La zone de chalandise est le territoire d'où provient l'essentiel de la clientèle d'un point de vente. Avant d'ouvrir un commerce, de reprendre un fonds ou de découper un territoire commercial, il faut savoir d'où viendront les clients. C'est tout le sujet de la zone de chalandise. La notion est simple à énoncer et beaucoup plus difficile à tracer sur une carte sans se tromper. La bonne nouvelle, c'est qu'en France les données publiques (INSEE, Base Adresse Nationale, découpage IRIS) sont assez fines pour la calculer sérieusement, sans budget d'étude à cinq chiffres.

Cet article est celui de la compréhension. Il explique ce que le terme recouvre, comment le découpage en zones primaire, secondaire et tertiaire s'établit, pourquoi un cercle tracé sur Google Maps donne une réponse fausse, et quelles méthodes les géomarketeurs utilisent vraiment. Pour la mise en œuvre, avec la démo à cliquer, l'appel d'API et le contour exporté en GeoJSON, l'article frère calculer une zone de chalandise prend le relais.

Qu'est-ce qu'une zone de chalandise ?

La définition tient en une phrase : la zone de chalandise est l'aire géographique d'où provient l'essentiel de la clientèle d'un point de vente. Le mot vient de « chaland », l'acheteur régulier, celui qui revient. Par extension, la chalandise désigne le territoire d'où vient cette clientèle. Pas celui où l'enseigne est connue, pas celui où elle distribue des prospectus. Celui d'où les gens viennent pour de bon.

Cette définition a deux conséquences pratiques qu'on oublie souvent. D'abord, une zone de chalandise se constate avant de se prédire. Un commerce déjà ouvert a des tickets, des cartes de fidélité, des livraisons, des codes postaux saisis en caisse. Ce sont des adresses réelles, et elles dessinent la zone bien mieux qu'un modèle. Ensuite, la zone n'est pas une propriété du lieu mais du couple lieu et activité. Une boulangerie et un concessionnaire automobile installés au même carrefour n'ont pas la même zone, parce qu'on ne parcourt pas la même distance pour une baguette et pour une voiture. La fréquence d'achat et le montant du panier commandent la portée bien plus que la géographie.

On s'en sert pour calculer un taux de pénétration sur un secteur, bâtir le prévisionnel d'un business plan, arbitrer entre deux emplacements avant une ouverture, dimensionner une tournée de livraison ou découper des territoires entre commerciaux sans qu'ils se marchent dessus. Dans une étude concurrentielle, elle sert aussi à voir où les enseignes se chevauchent. Avec QGIS, ArcGIS ou Smappen, on visualise vite ces contours et les distances aux concurrents. Et quand un chiffre d'affaires plafonne sans explication évidente, la superposition des zones du réseau montre souvent qu'un magasin mange celle de son voisin.

Primaire, secondaire, tertiaire

Le découpage en trois anneaux est la convention la plus répandue. Elle est utile à condition de savoir ce qu'elle mesure, c'est-à-dire une part de clientèle et non une distance.

La zone primaire regroupe les clients les plus proches, ceux qui viennent souvent et sans y penser. Elle apporte en général 50 à 70 % des clients, et c'est elle qui fait l'essentiel du chiffre d'affaires d'un commerce de proximité. La zone secondaire rassemble une clientèle régulière mais plus éloignée, qui arbitre entre plusieurs enseignes. Comptez 20 à 30 % des clients, avec une fréquence de visite plus faible. La zone tertiaire est celle de la fréquentation occasionnelle, le samedi de courses, le passage sur un trajet domicile-travail, l'achat exceptionnel. Elle peut être très étendue et compter pour assez peu.

Les seuils usuels, 5 à 10 km pour la primaire, 10 à 20 km pour la secondaire, jusqu'à 30 km pour la tertiaire, sont des ordres de grandeur hérités du commerce périurbain. Ils se déplacent énormément selon la densité. Dans Paris intra-muros, la zone primaire d'une boulangerie se compte en centaines de mètres et en cinq minutes à pied. Le long d'une nationale en zone rurale, quinze minutes de voiture couvrent vingt kilomètres. C'est pourquoi la profession est passée des kilomètres aux minutes : cinq à dix minutes pour la primaire, quinze à vingt pour la secondaire, jusqu'à trente pour la tertiaire. La durée est la seule unité qui garde le même sens d'un tissu urbain à l'autre, parce qu'elle intègre la vitesse réelle du réseau.

