Aller au contenu principal

Retours e-commerce causés par les données produit : les corrections par motif

Retours e-commerce : les motifs que ta fiche produit peut éviter et quoi corriger (taille, caractéristiques, photos, couleur), plus les règles de l'UE.

Retours e-commerce causés par les données produit : les corrections par motif

Les retours e-commerce sont des commandes en ligne que les clients renvoient contre un remboursement, un échange ou un avoir. Ils sont fréquents : les commerçants américains s'attendaient à ce que 19,3 % des ventes en ligne reviennent en 2025, contre 15,8 % de l'ensemble des ventes au détail, selon la National Retail Federation. Les retours qu'une boutique peut réellement éviter commencent surtout avant la commande : le produit arrive et ne correspond pas à ce que la page disait ou montrait. Le vêtement taille petit, la perceuse arrive sans la batterie que l'acheteur pensait incluse, le chêne paraît orangé au lieu de clair, le pull « bleu marine » est presque noir.

Les dommages pendant le transport et les changements d'avis existent aussi, mais ce sont des problèmes de logistique et de politique de retour. La taille, les caractéristiques, les photos et la couleur sont des problèmes de données produit, et tu les corriges champ par champ. Tu trouveras ci-dessous les motifs de retour qu'une fiche produit peut éviter, une liste de corrections par motif avec les champs exacts concernés, ce que le droit de rétractation européen change à l'enjeu, et comment trouver les produits qui causent la plupart de tes retours.

Taux de retour e-commerce : combien de commandes reviennent, et pourquoi selon les acheteurs

Le taux de retour e-commerce varie beaucoup selon la catégorie, donc prends chaque chiffre comme un point de repère plutôt que comme un objectif :

  • Les 19,3 % proviennent de la National Retail Federation et de Happy Returns, sur la base d'enquêtes auprès de 2 006 consommateurs américains et de 358 professionnels de l'e-commerce chez de grands commerçants (NRF, octobre 2025).
  • Le taux est plus élevé dans l'habillement. Coresight Research estime le taux de retour des vêtements achetés en ligne aux États-Unis à 23,4 % en 2025, à peine moins que les 24,4 % de 2023. Dans son enquête de février à mars 2026 auprès de 212 acheteurs américains ayant retourné des vêtements achetés en ligne, environ 70 % citaient la taille ou la coupe parmi les raisons. Le rapport était financé par Alvanon, une entreprise spécialisée dans les technologies de tailles.
  • Zalando indique qu'environ un tiers de ses retours sont liés à la taille, et que ses conseils de taille ont réduit de 10 % les retours liés à la taille par rapport aux articles qui n'en avaient pas (Zalando).
  • Toutes catégories confondues, 45 % des acheteurs aux États-Unis, au Canada et au Royaume-Uni ont déclaré avoir retourné un achat en ligne à cause d'informations incorrectes ou trompeuses, dans une enquête auprès de 2 712 acheteurs que l'éditeur de PIM Salsify a menée en octobre 2025 et publiée en janvier 2026.

Pourquoi les acheteurs américains ont retourné des vêtements achetés en ligne

CatégorieShare of respondents
Taille ou coupe69,8%
Qualité de la matière27,8%
Couleur24,5%
Délai de livraison20,3%
Dommage ou défaut17,5%
Trouvé moins cher ailleurs17%
Surfacturation11%
Les acheteurs pouvaient donner plusieurs raisons. La taille ou la coupe est citée plus de deux fois plus souvent que tout le reste, et la couleur, un problème de données produit, arrive en troisième position.Source : Coresight Research, Shifting the Size and Fit Paradigm (May 2026, sponsored by Alvanon); 212 US respondents surveyed February to March 2026

Ces enquêtes posent des questions différentes à des personnes différentes, donc ne les additionne pas. Ce qui compte, c'est le schéma commun : la taille et la coupe dominent dans la mode, et des informations qui ne correspondent pas au produit reviennent comme motif dans toutes les catégories. Pour calculer ton propre taux par produit ou par catégorie, le calculateur de taux de retour fait le calcul.

