COMPARE/Markin vs RetentionX
RetentionX vs Markin : customer intelligence vs décisions de revenus prouvées
+ 17 à 35 % d'ARPU par rapport au holdoutPlage observée sur les déploiements Markin, mesurée sur les cohortes traitées.
RetentionX est une customer intelligence pour les marques de commerce : LTV et analytics de cohortes, résolution d'identité, attribution et audiences basées sur des règles synchronisées avec Klaviyo, Meta ou Google. Markin est une growth-science layer pour les grandes bases B2C : il forme et dimensionne ses propres opportunités de revenus hypothèses, choisit une action par client, l'exécute via ta stack et prouve le résultat par rapport à un holdout randomisé.
En bref
- RetentionX: Who are my customers worth, and which segment should receive which flow? Output: Reports, predictive scores and audiences pushed into email, SMS and ad tools.
- Markin: Which opportunity is worth acting on, for whom, and what did it actually return? Output: A ranked, sized action per customer, executed through the systems you already run.
- Les segments sont définis par des règles écrites par une personne, et actualisés quand quelqu'un a le temps.
- Markin reads the same evidence, proposes what to do about it, prices the action, runs it against a holdout and retires what does not beat control.
Dernière mise à jour : . Les affirmations concernant d'autres fournisseurs renvoient à la source d'où elles proviennent.
La réponse courteDernière mise à jour : September 2026
Les deux promettent du growth à partir des données clients, mais ils s'arrêtent à des points différents. RetentionX montre ce qui se passe et pousse le segment dans un flux conçu par quelqu'un. Markin décide quelle opportunité mérite d'exister pour chaque client, ce qu'elle vaut, et si elle a réellement généré des revenus.
01
RetentionX
Intelligence client et automation pour les marques de commerce : LTV, cohortes, RFM, reporting de produits et d'attribution, suivi côté serveur, et automation d'audience ou de merchandising, avec une forte empreinte Shopify.
Choisis-le lorsqu'une équipe e-commerce a besoin d'un seul endroit pour la LTV, le risque de churn et l'attribution, et souhaite que les segments soient poussés automatiquement dans Klaviyo, Meta ou Google.
- Intelligence client pour le commerce
- Audiences basées sur des règles et des scores
- Se synchronise avec tes outils publicitaires et d'e-mail
02
Markin
Une équipe de Growth Science autonome pour les grandes bases B2C. Elle étudie pourquoi les revenus par client sont bloqués, dimensionne ses propres hypothèses, choisit une action par client (y compris le hold), la lance via tes systèmes existants et la lit par rapport à un groupe de contrôle.
Choisis-le lorsque la contrainte est le nombre de bonnes hypothèses de revenus testées et prouvées, et non la manière dont les données sont rapportées.
- Écrit ses propres hypothèses
- holdout sur chaque décision
- S'exécute dans ta stack
Ligne par ligne
Les mêmes dix questions, avec les réponses pour les deux.
| Dimension | Markin | RetentionX |
|---|---|---|
| Ce que c'est | Une équipe autonome de growth-science : elle étudie pourquoi le revenu par client stagne et agit en fonction de ses découvertes. | Une plateforme d'intelligence client et d'automation pour les marques de commerce, construite autour du reporting et de l'activation d'audience. |
| Ce qu'il décide | Quelle opportunité commerciale mérite d'exister pour chaque client cette semaine, quelle est sa valeur, et quand la bonne réponse est de ne rien faire. | Quels clients appartiennent à un segment ou à un flux, basés sur des scores et des règles qu'un humain configure. |
| D'où viennent les hypothèses | Généré par Markin à partir des données client, produit, tarifaires et de santé technique, puis évalué avant toute implémentation. | Écrit par l'équipe growth ou CRM à partir des rapports que la plateforme génère. |
| Comment une hypothèse est évaluée | Évalué en argent sur la population éligible, filtré par puissance statistique, puis tué ou conservé par un holdout randomisé. | Jugé par l'équipe lisant les rapports de cohortes, LTV et d'attribution, puis par la performance des campagnes. |
| Périmètre d'action | Les hypothèses de marketing, de produit, de tarification et de santé technique, arbitrées les unes contre les autres dans une seule file d'attente. | Surfaces de marketing e-commerce : audiences email et SMS, plateformes publicitaires, merchandising sur site. |
