Le taux de retour e-commerce est un KPI clé pour comprendre la performance d’un catalogue, la qualité de l’expérience client et l’impact des retours sur la marge. Mais pour être utile, il doit être calculé avec une méthode stable et interprété selon le secteur, la période et le type de retour. Cet article explique comment calculer le taux de retour, comparer les benchmarks 2026 et identifier les causes à analyser pour agir sur les retours évitables.
Le taux de retour e-commerce est souvent suivi comme un simple pourcentage. Pourtant, derrière un même chiffre peuvent se cacher des réalités très différentes : un problème de taille, une erreur de préparation, un fournisseur défaillant, un retard de livraison ou simplement une catégorie naturellement plus exposée aux retours.
- Qu’est-ce que le taux de retour e-commerce ?
- Comment calculer son taux de retour e-commerce ?
- Quel est le taux de retour moyen en e-commerce en 2026 ?
- Quel est un bon taux de retour pour votre e-commerce ?
- Comment analyser un taux de retour trop élevé ?
- Quelles causes expliquent un taux de retour élevé ?
- Comment agir sur les retours évitables ?
- Quels KPI suivre avec le taux de retour ?
- Comment fiabiliser les données de retour ?
Avant de chercher à savoir si votre taux est « bon » ou « mauvais », il faut donc comprendre ce qu’il mesure réellement. Calcul par article, par commande ou par valeur, période d’analyse, benchmark sectoriel, segmentation par SKU ou motif : la méthode change complètement l’interprétation.
L’objectif de cet article est de vous aider à construire un indicateur fiable, à le comparer correctement et surtout à l’utiliser pour identifier les causes qui méritent une action.
Qu’est-ce que le taux de retour e-commerce ?
Le taux de retour mesure la proportion de ventes qui donnent lieu à un retour. Mais plusieurs méthodes coexistent selon l’objectif recherché.
Définition du taux de retour
Pour analyser les produits, la méthode la plus utile consiste à rapporter les articles retournés aux articles vendus :
- Taux de retour par article = nombre d’articles retournés / nombre d’articles vendus × 100
Cette définition permet d’analyser un SKU, une taille, une catégorie ou une collection.
D’autres entreprises suivent plutôt les commandes ayant généré un retour ou la valeur financière retournée. Ces indicateurs sont pertinents, mais ils ne mesurent pas exactement la même chose.
Pourquoi ce KPI doit être interprété avec prudence
n taux élevé n’est pas nécessairement mauvais. Une marque de mode exposée aux problèmes de taille n’a pas la même structure de retours qu’un vendeur de mobilier. Une entreprise privilégiant l’échange peut aussi enregistrer beaucoup de retours physiques tout en conservant davantage de chiffre d’affaires.
Pour interpréter correctement le KPI, trois éléments doivent rester stables :
- l’unité de mesure : article, commande ou valeur ;
- la fenêtre temporelle : date de vente, date de retour ou cohorte ;
- le périmètre : catégorie, canal, pays, entrepôt ou population client.
Sans ces précisions, deux entreprises peuvent afficher un taux de 10 % tout en mesurant deux réalités différentes.
Comment calculer son taux de retour e-commerce ?
Le calcul du taux de retour dépend de la question à laquelle vous voulez répondre.
Formule du taux de retour par article
Si vous avez vendu 10 000 articles et que 800 sont retournés : 800 / 10 000 × 100 = 8 %
Votre taux de retour par article est de 8 %.
Cette méthode est particulièrement utile pour détecter des références ou catégories qui génèrent anormalement plus de retours.
Taux par commande, par article ou par valeur : quelle méthode choisir ?
| Méthode | Formule | À utiliser pour |
| Par article | Articles retournés / articles vendus | SKU, taille, catégorie |
| Par commande | Commandes avec retour / commandes livrées | Fréquence des dossiers retour |
| Par valeur | Valeur retournée / valeur vendue | Impact financier |
Une commande contenant cinq articles dont un seul est retourné représente 20 % de retour dans une lecture par article. Dans une lecture par commande, elle compte comme une commande avec retour.