Quels motifs de retour une fiche produit peut éviter

Avant de corriger quoi que ce soit, trie tes motifs. Une liste de motifs utile est courte et fixe, pour que clients et équipes choisissent dedans au lieu de taper du texte libre. Les neuf motifs ci-dessous forment une base pratique ; la troisième colonne t'indique où travailler.

Les motifs de retour et qui peut les éviter

Trop petit / trop grandLa taille indiquée ne correspondait ni à ma morphologie ni à mes autres vêtementsOuiMesures du vêtement, coupe, taille du mannequin, système de tailles
Non conforme à la descriptionLa matière, la taille, la capacité ou la version est différenteOuiAttributs, titre, description, contenu du colis
Différent des photosLa qualité, l'échelle ou la finition diffèrent des imagesOuiImages par variante, photo d'échelle, photos de détail
Couleur différenteLa couleur n'est pas celle que j'attendaisOuiImages par couleur, famille de couleur, nom de couleur
Incompatible avec mon appareilMauvais modèle, connecteur, prise ou culot d'ampouleEn grande partieListe de compatibilité, type de prise, culot, références de modèle
Plusieurs tailles commandéesJ'en ai gardé une et renvoyé les autresEn partieGuide des tailles et notes de coupe qui lèvent le doute
Changement d'avisTrouvé moins cher, plus besoinRarementCohérence des prix entre les canaux
Endommagé ou défectueuxCassé pendant le transport ou défectueuxNonEmballage, contrôle qualité, transporteur
Mauvais article reçuL'entrepôt a préparé un autre SKUNonProcessus de préparation, sauf si deux SKU partagent un code-barres
9 lignes sur 9
Quatre des neuf motifs courants remontent aux données produit ; trois relèvent de l'entrepôt, du transporteur ou de la politique de retour.

Regarde la dernière ligne. Un retour pour « mauvais article » vient généralement d'une erreur de préparation, mais il peut aussi venir d'une erreur de données : deux produits qui partagent un même EAN ou un SKU fournisseur associé au mauvais produit enverront le mauvais colis à chaque fois. Notre article sur les données sales montre comment trouver les codes-barres en double et les autres erreurs de ce type.

Taille et coupe : les questions auxquelles un guide des tailles doit répondre

Un guide des tailles qui se contente d'aligner S, M et L à côté du tour de poitrine ne suffit pas. Le Baymard Institute a constaté lors de ses tests de 2022 que 83 % des sites de vêtements sur ordinateur et 87 % sur mobile ne fournissaient pas d'informations de taille suffisantes. Sa liste des éléments d'un bon guide des tailles comprend des tailles numériques, des mesures en centimètres et en pouces, des conversions internationales, des instructions pour prendre ses mesures, des détails propres au type de produit, un lien à côté du sélecteur de taille et les mensurations du mannequin avec la taille qu'il porte.

Voici à quoi cela ressemble en données pour un pull col rond homme en mérinos, taille M, vendu dans l'UE et au Royaume-Uni :

  • size_label : M, avec size_system EU et une conversion UK stockée par taille, pas tapée dans la description
  • chest_width_flat_cm : 54, body_length_cm : 70, sleeve_length_cm : 64, mesurés sur le vêtement, par taille
  • fit : regular (dans une liste fixe : slim, regular, relaxed, oversized)
  • stretch : low, car le jersey mérinos s'étire moins qu'un mélange coton
  • model_height_cm : 186, model_size_worn : M
  • fit_note : une courte phrase que tu mets à jour à partir des données de retour, par exemple « taille une demi-taille trop petit aux épaules »

Les chaussures demandent le même traitement : longueur de semelle intérieure en centimètres par taille, largeur et une note de coupe par forme. Les meubles et articles pour la maison ont leur propre version de la coupe : le canapé qui ne passe pas la porte est lui aussi un retour lié à la taille. Stocke les dimensions extérieures, les dimensions avec emballage et la plus petite ouverture que le produit doit franchir dans des champs numériques séparés.