| Quels modèles font le travail | Un mix routé : modèles de langage de pointe pour écrire et expliquer, petits modèles bon marché pour la classification de volume, et ML classique et deep learning, uplift, survival, séries temporelles, embeddings, pour les chiffres. | Scores prédictifs tels que le risque de churn, la prochaine commande et la lifetime value, appliqués à la segmentation. |
| Ce avec quoi le coût évolue | Décisions prises et revenus prouvés, pas de jetons brûlés. Le raisonnement par client est géré par les couches bon marché par conception. | Niveaux de forfait qui s'adaptent à la taille du magasin et à la profondeur des fonctionnalités, à partir de la tarification d'entrée de gamme pour le commerce. |
| Comment le travail atteint le client | Rapportées dans les systèmes que tu utilises déjà, sous forme d'attributs, d'événements ou d'appels API. Markin n'ajoute pas de nouvelle interface client. | Synchronisations d'audiences et d'événements vers Klaviyo, Meta, Google, TikTok et similaires, plus un tri de produits automatisé. |
| Comment l'impact est prouvé | Un holdout randomisé sur chaque décision. Le nombre rapporté est le revenu incrémental et l'ARPU, pas les conversions attribuées. | Attribution multi-touch et de plateforme avec reporting de cohortes et de profits, plutôt qu'un contrôle randomisé. |
| Où se trouvent les données | Lit le contexte là où il se trouve déjà : entrepôt, CDP, systèmes de produits et de facturation. Pas de nouveau système d'enregistrement. | Un modèle de données centré sur le commerce, construit sur les données de la boutique, des commandes, des sessions et de la plateforme publicitaire. |
| Gouvernance et contrôle | Chaque action comporte son hypothèse, sa valeur attendue, ses garde-fous et son groupe de contrôle, révisables avant le lancement. | Configuration des rapports et de la segmentation, configuration du suivi et contrôles d'accès. |
| Time to a verified number | Un thème de revenu, un canal, un holdout : un chiffre incrémental défendable en 90 jours. | Rapide à la première insight une fois que les données de commandes historiques sont synchronisées. |
| Meilleur ajustement | Grandes bases B2C où la contrainte est le nombre de bonnes hypothèses testées, et non le nombre de messages envoyés. | Les marques de commerce qui ont besoin d'intelligence client et d'automation d'audience dans un seul outil. |
Quel est l'enjeu
Une couche de décision n'est pas une ligne budgétaire pour un outil. Elle augmente l'ARPU sur l'ensemble de la base, chaque mois.
Base installée
2.0M
customers at $24 ARPU / month
Revenu adressable
$259.2M
par an, base atteignable
Augmentation d'ARPU vérifiée
+ 17 % à + 35 % d'ARPU
sur les cohortes traitées, par rapport au holdout
Ce que cela vaut
$44.1M – $90.7M
revenu incrémental par an
Mesuré sur des cohortes traitées par rapport à un holdout randomisé, lu sur une fenêtre de mesure complète plutôt que les premières semaines. Fourchette anonymisée sur les déploiements Markin dans de grandes bases B2C ; ton propre holdout est le chiffre qui décide. Les chiffres ci-dessus appliquent cette fourchette à la part atteignable de la base sur la base des hypothèses de cette page ; ils sont arithmétiques, et non une prévision pour ton entreprise.
Applique-le à tes propres chiffresLa partie non résolue
Ce qu'un score laisse encore indécis
Un score de churn, une bande LTV et un rapport d'attribution décrivent la base. Aucun d'entre eux ne décide si ce client mérite une offre, ce que cette offre coûte en marge, ou si les revenus seraient de toute façon arrivés.
- Les segments sont définis par des règles écrites par une personne, et actualisés quand quelqu'un a le temps.
- Rien n'arbitre entre une réduction, un correctif produit et le silence.
- L'attribution crédite les campagnes ; elle n'isole pas les revenus incrementality.
- Les découvertes en dehors du marketing n'ont ni propriétaire ni chemin vers l'action.
Espace d'hypothèses
Tout ce qu'un spécialiste de la croissance humaine examinerait.
La plupart des problèmes de croissance ne sont pas des problèmes de message. Markin ne se limite pas à la surface de la campagne : si quelque chose freine l'ARPU, c'est dans le périmètre et c'est testé de la même manière.
