Comment j’ai fait croître les ventes d’un centre médical grâce à l’analyse ABC

Je dirige un centre médical spécialisé dans la psychothérapie et le traitement des addictions, présent sur le marché depuis plus de 30 ans.

Beaucoup de choses ont changé pendant ce temps : les approches thérapeutiques, le comportement des patients, la structure de la demande, la concurrence, l’économie de l’activité médicale. Mais une tâche ne change jamais pour une directrice — assurer une croissance régulière sans abaisser la qualité des soins et sans transformer la clinique en chaîne commerciale.

Notre spécialité, ce sont les patients souffrant d’addictions et de troubles psychiques : alcool et autres dépendances, troubles anxieux, états dépressifs, attaques de panique, troubles de l’adaptation, troubles du sommeil, épuisement professionnel et les états psychosomatiques qui les accompagnent.

La base de patients est extrêmement hétérogène. Il y a des patients qui suivent une thérapie de longue durée et reviennent régulièrement. Il y a ceux qui viennent de façon saisonnière. Il y a ceux qui sont venus une ou deux fois et ne sont jamais revenus. Il y a des patients à panier moyen élevé mais à visites rares. Et il y a ceux qui viennent souvent et génèrent une faible marge.

Pour la direction d’une clinique, une conclusion en découle : on ne peut pas gérer toute la base de patients de la même façon. C’est exactement pour cela que je me suis tournée vers l’analyse ABC — non comme un reporting financier, mais comme un outil de décisions de gestion.

Je ne reprends pas ici la théorie — elle est traitée dans des articles à part : ce qu’est l’analyse ABC, en clair et comment fonctionne la méthode ABC complexe. Voici seulement ce que j’ai fait, les décisions que j’ai prises et ce qu’elles ont donné.

Pour un établissement médical, ce n’est pas une question secondaire. Les données des patients sont des informations confidentielles, et je ne peux pas me permettre de les confier à des plateformes tierces.

J’ai donc choisi un outil où le calcul s’exécute directement dans le navigateur : le fichier n’est transféré sur aucun serveur, le calcul a lieu sur mon propre ordinateur, et pas une seule ligne n’en sort. En pratique, cela ressemble à ceci : j’ouvre simplement le tableau dans une interface web et j’obtiens un rapport sans rien envoyer nulle part.

En plus de cela, j’ai anonymisé l’export : des codes internes à la place des noms. Pour l’analyse, cela suffit, parce que les groupes se construisent à partir de chiffres, pas de noms. C’est en soi une bonne habitude : un tableau anonymisé, on n’a pas peur de l’ouvrir en réunion ou de le montrer à un consultant.

Je n’ai pas lancé l’ABC sur toute la base d’emblée.

La première étape a été de segmenter les patients par type de prise en charge. La raison est simple : un programme long de traitement des addictions et une courte série de séances pour un trouble anxieux ont des modèles de consommation du service fondamentalement différents. Dans un même tableau, ils se gênent l’un l’autre — un patient « cher » selon les critères d’une prise en charge paraît bon marché selon ceux d’une autre, et les groupes n’ont plus de sens.

Ce n’est qu’ensuite que je suis passée à la segmentation économique.

Je n’ai pas construit l’ABC sur le chiffre d’affaires. Un indicateur annuel composite s’est révélé bien plus parlant, qui tient compte :

• de la marge d’une consultation ;
• du nombre de visites ;
• de la marge totale du patient sur l’année ;
• de la valeur économique du patient pour le centre.

Autrement dit, je répondais non à la question « combien le patient a-t-il payé » mais à la question « quelle marge réelle ce patient a-t-il générée sur l’année ».

Pour cela, j’ai pris l’ABC complexe — elle calcule les classes sur deux indicateurs à la fois et les réunit dans une seule matrice. Dans mon cas, c’étaient :

• la marge du patient sur l’année ;
• le nombre de visites par an.

Chaque patient reçoit un code de deux lettres : la première lettre est la classe par la marge, la seconde la classe par le nombre de visites. AA, c’est une marge élevée et beaucoup de visites, AC une marge élevée avec des visites rares, CA une faible marge avec des visites fréquentes, CC une faible marge et des visites rares.

En pratique, le travail prend quelques minutes : ouvrir l’export et cocher les deux colonnes voulues.

Le rapport est une matrice de neuf cellules : chaque combinaison des deux lettres, chacune indiquant le nombre de patients et leur part de la base. Une cellule est cliquable et donne la liste exacte de ces personnes — et c’est cela qui transforme l’analyse en outil de travail plutôt qu’en image.

Sous la matrice se trouve le même export avec le calcul et le code attribué à chaque ligne. Le rapport s’exporte en XLSX : vous pouvez donc le travailler ensuite avec les outils habituels.

Pour ma base, la répartition est sortie ainsi :

• AA — 5 % des patients. La marge la plus élevée et la plus grande valeur financière pour le centre.
• AB, BB, BA — 65 % des patients (20 %, 30 % et 15 %). Des patients systématiques et réguliers : ils reviennent régulièrement et suivent une thérapie de longue durée.
• AC — 25 % des patients. Un panier élevé pour une faible fréquence de visites, et donc une faible efficacité économique.
• CA — 2 % des patients. Une faible marge pour une fréquence de visites élevée.
• CC — 3 % des patients. Une faible marge et des visites rares.