Caractéristiques qui ne collent pas : quand le produit fait ce que la page ne disait pas

Les retours « non conforme à la description » viennent rarement d'affirmations franchement fausses. Ils viennent de lacunes et de contradictions : le titre dit « perceuse sans fil 18V » et la photo montre une batterie, mais le produit est vendu sans batterie ; une coque listée pour un modèle de téléphone alors qu'elle ne va qu'à la version Plus, plus grande ; une suspension à culot E27 achetée pour une ampoule E14 ; une housse de couette en taille « double » qui suit les dimensions britanniques dans une boutique néerlandaise. Chaque cas aurait pu être évité par un seul champ structuré affiché sur la page.

  • Contenu du colis : un champ liste, pas une phrase perdue dans la description. « Batterie non incluse » mérite son propre attribut et, pour l'outillage, une place dans le titre.
  • Compatibilité : références de modèle, connecteurs, culots et types de prise sous forme de valeurs d'attribut utilisables par les filtres, pour qu'un acheteur puisse écarter un produit avant d'acheter.
  • Dimensions et capacité : des nombres avec unités dans des champs séparés (40 x 60 cm, 1,5 l, 2,0 Ah), cohérents entre titre, attributs et description.
  • Matière et composition : pourcentages pour les textiles, essence de bois et finition pour les meubles, revêtement pour les ustensiles de cuisine.
  • Une seule source de vérité : quand le titre dit 4,0 Ah et l'attribut 2,0 Ah, l'un des deux est faux et l'acheteur découvrira lequel. Génère les titres et descriptions à partir des attributs, pas l'inverse.
L'enrichissement des attributs s'exécute avec un prompt que tu choisis ; ce prompt enregistré extrait la matière, les dimensions et la compatibilité du texte brut du fournisseur vers des champs structurés.

Photos et couleur : réduire l'écart entre l'image et le colis

Les acheteurs regardent avant de lire. Dans les tests de Baymard, 56 % des utilisateurs commençaient à explorer une fiche produit par les images. Quand les images induisent en erreur, le texte corrige rarement l'impression. Causes typiques des retours « différent des photos » et « mauvaise couleur » :

  • Un seul jeu d'images pour toutes les couleurs. Les photos de la variante noire apparaissent sur les variantes sable et olive. Associe les images par variante, et fais en sorte que la première image de chaque variante montre cette couleur.
  • Uniquement des noms de couleur marketing. « Storm » n'apprend rien à l'acheteur. Stocke une famille de couleur standard (gris, bleu) à côté du nom de couleur de la marque, pour que le filtre et la page soient clairs.
  • Aucune notion d'échelle. Un vase de 25 cm photographié seul sur fond blanc pourrait mesurer 10 ou 50 cm. Ajoute une photo en situation ou en main, et affiche les dimensions principales près des images.
  • Images fournisseur d'une autre version. Ancien emballage, prise américaine, millésime précédent. Vérifie les images du fournisseur par rapport au produit que tu as réellement en stock.
  • Retouches trop lourdes. Une correction des couleurs qui donne au chêne brut un aspect miel. Photographie sous une lumière neutre et compare un tirage avec le vrai produit.

Google Merchant Center demande déjà une image principale qui montre exactement l'article vendu, donc corriger cela garde aussi tes annonces Shopping conformes. Notre guide sur la qualité des images produit couvre la résolution, les angles et le nommage.

Réponds aux questions que les acheteurs se posent avant de commander

Certains retours commencent par une question restée sans réponse. Ce chargeur fonctionnera-t-il avec mon téléphone ? Ce pull est-il assez chaud sans manteau ? La poussette pliée tient-elle dans un coffre de voiture ? Quand la fiche produit reste muette, l'acheteur devine et commande, puis renvoie le produit si sa supposition était fausse, ou commande deux tailles et en garde une. Une courte FAQ sur la fiche produit capte ces doutes là où se prend la décision d'achat.

Une FAQ produit utile est propre au produit et vient de tes données : les conseils de coupe à partir de tes attributs de taille et de coupe, la compatibilité à partir de tes listes de modèles, l'entretien à partir de tes données de matière. Les questions valables pour toute la boutique, sur la livraison et la politique de retour, ont leur place sur une page d'aide ou une fois par catégorie, pas recopiées à la main sur chaque produit. Tes commentaires de retour sont la meilleure source de questions : chaque « je m'attendais à... » récurrent est une question à laquelle la page aurait dû répondre.