C’est pourquoi une entreprise doit documenter sa convention interne et la conserver dans le temps.
Quelle période utiliser pour éviter un calcul trompeur ?
Diviser les retours reçus en septembre par les ventes réalisées en septembre crée un biais.
Certains retours reçus en septembre proviennent d’achats d’août. À l’inverse, des ventes réalisées fin septembre peuvent revenir en octobre.
Lorsque les données le permettent, privilégiez une analyse par cohorte : rattachez les retours aux ventes dont ils proviennent. Cette méthode est particulièrement importante après les soldes, le Black Friday ou Noël.
Exemple de calcul
Vous vendez 20 000 articles en avril. Une fois la fenêtre de retour passée, 1 600 de ces articles sont revenus.
- 1 600 / 20 000 × 100 = 8 %
Votre taux de retour e-commerce par article est de 8 %.
Si ces retours concernent 1 000 commandes parmi 12 500 commandes livrées, votre taux de commandes avec retour est également de 8 % dans cet exemple. Cette égalité est fortuite : dans une base réelle, les deux taux divergent généralement.
Quel est le taux de retour moyen en e-commerce en 2026 ?
Il n’existe pas un taux de retour e-commerce moyen universel. Les benchmarks disponibles utilisent des méthodes et des périmètres différents.
Repères disponibles en France et à l’international
Pour la France, Shopify indique en 2026 qu’environ 17,6 % des ventes en ligne sont retournées. Ce chiffre est influencé par divers facteurs tels que l’insatisfaction vis-à-vis du produit, des problèmes de taille ou des écarts entre la description en ligne et le produit reçu.
À l’échelle européenne, l’Agence européenne pour l’environnement estime que 20 % des vêtements achetés en ligne sont retournés. Pour les chaussures, l’estimation moyenne atteint 30 %. L’agence définit ici le taux comme le nombre d’articles retournés rapporté au nombre d’articles vendus.
Returnless publie de son côté un taux moyen de 23,5 % de commandes retournées en 2025, à partir d’un benchmark combinant l’expérience de plus de 1 250 boutiques européennes, des données issues de sa plateforme et des données de marché.
Taux de retour par secteur
| Périmètre | Taux en moyenne |
| Vêtements, France | entre 18 % et 25 % |
| Vêtements, Europe | 20 % |
| Chaussures, Europe | env. 30 % |
| E-commerce, Europe | 23,5 % |
| Online retail, États-Unis | 19,3 % |
Ces chiffres montrent pourquoi un benchmark retours e-commerce 2026 doit toujours être accompagné de sa méthodologie.
Pourquoi les benchmarks ne sont-ils pas toujours comparables ?
Un taux de 20 % par article, un taux de 23,5 % par commande et un taux de 19,3 % en valeur peuvent tous être exacts. Ils ne mesurent simplement pas la même chose. La zone géographique, le type de produit, le panel étudié, la période et le traitement des échanges peuvent également modifier fortement le résultat.
Ne transformez donc jamais une moyenne globale en objectif automatique.
Quel est un bon taux de retour pour votre e-commerce ?
La bonne question n’est pas : « Quel taux dois-je atteindre ? » mais plutôt : « Mon taux est-il cohérent avec mon activité et évolue-t-il dans le bon sens ? »
Se comparer à son secteur
Commencez par comparer des catégories proches.
Un taux de 12 % peut être élevé dans une catégorie peu exposée aux retours et inférieur aux repères disponibles dans la mode. Plus le catalogue est diversifié, moins une moyenne globale est utile.
Construire son benchmark interne
Votre historique est souvent plus pertinent qu’une moyenne externe.
Si une catégorie passe de 6 % à 9 % avec la même formule et le même périmètre, vous avez un signal à analyser, même si 9 % reste inférieur à un benchmark sectoriel.