Et c’est là que cela devient intéressant.

Les catégories AB, BB et BA font 65 % de la base. Des gens qui font déjà confiance au centre, reviennent régulièrement et poursuivent leur thérapie.

À mes yeux, c’est l’une des conclusions les plus importantes de l’analyse : il ne faut pas toujours chercher de nouveaux patients. Parfois, le potentiel de croissance le plus grand est à l’intérieur de la base que l’on a déjà.

La tâche n’était donc pas de vendre à ces personnes des services supplémentaires de façon agressive. La tâche était autre — rendre la structure de la prise en charge globale plus commode et plus cohérente.

Après l’analyse, nous n’avons pas lancé une campagne universelle pour tout le monde. Une décision distincte a été prise pour chaque groupe — et c’est probablement l’idée pratique principale de tout ce cas.

AB / BB / BA — nous avons renforcé le format global

Pour les patients réguliers et systématiques, nous avons ajouté des offres groupées. La logique est simple : si une personne utilise déjà plusieurs types de prise en charge régulièrement, il lui est plus commode de les recevoir dans un format global et clair.

Cela a augmenté le volume de services à l’intérieur de la base existante — sans acheter en permanence du nouveau trafic.

Résultat : 30 % de croissance des ventes sur ce segment. Nous n’avons pas simplement augmenté le nombre de patients — nous avons augmenté le rendement économique de la base que nous avions déjà.

AC — un panier élevé, mais une faible efficacité

Le groupe le plus curieux, 25 % de la base. À première vue, de tels patients paraissent attrayants : un panier élevé. Mais la combinaison des lettres montre ce qu’un rapport de chiffre d’affaires ne montre pas : l’argent est là, la fréquence non. Si un patient vient rarement, la structure des coûts de sa prise en charge rend sa valeur économique nettement plus faible que ne le laisse penser un paiement unique.

Nous n’avons donc changé ni le produit ni le prix brutalement. Nous avons lancé une campagne distincte avec un seul objectif — augmenter la fréquence des visites, pas le panier.

Au point de contrôle, nous n’avons vu aucun mouvement significatif dans ce groupe. C’est un résultat aussi : l’analyse doit montrer non seulement ce qui a fonctionné, mais aussi là où une décision a besoin de plus de temps.

CA — une faible marge pour une fréquence élevée

Ici, la situation est inverse : 2 % de la base, les patients viennent souvent, mais l’efficacité économique d’une visite est faible.

Nous avons élargi le forfait de services d’environ 15 % de son coût. L’objectif n’était pas simplement d’augmenter le prix mais de changer la structure de consommation du service et d’élever la valeur d’un cycle de traitement.

En conséquence, la part de cette catégorie a diminué, et une partie des patients est passée dans les catégories plus efficaces AB/BB/BA. Croissance des ventes sur cet axe — 35 %.

J’y insiste : pour une activité médicale, ce qui compte n’est pas seulement la croissance du nombre de visites, mais le passage du patient à un modèle de prise en charge plus stable. Réduire une « mauvaise » cellule parce que les gens sont passés dans une « bonne » est un résultat, même si le nombre total de patients n’a pas changé.

CC — faible fréquence et faible marge

Le plus petit groupe, 3 % de la base. Nous n’y avons pas consacré de budget marketing significatif — nous avons plutôt mené une communication d’information sur l’élargissement de l’offre du centre.

Environ 1 % des patients de ce groupe est revenu au contact actif.

Du point de vue du marketing classique, 1 %, ce n’est pas beaucoup. Mais dans la gestion d’une base, une autre question compte davantage : combien coûte le retour d’un patient et quelle valeur de long terme il générera. Si aucun budget significatif n’a été nécessaire, même une petite réactivation est économiquement justifiée.

Par principe, je n’ai pas évalué le résultat aussitôt après la mise en place des changements. Nous avons fait le relevé suivant trois mois plus tard — cela a permis de comparer non les impressions de l’équipe mais les évolutions réelles de la structure de la base.

Le bilan :

• AB / BB / BA — les ventes ont crû de 30 % ;
• CA — les ventes ont crû de 35 %, la part de la catégorie a diminué, une partie des patients est passée dans des catégories plus efficaces ;
• AC — aucun mouvement significatif, le groupe a besoin de plus de temps ;
• CC — environ 1 % des patients réactivés.

C’est ce second relevé qui a montré l’essentiel : l’ABC a cessé d’être un tableau ponctuel pour devenir un cycle de gestion en état de marche.

Données → segmentation → hypothèse → action → mesure → correction.

La même analyse, répétée trois mois plus tard avec les mêmes réglages, est le test d’hypothèse le moins cher dont dispose une directrice. C’est pourquoi il vaut la peine de consigner les réglages : avec des seuils de groupes différents, la comparaison perd son sens.

