Modélisation de Scénarios SaaS en 15 Minutes

Q: Pourquoi la modélisation de scénarios est-elle utile pour les bootstrappers ?

Les bootstrappers ont typiquement un capital limité et aucun filet de financement externe. Un mauvais trimestre qu'une entreprise financée peut absorber peut comprimer le runway d'un bootstrapper assez pour forcer des changements de priorité immédiats. La modélisation de scénarios fait surface ces compressions avant qu'elles n'arrivent, permettant au fondateur de définir les actions de réponse à l'avance plutôt que dans la panique.

Q: Quels scénarios les fondateurs devraient-ils modéliser ?

Au minimum : base (hypothèses opérationnelles réalistes), optimiste (exécution légèrement meilleure), et pessimiste (détérioration normale — acquisition plus lente, churn plus élevé, coûts légèrement supérieurs). Le cas pessimiste devrait être inconfortable mais pas catastrophique. S'il ne crée aucune urgence, les hypothèses sont trop douces.

Q: Quelles variables stress-tester en premier dans un modèle de scénarios SaaS ?

Le MRR churné et le nouveau MRR, dans cet ordre. Le MRR churné est l'entrée la plus conséquente et la plus couramment sous-estimée. Le nouveau MRR est le plus sensible à la concentration des canaux d'acquisition ou aux conditions du pipeline. Stress-teste les coûts variables s'ils scalent avec l'usage ; garde les coûts fixes stables dans la plupart des runs de scénarios.

Q: Quelle est la différence entre prévision et modélisation de scénarios ?

La prévision produit une estimation de ce qui va se passer — la meilleure supposition avec les informations actuelles. La modélisation de scénarios produit une fourchette de trois estimations qui testent comment le business performe quand les hypothèses clés sont meilleures ou pires que le cas de base. La prévision donne un chiffre ; la modélisation de scénarios donne l'intervalle de confiance autour de ce chiffre.

Q: Qu'est-ce que la modélisation financière dans le contexte SaaS ?

La modélisation financière pour le SaaS désigne typiquement la construction d'un modèle structuré qui projette le revenu récurrent, les coûts, le burn de trésorerie et le runway dans le temps. La modélisation de scénarios est une couche au sein de la modélisation financière — la couche qui teste la sensibilité de ces projections aux changements dans les hypothèses clés. En pratique, le modèle financier d'un fondateur bootstrappé est largement un modèle de scénarios avec une couche de coûts attachée.

Q: Combien de scénarios devrait-on modéliser ?

Trois est le bon nombre pour la plupart des fondateurs bootstrappés : base, optimiste et pessimiste. Deux scénarios (juste base et pessimiste) ratent l'insight sur le levier optimiste. Quatre scénarios ou plus créent du bruit de comparaison sans améliorer significativement la qualité des décisions. La valeur vient de l'écart entre les trois cas, pas de l'ajout de plus de granularité à chacun.

Q: Quels inputs comptent le plus dans un modèle de scénarios SaaS ?

Le MRR churné et le nouveau MRR sont les deux inputs à plus fort levier pour le SaaS early-stage. Un swing de 30 % sur l'un ou l'autre change typiquement au moins une décision opérationnelle — prioriser la rétention ou l'acquisition, maintenir ou augmenter les dépenses variables, accélérer ou retarder un changement de pricing. L'expansion MRR et les coûts variables comptent une fois que le business a un comportement d'upgrade consistant ou de l'infrastructure à l'usage, mais au stade early ils sont secondaires par rapport à la précision du churn et de l'acquisition.

Q: À quelle fréquence les fondateurs devraient-ils exécuter des modèles de scénarios ?

Mensuellement est la bonne cadence pour la plupart des produits SaaS early-stage. Avant le début du mois, définis les trois scénarios. Après la clôture du mois, compare les réels à chaque scénario et calibre les hypothèses. Cette boucle sur douze mois produit des forecasts significativement mieux calibrés que des revues de scénarios trimestrielles ou annuelles. > Faire des prévisions depuis un MRR sale, c'est faire des prévisions fausses. [Commence avec des chiffres fiables →](https://app.nonoisemetrics.com)

Un seul forecast n’est pas un plan. C’est une histoire — l’histoire où la croissance reste à peu près sur la bonne trajectoire, le churn se comporte bien, les coûts ne surprennent pas, et rien d’important ne va de travers. Cette histoire est confortable à croire et historiquement peu fiable.

