Études & Réflexions › Prévoir la demande : du carnet de commandes à la projection d'activité

Toute décision d'entreprise repose sur une prévision de demande, y compris quand elle n'est pas formulée. Recruter, c'est parier sur un volume d'activité. Constituer du stock, investir dans une machine, engager un local, c'est la même chose. La question n'est donc jamais de savoir s'il faut prévoir, mais si la prévision qu'on utilise est explicite ou implicite.

Or l'implicite est presque toujours le prolongement du présent. Une entreprise dont le premier semestre a été bon prévoit spontanément un second semestre comparable, et une entreprise qui vient de connaître deux mois difficiles ajuste ses décisions à la baisse. Cette extrapolation du dernier état connu est le mode de prévision le plus répandu et le moins fiable.

Cet article propose de rendre l'exercice explicite, en distinguant trois horizons qui n'appellent ni les mêmes données ni les mêmes méthodes, et en donnant les moyens de vérifier si la prévision utilisée vaut mieux que l'intuition qu'elle remplace.

Trois horizons, trois méthodes

La confusion la plus coûteuse consiste à traiter la prévision comme un exercice unique. Les données disponibles et la fiabilité atteignable diffèrent radicalement selon l'échéance visée.

L'horizon court, quelques semaines

À cet horizon, l'activité est en grande partie déterminée : les commandes sont prises, les affaires sont signées, les plannings sont posés. La prévision consiste essentiellement à traduire un engagement existant en charge de travail, ce qui relève d'une conversion et non d'une estimation. La fiabilité y est élevée et l'usage principal est opérationnel : dimensionner les équipes, déclencher les approvisionnements, arbitrer les priorités.

L'horizon moyen, trois à douze mois

Le carnet ne couvre plus l'essentiel de la période. La prévision devient une extrapolation, corrigée de la saisonnalité et du cycle commercial. La fiabilité est moyenne et l'usage est tactique : décider d'un recrutement, engager un investissement modéré, calibrer un plan d'approvisionnement.

L'horizon long, un an et au-delà

Toute prétention à une prévision ponctuelle est illusoire. L'exercice pertinent n'est plus la prévision mais le scénario : trois trajectoires contrastées, avec les conséquences de chacune et les points de bascule qui permettront de savoir laquelle se réalise. C'est la logique développée dans piloter par les scénarios, pas par la prévision.

L'erreur classique consiste à appliquer la méthode d'un horizon à un autre. Extrapoler la tendance du carnet sur douze mois produit une prévision fausse avec une apparence de précision. Inversement, raisonner en scénarios à trois semaines paralyse une décision qui aurait pu être prise sur la base d'un engagement déjà pris.

Ce que dit vraiment un carnet de commandes

Le carnet de commandes est l'information de prévision la plus fiable dont dispose une entreprise, et elle est presque toujours mal exploitée, parce qu'on la regarde en montant.

Un carnet de deux millions d'euros ne signifie rien en soi. La grandeur qui informe est la couverture : le nombre de semaines ou de mois d'activité que ce carnet représente au rythme de production actuel. Elle se calcule en divisant le carnet par le chiffre d'affaires moyen de la période correspondante. Une couverture de sept semaines dans une entreprise dont le cycle de vente dure trois mois est un signal d'alerte ; la même couverture dans une activité à cycle court est confortable.

Trois lectures complémentaires rendent le carnet réellement exploitable.

• La couverture par période future, et non en masse. Un carnet dont la totalité est concentrée sur les six prochaines semaines, avec un vide au-delà, décrit une situation très différente d'un carnet étalé sur cinq mois, pour un montant identique.
• La qualité de l'engagement. Une commande ferme, une option, une intention verbale et une reconduction supposée n'ont pas la même probabilité de réalisation. Les mélanger dans un même chiffre produit un carnet optimiste et inutilisable. Trois catégories suffisent, avec un taux de conversion observé pour chacune.
• Le délai entre commande et facturation. C'est lui qui fait le lien entre le carnet et la trésorerie. Un carnet bien rempli sur des affaires à réalisation longue ne produira aucun encaissement avant plusieurs mois, information essentielle que le montant seul dissimule.

La comparaison la plus instructive n'est pas celle du carnet à son niveau de l'année précédente, mais celle de la couverture à la même date. Elle neutralise l'effet de croissance et fait apparaître les dégradations réelles de visibilité, souvent plusieurs mois avant qu'elles n'affectent le chiffre d'affaires constaté.

Corriger la saisonnalité avant de conclure

À l'horizon moyen, la première correction à apporter à une extrapolation est celle de la saisonnalité. Elle est également la plus rentable, parce qu'elle évite les conclusions fausses les plus fréquentes.

La méthode ne demande aucune sophistication. Sur trois années d'historique mensuel, calculer pour chaque mois son poids moyen dans l'année. On obtient douze coefficients qui décrivent le profil saisonnier de l'entreprise. Comparer ensuite un mois à son coefficient plutôt qu'au mois précédent, et une tendance apparaît là où l'on ne voyait qu'une variation.