Suivez notamment les évolutions après un changement de fournisseur, une nouvelle fiche produit, un lancement ou une campagne.
Pour rendre ce benchmark réellement exploitable, conservez toujours la même convention et comparez notamment :
- l’évolution d’un même SKU ou d’une même catégorie dans le temps ;
- les périodes normales avec les soldes, le Black Friday ou les lancements ;
- les performances avant et après un changement de fournisseur ou de fiche produit ;
- les différents canaux, pays ou cohortes de clients.
L’objectif n’est pas de chercher systématiquement le taux le plus bas. Il est de détecter une évolution anormale et d’identifier ce qui l’explique.
Intégrer marge, valeur produit et stratégie commerciale
Deux retours n’ont pas le même coût.
Un article à forte marge remis rapidement en stock peut avoir un impact limité. Un produit à faible marge nécessitant contrôle, reconditionnement et décote peut devenir beaucoup plus pénalisant.
Il faut également distinguer retour et perte de revenu. Un échange conserve davantage de valeur qu’un remboursement intégral.
Comment analyser un taux de retour trop élevé ?
Le taux global sert d’alerte. Le diagnostic commence lorsque vous le segmentez.
Pour passer d’un chiffre à une cause exploitable, examinez en priorité :
- le SKU et la catégorie, pour isoler les produits qui concentrent les retours ;
- le canal, le pays et la campagne, pour repérer un problème lié à la vente ou à l’acquisition ;
- le motif de retour, pour distinguer taille, qualité, préparation ou livraison ;
- le fournisseur, pour détecter une anomalie qualité commune à plusieurs références ;
- la cohorte, pour identifier précisément quand la dégradation a commencé.
Un taux global de 12 % devient beaucoup plus utile lorsqu’on découvre, par exemple, qu’une seule référence affiche 28 % de retours depuis un changement de fournisseur.
Segmenter par SKU et catégorie
Identifiez les références qui concentrent les retours.
Un SKU à 25 % de retours dans une catégorie à 8 % est beaucoup plus actionnable qu’une moyenne globale à 10 %.
Descendez ensuite au niveau de la taille, de la variante ou de la collection.
Segmenter par canal, pays et campagne
Un même produit peut afficher des performances différentes entre votre site, une marketplace et un autre canal.
Une campagne peut aussi attirer un profil client différent ou créer des attentes mal alignées avec le produit.
Le pays permet enfin d’identifier des écarts liés aux habitudes d’achat, à la livraison ou aux tailles.
Segmenter par motif de retour
Les motifs de retour transforment un taux en explication.
« Trop petit », « article endommagé », « mauvais produit reçu » et « produit différent des photos » appellent quatre actions différentes.
Si une grande partie des clients sélectionne « autre », le problème vient aussi de votre qualité de donnée.
Analyser par fournisseur et par cohorte
Une hausse concentrée sur plusieurs références provenant du même fournisseur peut révéler un problème qualité. L’analyse par cohorte permet aussi de repérer précisément le moment où le taux se dégrade : nouvelle collection, changement de fournisseur, refonte d’une fiche ou modification des opérations logistiques.
Quelles causes expliquent un taux de retour élevé ?
Un retour peut venir du produit, de la préparation, de la livraison ou du comportement d’achat.
Taille, caractéristiques et information produit
Dans la mode et la chaussure, la taille et le style constituent des facteurs importants. L’Agence européenne pour l’environnement indique que 70 % des retours de vêtements étudiés dans les sources qu’elle synthétise sont liés à des problèmes perçus de taille ou de style. Des dimensions imprécises, des photos trompeuses ou une matière mal décrite peuvent également créer un écart entre attente et réalité.
Qualité, non-conformité et erreur de préparation
Un produit défectueux renvoie plutôt vers la qualité ou le fournisseur. Un mauvais SKU, une mauvaise taille ou une quantité incorrecte pointent vers l’exécution logistique.
