Le product-market fit (PMF), tout le monde en parle, personne ne sait le mesurer. Marc Andreessen disait : "tu le sens quand tu l'as." Utile sur une scène TED, inutile quand tu décides s'il faut scaler ou pivoter.
Sean Ellis (premier marketer de Dropbox, LogMeIn, Eventbrite) a proposé un proxy mesurable en 2009. Une seule question, un seuil, un nombre. Superhuman l'a popularisé en 2018. En 2026, c'est devenu le standard de fait — mais le comment a évolué : surveys déclenchées en-produit, analyse des réponses ouvertes par LLM, croisement avec la retention curve, scoring par segment. C'est ce guide.
La question
Tu envoies à tes utilisateurs une seule question :
Comment te sentirais-tu si ce produit n'existait plus demain ?
1. Pas déçu·e
2. Un peu déçu·e
3. Très déçu·e
Pas plus. Pas de "noter sur 10", pas de NPS, pas de matrice. Une question, trois réponses.
Le score
PMF score = % d'utilisateurs qui répondent "très déçu·e"
Tu ignores les "un peu déçu·e" et les "pas déçu·e" pour le calcul du score principal. Ce que tu mesures, c'est la part de ta base qui considère ton produit comme must-have.
Les seuils
| Score | Signal | Quoi faire |
|---|---|---|
| < 25% | Faible | Le produit n'a pas de PMF. Reposition, repivote, ou repense le segment. |
| 25-40% | Prometteur | Tu chauffes. Continue à itérer sur ce qui fait dire "très déçu·e". |
| 40%+ | PMF | Le seuil de Sean Ellis. Tu peux scaler la distribution. |
| 60%+ | Must-have | Produit indispensable pour ton segment. Rare. Investis fort. |
Le seuil de 40% est devenu le benchmark de référence depuis Superhuman 2018. À l'ère AI-native (Cursor, Linear, v0, Notion AI), la densité d'alternatives a explosé — un score à 40% reste valide, mais les produits qui s'imposent vraiment franchissent souvent 60%+ chez leur segment cœur.
Qui interroger
C'est la partie où la plupart des fondateurs trichent.
Tu n'envoies pas la question à tous tes inscrits. Tu la poses à ceux qui ont vraiment utilisé le produit récemment.
La règle Superhuman :
- Utilisateurs actifs dans les 2 dernières semaines
- Qui ont utilisé le produit au moins 2 fois
- Au moins 40 réponses pour un signal stable (idéalement 100+)
Si tu interroges des inscrits qui n'ont jamais ouvert ton produit, tu mesures la qualité de ta landing, pas le PMF.
Quand le faire
Pas tout de suite. Le test n'a aucun sens avec 5 utilisateurs.
Le bon moment :
- Tu as 40-100 utilisateurs actifs qui ont utilisé le produit plusieurs fois
- Tu as un workflow stable depuis quelques semaines (sinon tu mesures un produit qui change tous les jours)
- Tu hésites entre iterer encore ou passer à la distribution
Refais le test tous les 2-3 mois pour voir si le score monte ou descend après tes itérations.
Comment l'envoyer
Le canal compte peu, le wording compte beaucoup. Mais en 2026, le canal le plus efficace n'est plus l'email — c'est la survey en-produit déclenchée après un moment de valeur.
En-produit (recommandé)
Les outils ci-dessous shippent un widget Sean Ellis natif et croisent automatiquement la réponse avec ton événement d'engagement :
- PostHog — open-source, surveys + analytics + feature flags dans la même tool. Self-hostable, free tier large. Le pick principal pour solo en 2026.
- Sprig — surveys produit triggered par événement, AI summary intégré.
- Survicate — surveys multi-canaux (in-app, email, web) avec ciblage par segment.
Trigger recommandé : après le 2ᵉ usage actif dans les 14 derniers jours. Ça filtre tout seul ton échantillon.
Email / lien externe (si pas d'analytics produit)
Sujet : Une question rapide
Salut [prénom],
Merci d'utiliser [produit]. J'ai une question, une seule.
