Études & Réflexions › Piloter par les scénarios, pas par la prévision

En 2023, la Cour des comptes a relevé un écart de -7,7 milliards d'euros entre les prévisions de recettes fiscales de l'État et les montants réellement encaissés^[1]. Même l'État se trompe. Ça devrait nous rassurer (un peu). Parce que dans la plupart des organisations, la construction budgétaire repose sur une hypothèse implicite : qu'il existe une prévision « juste », et qu'il suffit de bien la calculer pour piloter correctement. En 17 ans de contrôle de gestion, je n'ai jamais vu cette hypothèse se vérifier.

Ce que je défends dans cet article, c'est une bascule méthodologique simple mais qui change radicalement la qualité du pilotage : arrêter de construire une prévision unique, commencer à construire des scénarios. Central, optimiste, pessimiste au minimum. Monte Carlo quand les données et l'outillage le permettent. Cette bascule ne coûte pas beaucoup plus cher que la prévision classique. Elle produit un pilotage incomparablement plus robuste.

Voyons pourquoi la prévision unique est un pari perdant, comment construire des scénarios exploitables, et comment les intégrer réellement dans les décisions. L'objectif n'est pas de prédire mieux l'avenir — c'est de s'y préparer mieux.

Pourquoi la prévision unique est un pari perdant

Construire un seul scénario budgétaire, c'est parier sur une seule version de l'avenir. C'est confortable — et c'est risqué. Le confort tient à la simplicité : un chiffre, un tableau, une trajectoire. Le risque tient à la réalité : l'écart entre la prévision et le réalisé est rarement petit, et il n'est presque jamais dans le sens prévu.

L'incertitude est la norme

L'étude PwC/DFCG 2024 révèle que 82 % des directions financières envisagent de faire évoluer leur approche prévisionnelle^[2]. Autrement dit : ceux qui portent la prévision dans les organisations estiment eux-mêmes que la méthode actuelle ne fonctionne plus. Et ce n'est pas un problème de compétence — c'est un problème d'environnement. Les cycles raccourcissent, les événements exogènes se multiplient, les réglementations évoluent plus vite, les tensions de recrutement se déplacent en quelques mois. Dans ce contexte, une prévision unique devient obsolète avant même d'être diffusée.

Au CHU de Reims, chaque année budgétaire a apporté sa série de surprises : pandémie, réforme tarifaire, tensions de recrutement soudaines sur certains corps de métier, évolutions réglementaires mal anticipées. Chaque année, j'ai vu les mêmes équipes reconstruire le même type de prévision, en espérant que « cette fois, on aurait raison ». Chaque année, l'écart réel s'est installé au premier trimestre. La méthode n'évoluait pas — seule la surprise changeait. Cette récurrence n'est pas spécifique au secteur hospitalier : les organisations qui exploitent leurs données historiques pour nourrir leurs prévisions font les mêmes constats. L'incertitude n'est pas un bruit de fond ponctuel ; c'est un invariant structurel qu'il faut intégrer à la méthode elle-même.

Le coût caché de la mono-prévision

Quand la réalité diverge de la prévision unique, il ne reste que deux options. La première : improviser en urgence des réallocations budgétaires, avec le stress et les arbitrages mal préparés qui vont avec. La seconde : accepter un écart de fin d'exercice qui altère la confiance de la direction envers la fonction finance. Les deux options ont un coût — stress, crédibilité, arbitrages sous-optimaux. Le coût caché de la non-préparation est rarement chiffré, mais il est bien réel.

L'approche par scénarios : central, optimiste, pessimiste

Le pilotage par scénarios propose une bascule simple : au lieu d'un chiffre, une fourchette. Au lieu d'une trajectoire, plusieurs. Au lieu de parier sur l'avenir, préparer les principales versions de cet avenir. Trois scénarios suffisent généralement : central, optimiste, pessimiste. Chacun formalise un jeu d'hypothèses explicites et produit une trajectoire chiffrée.

Scénario central : le plus probable

C'est le scénario de référence, celui qu'on aurait construit comme prévision unique : basé sur les tendances observées, les hypothèses les plus solides, les décisions déjà actées. Il sert de point de comparaison pour les deux autres, et c'est généralement celui qui alimente le processus budgétaire formel. Mais il n'est plus présenté comme une certitude ; il est présenté comme le scénario le plus probable parmi d'autres possibles.

Scénario optimiste : que se passe-t-il si ça va mieux ?