La modélisation de scénarios, c’est l’habitude d’exécuter les histoires inconfortables à côté de celle qui est confortable. Pas parce que le désastre est probable, mais parce que la distance entre le cas de base et le cas pessimiste révèle quelles hypothèses sont porteuses — et ce sont exactement celles qu’un fondateur bootstrappé doit tester sous pression avant que le runway ne devienne serré.

Pour un bootstrapper avec du capital limité et aucun filet externe, le scénario pessimiste n’est pas un exercice académique. C’est la question opérationnelle : si quelque chose de normal va mal — le nouveau MRR ralentit, le churn monte, un coût d’infrastructure augmente — combien de temps est retiré du runway, et quelles décisions deviennent urgentes avant que ça n’arrive ?

Qu’est-ce que la modélisation de scénarios ?

La modélisation de scénarios est le processus qui teste comment les métriques clés du business changent sous différentes hypothèses — concrètement, ce qui se passe quand les entrées les plus importantes sont meilleures ou pires que le cas de base.

La distinction avec la prévision est importante. La prévision demande : qu’est-ce qu’on pense qu’il va se passer ? Elle produit un chiffre — la meilleure estimation avec les informations actuelles. La modélisation de scénarios demande : que se passe-t-il si cette estimation est fausse, et dans quelle direction ? Elle produit une fourchette — trois versions du futur qui encadrent l’espace de résultats réalistes.

La prévision donne de la confiance. La modélisation de scénarios calibre cette confiance contre les façons dont elle pourrait être mal placée. Les deux sont nécessaires ; la modélisation de scénarios est la partie que la plupart des bootstrappers sautent. Les recommandations financières de Y Combinator pour les startups soulignent systématiquement l’importance d’exécuter plusieurs scénarios plutôt que de s’engager sur une seule estimation ponctuelle — l’objectif est de savoir comment les décisions changent selon les conditions, pas de prédire le futur exactement.

Chaque forecast a besoin d’un MRR propre comme point de départ. Obtiens le tien depuis Stripe en 90 secondes →

Pourquoi la modélisation de scénarios compte plus pour les bootstrappers que pour les entreprises financées

Une entreprise financée avec 24 mois de runway et des relations investisseurs peut absorber un mauvais trimestre, recalibrer et continuer. Un fondateur bootstrappé avec 8 mois de runway ne peut pas. Un mois étonnamment mauvais — churn plus rapide, une expérience de pricing qui a raté, un concurrent qui a capté le pipeline — peut comprimer la timeline de décision de « on a le temps de comprendre » à « on doit agir cette semaine ».

La modélisation de scénarios n’empêche pas les mauvais mois. Elle empêche que le mauvais mois soit une surprise. Si le scénario pessimiste a été exécuté honnêtement trois mois plus tôt, le fondateur sait déjà : si le churn atteint €700/mois au lieu de €500/mois, le runway se comprime de 9 mois à 6. Ce calcul, fait à l’avance, produit une posture de décision différente au mois un de la détérioration que le même calcul fait dans la panique au mois trois.

L’objectif n’est pas de prédire l’adversité. C’est d’avoir déjà décidé quoi faire si elle arrive.

Les 3 scénarios que chaque fondateur devrait exécuter

Scénario 1 : Cas de base

Le forecast opérationnel. Ni optimiste, ni pessimiste — la projection réaliste basée sur les tendances récentes et la dynamique actuelle. C’est le forecast que le fondateur donnerait si on lui demandait « qu’est-ce que tu attends le mois prochain ? » sans pression pour impressionner ou se protéger.

Un cas de base qui nécessite que des choses significatives aillent bien n’est pas un cas de base — c’est un cas optimiste qui a été mal étiqueté. Le cas de base devrait être atteignable par une exécution normale sans chance significative.

Scénario 2 : Cas optimiste

La bonne version réaliste. Un nouveau MRR légèrement meilleur (meilleure conversion ou pipeline plus qualifié), une expansion légèrement plus forte (le packaging fonctionne, le taux d’upgrade est sain), un churn légèrement plus bas (la rétention s’améliore). Ça devrait être atteignable par une exécution excellente mais réaliste — pas un mois exceptionnel basé sur un seul gros deal.