Comment te sentirais-tu si [produit] n'existait plus demain ?
1. Pas déçu·e
2. Un peu déçu·e
3. Très déçu·e
[lien Tally / Typeform / mailto]
Si tu réponds 2 ou 3, j'aurais une question de suivi en bonus.
Merci,
[ton prénom]
Outils gratuits qui marchent : Tally, Typeform free, un Google Form, ou même un mailto direct.
Les questions de suivi
Le score te dit si tu as du PMF. Les questions de suivi te disent quoi faire.
Pour les "très déçu·e" :
1. Quel type de personne penses-tu bénéficierait le plus de [produit] ?
2. Quel est le principal bénéfice que tu en retires ?
3. Comment on pourrait améliorer [produit] pour toi ?
Pour les "un peu déçu·e" :
1. Qu'est-ce qui t'empêcherait d'être "très déçu·e" si [produit] disparaissait ?
2. Qu'est-ce qui devrait changer pour que tu deviennes "très déçu·e" ?
Les "un peu déçu·e" sont la zone d'opportunité : ils utilisent ton produit mais quelque chose manque. Trouve ce quelque chose.
Analyser les réponses ouvertes avec un LLM
C'est le changement majeur depuis Superhuman 2018. Avant, tu lisais 100 réponses à la main, tu collais dans Notion, tu cherchais des patterns. Lent, biaisé, fastidieux.
En 2026, tu colles tout dans un LLM frontier (Claude Opus 4.7 ou GPT-5.5 Pro) et tu obtiens en 30 secondes :
- les clusters de bénéfices (ex: "rapidité", "économie de temps", "moins de stress")
- le persona type des "très déçu·e" (ton segment cœur)
- les gaps mentionnés par les "un peu déçu·e" (ta zone d'opportunité)
- les mots exacts que ton segment cœur utilise (à reprendre dans copy et marketing)
Prompt minimal :
Voici les réponses à ma question PMF "Comment te sentirais-tu si X n'existait plus demain ?".
Pour les utilisateurs "très déçu·e" :
[colle leurs réponses aux 3 questions de suivi]
Pour les utilisateurs "un peu déçu·e" :
[colle leurs réponses aux 2 questions de suivi]
Analyse :
1. Cluster les bénéfices principaux (avec % de mentions).
2. Décris le persona type des "très déçu·e" en 3 phrases.
3. Liste les gaps mentionnés par les "un peu déçu·e", classés par fréquence.
4. Donne 5 verbatims marquants à utiliser dans la copy marketing.
Tu obtiens en une après-midi ce que Rahul Vohra mettait des semaines à compiler en 2018.
Le complément retention curve
Le test Sean Ellis seul est nécessaire mais pas suffisant. C'est la critique majeure portée par Andrew Chen, Reforge et Lenny Rachitsky depuis 2022.
Un score de 40% sur 50 répondants peut mentir (recency bias, échantillon trop petit, fans qui répondent en priorité). Ce qui ne ment pas, c'est la retention curve : sur 8-12 semaines, est-ce que les utilisateurs reviennent ?
Trois formes de courbe :
Décroissante → tout le monde s'en va (pas de PMF)
Plate → un segment reste fidèle (PMF probable)
Souriante → la rétention remonte (must-have, croissance organique)
La smile curve (rétention qui remonte après la chute initiale) est le signe le plus fort de PMF — elle signifie que les utilisateurs reviennent même après avoir disparu un temps.
Standard 2026 : Sean Ellis test + retention curve + growth rate. Si les trois pointent dans le même sens, tu peux scaler. Si l'un est négatif, creuse avant.
| Indicateur | Source | Seuil PMF |
|---|---|---|
| Sean Ellis score | survey | ≥ 40% |
| Retention W8 | analytics | courbe plate ou souriante |
| Growth rate | analytics | 5-7% / semaine d'utilisateurs actifs (référence YC) |
PMF par segment
Autre évolution depuis 2020 : le PMF est segment-specific. Tu peux avoir 65% sur un segment et 8% sur un autre — la moyenne donne 25% et tu conclus à tort que tu n'as pas de PMF.