Que se passe-t-il si l'activité progresse plus vite que prévu ? Si les recrutements sont plus faciles ? Si un projet aboutit en avance ? Le scénario optimiste n'est pas un scénario « rêvé » — il est borné par des hypothèses réalistes, simplement plus favorables que le scénario central. Son intérêt : préparer l'organisation à saisir des opportunités sans se retrouver sous-dotée ou dépassée en cas de dynamique positive. Beaucoup d'organisations ratent leur croissance faute de s'y être préparées.

Scénario pessimiste : que se passe-t-il si ça va moins bien ?

Symétriquement : que se passe-t-il si l'activité ralentit ? Si l'absentéisme augmente ? Si un investissement prévu doit être reporté ? Le scénario pessimiste n'est pas un exercice défaitiste — il est borné, chiffré, actionnable. C'est lui qui permet de construire les plans d'économie, les priorités d'arbitrage, les reports d'investissement éventuels. Les organisations qui ont travaillé leur scénario pessimiste en amont traversent les turbulences avec une posture très différente de celles qui le découvrent en cours d'année. C'est la différence entre gérer une difficulté prévue et subir une crise non anticipée. Dans mon expérience, le scénario pessimiste est celui qui apporte le plus de valeur managériale — précisément parce qu'il est le plus rarement travaillé sérieusement.

L'analyse de sensibilité : identifier les variables qui pèsent

Toutes les hypothèses d'un scénario n'ont pas le même poids. Dans la masse salariale d'une organisation, une erreur de 1 % sur l'évolution salariale pèse souvent 10 fois plus qu'une erreur de 10 % sur les fournitures. L'analyse de sensibilité consiste à identifier les quelques variables dont la variation a le plus d'impact sur le résultat global, puis à concentrer l'effort de scénarisation sur ces variables.

Concrètement, on teste l'impact d'une variation de +5 %, +10 %, +20 % sur chaque variable significative, en gardant toutes les autres constantes. Les variables qui produisent les écarts les plus importants sont les variables sensibles. Dans la plupart des organisations de services, on retrouve systématiquement : la masse salariale (effectifs, GVT, revalorisations), l'absentéisme, le taux d'activité, les prix des principaux intrants. Travailler ces 4-5 variables sensiblement vaut mieux que scénariser 50 variables superficiellement.

Cette rigueur sur les hypothèses sensibles est aussi ce qui transforme un exercice de scénarios en vrai outil de pilotage. Sans identification des variables qui pèsent, les scénarios se ressemblent trop pour produire des arbitrages utiles.

Les simulations Monte Carlo : quand les scénarios deviennent des milliers

Le principe Monte Carlo est simple à énoncer, même si les mathématiques derrière sont plus subtiles. Au lieu de construire 3 scénarios (central, optimiste, pessimiste), on définit pour chaque variable sensible une distribution de probabilités : la masse salariale évoluera entre +1,5 % et +4,5 % avec une moyenne à +2,8 % ; l'absentéisme entre 4 % et 9 % avec une médiane à 6,2 % ; etc. Puis on laisse l'ordinateur simuler des milliers de combinaisons possibles. Au lieu de 3 scénarios, on en teste 10 000. On obtient une fourchette de probabilités, pas un chiffre unique forcément faux.

Ce que Monte Carlo change

Le résultat d'une simulation Monte Carlo n'est pas « le budget sera de X ». Il est « il y a 80 % de probabilité que le budget se situe entre Y et Z, avec une valeur la plus probable à V ». Ce type de résultat change radicalement la conversation de pilotage. On ne discute plus de la justesse d'une prévision (qui ne se vérifiera jamais) mais de la gestion d'une plage de probabilités (qui peut être travaillée). Les décisions prises dans ce cadre sont plus robustes, parce qu'elles intègrent explicitement l'incertitude au lieu de la nier.

Cette approche est au cœur de ce que j'ai intégré dans effectivo pour le pilotage des effectifs : l'utilisateur ne voit pas du code Python ou du R ; il voit une fourchette d'évolution d'effectifs et de masse salariale, assortie de probabilités. Sous le capot, des simulations Monte Carlo prennent en entrée la pyramide des âges, les taux de départ historiques, les hypothèses de recrutement. La sophistication technique reste invisible ; ce que l'utilisateur gagne, c'est une fourchette exploitable au lieu d'un chiffre fragile.

