.png)
« Quelle est la précision exacte de vos prévisions ? » : c'est la question la plus courante et la plus pertinente que l'on puisse poser à tout prestataire de prévisions – et elle mérite une réponse plus honnête qu'un simple pourcentage. En effet, la qualité des prévisions n'est pas une valeur simple, mais dépend des critères d'évaluation appropriés. Cet article explique comment mesurer de manière pertinente la qualité des prévisions – et comment reconnaître les chiffres marketing.
Pourquoi « 95 % de précision » ne veut rien dire
Un chiffre d'exactitude forfaitaire, hors contexte, n'a aucune valeur, et ce pour trois raisons :
Tout dépend du niveau d'agrégation. Il est facile de prévoir le chiffre d'affaires hebdomadaire d'un magasin dans son ensemble : les erreurs liées aux différents articles s'équilibrent. Il est en revanche bien plus difficile de déterminer avec précision le volume quotidien d'un article donné dans un magasin donné. Or, c'est précisément ce niveau de précision dont la production a besoin. Quiconque met en avant la précision devrait préciser à quel niveau celle-ci a été mesurée.
Les petites quantités faussent les pourcentages. Pour un article qui se vend à raison de trois unités par jour, une unité en moins représente déjà une erreur de 33 %, même si la prévision était pratiquement parfaite. Les erreurs en pourcentage semblent toujours importantes pour les articles à faible rotation, tandis que les erreurs en valeur absolue le sont pour les articles à forte rotation.
Le hasard fixe une limite inférieure. La demande comporte une part véritablement aléatoire : la commande spontanée en grande quantité, le car de tourisme. Aucune prévision au monde ne permet d’anticiper cette part. La perfection n’est pas un objectif atteignable ; l’objectif pertinent est d’exploiter pleinement la partie prévisible.
La référence qui compte vraiment
La question qu'il faut se poser n'est pas « Quelle est la précision exacte de la prévision ? », mais : « Dans quelle mesure est-elle meilleure que ma méthode actuelle ? ». Le point de référence est la planification utilisée jusqu'à présent : estimation empirique, valeur de la semaine précédente, moyenne calculée sur Excel. C'est par rapport à cette base de référence que l'on peut mesurer clairement les progrès : même période, mêmes articles, prévision comparée à la planification initiale et aux ventes réelles.
Et plus important encore : au final, ce ne sont pas les indicateurs statistiques qui comptent, mais les résultats opérationnels – le taux de retours et la disponibilité. Une prévision peut paraître impressionnante d’un point de vue statistique, mais ne servir à rien sur le plan opérationnel si elle ne se traduit pas par des volumes concrets. C’est pourquoi GoNina mesure le succès à l’aune des chiffres obtenus sur le terrain : jusqu’à 52 % de surplus en moins et jusqu’à 6 % de chiffre d’affaires en plus par rapport à la planification initiale.
Où les prévisions sont fiables – et où elles ne le sont pas
Stark : des schémas récurrents. Jours de la semaine, météo, vacances, saison, jours fériés : voilà ce qui explique la majeure partie des fluctuations de la demande. C'est justement lors des jours atypiques, où les estimations humaines sont les plus éloignées de la réalité, que l'avantage apporté par les données est le plus grand.
Point faible : les événements véritablement ponctuels qui ne laissent aucune trace dans les données. C'est là que l'intervention humaine reste indispensable : chaque prévision d'GoNina peut être ajustée manuellement si l'entreprise dispose d'informations qui ne figurent pas dans les données.
Comment vérifier la fiabilité d'un prestataire
1. Sur vos propres données, pas sur des diapositives de référence. Un test réalisé à partir de vos propres données de vente vous permettra de constater l'efficacité des prévisions pour votre entreprise. GoNina propose à cet effet une période d'essai de 4 semaines avec garantie « satisfait ou remboursé ».
2. Comparer au niveau des articles et des journées. C'est au niveau de la production qu'il faut effectuer les mesures.
3. Se baser sur les indicateurs clés de performance. Les retours et les soldes avant et après le lancement : voilà les preuves qui comptent.
Foire aux questions
Les prévisions s'améliorent-elles avec le temps ?
Oui : chaque jour de vente apporte de nouvelles données d'apprentissage, et les changements structurels dans les comportements d'achat sont intégrés en continu. Les progrès les plus importants interviennent au cours des premières semaines, puis les prévisions s'améliorent progressivement.
Que se passe-t-il lorsque la qualité des données est médiocre ?
Le système de prévision ne peut apprendre que ce qui est enregistré : des données de base sur les articles propres et des retours correctement enregistrés améliorent directement la qualité. Les lacunes apparaissent lors de la mise en service et peuvent généralement être comblées rapidement.
Conclusion
Évaluer honnêtement la qualité des prévisions, c'est : mesurer au bon niveau, comparer avec sa propre méthode utilisée jusqu'à présent et l'apprécier à l'aune des résultats de l'entreprise. Un simple pourcentage marketing ne répond à aucune de ces questions ; un test de quatre semaines réalisé sur vos propres données répond aux trois.
Pour découvrir en détail comment fonctionnent les prévisions de ventes basées sur l'IA, consultez notre guide complet destiné aux boulangeries.