Score par segment :
- type d'utilisateur (solo, équipe, entreprise)
- usage principal (cas d'usage A vs B)
- canal d'acquisition (organique vs payant vs referral)
- séniorité ou rôle (dev vs designer vs ops)
Cherche le segment qui dépasse 40%. C'est là que ton PMF existe. Concentre marketing, produit et copy là-dessus avant d'élargir.
Les pièges
1. Échantillon biaisé. Tu interroges tes amis, ta famille, tes early adopters super fans. Score gonflé, faux signal. Filtre par usage réel, pas par lien personnel.
2. Question modifiée. Tu reformules en "es-tu satisfait·e de ce produit ?" — tu mesures la satisfaction, pas le must-have. Garde la formulation originale.
3. Score absolu sans contexte. 30% peut être excellent dans un segment B2B niche très petit. 50% peut être insuffisant dans un marché grand public. Le 40% est une moyenne, pas une loi.
4. Confondre PMF et croissance. Tu peux avoir 40%+ et ne pas savoir distribuer. PMF résolu ≠ business résolu.
5. Sur-investir dans les "pas déçu·e". Ils ne sont pas ta cible. N'écoute pas leurs feedbacks pour améliorer le produit, ils te tireront vers un produit générique. Concentre-toi sur faire vibrer encore plus les "très déçu·e".
6. Score sans retention. 40%+ avec une retention qui s'effondre = faux PMF. Erreur fréquente sur les produits AI-native qui font un buzz initial puis s'évaporent.
7. Score global au lieu de score par segment. Tu rates ton vrai PMF parce qu'il est dilué par un segment qui ne s'engage pas.
Que faire avec le score
| Score | Action principale |
|---|---|
| < 25% | Stop, reposition. Repense l'offre, la demande, le marché. |
| 25-40% | Itère sur ce que les "très déçu·e" adorent. Élargis ce segment. |
| 40%+ | Vérifie la retention curve. Si plate ou souriante, bascule budget sur la distribution. |
| 60%+ | Scale agressivement. Tu as un must-have, ne le laisse pas sur la table. |
Le piège classique entre 25 et 40% : continuer à ajouter des features pour plaire aux "un peu déçu·e". C'est l'inverse qu'il faut faire — doubler sur ce qui fait dire "très déçu·e" à ton segment cœur.
Timeline
- 2009 — Sean Ellis publie "The Startup Pyramid" et propose la question. Il observe que les boîtes au-dessus de 40% scalent. Celles en dessous galèrent.
- 2018 — Rahul Vohra (Superhuman) publie "How Superhuman Built an Engine to Find Product/Market Fit" dans First Round Review. Le test devient mainstream.
- 2020-2022 — Andrew Chen, Reforge, Lenny Rachitsky popularisent le complément retention curve. PMF "Sean Ellis only" est officiellement insuffisant.
- 2023-2024 — PostHog, Sprig, Survicate ajoutent le test PMF en widget natif déclenchable par événement produit.
- 2025-2026 — analyse LLM des réponses ouvertes devient standard. Le pipeline complet (survey → segment → LLM clustering → copy + roadmap) tient en une après-midi.
Conclusion
Le PMF n'est pas un sentiment. C'est un nombre, mesurable, comparable dans le temps.
La version SOTA 2026 du test :
1. Une question : "comment te sentirais-tu si X disparaissait ?"
2. Filtre l'échantillon par usage réel (in-product, post moment de valeur).
3. Score = % de "très déçu·e".
4. Score par segment, pas global.
5. Croise avec retention curve W8 + growth rate.
6. Analyse les réponses ouvertes avec un LLM frontier.
7. Si score ≥ 40% ET retention plate/souriante : scale.
Avant de décider de scaler, de pivoter, ou de lever, fais le test. Si tu n'as pas 40 utilisateurs actifs pour le faire, tu n'as pas encore de PMF à mesurer. Tu as un prototype.