La frontière entre les trois anneaux n'est jamais une ligne nette. Elle se pose là où la densité de clients par habitant décroche, un seuil qu'on lit dans ses propres données ou qu'on estime par comparaison avec un magasin similaire.

Chalandise, influence, attraction

Trois termes voisins qu'il vaut mieux ne pas confondre.

La zone de chalandise s'appuie sur des faits : adresses de clients, tickets, livraisons, déplacements observés. Elle est descriptive et vérifiable. La zone d'influence est plus marketing. Elle décrit la notoriété, la portée d'une campagne, le territoire où l'enseigne est connue, ce qui n'implique pas qu'on y achète. Une enseigne peut être connue dans tout le département et ne capter vraiment que trois cantons.

Entre les deux, les modèles d'attraction tentent de prédire la répartition d'une clientèle entre plusieurs commerces concurrents. Le modèle de Huff est le plus utilisé. Il estime la probabilité qu'un client choisisse un commerce plutôt qu'un autre, en fonction de l'attractivité de chacun (la surface de vente sert souvent d'approximation) et de la distance ou du temps de trajet, affecté d'un coefficient de résistance. Le résultat n'est pas un contour net mais une surface de probabilités, ce qui colle mieux à la réalité. Personne ne cesse d'être client parce qu'il a franchi une ligne.

Pour la fiabilité, gardez cet ordre en tête : les données observées valent mieux qu'un modèle, un modèle vaut mieux qu'un cercle, et un cercle vaut mieux que rien.

Pourquoi Google Maps ne suffit pas

C'est le premier réflexe, et il produit une carte qui a l'air juste. Google Maps sait tracer un rayon autour d'un point et afficher les concurrents alentour. Deux limites le disqualifient pourtant pour une étude sérieuse.

La première est géométrique. Un rayon n'est pas une isochrone. Un cercle de dix kilomètres suppose qu'on se déplace en ligne droite dans toutes les directions, à la même vitesse. La réalité fait l'inverse. Un fleuve sans pont coupe la zone en deux et n'en laisse qu'une moitié accessible. Une voie ferrée, une rocade sans échangeur, un massif ou une commune mal desservie produisent le même effet. Une nationale ou une autoroute, elles, étirent la zone bien au-delà du cercle dans une seule direction. Un contour calculé sur le réseau routier réel est irrégulier, souvent en étoile, et il n'a presque jamais la forme du disque qu'on imaginait. Les deux surfaces peuvent différer de moitié.

La seconde est documentaire. Google n'a pas l'INSEE. Il connaît les commerces, les avis et les temps de trajet, mais pas le revenu médian par carreau de 200 mètres, pas la composition des ménages, pas les tranches d'âge, pas le découpage IRIS. Or une zone de chalandise sans profil de population ne dit rien du potentiel. Deux contours de même surface peuvent contenir une population trois fois différente, en nombre comme en pouvoir d'achat. C'est ce que les référentiels publics français apportent, et qu'aucun outil cartographique global n'expose.

Il y a aussi une raison plus terre à terre. La tarification de l'API Google a changé plusieurs fois depuis 2018, et le stockage des résultats y est encadré. Construire un actif d'entreprise, un référentiel de zones ou un scoring de prospects, sur une brique dont le prix et les droits de réutilisation vous échappent est un pari que je ne prendrais pas.

Comment la calculer

Quatre approches, de la plus grossière à la plus solide. Elles ne s'excluent pas. On commence souvent par la première et on affine.

Le rayon kilométrique

Un cercle de 5, 10 ou 15 km autour du point de vente. C'est la méthode la plus rapide, et elle a un usage légitime : le cadrage initial, la comparaison grossière de deux emplacements, ou la livraison locale où la contrainte est vraiment une distance à vol d'oiseau. On la trace en une ligne dans n'importe quel outil, et tout le monde la comprend autour de la table.