Marketing
La surface classique, mais choisie par client plutôt que par segment, et toujours contre un holdout.
- Quelle offre ce client spécifique vaut la peine d'être faite
- Channel et timing choisis par personne, non par campagne
- Pression de contact et fatigue arbitrées sur chaque programme
- Économie de reconquête : qui vaut un rabais et qui ne le vaut pas
Produit
Là où le client fait réellement l'expérience de la valeur, et là où la plupart des pertes de revenus silencieuses se produisent.
- Étapes d'Onboarding qui font perdre des clients avant la première valeur
- Une fonctionnalité avec une forte corrélation de rétention que la moitié de la base ne découvre jamais.
- Placement du Paywall et des incitations à la mise à niveau
- Surfaces intégrées au produit utilisées comme bras de traitement, pas seulement l'email et les notifications push
Commercial
La tarification, le packaging et la forme de l'offre elle-même, testés plutôt que débattus.
- Structure du plan et du forfait par cohorte
- Profondeur de remise par rapport à la marge, pas uniquement par rapport à la conversion
- Cadrage annuel versus mensuel par client
- Séquences de recouvrement de créances et de churn involontaire
Santé technique
Anomalies que personne n'a demandé de rechercher. C'est la catégorie qu'aucun moteur de décision ne couvre.
- Un taux d'erreur de paiement qui a augmenté sur un appareil et une région
- Défaillances de paiement concentrées sur un seul émetteur ou mode de paiement
- Un lien profond cassé qui tue silencieusement un parcours de grande valeur
- Dégradation de la latence ou de la livraison nuisant à la conversion avant même tout message
Pense à Markin comme à une équipe data science et growth qui ne dort jamais : elle enquête, formule des hypothèses, les déploie dans ta propre stack et prouve chacune d'elles par rapport à un groupe de contrôle, à un volume qu'aucune équipe humaine ne peut atteindre.
Job to be done
Le même travail, à un débit différent.
Rien de ce qui suit ne nécessite un outil qui n'existe pas. Il faut que le travail soit effectué en continu au lieu d'une fois par trimestre, et qu'il soit prouvé par rapport à un holdout au lieu d'être débattu.
| Job to be done | With retentionx alone | Avec Markin |
|---|---|---|
| Remarquez que le chiffre d'affaires par client dérive dans un segment | Quelqu'un le remarque lors d'une revue de tableau de bord, des semaines après son démarrage. | Détecté comme un signal le jour où la dérive efface le bruit, avec le segment déjà dimensionné. |
| Expliquez pourquoi cela se produit | Un analyste est retiré de la roadmap pour une enquête de deux semaines. | Une investigation est exécutée automatiquement et renvoie les facteurs déterminants avec leurs preuves. |
| Élabore des hypothèses qui méritent d'être testées | Un atelier produit la poignée d'idées auxquelles la salle a pu penser. | Les hypothèses sont écrites en continu à travers le marketing, le produit, la tarification et la santé technique. |
| Décide quelles hypothèses méritent un budget | Priorisé par ancienneté et intuition, sans évaluation de l'impact. | Chacun est dimensionné en revenus et classé avant que quoi que ce soit ne soit construit. |
| Choisissez la Next Best Action pour un client | Les règles et les calendriers de campagnes Segment décident, mis à jour quand quelqu'un a le temps. | Choisi par client, par moment, par rapport à tout le reste en compétition pour ce client. |
| Lancez-le réellement | Un ticket pour l'équipe du cycle de vie, puis un créneau dans le calendrier du mois prochain. | Exécuté dans les systèmes que tu utilises déjà, sans nouveau canal à adopter. |
| Prouver que cela a généré du chiffre d'affaires | Rapporté par rapport aux non-qualifiants ou à un holdout global, le cas échéant. | Chaque décision comporte un groupe de contrôle randomisé ; l'uplift est lu par rapport à celui-ci. |
| Éliminer ce qui ne fonctionne pas | Les programmes survivent parce que personne n'est chargé de les retirer. | Ne pas battre le contrôle met fin au programme automatiquement. |
| Refaites tout la semaine prochaine | Capacité limitée : quatre à huit tests par trimestre. | Des centaines d'hypothèses en cours en parallèle, en continu. |
Avis honnête
Quoi RetentionX fait mieux.
