vérifier votre référence actuelle."

Produit souvent retourné pour complexité :

"Ce modèle est adapté si vous êtes à l'aise avec l'installation. Si vous cherchez une solution plus simple, je peux vous proposer une alternative."

Produit souvent retourné pour attente visuelle :

"La couleur peut paraître plus foncée en vrai selon les avis clients. Vous voulez voir les photos clients disponibles ?"

C'est cela, le conseil utile. Il ne supprime pas le risque. Il le rend visible.

Les motifs de retour doivent nourrir les images et les preuves

DHL indique que 39 % des clients retournent des produits parce qu'ils ne ressemblent pas aux images.⁵ Ce chiffre doit faire réfléchir.

Dans beaucoup de secteurs, la photo vend plus que le texte. Mais elle peut aussi créer une attente fausse. Problèmes fréquents :

• couleur différente entre photo et réel ;
• échelle mal comprise ;
• texture peu visible ;
• taille impossible à juger ;
• produit montré sans accessoire indispensable ;
• contexte trop idéal ;
• rendu studio trompeur ;
• absence de photo en situation ;
• absence de photo client ;
• absence de vue détail.

Les motifs de retour peuvent indiquer quelles images ajouter, fiche par fiche :

• si les clients retournent parce que le produit est plus petit que prévu, ajouter une photo d'échelle ;
• s'ils retournent parce que la couleur surprend, ajouter des photos en lumière naturelle ;
• s'ils retournent parce que la matière déçoit, ajouter des zooms matière ;
• s'ils retournent parce que l'usage est mal compris, ajouter une vidéo ou un visuel contexte.

Le retour doit produire une amélioration de contenu. Sinon, il se répète.

Les motifs de retour doivent nourrir le mailbot relation client

Le mailbot réponse aux emails joue un rôle important dans cette boucle. Parce que beaucoup de motifs réels ne sont pas bien captés dans les menus de retour.

Le client coche dans le menu :

"Ne correspond pas à mes attentes."

Mais dans son email, il écrit :

"Je pensais que le produit serait plus rigide, les photos donnaient cette impression."

Ou :

"Je n'avais pas compris qu'il fallait commander l'adaptateur séparément."

Ou :

"La couleur est beaucoup plus foncée que sur le site."

Ces verbatims sont précieux. Un mailbot peut couvrir une chaîne d'analyse complète :

• classer les demandes ;
• extraire les motifs précis ;
• détecter les irritants récurrents ;
• associer les demandes aux SKU ;
• identifier les produits à risque ;
• résumer les causes ;
• remonter les tendances ;
• proposer des corrections de fiche.

Le mailbot ne sert donc pas seulement à répondre plus vite. Il sert à apprendre plus vite. C'est une différence importante.

Les motifs de retour doivent nourrir le callbot de suivi post-achat

Le callbot suivi de dossier peut aussi enrichir la donnée retour. Il est particulièrement utile sur les commandes à risque :

• produit technique ;
• panier élevé ;
• première commande ;
• livraison retardée ;
• catégorie à fort retour ;
• client B2B important ;
• installation nécessaire ;
• service sensible.

Le callbot peut couvrir un script de vérification post-livraison :

• le produit a-t-il été reçu ?
• est-il conforme à l'attente ?
• avez-vous besoin d'aide ?
• l'installation s'est-elle bien passée ?
• y a-t-il un problème de taille, compatibilité ou usage ?
• souhaitez-vous être rappelé par un conseiller ?
• envisagez-vous un retour ?

L'objectif n'est pas de surveiller le client. L'objectif est de détecter les problèmes avant qu'ils ne deviennent plus coûteux :

• un problème d'usage peut être résolu par une aide ;
• une incompatibilité peut être orientée vers un échange ;
• une insatisfaction peut être traitée avant avis négatif ;
• un retour peut être évité ou mieux qualifié.

Les données issues du callbot post-achat doivent ensuite enrichir :

• les fiches produits ;
• les scripts d'aide au choix ;
• les questions du chatbot vendeur ;
• les règles d'escalade ;
• les contenus post-achat.

Les motifs de retour doivent aussi servir au chatbot service client

Le chatbot relation client traite souvent les demandes après achat :

• comment retourner ;
• où est mon remboursement ;
• puis-je échanger ;
• quel délai ;
• quel transporteur ;
• quelle étiquette ;
• quelle condition ;
• comment suivre.

Il peut aussi capter les motifs. Mais il doit aller au-delà de la procédure.

Client :

"Je veux retourner ce produit."

Chatbot faible :

"Voici la procédure de retour."

Chatbot utile :

"Je peux vous aider. Pouvez-vous m'indiquer la raison principale : taille, compatibilité, usage, produit différent de l'attente, défaut, livraison, autre ?"

Puis :

"Merci. Cette information nous aidera aussi à améliorer les conseils avant achat."

C'est simple. Mais cela transforme une demande de retour en donnée produit.

Exemple complet : transformer les retours en amélioration de fiche

Prenons une catégorie "produits techniques". Données sur 30 jours :

• 1 200 ventes ;
• 144 retours ;
• taux de retour : 12 %.

Motifs déclarés :

Analyse : le problème principal n'est pas le produit. C'est la qualification avant achat.

Fiche produit

Ajouter sur la fiche :

• un tableau de compatibilité ;
• la liste des cas non compatibles ;
• l'accessoire nécessaire ;
• le niveau d'installation ;
• une vidéo rapide ;
• une FAQ "avant d'acheter".

Chatbot vendeur virtuel

Ajouter des questions obligatoires avant recommandation :

• référence actuelle ;
• type d'installation ;
• niveau de compétence ;
• besoin d'accessoire ;
• usage prévu.

