Prévision des ventes sans data scientist : ce qu’il vous faut vraiment

Deux échecs, une même cause : la meilleure vente en rupture dès la deuxième semaine, et la palette d’autre chose encore en stock en mars. Les deux relèvent de la prévision, et les deux sont repoussés parce que prévoir semble exiger un demande planner — un poste que la plupart des boutiques n’ouvriront jamais.

Il n’en faut pas pour capter l’essentiel de la valeur. Il faut assez d’historique pour voir un motif, une méthode que vous comprenez réellement, et une règle pour savoir quand recommander. Voici à quoi cela ressemble concrètement, ce qui mérite d’être automatisé, et à partir de quand un logiciel de prévision des ventes justifie son abonnement.

Ce qu’est la prévision de la demande — et ce qu’elle n’est pas

La prévision de la demande consiste à estimer le nombre d’unités que vous vendrez sur une période à venir, pour acheter la bonne quantité au bon moment. C’est toute la définition. Ce n’est pas prédire l’avenir : c’est une estimation assortie d’une marge d’erreur, et la marge d’erreur est la partie utile.

• Elle répond à une question d’achat, pas d’analytique : combien d’unités, pour quand, de quelle déclinaison.
• Elle est toujours fausse d’un certain écart. Une prévision sans intervalle de confiance est une intuition en costume.
• Elle relève de la gestion de la demande au niveau d’une ligne de commande, pas du comportement d’un acheteur en particulier.
• Sa valeur tient entièrement à la décision qu’elle change. Si vous commandiez la même quantité de toute façon, elle ne servait à rien.

Faire une prévision des ventes avec un tableur

La plupart des articles sur la prévision des ventes alignent une douzaine de méthodes classées par sophistication — et c’est ainsi qu’un commerçant finit par n’en appliquer aucune. Trois suffisent, exécutables dans un excel prévisionnel avec votre historique de commandes, par effort croissant.

• Moyenne mobile : les 4 à 8 dernières semaines, moyennées. Convient aux produits réguliers. Défaut : elle est toujours en retard d’un changement.
• Moyenne mobile pondérée : idem, mais les semaines récentes pèsent davantage. Une ligne de travail en plus, une réaction plus rapide.
• Naïve saisonnière : ce que vous avez vendu la même semaine l’an dernier, ajusté de votre croissance. Pour tout ce qui dépend de la météo ou des fêtes, elle bat les deux autres sans aucune mathématique.

Concrètement, pour un produit : prenez les unités hebdomadaires des huit dernières semaines, doublez le poids des deux dernières, et vous avez la semaine prochaine. Multipliez par le délai fournisseur en semaines, ajoutez un tampon d’une à deux semaines pour ce qui ne se réapprovisionne pas vite, comparez au stock disponible. Ce nombre-là — pas la prévision — est ce sur quoi on agit. Faites-le pour vos dix meilleures ventes et vous couvrez l’essentiel du chiffre.

Commencer à la main a une raison : cela vous apprend votre propre erreur. Au bout d’un mois vous saurez quels produits sont prévisibles et lesquels ne le sont pas — c’est ce savoir qui rendra un outil utile ensuite, et non simplement impressionnant.

Le seul résultat qui compte : anticiper la rupture

Les prévisions se lisent une fois ; les alertes se traitent. L’objectif pratique des ventes prévisionnelles est d’anticiper la rupture assez tôt pour que le réassort arrive à temps : l’alerte doit se déclencher quand « stock actuel ÷ ventes hebdomadaires prévues < délai fournisseur », pas le jour où l’étagère est vide.

Deux conditions pour que cette alerte soit crédible : connaître le délai propre à chaque fournisseur plutôt qu’une valeur globale, et rester muette sur les produits dont la rupture ne vous coûte rien.

Ce que l’IA apporte à la prévision — et ce qu’elle n’apporte pas

La prévision par IA se vend comme un saut et s’explique mieux comme une économie d’effort. Un modèle pèse simultanément saisonnalité, tendance et promotions sur tout le catalogue, sans que personne n’entretienne un tableur par produit. C’est utile, et c’est une affirmation différente de « plus précis » : sur un produit régulier avec deux ans d’historique propre, une moyenne pondérée est difficile à battre.

• Où elle gagne nettement : beaucoup de produits à la fois, saisonnalités superposées, historiques longs.
• Où elle ne gagne pas : un produit neuf sans historique. Aucune méthode n’invente des données ; sur un lancement vous estimez par comparaison, et on doit vous le dire.
• Où elle trompe : toute prévision présentée comme un chiffre unique. Demandez l’intervalle, et lisez un intervalle large comme une information.

Quand un logiciel de prévision devient rentable

Passer du tableur au logiciel de prévision des ventes n’est pas une question de précision, mais du nombre de décisions par semaine et de la certitude que quelqu’un les prend. Quatre signaux :

• Plus d’une cinquantaine de références qui tournent vraiment, et un tableur mis à jour uniquement pour les dix premières.
• Des délais assez longs pour qu’un réassort tardif coûte des semaines de ventes, pas des jours.
• Deux ruptures sur le même produit. La première est de la malchance ; la deuxième est un processus manquant.
• Personne n’est propriétaire de la décision d’achat : elle se prend quand quelqu’un s’en aperçoit, donc trop tard.

Si rien de tout cela n’est vrai, gardez le tableur. C’est la ligne sur laquelle repose l’agent Prévision de la demande d’AllHub : il prévoit à partir de l’historique que votre boutique possède déjà, affiche l’intervalle de confiance plutôt qu’un chiffre péremptoire, et vous dit quand recommander avant que l’étagère soit vide.

En résumé

Prévoir n’est pas un projet de data science pour lequel vous seriez disqualifié. C’est une habitude hebdomadaire à trois entrées : ce que vous avez vendu, le délai de votre fournisseur, et ce que coûte une rupture. Faites-le à la main un mois sur vos dix meilleures ventes et vous saurez exactement quoi automatiser.

Pas besoin de data scientist pour cesser d’être en rupture sur votre meilleure vente. Il faut connaître votre point de commande et être prévenu avant de le franchir — c’est tout ce que fait pour vous l’agent Prévision de la demande.