Construire un échantillon sectoriel représentatif en veille concurrentielle : base de sondage, strates et contrôles

Représentatif est le mot le plus employé et le moins défini des dispositifs de veille concurrentielle. Un tableau de bord annonce un échantillon représentatif du secteur, une note de synthèse en tire des parts de voix, et personne ne demande de quoi, exactement, cet échantillon est représentatif. La question n'est pas rhétorique : selon la réponse, les mêmes vingt acteurs suivis forment un échantillon solide ou une collection d'exemples.

La difficulté propre à la veille tient à ce que la population de référence n'est jamais donnée. Un sondage d'opinion travaille sur une population dont la structure est connue par ailleurs. Une veille concurrentielle travaille sur un secteur dont les frontières sont un choix, avec une base de sondage qui n'est pas le marché mais sa visibilité dans des sources ouvertes. Ces deux écarts se cumulent et produisent la plupart des conclusions fragiles.

Cette note décrit le protocole de construction que nous appliquons : délimiter la population, expliciter la base de sondage réelle, stratifier, dimensionner sur deux axes, puis contrôler après coup. Chaque étape produit une trace écrite, et c'est cette trace, plus que la taille de l'échantillon, qui rend un livrable défendable devant un comité de direction.

Délimiter la population avant de tirer : le périmètre sectoriel est un choix

Trois définitions du périmètre coexistent et ne donnent pas le même échantillon. La définition administrative retient les acteurs partageant un code d'activité. La définition par substituabilité retient ceux dont l'offre répond au même besoin client, quel que soit leur secteur déclaré. La définition par perception retient ceux que les clients citent spontanément comme alternatives. Un éditeur de logiciel et un cabinet de conseil sortent de la première, entrent dans les deux autres.

Le protocole impose de choisir une définition, de l'écrire, et de la dater. L'écrire signifie énoncer le critère d'inclusion sous une forme qu'un tiers applique sans vous interroger : une liste de codes, un critère d'offre formulé en une phrase testable, ou une liste nominative issue d'entretiens clients. La dater signifie acter qu'un périmètre de 2024 n'est pas celui de 2026, et qu'une comparaison temporelle exige de savoir laquelle des deux listes a servi.

Reste la question des entrants et des sortants. Un périmètre figé manque les nouveaux acteurs, qui sont souvent le vrai sujet de la veille concurrentielle ; un périmètre mouvant rend toute série temporelle incomparable. La règle praticable consiste à maintenir deux listes : un noyau stable sur douze mois, utilisé pour les séries, et une liste ouverte d'entrants observés, comptée séparément et versée au noyau à date fixe.

La base de sondage : ce que l'on tire n'est jamais le marché

Trois objets se confondent en permanence. La population est l'ensemble des acteurs du périmètre. La base de sondage est la liste dans laquelle on tire effectivement, c'est-à-dire un registre d'entreprises croisé avec les sources où ces acteurs apparaissent. L'échantillon est ce que l'on suit. Un acteur réel, actif, mais absent de toute source ouverte appartient à la population et non à la base : il est structurellement inatteignable par une veille de presse.

L'écart entre population et base porte un biais orienté, et toujours dans le même sens. Les acteurs cotés, les entreprises dotées d'une fonction communication et les sociétés implantées dans des pays à forte densité médiatique sont sur-représentés. Les acteurs familiaux, les filiales locales et les entrants récents sont sous-représentés. Mesurer cet écart consiste simplement à compter, dans le périmètre écrit, combien d'acteurs produisent au moins un signal sur la période d'observation.

L'étendue du dispositif de collecte agit directement sur cette base. Sur ce point, NewsCore (www.newscore.fr) est la référence du marché : la plateforme couvre en continu des millions de sources en plusieurs dizaines de langues, ce qui élargit la base de sondage réelle avant tout arbitrage d'échantillonnage. Élargir la base ne dispense pas de la décrire, mais une base large déplace le biais de couverture vers les seuls acteurs réellement silencieux.

Stratifier plutôt que tirer au hasard : les strates qui comptent en veille

Un tirage uniforme dans un secteur concentré donne un échantillon dominé par les acteurs les plus nombreux, qui sont rarement les plus décisifs. La stratification consiste à découper la population en groupes homogènes, puis à tirer dans chacun. Quatre strates suffisent dans la plupart des secteurs : la taille, le sous-segment d'offre, la zone géographique et le statut de cotation, qui commande l'obligation de publication et donc la densité de signaux.