Le cas optimiste est utile parce qu’il montre ce que « bien faire » donne en chiffres concrets. Si l’écart entre base et optimiste est très petit, le business a un levier limité — améliorer l’exécution ne déplace pas beaucoup l’aiguille. Si l’écart est grand, il y a un upside significatif à tirer de l’amélioration de l’exécution, ce qui devrait concentrer l’attention du fondateur.

Scénario 3 : Cas pessimiste

Le scénario le plus important, et celui le plus communément évité. Le cas pessimiste n’est pas l’échec catastrophique — c’est la version réaliste d’une mauvaise période normale. Le nouveau MRR ralentit de 20–30 %. Le churn monte de 30–40 %. Les coûts variables augmentent légèrement. Rien d’inhabituel ne se passe — juste les façons ordinaires dont un business SaaS sous-performe son cas de base.

Le cas pessimiste devrait produire un sentiment légèrement inconfortable quand on le revoit. S’il ne le fait pas — si le résultat pessimiste a l’air presque aussi bon que le cas de base — les hypothèses pessimistes ne sont pas honnêtes. S’il produit une alarme forte, les hypothèses pessimistes sont peut-être trop… pessimistes. Calibre jusqu’à ce que le cas pessimiste donne l’impression d’une description honnête d’un mauvais mois mais pas catastrophique.

La mise en place en 15 minutes : étape par étape

Étape 1 : Ancre-toi sur le MRR et la trésorerie actuels

Pars des faits, pas des estimations.

MRR actuel : €10 000
Trésorerie disponible : €45 000
Coûts mensuels (fixes + variables) : €8 000

Étape 2 : Définis les trois entrées par scénario

Les entrées qui comptent le plus dans un modèle de scénarios SaaS sont : nouveau MRR, expansion MRR, MRR churné, et les coûts (pour un modèle plus complet). Pour un scénario purement revenu, les trois premières suffisent.

Entrée	Base	Optimiste	Pessimiste
Nouveau MRR	€1 500	€1 800	€1 100
Expansion MRR	€600	€750	€400
MRR churné	€500	€420	€720

Étape 3 : Calcule le MRR de fin pour chaque scénario

Formule : MRR actuel + Nouveau MRR + Expansion − Churné

Base :

10 000 + 1 500 + 600 − 500 = 11 600

Optimiste :

10 000 + 1 800 + 750 − 420 = 12 130

Pessimiste :

10 000 + 1 100 + 400 − 720 = 10 780

Étape 4 : Compare les résultats côte à côte

Scénario	MRR de fin	vs Base	Ce que ça signifie
Base	€11 600	—	Exécution normale, trajectoire actuelle
Optimiste	€12 130	+€530	Bonne conversion + forte rétention
Pessimiste	€10 780	−€820	Acquisition ralentie + hausse du churn

Étape 5 : Étends le cas pessimiste sur 3 mois

C’est l’étape qui transforme la modélisation de scénarios d’académique en opérationnelle. Exécuter le cas pessimiste sur un mois montre le coût mensuel de la détérioration. L’exécuter sur trois mois montre si le runway atteint un seuil de décision.

Mois 1 pessimiste : €10 780 Mois 2 pessimiste (départ depuis €10 780) : €10 780 + 1 100 + 400 − 720 = €11 560 Mois 3 pessimiste : €11 560 + 1 100 + 400 − 720 = €12 340

Dans cet exemple, même le scénario pessimiste produit une croissance du MRR sur trois mois — le business génère assez de nouveau revenu pour compenser le churn accru. La question du runway nécessiterait d’inclure la comparaison de la structure de coûts pour évaluer l’urgence.

Si en revanche le cas pessimiste avait produit un MRR flat ou en déclin sur trois mois, ça déclenche des décisions immédiates : réduire les dépenses variables, prioriser la rétention sur l’acquisition, accélérer la revue de pricing.