Avant l’analyse, nous regardions, comme beaucoup de centres médicaux, surtout les indicateurs généraux : le nombre de patients, le chiffre d’affaires, le taux d’occupation des spécialistes.

L’ABC m’a fait poser d’autres questions.

Non pas « combien avons-nous de patients », mais « quels patients créent la stabilité économique du centre ».

Non pas « comment augmenter le nombre de visites », mais « comment changer la structure des services pour que le patient reçoive une prise en charge plus globale et que le centre gagne en efficacité ».

Non pas « quelle campagne apportera le plus de demandes », mais « pour quel groupe de patients cette campagne a-t-elle seulement un sens ».

Et c’est là l’effet de gestion principal : la méthode ne distribue pas de décisions toutes faites, elle réduit la question à un groupe pour lequel une décision peut réellement être prise.

Dans notre centre, le coût moyen d’une visite est d’environ 30 € et la marge moyenne d’environ 18 € par patient. Avec 25 psychothérapeutes au planning, même un petit changement de comportement de la base devient significatif : chaque visite supplémentaire à 18 € de marge produit 18 € de résultat de marge.

C’est pourquoi 30–35 % de croissance des ventes sur des segments précis signifient bien plus qu’une simple augmentation du nombre de premières demandes.

L’idée principale n’était pas d’augmenter les ventes uniformément pour les plus de 500 patients, mais de déterminer où se trouve exactement le potentiel de croissance et de diriger des actions de gestion différentes vers des groupes différents.

Un centre médical n’est pas un commerce de détail. Les instruments de vente classiques ne se transposent pas ici mécaniquement :

• un patient peut avoir un coût de services élevé pour une faible marge ;
• le montant d’une visite peut être faible, mais la valeur annuelle élevée grâce à la régularité ;
• un patient économiquement insignifiant aujourd’hui peut passer à un modèle de traitement stable dans quelques mois.

La valeur d’un patient ne se juge pas sur une seule visite. Je recommanderais de regarder au moins quatre paramètres : le chiffre d’affaires, la marge, la fréquence des visites et la stabilité des visites dans le temps.

Et d’analyser non pas tout ce qui passe, mais ce qui influe sur la décision :

• le problème est du côté des patients — nous analysons les patients ;
• le problème est du côté des services — nous analysons les services : lesquels génèrent réellement du profit, lesquels ont un panier élevé pour une faible rentabilité, lesquels valent la peine d’être mis en forfait ;
• la question porte sur la charge de travail — nous analysons les spécialistes ;
• il faut voir deux facteurs à la fois — analyse complexe.

Une ligne du tableau peut être n’importe quoi : un patient, un service, un spécialiste. C’est pourquoi une seule et même procédure répond à des questions de gestion très différentes.

L’ABC s’est révélée, pour moi, non un instrument financier mais un instrument de pensée managériale. Elle permet de voir la base de patients non comme une masse unique mais comme un système de modèles de comportement différents.

Quelque part, il faut augmenter la fréquence des visites. Ailleurs — proposer une prise en charge globale. Ailleurs — revoir l’économie d’un forfait. Ailleurs — simplement rappeler au patient ce que le centre sait faire. Et ailleurs encore — ne rien changer et laisser du temps à l’hypothèse.

La croissance que nous avons obtenue est venue avant tout d’une gestion plus efficace de la base que nous avions déjà.

Et pour moi, en tant que directrice, c’est la conclusion la plus importante : la croissance d’une activité médicale ne commence pas toujours par l’acquisition de nouveaux patients. Parfois, elle commence quand la direction de la clinique voit enfin la structure de sa propre base.

C’est pourquoi je considère aujourd’hui l’ABC non comme un rapport pour la direction mais comme une partie d’un cycle de gestion régulier : analyser → décider → tester → mesurer → généraliser.

Vous savez combien vous avez de patients. Mais savez-vous lesquels génèrent du profit ? Vous savez quels services se vendent. Mais savez-vous lesquels en valent vraiment la peine ? Vous voyez la charge de vos spécialistes. Mais savez-vous qui crée la plus grande valeur économique ?

Pour refaire une revue de ce genre, il vous faut un export d’une année et quelques minutes :

1. Exportez le tableau : une ligne est un patient (ou un service, ou un spécialiste), les colonnes sont la marge de l’année et le nombre de visites.
2. Anonymisez-le : des codes internes à la place des noms.
3. Ouvrez l’analyse voulue et chargez le fichier — le calcul s’exécute dans le navigateur, le fichier n’est envoyé nulle part.
4. Vérifiez les seuils des groupes, construisez le rapport, exportez-le en XLSX.
5. Prenez une décision pour chaque groupe — une différente pour des groupes différents.
6. Répétez la même analyse avec les mêmes réglages trois mois plus tard.

Si les méthodes vous sont nouvelles, commencez par la théorie : l’analyse ABC en clair et la méthode ABC complexe.

Un tableau à lui seul n’augmente pas le bénéfice. Le bénéfice croît quand la direction prend une décision après l’analyse — et vérifie trois mois plus tard si l’hypothèse a fonctionné.

Analysez. Décidez. Vérifiez le résultat.