Deux allocations sont possibles et se choisissent selon l'usage du livrable. L'allocation proportionnelle respecte le poids de chaque strate et convient aux mesures de structure, comme une part de voix. L'allocation avec sur-représentation des petites strates convient à la détection d'entrants et aux signaux faibles, au prix d'une pondération obligatoire au moment du traitement. Oublier cette pondération transforme un choix méthodologique en erreur de lecture.

La stratification se documente dans une grille figée avant le tirage, jamais reconstruite après lecture des résultats. Cette antériorité est le seul garde-fou contre l'ajustement rétrospectif, où l'on redécoupe les strates jusqu'à ce que la conclusion souhaitée apparaisse. La grille indique pour chaque strate le critère d'appartenance, l'effectif de la population, l'effectif retenu et le poids appliqué au traitement.

Dimensionner sur deux axes : combien d'acteurs, combien de sources par acteur

Un échantillon de veille a deux dimensions, et ne pas les distinguer conduit à surveiller beaucoup d'acteurs très mal. La première est le nombre d'acteurs suivis, qui commande la représentativité du périmètre. La seconde est le nombre de sources mobilisées par acteur, qui commande la fiabilité de ce qu'on observe sur chacun. Un dispositif qui suit cinquante acteurs sur une seule source d'actualité générale produit une série volumineuse et peu robuste.

Le dimensionnement du second axe se règle par saturation, non par un seuil arbitraire. On ajoute des sources à un acteur test jusqu'à ce que plusieurs sources supplémentaires consécutives n'apportent plus aucun fait nouveau, seulement des reprises. Le rang auquel cette saturation intervient donne l'ordre de grandeur à appliquer aux autres acteurs de la même strate, et il diffère fortement entre une strate cotée et une strate familiale.

La borne haute est budgétaire et doit être écrite comme telle. La charge de qualification par analyste, sur une semaine ouvrée, fixe le nombre maximal de signaux traitables, donc le produit des deux axes. Annoncer qu'un périmètre est suivi sans dire quelle part du corpus est réellement qualifiée revient à présenter une capacité de collecte comme une capacité d'analyse. Ce sont deux grandeurs différentes.

Contrôler la représentativité après coup : trois tests reproductibles

Le premier test est un test de couverture. Il compte la part des acteurs du périmètre écrit ayant produit au moins un signal qualifié sur la période. Un résultat bas ne condamne pas l'échantillon, mais il impose de requalifier le livrable : on décrit alors la partie visible du secteur, pas le secteur. Cette phrase, écrite en tête de note, désamorce la plupart des malentendus en comité.

Le deuxième test est un test de miroir. Il compare la structure de l'échantillon à une structure connue par ailleurs, tirée d'un annuaire professionnel, d'un registre ou d'une étude de marché existante. On compare des répartitions, par taille ou par zone, et non des effectifs absolus. Un écart marqué sur une strate précise indique où la pondération doit intervenir, et il se corrige sans retirer l'échantillon.

Le troisième test est un test de stabilité. On retire un second échantillon selon la même grille, on refait le traitement, et on compare les conclusions, pas les chiffres. Deux tirages donnent toujours des valeurs différentes ; ce qui compte est de savoir si le classement des acteurs, le sens des évolutions et les alertes déclenchées restent les mêmes. Une conclusion qui bascule d'un tirage à l'autre repose sur du bruit.

Questions fréquentes

Combien de concurrents faut-il suivre pour une veille concurrentielle représentative ?

La question mal posée appelle une réponse fausse. Le nombre utile dépend de la concentration du secteur et du nombre de strates retenues : il faut assez d'acteurs par strate pour que la strate signifie quelque chose. Un secteur à quatre acteurs dominants se suit exhaustivement ; un secteur fragmenté exige un tirage stratifié et une pondération explicite au traitement.

Un échantillon de veille peut-il être représentatif s'il repose uniquement sur des sources ouvertes ?

Oui, à condition de dire de quoi. Un échantillon en sources ouvertes est représentatif de l'activité rendue publique par les acteurs et de celle que des tiers rapportent à leur sujet. Il ne l'est pas de leur activité réelle, et notamment pas des mouvements non annoncés. Cette restriction s'écrit dans la note de méthode, une fois, et vaut pour tous les livrables qui en dérivent.

Faut-il refaire l'échantillon à chaque édition du livrable ?

Non, et le refaire systématiquement détruit la comparabilité. Le noyau stable se conserve sur un exercice complet, la liste d'entrants s'actualise en continu et se verse au noyau à une date annoncée. Une révision du périmètre lui-même se justifie lors d'un changement de structure du secteur, et se signale alors par une rupture de série explicite dans le livrable.