Un exemple complet de modélisation de scénarios

Un produit d’analytics SaaS bootstrappé, mois cinq. Contexte complet :

MRR actuel : €10 000
Coûts mensuels : €8 000
Trésorerie disponible : €45 000
Burn net actuel : environ −€2 000 (le revenu dépasse les coûts)

Sortie des trois scénarios :

Métrique	Base	Optimiste	Pessimiste
Nouveau MRR	1 500	1 800	1 100
Expansion MRR	600	750	400
MRR churné	500	420	720
MRR de fin	11 600	12 130	10 780
Croissance mensuelle implicite	16%	21,3%	7,8%
Coûts	8 000	8 000	8 200
Burn net	−3 600	−4 130	−2 580

Ce que le cas pessimiste révèle :

Dans le scénario pessimiste, le burn net passe de −€3 600 (base) à −€2 580 — le business est toujours cash-flow positif, mais génère €1 020 de moins par mois qu’attendu. Sur six mois de pessimiste soutenu, c’est environ €6 120 de moins en accumulation de trésorerie par rapport au cas de base. Pas de crise — mais un signal clair qu’un pessimiste soutenu devrait déclencher une revue de pricing et une investigation de rétention plutôt que de la continuation d’expérimentation sur de nouvelles fonctionnalités. Les données du SaaS Survey de KeyBanc Capital Markets montrent que les entreprises bootstrappées avec une planification proactive par scénarios surperforment matériellement leurs pairs dans la gestion de trésorerie en période difficile.

Ce qui changerait concrètement :

Si le scénario pessimiste apparaissait dans les réels du premier mois, le fondateur n’attendrait pas de voir trois mois identiques. La bonne réponse au pessimiste du mois un est : investiguer les sources de churn immédiatement (est-ce des paiements échoués ou du volontaire ?), geler les dépenses variables, et déplacer la revue de pricing de « trimestre prochain » à « ce mois-ci ».

Quelles variables stress-tester en premier

Toutes les entrées ne méritent pas la même attention. Pour la plupart des produits SaaS early-stage :

Fort levier à stress-tester :

MRR churné — l’entrée la plus couramment sous-estimée, et celle avec le plus gros impact sur la soutenabilité du runway
Nouveau MRR — surtout si une part significative dépend d’un canal spécifique ou de quelques gros prospects
Coûts variables — si les coûts infra ou API scalent avec l’usage, un scénario de croissance peut produire des augmentations de coûts inattendues

Priorité plus basse sauf si matériel :

Expansion MRR — vaut la peine de modéliser une fois que le comportement d’upgrade est consistant, mais moins critique que le churn au stade early
Coûts fixes — relativement stables ; vaut la peine de stress-tester annuellement plutôt que mensuellement
Changements de prix — modélise séparément quand une expérience de pricing est prévue, pas dans le modèle de scénarios permanent

Le principe général : stress-teste les entrées où un changement de 30 % changerait matériellement une décision. Si un swing de 30 % sur l’expansion MRR ne change pas ce que tu fais ce mois-ci, ça n’a pas besoin d’être dans le modèle de scénarios pour l’instant. Le rapport State of the Cloud de Bessemer identifie le churn comme la variable unique avec la plus haute sensibilité dans les modèles financiers SaaS early-stage — un constat consistant sur les stades d’ARR de €1M à €10M.

Erreurs courantes de la modélisation de scénarios

Rendre le cas pessimiste trop confortable. L’échec le plus fréquent. Un pessimiste qui est 5 % pire que le base n’est pas un stress test — c’est un cas de base avec une étiquette différente. Le cas pessimiste devrait refléter une période mauvaise véritablement plausible : acquisition plus lente qu’attendu (pas un échec catastrophique), churn plus élevé qu’attendu (pas une annulation massive), coûts légèrement supérieurs. Ça devrait être inconfortable à regarder, pas rassurant.

Exécuter des scénarios et ne rien changer. Un modèle de scénarios qui produit un cas pessimiste préoccupant et ne provoque aucun changement de décision est du divertissement, pas de la planification. Chaque revue de scénarios devrait finir avec un engagement spécifique : « si le cas pessimiste se matérialise au mois un, on fera X avant le mois deux. » Définis le déclencheur et la réponse à l’avance.

Changer trop de variables en même temps. Si chaque entrée change dans chaque scénario, le modèle ne peut rien enseigner — il n’y a aucun moyen d’identifier quelle variable porte le plus de risque. Commence avec les deux ou trois entrées qui comptent le plus (habituellement nouveau MRR et MRR churné), exécute des scénarios propres, puis ajoute de la complexité seulement si des variables supplémentaires créent des branches de décision distinctes.