Une comparaison qui ne flatte qu'un seul côté ne vaut pas la peine d'être lue. Ce sont les cas où nous te dirions de rester là où tu es.
Profondeur de l'analyse e-commerce
Pour une boutique qui a besoin d'un reporting de cohortes, RFM, produits et profits en un seul endroit, RetentionX couvre un terrain que Markin n'essaie pas de couvrir. Markin propose et prouve des actions ; ce n'est pas une suite de reporting en self-service pour une équipe de merchandising.
Identité et traçabilité
Le suivi côté serveur, la résolution cross-device et les API de conversion vers les plateformes publicitaires sont un travail réellement utile, et ils sont une condition préalable pour quiconque raisonne sur les revenus du commerce.
Délai de rentabilisation pour une base plus petite
Une boutique connectée peut être opérationnelle en quelques heures. Markin a besoin d'une base suffisamment large pour des holdouts randomisés afin d'atteindre une puissance statistique, c'est pourquoi il s'adapte à des bases de millions plutôt qu'à une boutique en croissance.
Où Markin s'intègre
Pas un remplacement. Une équipe de growth-science en plus.
RetentionX continue de décrire la base et de déplacer les audiences. Markin lit les mêmes preuves, propose quoi faire à ce sujet, estime le coût de l'action, l'exécute contre un holdout et retire ce qui ne bat pas le contrôle.
Arbitrage par client
Chaque action éligible est en concurrence pour le même client, y compris ne rien faire.
Dimensionnée avant sa livraison
La marge attendue, et non la conviction, décide de la prochaine hypothèse à exécuter.
Preuve, pas attribution
Un groupe de contrôle randomisé pour chaque décision rend le chiffre rapporté défendable.
Pourquoi Markin gagne
Plus puissant que tout ce qui est sur cette page.
Chaque outil auquel Markin est comparé a été conçu pour un travail qui s'arrête avant que les revenus ne bougent : délivrer le message, unifier les données, scorer le lead. Markin a été conçu pour un seul résultat, faire croître l'ARPU, et il possède la boucle complète qui y mène : investiguer, émettre des hypothèses, lancer, mesurer et mettre à l'échelle, à travers le marketing, le produit, la tarification et la santé technique.
Apprentissage ultra-rapide, par conception
Markin Growth Science exécute le cycle complet d'observation, d'hypothèse, d'expérimentation et de lecture en quelques jours, avec des centaines d'expérimentations soutenues par un holdout en parallèle. Le système multiplie l'apprentissage à un rythme qu'aucune équipe humaine, et aucun outil de campagne, ne peut égaler.
growth operations, rendues efficaces
Le dimensionnement, la conception de segments, la construction, le lancement et la mesure étaient auparavant quatre équipes et un sprint. Chez Markin, ils constituent un seul système, de sorte que la même growth operation génère plus d'actions à revenus avec une fraction des coûts de coordination.
Un résultat : ARPU
Chaque hypothèse est dimensionnée en revenus attendus par client, chaque action est jugée par rapport à un holdout randomisé, et tout ce qui bat le contrôle est automatiquement mis à l'échelle sur l'ensemble de la base. Rien d'autre sur cette page n'est mesuré de cette façon.
Si l'objectif est d'accroître l'ARPU par un apprentissage ultra-rapide et d'exécuter les growth operations plus efficacement, le choix est Markin.
Standard de preuve
La plupart des éléments de cette catégorie rapportent leur propre lift.
Aucun des principaux fournisseurs d'engagement, de CDP ou de personnalisation ne publie un chiffre d'uplift vérifié de manière indépendante pour son produit de décision. Lorsque des chiffres existent, ils proviennent d'études commanditées par les fournisseurs ou d'études de cas à client unique sans méthodologie de holdout divulguée. La recherche publique la plus rigoureuse dans cette catégorie n'est flatteuse pour personne, y compris nous, et c'est précisément pourquoi nous nous basons dessus.
BCG rapporte que lorsque les organisations adoptent des tests d'incrémentalité rigoureux, elles constatent généralement que 20 % à 40 % de leurs programmes Next Best Action actifs génèrent un gain marginal, voire négatif.
Recherche indépendanteBCG, How Measurement Is Evolving in Next-Best Action (2026)La même recherche signale des effets de nouveauté, les nouveaux programmes affichent des résultats initiaux gonflés, et recommande 8 à 12 semaines avant de tirer des conclusions.