Livraison et promesse client
Un produit peut être conforme et pourtant être retourné parce qu’il arrive trop tard ou endommagé. Il faut donc croiser les retours avec les données de transport plutôt que d’attribuer automatiquement le problème au produit.
Bracketing et comportements planifiés
Certains clients commandent plusieurs tailles ou variantes avec l’intention d’en conserver une seule.
Ces comportements doivent être distingués des retours provoqués par un défaut produit ou une erreur logistique. L’objectif n’est pas de pénaliser tous les retours, mais d’identifier leur origine.
Comment agir sur les retours évitables ?
La réduction du taux n’est pas une fin en soi. Il faut cibler les causes que l’entreprise peut réellement corriger.
| Cause | Donnée à vérifier | Action |
| Taille inadaptée | SKU, taille, motif | Revoir guide de taille |
| Produit différent des attentes | Fiche, photos, motif | Corriger le contenu produit |
| Mauvais produit reçu | Commande, préparation | Renforcer le contrôle picking |
| Produit défectueux | Lot, fournisseur | Contrôler la qualité |
| Retour après retard | Transporteur, délai | Revoir promesse et exécution |
| Bracketing élevé | Variantes, historique | Adapter parcours et règles |
Ne durcissez pas une politique de retour pour corriger une erreur de préparation. La cause doit déterminer l’action.
Quels KPI suivre avec le taux de retour ?
Le taux de retour e-commerce doit être complété par des indicateurs financiers et opérationnels.
Taux de remboursement et taux d’échange
Le taux de remboursement e-commerce mesure la part des dossiers qui finissent en remboursement. Le taux d’échange indique la capacité à conserver la vente sous une autre forme.
Coût moyen par retour
Le coût par retour peut intégrer transport, traitement, contrôle, reconditionnement, service client et décote. Deux entreprises avec le même taux de retour peuvent donc subir des impacts financiers très différents.
Délai de traitement et de remise en stock
Le délai de remise en stock mesure le temps nécessaire pour qu’un article retourné redevienne disponible à la vente. Plus ce délai est long, plus le stock est immobilisé et la probabilité de décote augmente.
Part de produits revendables
Suivez également la part des retours remis directement en stock, reconditionnés, décotés ou non revendables. Cet indicateur permet de mesurer la valeur réellement récupérée.
Comment fiabiliser les données de retour ?
À volume élevé, le principal enjeu n’est plus seulement de compter les retours. Il faut pouvoir relier chaque dossier à sa cause et à son traitement.
Standardiser les motifs et résolutions côté parcours client
Les motifs doivent être simples pour le client mais suffisamment précis pour être analysés. Même logique pour les résolutions : remboursement, échange ou avoir doivent être structurés.
Baback intervient côté parcours client pour organiser les demandes, motifs et résolutions.
Relier demande, commande, produit et exécution logistique
La déclaration du client ne suffit pas toujours à comprendre le problème.
Pour analyser un motif « mauvais produit reçu », il faut remonter à la commande, au SKU et à ce qui s’est réellement passé dans la préparation, le contrôle et l’expédition.
C’est là qu’une architecture logistique structurée devient utile. Chez Shippingbo, l’OMS centralise et orchestre les commandes, le WMS pilote les stocks, la préparation, le contrôle et la remise en stock, tandis que le TMS gère l’expédition et les flux transporteurs. L’enjeu n’est pas d’empiler les outils, mais de relier les informations du retour à l’ensemble de l’exécution logistique.
Cette continuité permet de savoir si un retour provient d’un problème produit, d’une erreur de préparation, d’un incident transport ou d’un autre maillon du parcours.
Exploiter la donnée pour corriger les causes racines
La donnée prend de la valeur lorsqu’elle déclenche une action : corriger une fiche produit, contrôler un fournisseur, modifier une étape de préparation ou revoir une promesse de livraison.
C’est à ce moment que le taux de retour devient un véritable KPI opérationnel.
Passer du taux de retour au diagnostic
Un taux de retour e-commerce n’a de valeur que si sa méthode reste stable.