Cette correction élémentaire résout à elle seule une grande partie des faux signaux. Un mois d'août en retrait de trente pour cent n'est pas une dégradation si le coefficient d'août est de soixante-dix ; il l'est si le coefficient est de quatre-vingt-quinze. Sans coefficients, la même donnée déclenche une réunion de crise ou passe inaperçue selon l'humeur du moment.

Deux précautions. D'abord, trois années sont un minimum, et une année atypique doit être écartée du calcul plutôt que moyennée, sous peine de contaminer durablement le profil. Ensuite, la saisonnalité de l'activité, celle de la facturation et celle de l'encaissement ne coïncident pas : chacune a son propre profil et le décalage entre les trois est précisément ce qui crée les tensions de trésorerie estivales. Ce point est développé dans le décalage entre prévision et réalité saisonnière.

Les signaux avancés, disponibles et gratuits

Une prévision fondée exclusivement sur l'historique interne est aveugle aux retournements. Elle prolonge une tendance jusqu'au moment où celle-ci s'inverse, et le constate avec le retard de la mesure. Les signaux avancés servent précisément à cela, et les plus utiles sont publics.

Les enquêtes de conjoncture. L'INSEE et la Banque de France publient mensuellement des indicateurs de climat des affaires et de carnets de commandes par secteur, construits sur les réponses des entreprises elles-mêmes. Ils précèdent les statistiques d'activité de plusieurs semaines et donnent une lecture sectorielle qu'aucune entreprise ne peut produire seule.

Les indicateurs d'emploi et de tension de recrutement. L'enquête annuelle sur les besoins en main-d'œuvre et les données de la DARES sur les mouvements de main-d'œuvre renseignent sur la dynamique d'un secteur et sur la difficulté à venir pour pourvoir des postes, information directement utile à un plan de recrutement.

Les prix. L'indice des prix à la consommation et les indices de prix de production éclairent l'évolution des coûts d'entrée et les marges de manœuvre tarifaires. Ils sont publiés mensuellement et permettent d'anticiper un effet prix avant qu'il n'apparaisse dans les comptes.

Les signaux internes avancés, enfin, sont souvent les plus prédictifs et les moins exploités : nombre de demandes de devis, taux de transformation, délai moyen entre premier contact et signature, nombre d'affaires en phase finale. Aucune de ces données ne demande de collecte nouvelle dans une entreprise dotée d'un outil commercial, et leur variation précède le chiffre d'affaires de la durée du cycle de vente.

Mesurer la qualité d'une prévision

Une prévision qui n'est jamais confrontée à la réalité ne s'améliore jamais. C'est la différence entre une pratique de prévision et une habitude d'annoncer des chiffres.

La mesure de base est l'erreur absolue moyenne, exprimée en pourcentage : pour chaque période, l'écart entre prévu et réalisé, en valeur absolue, rapporté au réalisé, puis moyenné. Elle se calcule en quelques minutes sur douze mois d'historique et donne immédiatement le niveau de fiabilité réel du dispositif.

Deux compléments sont indispensables. Le premier est le biais, c'est-à-dire la moyenne des écarts signés. Une erreur absolue de dix pour cent avec un biais nul décrit une prévision imprécise mais honnête ; la même erreur avec un biais systématiquement positif décrit une prévision structurellement optimiste, ce qui est un problème d'un autre ordre et qui se corrige facilement une fois nommé.

Le second est la comparaison à une prévision naïve. La référence à battre est la plus simple qui soit : prévoir que le mois prochain sera identique au même mois de l'année précédente. Un dispositif de prévision élaboré qui ne fait pas mieux que cette règle triviale ne mérite pas le temps qu'il consomme. Cette comparaison est rarement faite et elle est souvent instructive.

Le biais optimiste mérite une attention particulière, car il est presque toujours organisationnel plutôt que méthodologique. Quand la prévision commerciale sert aussi à fixer les objectifs, elle cesse d'être une estimation pour devenir une négociation. Séparer les deux exercices, en distinguant explicitement la prévision de ce qui va arriver et l'objectif de ce qu'on veut atteindre, est la correction la plus efficace.

Quelle place pour les modèles statistiques

La question du recours à des méthodes automatiques se pose naturellement. La réponse dépend beaucoup moins de la technologie disponible que de la nature des données.

Un modèle statistique apporte une valeur réelle quand trois conditions sont réunies : un historique long et régulier, un grand nombre d'éléments à prévoir, et une structure stable. La prévision des ventes de plusieurs milliers de références en distribution remplit ces conditions. La prévision du chiffre d'affaires d'une entreprise de services qui traite quarante affaires par an ne les remplit pas, et aucun modèle ne compensera le faible nombre d'observations.

Dans ce second cas, très majoritaire en PME, la valeur ajoutée se situe ailleurs : dans la qualification du carnet, dans la discipline de mesure de l'erreur, et dans le suivi des signaux avancés. Ce sont des travaux d'organisation, pas de modélisation, et ils produisent davantage que n'importe quel algorithme appliqué à un historique trop court.