Mailbot relation client

Configurer une extraction spécifique :

• compatibilité ;
• accessoire ;
• installation ;
• référence manquante.

Callbot de suivi post-achat

Sur les commandes de cette catégorie, le callbot doit :

• vérifier la réception ;
• proposer une aide à l'installation ;
• détecter une incompatibilité rapidement ;
• orienter vers un échange si nécessaire.

Mesure

Suivre sur 60 jours :

• taux de retour global ;
• part du motif "incompatibilité" ;
• emails produit reçus ;
• appels installation reçus ;
• conversion ;
• panier moyen ;
• satisfaction.

C'est cela, une boucle data produit.

Les 8 actions concrètes à lancer

Les erreurs à éviter

Comment Webotit adresse ce sujet

Chez Webotit, les motifs de retour ne sont pas vus comme une donnée secondaire. Ils font partie de la connaissance métier.

Dans nos projets, nous intégrons systématiquement un volet d'enrichissement de la donnée produit. Les motifs de retour en sont une source essentielle. Voici la cartographie data → solution.

L'objectif n'est pas seulement de réduire le coût de traitement. L'objectif est d'empêcher la répétition du problème.

Conclusion

Les motifs de retour sont une donnée produit. Pas seulement une donnée logistique.

Ils disent ce que le client a mal compris, ce que la fiche n'a pas assez expliqué, ce que le conseil n'a pas assez qualifié, ce que les images ont mal représenté, ce que le parcours a laissé dans le flou.

Dans un marché où le panier moyen baisse et où chaque commande doit contribuer à la marge, ignorer cette donnée est une erreur. Un retour doit déclencher plus qu'un remboursement. Il doit déclencher une amélioration sur plusieurs leviers :

• fiche produit ;
• PIM ;
• agent vendeur IA ;
• mailbot ;
• callbot ;
• FAQ ;
• images ;
• guides ;
• règles de conseil.

Le meilleur retour n'est pas celui qu'on traite vite. C'est celui qu'on évite la prochaine fois.

Pour la vue d'ensemble, lire le pillar Agent vendeur IA pour e-commerce : transformer le catalogue en conseil d'achat. Pour le sujet macro de la rentabilité, voir Coût des retours e-commerce : le sujet caché de la rentabilité.

Pour discuter de votre boucle motifs-de-retour ↔ fiches produits ↔ agent vendeur, l'équipe Webotit pour le e-commerce cadre la taxonomie, l'instrumentation et l'enrichissement à mettre en place.

Questions frequentes

Pourquoi les motifs de retour sont-ils importants en e-commerce ?+

Parce qu'ils indiquent pourquoi un client a estimé que le produit ne convenait pas. Ils révèlent souvent des problèmes de fiche produit, d'image, de taille, de compatibilité, d'usage, de promesse commerciale ou de conseil avant achat.

Les motifs de retour sont-ils une donnée produit ?+

Oui. Ils doivent enrichir la donnée produit, le PIM, les fiches, les guides, les FAQ et l'agent vendeur IA. Un produit souvent retourné pour un motif précis doit être mieux expliqué ou mieux qualifié avant achat.

Comment utiliser les motifs de retour pour améliorer une fiche produit ?+

Il faut identifier les motifs dominants, lire les verbatims, relier les retours aux SKU, puis ajouter les informations manquantes : taille, compatibilité, limites, photos, vidéos, accessoires nécessaires, usage recommandé ou déconseillé.

Quel rôle pour le chatbot vendeur virtuel ?+

Il transforme les motifs de retour en questions de qualification avant achat. Si un produit revient souvent pour compatibilité, le chatbot doit vérifier la compatibilité avant de recommander. Si le retour est lié à la taille, il doit poser une question sur la taille.

Comment le mailbot relation client aide-t-il ?+

Le mailbot analyse les emails entrants, extrait les motifs précis, détecte les irritants récurrents et relie les demandes aux produits. Il permet d'aller au-delà des menus de retour trop génériques.

Quel rôle pour le callbot de suivi post-achat ?+

Il peut détecter rapidement un problème après livraison : incompréhension, installation, compatibilité, intention de retour. Il permet parfois de résoudre le problème avant qu'il ne devienne un retour ou un litige.

Faut-il relier les retours aux canaux d'acquisition ?+

Oui. Un canal peut générer beaucoup de ventes mais aussi beaucoup de retours. Pour piloter la marge, il faut analyser les retours par canal, campagne, produit et motif.

Comment mesurer l'impact de l'amélioration des fiches produits ?+

Il faut suivre le taux de retour avant / après, les motifs de retour, les emails produit, les appels entrants, la conversion, le panier moyen, la marge assistée et la satisfaction sur les produits ou catégories enrichis.

Sources et references

1. [1]Fevad — Bilan du e-commerce en France 2025 : 196,4 Md€ de chiffre d'affaires, 3,2 Md de transactions, panier moyen à 62 €
2. [2]Baymard Institute — Order Returns UX : 58 % des utilisateurs ont retourné au moins un achat en ligne dans les douze derniers mois ; 15 % ont abandonné un achat à cause d'une politique de retour insatisfaisante
3. [3]DHL eCommerce — 2025 E-Commerce Trends Report : information claire et détaillée pour améliorer l'expérience et prévenir les retours
4. [4]DHL eCommerce — 2025 Delivery and Returns Trends : 42 % des acheteurs citent le manque d'information produit, 46 % veulent de meilleures descriptions, 45 % davantage d'avis et d'images
5. [5]DHL eCommerce — Returns and Reverse Logistics : 39 % des clients retournent des produits parce qu'ils ne ressemblent pas aux images