Fixez votre unité de mesure, votre fenêtre temporelle et votre périmètre. Utilisez les benchmarks pour vous situer, puis votre historique pour détecter les anomalies. Surtout, descendez jusqu’aux SKU, motifs, canaux, fournisseurs et cohortes qui expliquent réellement la moyenne. À mesure que les volumes augmentent, cette analyse nécessite de relier ce que le client déclare à ce qui se passe dans l’exécution logistique.
Baback permet de structurer les demandes, motifs et résolutions côté parcours client. Shippingbo permet de relier ces données aux commandes, au contrôle logistique et à la remise en stock.
Demander une démo de notre solution de gestion des retours pour mieux structurer les motifs de retour, relier la demande client à l’exécution logistique et fiabiliser les données nécessaires au pilotage :
FAQ
Pour une analyse produit, divisez le nombre d’articles retournés par le nombre d’articles vendus, puis multipliez par 100. Rattachez si possible les retours à leur période de vente d’origine.
Il n’existe pas de moyenne universelle. L’Agence européenne pour l’environnement estime par exemple le taux à 20 % pour les vêtements vendus en ligne en Europe, tandis que la NRF estime que 19,3 % des ventes online américaines seront retournées en 2025. Les méthodes étant différentes, ces chiffres ne doivent pas être comparés directement.
Un bon taux est cohérent avec votre catégorie, votre historique, votre marge et votre stratégie commerciale. Le benchmark externe sert de repère, pas d’objectif universel.
Le taux par article est préférable pour analyser le catalogue. Le taux par commande sert davantage à mesurer la fréquence des dossiers retour. Vous pouvez suivre les deux, mais en les nommant clairement.
Segmentez d’abord vos retours par SKU, catégorie, motif, canal, pays, fournisseur et cohorte. Corrigez ensuite les causes évitables identifiées : information produit, qualité, préparation ou livraison. Glossaire Bracketing : pratique qui consiste à commander plusieurs tailles, couleurs ou variantes d’un même produit avec l’intention d’en retourner une partie. Cohorte : groupe de commandes ou de clients partageant une même caractéristique, par exemple une période d’achat, une campagne ou un lancement produit. Dénominateur : base utilisée pour calculer un taux. Dans le cas des retours, il peut s’agir du nombre d’articles vendus, du nombre de commandes ou de la valeur des ventes. KPI : indicateur clé de performance utilisé pour suivre l’évolution d’un objectif ou d’une activité. Picking : opération de prélèvement des produits dans l’entrepôt pour préparer une commande. SKU : référence unique utilisée pour identifier précisément un produit ou une variante de produit dans le stock. Taux de retour par valeur : part de la valeur financière des produits retournés par rapport à la valeur totale des produits vendus. Wardrobing : pratique consistant à acheter un produit, à l’utiliser temporairement, puis à le retourner pour obtenir un remboursement.
Glossaire
Bracketing
Pratique qui consiste à commander plusieurs tailles, couleurs ou variantes d’un même produit avec l’intention d’en retourner une partie.
Cohorte
Groupe de commandes ou de clients partageant une même caractéristique, par exemple une période d’achat, une campagne ou un lancement produit.
Dénominateur
Base utilisée pour calculer un taux. Dans le cas des retours, il peut s’agir du nombre d’articles vendus, du nombre de commandes ou de la valeur des ventes.
KPI
Indicateur clé de performance utilisé pour suivre l’évolution d’un objectif ou d’une activité.
Picking
Opération de prélèvement des produits dans l’entrepôt pour préparer une commande.
SKU
Référence unique utilisée pour identifier précisément un produit ou une variante de produit dans le stock.
Taux de retour par valeur
Part de la valeur financière des produits retournés par rapport à la valeur totale des produits vendus.
Wardrobing
Pratique consistant à acheter un produit, à l’utiliser temporairement, puis à le retourner pour obtenir un remboursement.