La FAQ produit de WISEPIM fonctionne ainsi. Tu écris les questions dans l'onglet FAQ d'un produit, ou tu laisses WISEPIM AI les rédiger à partir des champs, des attributs et d'une recherche web sur le produit, avec des types de questions choisis pour ton secteur, comme Taille et coupe pour la mode ou Compatibilité pour l'électronique. Chaque réponse AI indique les sources dont elle est tirée, et une question que tes données ne peuvent pas étayer est ignorée plutôt que devinée. Les brouillons peuvent attendre ta validation avant d'être publiés. Les réponses communes, comme la garantie ou les retours, se placent une seule fois sur une catégorie. À l'export, WISEPIM ajoute le bloc FAQ avec le schéma FAQPage à la description du produit et envoie les questions sous forme de données structurées à Shopify, WooCommerce et Magento 2.

Le droit de rétractation de 14 jours dans l'UE et pourquoi des données exactes en limitent le coût

Dans l'UE, les acheteurs en ligne peuvent renvoyer des biens sans donner de motif. Selon la directive 2011/83/UE relative aux droits des consommateurs, le consommateur dispose d'un délai de rétractation de 14 jours pour un contrat à distance, qui court, pour les biens, à partir du jour où il les reçoit. Le professionnel doit rembourser le paiement, frais de livraison standard compris, dans les 14 jours suivant le jour où il est informé de la décision de rétractation. Le consommateur ne supporte que le coût direct du renvoi des biens, et seulement si le professionnel l'en a informé au préalable, et sa responsabilité n'est engagée pour la dépréciation des biens que s'ils ont été manipulés au-delà de ce qui est nécessaire pour établir leur nature, leurs caractéristiques et leur bon fonctionnement. La même directive oblige le professionnel à communiquer les caractéristiques principales des biens avant la commande.

Un produit qui ne correspond pas à sa description est un autre cas. Selon la directive (UE) 2019/771 sur la vente de biens, les biens doivent correspondre à la description, au type, à la quantité et à la qualité prévus au contrat de vente, et le vendeur répond de tout défaut de conformité (en France, c'est la garantie légale de conformité) qui apparaît dans un délai de deux ans à compter de la livraison ; les États membres peuvent prévoir des délais plus longs. Un retour « non conforme à la description » peut donc sortir du délai de 14 jours et des règles sur les frais de retour que tu fixes pour les rétractations. Il s'agit d'un contexte général, pas d'un conseil juridique ; les droits nationaux ajoutent des précisions.

Le point pratique : chaque attribut de ta fiche produit fait partie de ce que tu as promis. Des données produit exactes et complètes réduisent les retours et limitent aussi les retours dont tu supportes l'intégralité du coût.

Corrections des données produit pour chaque motif de retour évitable

Parcours cette liste catégorie par catégorie, en commençant par celles qui ont le taux de retour le plus élevé et la plus forte part de motifs évitables :

Corrections dans tes données produit qui réduisent les retours

0 sur 9 terminés0%

Remonter des retours jusqu'aux produits et aux champs qui les causent

Les taux de retour à l'échelle de la boutique masquent le problème. La plupart des retours évitables viennent généralement d'un petit groupe de produits, donc calcule le taux de retour par SKU et par variante, et compare-le à la moyenne de sa catégorie. Attends d'avoir assez de commandes avant de juger : un retour sur cinq commandes fait 20 %, mais ce n'est pas encore une tendance. Lis ensuite les motifs et commentaires des produits en tête de liste et vérifie quels champs de leurs pages sont vides, flous ou contradictoires.

La qualité de cette analyse dépend de la façon dont les retours sont enregistrés. Trois habitudes rendent les données exploitables. Garde « trop petit » et « trop grand » comme des motifs séparés, car le sens t'indique ce que la note de coupe doit dire. Enregistre le retour sur la variante (taille et couleur), pas seulement sur le produit parent, car une taille cause souvent l'essentiel des problèmes. Et garde un commentaire libre à côté de la liste de motifs : c'est là que les acheteurs écrivent « les manches sont courtes » ou « pas de chargeur dans la boîte », c'est-à-dire exactement le champ à corriger. Laisse l'entrepôt ajouter sa propre note au retour de l'article, pour distinguer un problème de coupe d'un colis abîmé.

