Le cadre

Selon le secteur d’activité, les techniques quantitatives de prévisions de ventes peuvent être fondamentales ou inutiles. Et devinez quoi, je ne m’étendrai pas sur les secteurs où elles sont inutiles (les prévisions de ventes de centrales nucléaires ou d’avions de chasse relevant davantage de techniques diplomatiques).

L’environnement détermine largement l'horizon de prévision et donc le choix de la méthode prévisionnelle, l’avenir étant plus incertain sur un marché très concurrentiel en mutation rapide que sur un marché stable. Et si tous les logiciels dédiés intègrent des techniques variées, certains préconisant même la mieux adaptée, ne leur faisons pas une confiance absolue et passons en revue les avantages et inconvénients des différentes techniques. Mais avant ce survol, un petit mot sur les données.

Les données

Internes, sectorielles ou provenant d'études de marché, les données ne sont pas nécessairement les ventes mais souvent les commandes.

La plupart des techniques prévisionnelles requièrent un historique, c’est-à-dire une série chronologique. Celle-ci doit être suffisante pour faire apparaître une tendance mais, en raison d'inévitables changements structurels, il n'est pas souvent souhaitable de trop remonter dans le temps (d’ailleurs, tous les logiciels ne le permettent pas). On retient souvent deux à quatre ans. Si une analyse quantitative n'est pas possible, on se tourne vers une qualitative ou une méthode analogique (Cf. ci-dessous).

Méthodes probabilistes

Alors comment estimer les ventes à venir ? En l'absence d'historique, la première solution est de demander l’avis des professionnels. Le gourou le plus convaincant n’étant pas forcément le plus clairvoyant, les entreprises utilisent des méthodes probabilistes, qui intègrent souvent des avis de vendeurs ou d’experts (méthode Delphi), ainsi que des enquêtes d'intention d'achat. Leur pertinence est évaluée a posteriori : une fois l’horizon de prévision passé, on vérifie si la méthode choisie était bien la meilleure en se basant sur des indicateurs d’écart.

Mentionnons aussi les prévisions par les graphes probabilistes (exemple en page graphes et matrices).

Méthode analogique

Lorsque l’entreprise a déjà commercialisé un produit voisin, on peut en utiliser les volumes de vente et les reproduire, surtout au début du cycle de vie (lancement). Par exemple, l’évolution des ventes d’un autre produit a pu être résumée par une courbe de Gompertz ou logistique dont on réutilise les paramètres pour un nouveau produit. L’analogie est aussi utilisée pour prévoir la durée de la phase de croissance.

Cette méthode est bienvenue dans le secteur du prêt-à-porter où la durée de vie d’un produit est trop courte pour laisser un historique exploitable.

Enfin, il est toujours délicat de prévoir les impacts d’une campagne promotionnelle. On reproduit alors les effets d’autres campagnes similaires mais là encore, il s’agit d’une méthode « faute de mieux » à valider après coup.

Méthodes extrapolatives (endogènes)

Supposons qu'un historique existe. Les extrapolations relèvent de techniques « industrielles », nécessitant des algorithmes de calcul très simples et employées lorsqu’ existent de nombreuses références. Elles ne supposent aucune action de la part de l'entreprise.

D’abord, la méthode « naïve » : on extrapole en reproduisant simplement la dernière observation. Il s’agit surtout d’une méthode étalon à partir de laquelle on mesure a posteriori le gain de prédictivité obtenu par d’autres techniques. La méthode de Mayer est plus élaborée mais reste peu opératoire. La méthode de Theil est intéressante mais n'est pas proposée par les logiciels spécialisés.

Le lissage exponentiel simple n’est utilisé qu’en l’absence de tendance, ce qui est assez rare... C’est une prévision à très court terme. Le lissage exponentiel double, obtenu après une désaisonnalisation, permet l’extrapolation d’une tendance mais reste lui aussi trop théorique pour être largement employé. En revanche, le lissage de Holt et le lissage de Winters sont des techniques très utilisées.

On considère aussi la régression simple comme une méthode endogène puisque le seul facteur qui intervient est le temps. La prévision est alors l’extrapolation de la droite de tendance.

Il existe généralement une saisonnalité. Au vu du graphique, on opte alors pour tel schéma de décomposition. Parallèlement, on détermine une tendance par moyennes mobiles. Ces deux étapes simultanées permettent le calcul des coefficients saisonniers, puis le calcul de la série CVS (Corrigée des Variations Saisonnières). Cette série est ensuite modélisée par la régression qui s'adapte le mieux à la tendance observée (linéaire mais aussi logarithmiquee, polynomiale, exponentielle, logistique...) après quoi on applique les coefficients saisonniers, y compris (et surtout !) sur l'extrapolation de la tendance, c'est-à-dire sur la prévision (voir aussi l'ajustement sur fonction logarithme en page date de point mort).

Méthodes prédictives (exogènes)

Il s'agit le plus souvent d'une régression multiple, qui réclame une analyse des ventes approfondie. C’est une méthode exogène car elle fait intervenir d’autres variables que le temps (sont exogènes aussi bien des variables environnementales que celles du marketing mix). Dans Le Marketing (Dunod 2002, p. 24), D. Lindon et F. Jallat donnent l’exemple des ventes annuelles de lits (V_i) : V_i = V₀ + αM + βC + γR + δT. Soit V₀ une constante, M le nombre de mariages dans l’année, C le nombre de logements construits dans l’année, R le revenu moyen des ménages et T est une variable temps (1, 2, 3…).

Une régression multiple peut inclure une ou plusieurs variables dichotomiques (oui = 1, non = 0). La saisonnalité peut d'ailleurs être introduite de cette façon (mais on revient alors aux méthodes endogènes, voir page régression avec saisonnalité).

Évidemment, si les variables sont bien choisies, la régression multiple est en principe plus fiable qu’une méthode endogène et reste valable à un horizon moins proche, mais il s'agit d'une technique coûteuse en recherche d’informations externes et qui nécessite la validation d'hypothèses. Surtout, les prévisions sur les variables explicatives doivent être fiables ! L’un des objets des études de marché est la détermination de ces variables, détectées par enquête, recherche documentaire, marché-test... (Cf. équation ci-dessus). Les études les plus abouties permettent d’utiliser les variables « taux d’essai » et « taux de réachat ».

Précisons que si un modèle utilise des variables exogènes, celles-ci peuvent être accompagnées d’endogènes, au premier rang desquelles les ventes en t – 1.

Contrairement aux techniques plus « mécaniques », la régression permet d’estimer a priori la qualité de la prévision : coefficient de détermination, tests t sur les coefficients de régression, AIC, Durbin-Watson, intervalles de prévision…

Mentionnons enfin les modèles économétriques, utilisés dans les grosses structures. Systèmes de plusieurs équations issues de régressions multiples et d’égalités reposant sur des hypothèses, ils déterminent plusieurs variables simultanément.

Logiciels

Les logiciels de prévisions des ventes ont été testés par des spécialistes :

media.usinenouvelle.com/GlobalVisuels/editorial/Strategielogistique/hors_serie5.pdf

http://supplychainmagazine.fr/TOUTE-INFO/APPELSOFFRE/Previsions2/Previsions.html