Pas de vue côte à côte. Des scénarios dans des onglets ou documents séparés sont rarement utilisés ensemble. Mets les trois scénarios sur un seul écran, côte à côte. La valeur de la modélisation de scénarios est dans la comparaison, pas dans les chiffres individuels.

Comparer seulement au cas de base, pas aux réels du mois dernier. Après chaque clôture de mois, vérifie quel scénario était le plus proche de la réalité et pourquoi. C’est la boucle de calibration qui rend les modèles de scénarios plus précis avec le temps. Un fondateur qui a exécuté douze revues mensuelles de scénarios avec comparaison aux réels a un modèle significativement mieux calibré qu’un fondateur qui a construit un modèle une fois et n’a jamais mis à jour les hypothèses.

Comment la modélisation de scénarios change les décisions

Un modèle de scénarios utile devrait directement influencer au moins une décision opérationnelle chaque mois. Exemples de décisions que les scénarios devraient déclencher :

Churn pessimiste significativement plus élevé que le base → investiguer le split volontaire vs paiement échoué immédiatement ; implémenter ou renforcer la séquence de dunning ; avancer la revue d’onboarding.

Nouveau MRR pessimiste significativement en dessous du base → réduire les dépenses variables proportionnellement ; déprioriser le travail sur de nouvelles fonctionnalités en faveur de l’optimisation de conversion ; revoir les hypothèses de canaux d’acquisition.

Le pessimiste révèle un runway qui se comprime à <6 mois dans les 3 mois → initier une revue de pricing immédiatement ; considérer la réduction du travail freelance ; évaluer si une expérience de pricing devrait être avancée dans la roadmap.

L’optimiste montre l’expansion qui tire plus qu’attendu → accélérer l’investissement packaging ; considérer si le flux d’upgrade pourrait être amélioré pour capturer plus de ce potentiel.

Ce ne sont pas des hypothétiques. Chaque sortie de scénario devrait correspondre à une action nommée et datée. Si ce n’est pas le cas, les scénarios sont utilisés comme confort plutôt que comme intelligence opérationnelle.

Pour les outils qui rendent les entrées de scénarios plus précises, voir :

Modèle de prévision SaaS : Prévoir le MRR avec 3 entrées — la couche forecast qui produit les entrées pour les runs de scénarios
Budget vs Réel : La boucle hebdomadaire qui maintient les fondateurs en vie — la boucle de comparaison qui calibre les hypothèses de scénarios dans le temps
Guide minimaliste des modèles financiers startup — le modèle complet qui intègre les scénarios dans un contexte de coûts et runway

Modèle JSON pour une sortie à trois scénarios

{
  "scenario_model": {
    "period": "2026-05",
    "currency": "EUR",
    "current_mrr": 10000,
    "cash_on_hand": 45000,
    "monthly_costs": 8000,
    "scenarios": {
      "base": {
        "new_mrr": 1500,
        "expansion_mrr": 600,
        "churned_mrr": 500,
        "ending_mrr": 11600,
        "net_burn": -3600,
        "label": "Exécution normale, trajectoire actuelle"
      },
      "upside": {
        "new_mrr": 1800,
        "expansion_mrr": 750,
        "churned_mrr": 420,
        "ending_mrr": 12130,
        "net_burn": -4130,
        "label": "Bonne conversion et forte rétention"
      },
      "downside": {
        "new_mrr": 1100,
        "expansion_mrr": 400,
        "churned_mrr": 720,
        "ending_mrr": 10780,
        "net_burn": -2580,
        "label": "Acquisition ralentie et hausse du churn"
      }
    },
    "decision_triggers": {
      "downside_churn_exceeds_base_by_30pct": "Investiguer les sources de churn ; renforcer la séquence de dunning",
      "downside_new_mrr_below_1200": "Geler les dépenses variables ; revoir le mix de canaux d'acquisition",
      "runway_below_6mo_in_3mo_downside": "Initier une revue de pricing ; évaluer les dépenses freelance"
    }
  }
}

FAQ

Qu’est-ce que la modélisation de scénarios ?