Cette distinction rejoint ce qui est développé dans le passage de l'analyse descriptive à la prédiction : la maturité prédictive d'une organisation ne se mesure pas aux outils qu'elle emploie mais à la qualité et à la régularité des données dont elle dispose. Une entreprise qui ne mesure pas encore l'erreur de ses prévisions actuelles n'a pas de besoin de modèle ; elle a un besoin de mesure.

Installer la pratique sans la rendre lourde

Un dispositif de prévision de demande se met en place en un trimestre et se tient ensuite en moins d'une heure par mois. Quatre gestes le constituent.

• Calculer la couverture du carnet chaque mois, par période future et par qualité d'engagement. Quinze minutes à partir des données commerciales existantes.
• Établir les douze coefficients de saisonnalité une fois, puis les réviser annuellement. Une demi-journée la première fois, une heure ensuite.
• Consigner la prévision avant la période, dans un document daté. Sans cette trace, la mesure de l'erreur est impossible, et la mémoire reconstruit toujours une prévision plus juste qu'elle ne l'était.
• Mesurer l'erreur et le biais chaque trimestre, et les comparer à la prévision naïve. Trente minutes.

Le geste le plus important est le troisième, et c'est celui qui rencontre le plus de résistance. Écrire une prévision datée expose : elle sera confrontée au réalisé et l'écart sera visible. C'est précisément à cette condition que le dispositif produit un apprentissage, et sans cette condition qu'il produit une routine.

Un point de vigilance pour terminer. La qualité d'une prévision se juge sur sa contribution à la décision, pas sur sa précision. Une prévision précise à deux pour cent qui arrive après que la décision a été prise ne vaut rien ; une fourchette large disponible au bon moment, avec ses points de bascule identifiés, vaut beaucoup. Le calage du calendrier de production sur le calendrier de décision prime sur tout raffinement méthodologique.

FAQ

Comment lire correctement un carnet de commandes ?

En couverture plutôt qu'en montant. La grandeur informative est le nombre de semaines ou de mois d'activité que le carnet représente au rythme de production actuel, obtenu en divisant le carnet par le chiffre d'affaires moyen de la période correspondante. Trois lectures complémentaires sont nécessaires : la répartition par période future, un carnet concentré sur six semaines n'ayant rien à voir avec un carnet étalé sur cinq mois à montant égal ; la qualité de l'engagement, en distinguant commande ferme, option et intention, avec un taux de conversion propre à chacune ; et le délai entre commande et facturation, qui fait le lien avec la trésorerie.

Comment corriger la saisonnalité sans méthode complexe ?

Sur trois années d'historique mensuel, calculer pour chaque mois son poids moyen dans l'année. On obtient douze coefficients décrivant le profil saisonnier de l'entreprise. Il suffit ensuite de comparer chaque mois à son coefficient plutôt qu'au mois précédent. Cette correction élémentaire élimine la plupart des faux signaux : un mois d'août en retrait de trente pour cent est normal si le coefficient d'août vaut soixante-dix et préoccupant s'il vaut quatre-vingt-quinze. Deux précautions : écarter les années atypiques au lieu de les moyenner, et calculer des profils distincts pour l'activité, la facturation et l'encaissement.

Quels signaux avancés utiliser quand on n'a pas de données de marché ?

Les plus utiles sont publics et gratuits. Les enquêtes de conjoncture de l'INSEE et de la Banque de France publient mensuellement des indicateurs de climat des affaires et de carnets de commandes par secteur, qui précèdent les statistiques d'activité de plusieurs semaines. Les données sur les besoins en main-d'œuvre et les mouvements de main-d'œuvre renseignent sur la dynamique sectorielle. Les indices de prix éclairent l'évolution des coûts et les marges tarifaires. S'y ajoutent des signaux internes souvent négligés et très prédictifs : nombre de demandes de devis, taux de transformation, délai entre premier contact et signature.

Comment savoir si nos prévisions sont bonnes ?

En mesurant trois choses sur douze mois d'historique. L'erreur absolue moyenne en pourcentage, qui donne le niveau de fiabilité réel. Le biais, moyenne des écarts signés : une erreur de dix pour cent avec un biais nul décrit une prévision imprécise mais honnête, la même erreur avec un biais positif décrit une prévision structurellement optimiste, problème d'un autre ordre. Enfin la comparaison à une prévision naïve, consistant à reprendre le même mois de l'année précédente : un dispositif élaboré qui ne bat pas cette règle triviale ne mérite pas le temps qu'il consomme.

Faut-il un modèle statistique pour prévoir la demande ?

Seulement si trois conditions sont réunies : un historique long et régulier, un grand nombre d'éléments à prévoir, et une structure stable. La prévision de milliers de références en distribution les remplit. Celle du chiffre d'affaires d'une entreprise de services traitant quarante affaires par an ne les remplit pas, et aucun modèle ne compense un faible nombre d'observations. Dans ce cas majoritaire en PME, la valeur se trouve ailleurs : qualification du carnet, discipline de mesure de l'erreur, suivi des signaux avancés. Ce sont des travaux d'organisation, et ils produisent davantage qu'un algorithme sur un historique trop court.

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