L'analyse des retours de WISEPIM fait ce rapprochement avec les données de commande des boutiques Shopify, WooCommerce, Magento 2, CCV Shop et Lightspeed connectées. Elle affiche le taux de retour par produit à côté du taux global de ta boutique et regroupe les retours par motif lorsque la plateforme de la boutique en enregistre un. L'onglet Santé des champs du rapport Qualité des données montre ensuite quels champs manquent sur combien de produits, pour que tu voies quoi remplir en premier.

Field Health classe les champs selon le gain de score qu'apporterait leur remplissage, avec le nombre de produits où chacun manque encore.

Nous avons déjà expliqué comment des descriptions exactes réduisent le gaspillage que créent les retours, dans Stop au gaspillage e-commerce. Les corrections de cet article en sont la version au niveau des champs : mesure les retours par produit, lis les motifs, et remplis ou corrige les champs qui auraient répondu à la question de l'acheteur avant sa commande.

Diego Nijboer

CTO et cofondateur de WISEPIM, je développe des solutions propulsées par l’AI qui transforment la gestion des données produit des entreprises e-commerce. Plus de 10 ans d’expérience dans la résolution de défis techniques complexes dans l’e-commerce et les systèmes PIM.

Questions fréquentes

Tu as encore des questions ?

Tu ne trouves pas la réponse que tu cherches ? Contacte notre équipe.

Contacter le support

Cela dépend beaucoup de la catégorie. La NRF et Happy Returns s'attendaient à ce qu'environ 19,3 % des ventes en ligne aux États-Unis soient retournées en 2025, et Coresight Research situait les vêtements en ligne aux États-Unis à 23,4 %. L'électronique, la maison et l'alimentaire sont en général plus bas, la mode plus haut. Compare chaque produit à la moyenne de sa propre catégorie plutôt qu'à un chiffre unique du secteur.

Dans la mode, la taille et la coupe dominent largement : Coresight Research a constaté qu'environ 70 % des acheteurs américains ayant retourné des vêtements achetés en ligne l'ont fait pour des raisons de taille ou de coupe. Toutes catégories confondues, les articles qui ne correspondaient pas à leur description ou à leurs photos et les articles endommagés ou défectueux sont les autres grands groupes. Seuls les deux premiers peuvent être évités avec de meilleures informations produit.

Non. Selon la directive relative aux droits des consommateurs, les consommateurs peuvent se rétracter d'un achat en ligne dans les 14 jours suivant la réception des biens sans avoir à donner de motif. Un champ motif dans ton formulaire de retour reste utile, mais il doit être facultatif pour les rétractations. Les retours de biens non conformes à leur description relèvent de règles distinctes sur la conformité (en France, la garantie légale de conformité), avec une responsabilité d'au moins deux ans.

Elles réduisent les retours causés par de mauvaises attentes : taille, caractéristiques, compatibilité, couleur et contenu du colis. Elles n'évitent pas les retours dus aux dommages de transport, aux produits défectueux ou aux changements d'avis. Zalando a indiqué que proposer des conseils de taille réduisait de 10 % les retours liés à la taille, ce qui montre l'effet pour un motif. Mesure par produit avant et après une correction pour voir ton propre effet.

Divise le nombre d'unités retournées par le nombre d'unités vendues pour le même produit et la même période, puis multiplie par 100. Utilise la date de commande pour rattacher les retours aux ventes correspondantes, afin que les retours tardifs ne faussent pas les périodes récentes. Compare le résultat à la moyenne de la catégorie et n'agis que sur les produits qui ont assez de commandes pour que le taux ait un sens.

Continue d'explorer

Une sélection d'étapes suivantes pour aller plus loin.

De meilleures données produit, de meilleurs résultats.Génère plus de ventes.

4,7