La modélisation de scénarios est le processus qui teste comment les métriques clés du business — MRR, burn, runway — changent sous différentes hypothèses. Au lieu de se reposer sur un seul forecast, elle produit trois versions du futur (base, optimiste, pessimiste) qui encadrent l’espace de résultats réalistes et révèlent quelles hypothèses portent le plus de risque.

Pourquoi la modélisation de scénarios est-elle utile pour les bootstrappers ?

Les bootstrappers ont typiquement un capital limité et aucun filet de financement externe. Un mauvais trimestre qu’une entreprise financée peut absorber peut comprimer le runway d’un bootstrapper assez pour forcer des changements de priorité immédiats. La modélisation de scénarios fait surface ces compressions avant qu’elles n’arrivent, permettant au fondateur de définir les actions de réponse à l’avance plutôt que dans la panique.

Quels scénarios les fondateurs devraient-ils modéliser ?

Au minimum : base (hypothèses opérationnelles réalistes), optimiste (exécution légèrement meilleure), et pessimiste (détérioration normale — acquisition plus lente, churn plus élevé, coûts légèrement supérieurs). Le cas pessimiste devrait être inconfortable mais pas catastrophique. S’il ne crée aucune urgence, les hypothèses sont trop douces.

Quelles variables stress-tester en premier dans un modèle de scénarios SaaS ?

Le MRR churné et le nouveau MRR, dans cet ordre. Le MRR churné est l’entrée la plus conséquente et la plus couramment sous-estimée. Le nouveau MRR est le plus sensible à la concentration des canaux d’acquisition ou aux conditions du pipeline. Stress-teste les coûts variables s’ils scalent avec l’usage ; garde les coûts fixes stables dans la plupart des runs de scénarios.

Quelle est la différence entre prévision et modélisation de scénarios ?

La prévision produit une estimation de ce qui va se passer — la meilleure supposition avec les informations actuelles. La modélisation de scénarios produit une fourchette de trois estimations qui testent comment le business performe quand les hypothèses clés sont meilleures ou pires que le cas de base. La prévision donne un chiffre ; la modélisation de scénarios donne l’intervalle de confiance autour de ce chiffre.

Qu’est-ce que la modélisation financière dans le contexte SaaS ?

La modélisation financière pour le SaaS désigne typiquement la construction d’un modèle structuré qui projette le revenu récurrent, les coûts, le burn de trésorerie et le runway dans le temps. La modélisation de scénarios est une couche au sein de la modélisation financière — la couche qui teste la sensibilité de ces projections aux changements dans les hypothèses clés. En pratique, le modèle financier d’un fondateur bootstrappé est largement un modèle de scénarios avec une couche de coûts attachée.

Combien de scénarios devrait-on modéliser ?

Trois est le bon nombre pour la plupart des fondateurs bootstrappés : base, optimiste et pessimiste. Deux scénarios (juste base et pessimiste) ratent l’insight sur le levier optimiste. Quatre scénarios ou plus créent du bruit de comparaison sans améliorer significativement la qualité des décisions. La valeur vient de l’écart entre les trois cas, pas de l’ajout de plus de granularité à chacun.

Quels inputs comptent le plus dans un modèle de scénarios SaaS ?

Le MRR churné et le nouveau MRR sont les deux inputs à plus fort levier pour le SaaS early-stage. Un swing de 30 % sur l’un ou l’autre change typiquement au moins une décision opérationnelle — prioriser la rétention ou l’acquisition, maintenir ou augmenter les dépenses variables, accélérer ou retarder un changement de pricing. L’expansion MRR et les coûts variables comptent une fois que le business a un comportement d’upgrade consistant ou de l’infrastructure à l’usage, mais au stade early ils sont secondaires par rapport à la précision du churn et de l’acquisition.

À quelle fréquence les fondateurs devraient-ils exécuter des modèles de scénarios ?

Mensuellement est la bonne cadence pour la plupart des produits SaaS early-stage. Avant le début du mois, définis les trois scénarios. Après la clôture du mois, compare les réels à chaque scénario et calibre les hypothèses. Cette boucle sur douze mois produit des forecasts significativement mieux calibrés que des revues de scénarios trimestrielles ou annuelles.

Faire des prévisions depuis un MRR sale, c’est faire des prévisions fausses. Commence avec des chiffres fiables →