Recherche indépendanteBCG, How Measurement Is Evolving in Next-Best Action (2026)Les mesures de ROI au niveau du programme et des holdout mondiaux surestiment souvent l'impact par des effets de halo, des effets d'anticipation et la contamination des experiments.
Recherche indépendanteBCG, How Measurement Is Evolving in Next-Best Action (2026)
Comment Markin s'y tient
- Chaque décision prise par Markin comporte un groupe de contrôle. L'uplift est rapporté par rapport à ce holdout, et non par rapport aux clients qui ne se sont pas qualifiés.
- Les résultats sont lus sur une fenêtre de mesure complète plutôt que dans les premières semaines, afin que la nouveauté ne soit pas confondue avec l'effet.
- Les programmes qui ne parviennent pas à surpasser le groupe de contrôle sont automatiquement retirés. Mettre fin aux décisions non rentables fait partie de la boucle, et non d'un examen annuel.
- Le seul chiffre que nous citons à notre sujet est une fourchette, pas une moyenne : de +17 % à +35 % d'ARPU sur les cohortes traitées par rapport à un holdout randomisé, sur les déploiements Markin dans de grandes bases B2C. Nous ne publions aucune référence sectorielle, car nous n'avons pas pu en trouver une que nous serions prêts à défendre. Ton holdout est le chiffre qui compte.
Délai de rentabilisation
90 jours pour obtenir un chiffre ayant survécu à un holdout.
Pas de refonte de la plateforme, pas de migration de données, pas de reconstruction des canaux que tu utilises déjà. Si les premières cohortes ne dépassent pas le contrôle, rien ne se développe et tu as perdu un trimestre, pas une feuille de route.
Semaines 0–2
Lis le contexte que tu as déjà
Markin se connecte aux données et aux canaux que tu utilises aujourd'hui, retentionx inclus. Pas de migration, pas de replatform, pas de nouvelle source de vérité.
Semaines 3–6
Premières opportunités chiffrées en test
Les Opportunités sont classées par valeur attendue, les traitements sont choisis par client, et les premières cohortes sont mises en ligne avec un holdout randomisé attaché.
Semaines 7–12
Premier revenu incrémental vérifié
Les résultats sont lus sur une fenêtre de mesure complète. Ce qui surpasse le contrôle est mis à l'échelle ; ce qui ne le fait pas est retiré. Rien n'est mis à l'échelle sur un chiffre qui n'a pas survécu à un holdout.
Laquelle tu devrais choisir.
Choisissez Markin si
- La base se compte en millions et la contrainte est le débit de décision, pas le reporting.
- Les causes de revenus se situent aussi en dehors du marketing : tarification, frictions produit, facturation ou santé technique.
- Chaque euro réclamé doit survivre à un holdout randomisé, et non à un modèle d'attribution.
- Les actions doivent être arbitrées par client, y compris la décision de rester silencieux.
- Le contexte se trouve dans un entrepôt et des systèmes de facturation, pas seulement dans une plateforme e-commerce.
Choisir RetentionX seul if
- Tu gères une boutique en ligne et tu as d'abord besoin de reporting sur le LTV, les cohortes et l'attribution.
- L'équipe veut des tableaux de bord en libre-service plus que des décisions autonomes.
- Le suivi et la résolution d'identité sont le fossé actuel.
- La synchronisation des segments avec Klaviyo et les plateformes publicitaires est la tâche principale à accomplir.
- La base de clients est trop petite pour que les holdouts atteignent une signification.
Quand tu n'as pas besoin de Markin.
- Tu as besoin d'un reporting commerce en libre-service et de tableaux de bord au niveau des produits : c'est le territoire de RetentionX.
- Le magasin est petit et un holdout n'atteindrait jamais une signification.
- Le suivi et la résolution d'identité manquent et doivent être résolus en premier.
Le voir dans le produit
Voyez-le décider, expérimenter et exécuter, avant de parler à qui que ce soit.
Une visite guidée du workspace Markin sur un client de démonstration, sans appel commercial, sans configuration.
Questions que les acheteurs posent.
Markin est-il une alternative à RetentionX ?