Son défaut est celui décrit plus haut. Elle ignore les obstacles et suppose que tous les habitants du disque ont la même probabilité de venir. Sur un territoire plat, dense et bien maillé, l'erreur reste tolérable. Dès qu'il y a un relief, un cours d'eau, une voie ferrée ou une rocade, elle devient trompeuse. Le pire, c'est qu'elle produit une carte propre et symétrique, qui inspire confiance.

La zone isochrone

Une isochrone est l'ensemble des points atteignables en un temps donné depuis une origine, en suivant le réseau réel. On raisonne alors en « tout ce qui est à moins de quinze minutes en voiture », ce qui correspond à la façon dont un client se pose la question.

Le calcul demande un moteur d'itinéraire et un graphe routier. Les principaux moteurs open source, OSRM, Valhalla ou GraphHopper, le font à partir des données OpenStreetMap, et plusieurs services l'exposent en API. Le mode de déplacement compte autant que la durée. Quinze minutes à pied, à vélo ou en voiture depuis la même adresse donnent trois contours nettement différents, parce qu'ils n'empruntent pas les mêmes voies. Pour un commerce de centre-ville, la zone piétonne est souvent la seule qui ait un sens.

Deux précautions. Une isochrone dépend des hypothèses de vitesse du moteur, et la plupart ne modélisent pas la congestion heure par heure. Un contour de dix-huit heures un vendredi ne ressemble pas à celui d'un dimanche matin. Et il faut choisir la durée en fonction de l'activité, pas par habitude. Trente minutes pour une boulangerie n'ont aucun sens.

IRIS et carroyage INSEE

C'est l'étage qui transforme une géographie en potentiel. Les zones IRIS découpent les communes d'au moins 10 000 habitants, et la plupart de celles de 5 000 à 10 000, en mailles d'environ 2 000 habitants, avec des données socio-démographiques détaillées : revenus, âge, taille et composition des ménages, statut d'occupation du logement. Les communes plus petites forment un IRIS unique. Le carroyage INSEE Filosofi descend plus bas encore, à des carreaux de 200 mètres de côté, avec le nombre de personnes et de ménages, la structure par âge et des indicateurs de niveau de vie.

En croisant un découpage statistique avec une isochrone, on obtient à la fois la géographie réelle et le profil de la population qu'elle contient. C'est la base d'un modèle de Huff qui tient la route, et c'est aussi ce qui permet de comparer deux emplacements autrement qu'à l'intuition. Attention à la maille. Un IRIS chevauche presque toujours la frontière du contour, et il faut décider comment on l'attribue : au prorata de la surface, au prorata de la population, ou en tout ou rien. Les trois donnent des résultats différents, et la méthode retenue doit être écrite noir sur blanc dans l'étude.

Partir des clients réels

La méthode la plus fiable ne modélise rien. Elle géocode les adresses des clients existants et regarde où ils habitent. On obtient un nuage de points, on le compte par maille, on le rapporte à la population de chaque maille, et on lit directement le taux de pénétration, la part de la population qui est cliente. La zone primaire est alors celle où ce taux décroche, pas celle qu'un cercle a décidée.

Cette approche demande un fichier client propre et des adresses vérifiées avant géocodage, faute de quoi le nuage est faux là où les adresses le sont. Elle suppose aussi de traiter le cas des clients sans adresse et celui des adresses de facturation qui ne sont pas des adresses de résidence. Mais c'est la seule qui permette de valider un modèle. On calibre l'isochrone et le coefficient de résistance du modèle de Huff sur les magasins qu'on connaît, puis on applique les paramètres obtenus à l'emplacement qu'on étudie. C'est aussi la démarche à suivre pour compter combien de clients tombent à l'intérieur d'un contour, puisque cet enrichissement se fait adresse par adresse.

Données et outils en France

Les référentiels open data

Le socle officiel tient en trois briques. La Base Adresse Nationale (BAN), référentiel officiel porté par l'IGN, contient les adresses françaises et leurs coordonnées. C'est la base du géocodage. Le découpage IRIS de l'INSEE fournit la maille statistique infra-communale et les variables associées. Les données carroyées Filosofi, INSEE également, descendent au carreau de 200 mètres pour les revenus et la structure des ménages. S'y ajoutent le Code officiel géographique pour les communes et OpenStreetMap pour le réseau routier, sous licence ODbL.