Les limites à connaître

Monte Carlo n'est pas une formule magique. La qualité du résultat dépend totalement de la qualité des distributions en entrée. Si on se trompe sur la fourchette de variation d'une variable sensible, la simulation produira un intervalle faussement rassurant. C'est le même principe que pour toute démarche prédictive : garbage in, garbage out. Monte Carlo est un accélérateur de robustesse quand les hypothèses sont bien calibrées — et un accélérateur de faux confort quand elles ne le sont pas. Le jugement expert reste central.

Autre limite, plus subtile : Monte Carlo produit une fourchette mais ne nomme pas les événements exceptionnels. Une pandémie, un changement réglementaire majeur, une fusion d'organisation restent des « cygnes noirs » qui échappent par nature à la modélisation statistique fondée sur l'historique. Pour ces événements, le complément reste le scénario qualitatif discuté en comité de direction : que ferions-nous si X se produisait ? La méthode des scénarios extrêmes se combine avec Monte Carlo, elle ne la remplace pas. Les deux approches couvrent des espaces d'incertitude différents — la variabilité quotidienne pour Monte Carlo, les ruptures pour les scénarios extrêmes. Les organisations les plus matures pratiquent les deux.

Comment intégrer les scénarios dans le processus de décision

Produire 3 scénarios ou 10 000 simulations Monte Carlo ne sert à rien si ces résultats ne déclenchent pas de décisions. C'est le piège classique : l'exercice devient académique, et l'organisation continue à décider comme si le scénario central était une certitude. Quatre règles pour éviter ce piège.

L'exercice des scénarios n'est pas un luxe ; c'est une assurance. Il permet de préparer des plans d'action pour chaque éventualité, au lieu de réagir dans l'urgence quand le scénario unique s'avère faux. Dans les organisations matures sur ce sujet, les revues de scénarios sont devenues un rituel mensuel ou trimestriel — aussi naturel que le reporting budgétaire classique. C'est cette intégration dans le cycle de pilotage qui produit la valeur, bien plus que la sophistication des simulations elles-mêmes. Pour les équipes qui souhaitent aller plus loin dans la construction et le paramétrage de leurs hypothèses, l'article sur les scénarios budgétaires et simulation propose des méthodes concrètes pour comparer et calibrer les variantes.

Questions fréquentes

Combien de scénarios faut-il construire ?

Trois, en règle générale : central, optimiste, pessimiste. Au-delà, la lisibilité se dégrade sans gain décisionnel. L'objectif n'est pas d'imaginer toutes les versions possibles de l'avenir, mais d'encadrer la trajectoire probable entre deux bornes actionnables. Trois scénarios bien préparés valent toujours mieux que dix scénarios approximatifs.

Ça prend combien de temps de construire 3 scénarios au lieu d'un ?

Une fois le scénario central posé, 20 à 30 % de temps supplémentaire pour les deux autres. La majorité du travail consiste à identifier les variables sensibles et à formuler des hypothèses explicites — ce travail bénéficie autant au scénario central qu'aux scénarios alternatifs. Le surcoût est modeste, le gain en robustesse est considérable.

Les décideurs lisent-ils vraiment les scénarios ?

Ils les lisent quand les scénarios débouchent sur des plans d'action. Présenter 3 scénarios sans plan associé, c'est signer leur abandon. Présenter 3 scénarios avec, pour chacun, deux ou trois décisions clés à prendre selon la trajectoire observée, c'est créer un outil de pilotage utile. La différence ne tient pas aux chiffres, elle tient à la traduction en actions.

Faut-il un outil spécifique pour piloter par scénarios ?

Non, pas au début. Un tableur bien structuré, avec des hypothèses paramétrables, suffit pour 2-3 scénarios. Quand le besoin s'étend vers des simulations plus nombreuses (Monte Carlo, analyse de sensibilité multi-variables), un outil spécialisé devient utile. Mais commencer par la discipline du tableur permet d'éprouver la méthode avant d'investir dans l'outillage.

Les simulations Monte Carlo, c'est réservé aux grandes organisations ?

Non. Le principe est mathématique mais l'usage est accessible. Des outils comme effectivo intègrent Monte Carlo dans l'interface métier, sans qu'un DRH ou un contrôleur ait à écrire du code. La vraie barrière n'est pas technique, elle est culturelle : accepter qu'une prévision n'est jamais un chiffre unique mais une distribution de probabilités.

Brice Béchet

Consultant en pilotage des organisations

Contrôleur de gestion sénior, data scientist et créateur d'effectivo.fr, application de prévision stratégique des effectifs (Anticipez. Simulez. Décidez) — j'accompagne les organisations à structurer leurs données et optimiser leur pilotage.

En savoir plus LinkedIn