Pas vraiment. RetentionX est de l'intelligence client et de l'automation d'audience pour les marques de commerce ; Markin est une couche de decisioning pour les grandes bases B2C. Les équipes qui dépassent les segments basés sur des règles et qui ont besoin de revenus incrementality prouvés passent à une couche de decisioning plutôt que de changer d'outils de reporting.
Que fait RetentionX de mieux ?
Reporting natif du commerce, LTV et analyse de cohorte, suivi côté serveur et résolution d'identité, et synchronisations rapides d'audience vers Klaviyo, Meta et Google pour une boutique qui souhaite un seul outil.
Pouvons-nous utiliser les deux ?
Oui. RetentionX peut rester la couche de reporting et d'activation commerce tandis que Markin décide quelle opportunité de revenus est la plus pertinente pour chaque client et la mesure par rapport à un holdout.
Pourquoi l'attribution n'est-elle pas suffisante ?
L'attribution distribue le crédit parmi les points de contact exposés. Elle ne peut pas te dire ce qui se serait passé sans l'action. Seul un groupe de contrôle randomisé répond à cette question, c'est pourquoi Markin en conserve un pour chaque décision.
Markin a-t-il besoin d'une plateforme e-commerce ?
Non. Il lit le contexte là où il se trouve déjà, entrepôt, CDP, systèmes de produits et de facturation, et réécrit l'action choisie dans les outils que tu utilises déjà.
En quoi Markin est-il différent du decisioning ou de l'IA déjà présents dans retentionx ?
Un moteur de decisioning classe les actions qu'un humain a déjà définies, à l'intérieur de la surface de campagne qui lui a été donnée. Markin formule lui-même les hypothèses (marketing, produit, prix ou anomalie technique freinant la growth), les quantifie, les exécute à l'intérieur de retentionx et de tes surfaces produit, et lit chacune d'elles par rapport à un holdout randomisé. Il se comporte comme une équipe data science et growth, pas comme un optimiseur.
Markin teste-t-il uniquement les messages et les offres ?
Non. Tout ce qu'un growth scientist humain investiguerait est inclus : la friction à l'onboarding, l'adoption de fonctionnalités, la tarification et le packaging, le recouvrement, et les problèmes de santé technique tels qu'un taux d'erreur de paiement ou un deeplink cassé qui tue silencieusement la conversion. Le marketing est l'un des quatre domaines d'hypothèse, pas la limite.
Qu'est-ce que the business case for adding Markin on top of retentionx ?
On a large B2C base, une petite variation de l'ARPU représente un chiffre important en valeur absolue, car elle s'applique à l'ensemble de la base installée chaque mois plutôt qu'à une campagne. Sur l'ensemble des déploiements Markin, la fourchette vérifiée sur les cohortes traitées est de +17 % à +35 % ARPU par rapport à un holdout randomisé. L'objectif n'est pas d'envoyer plus de messages : il s'agit de trouver l'action à plus forte valeur par client, de la lancer et de la prouver par rapport à un groupe de contrôle avant de la généraliser.
Combien de temps avant qu'il ne soit rentable ?
Les premières opportunités dimensionnées sont en test dans les six semaines et le premier résultat vérifié par holdout arrive en moins de 90 jours. Le retour sur investissement dépend de ta base, de ta marge et du coût du programme. Le calculateur sur cette page le calcule à partir de tes propres chiffres, après application de la réduction de 20 % à 40 % que BCG constate lorsque les programmes Next Best Action sont testés en termes d'incrémentalité.
Lis la suite
Lecture approfondie sur le fonctionnement du next best action decisioning, à partir des guides qui ont inspiré cette comparaison.
Next best action marketing : ce que c'est et comment ça marche en 2026
Next best action marketing expliqué : comment ça marche, exemples B2C réels, comment ça diffère des campagnes par segments et du marketing automation, et ce que ça vaut sur une base de 2M.
Comment augmenter l'ARPU : un cadre pour les entreprises B2C
Comment augmenter l'ARPU dans une grande entreprise B2C : les cinq leviers qui influent réellement sur le revenu moyen par utilisateur, et le modèle opérationnel qui les sous-tend.
Flux d'opportunités, maintenant avec la provenance des hypothèses
Chaque action candidate dans le fil d'opportunités Markin contient désormais le signal, le segment et l'expérimentation précédente dont elle découle. Un clic pour auditer ou déployer.