Tous sont librement accessibles et régulièrement mis à jour. Leur assemblage, en revanche, demande du travail : formats hétérogènes, millésimes différents, changements de découpage communal d'une année sur l'autre, projections à convertir entre Lambert 93 et WGS84. C'est là que les outils prennent le relais.

Les outils qui les exploitent

QGIS est le couteau suisse gratuit du géomaticien : import des couches IRIS, jointures, calculs de surface, cartes de rendu. Il demande d'apprendre l'outil, mais il ne cache rien. ArcGIS joue le même rôle dans les organisations déjà équipées. Smappen et les plateformes de géomarketing comparables offrent le tracé d'isochrones et le comptage de population en quelques clics, sans code, avec un abonnement à la clé. Une API comme TrustyData s'adresse à ceux qui veulent le calcul dans un script Python, un notebook ou un pipeline ETL plutôt que dans une interface. Le géocodage BAN, le code IRIS et le carreau Filosofi se demandent alors adresse par adresse ; l'isochrone, et depuis peu la population et le niveau de vie moyen de la zone, contour par contour, en un appel chacun.

Le bon choix dépend de la fréquence. Une étude ponctuelle se fait très bien à la main dans QGIS. Un calcul qu'il faut rejouer chaque trimestre sur un réseau de quarante magasins n'a pas sa place dans une interface graphique.

Limites des solutions génériques

Beaucoup d'outils internationaux se contentent d'un rayon à vol d'oiseau et ignorent le découpage IRIS, qui n'existe qu'en France. D'autres proposent des isochrones correctes mais des données de population agrégées au niveau de la commune, ce qui est bien trop grossier pour un commerce urbain. Une commune de 40 000 habitants recouvre des quartiers dont les revenus varient du simple au triple. Pour une étude française qui doit tenir devant une banque ou un franchiseur, il faut un outil qui parle la langue de l'INSEE.

Interpréter et exploiter les résultats

Une fois les contours tracés et croisés avec les mailles statistiques, le travail d'analyse commence. Trois lectures en particulier valent leur temps.

Le potentiel, d'abord. Combien de foyers correspondant à votre cible se trouvent à l'intérieur du contour, et à quel niveau de vie ? Rapporté à votre taux de pénétration constaté ailleurs, ce chiffre donne une estimation de chiffre d'affaires défendable, avec ses hypothèses explicites. C'est plus honnête qu'un objectif posé à la louche, et c'est ce qu'un financeur demandera.

Les recouvrements, ensuite. Sur un réseau, deux points de vente distants de huit minutes se partagent une partie de leur zone. Le prospectus distribué dans la bande commune est payé deux fois, et le client qui entre dans l'un aurait pu entrer dans l'autre. Mesurer cette intersection permet d'arbitrer un plan média, de redécouper des territoires commerciaux, et parfois de comprendre pourquoi l'ouverture du magasin B a coïncidé avec le tassement du magasin A.

Les trous de couverture, enfin. L'espace qu'aucun contour n'atteint est soit une occasion d'implantation, soit une zone que la concurrence occupe seule. Superposer les contours de ses propres sites et ceux des concurrents transforme une carte descriptive en carte de décision.

Reste la discipline la plus utile : rejouer le calcul. Les axes routiers changent, la concurrence bouge, les millésimes INSEE se succèdent, et une zone tracée il y a trois ans a vieilli sans prévenir. Automatiser le calcul coûte un peu au départ et permet de le refaire chaque trimestre pour presque rien. Refaire l'étude à la main une fois par an, c'est déjà la moitié du travail perdue.

Prêt à intégrer l'API TrustyData ?

Tester les services →Découvrir les plans →

Pour conclure

L'open data a rendu accessible une étude que seuls les grands groupes pouvaient se payer il y a dix ans. Quelques scripts Python, les référentiels IRIS et un QGIS suffisent. TrustyData regroupe ces briques pour ceux qui préfèrent une API à l'assemblage manuel. À vous de voir ce que vous gagnez à coder vous-même. Le même référentiel de sites sert dans l'autre sens : afficher à un client le point de vente le plus proche de son adresse, sur votre site ou dans votre application.

Pour aller plus loin