Prévision de la demande

Une prévision est toujours fausse ; la question est de savoir de combien, et dans quel sens. C'est cette mesure de l'erreur, plus que la sophistication du modèle, qui fait la valeur d'un dispositif de prévision.

Méthodes statistiques

La moyenne mobile lisse les à-coups d'un historique et convient à une demande stable. Le lissage exponentiel donne plus de poids aux périodes récentes et s'ajuste plus vite aux changements de niveau ; ses variantes intègrent une tendance et une saisonnalité. Ces méthodes prolongent le passé : elles ne voient venir ni un lancement, ni une promotion, ni la perte d'un client important.

Mesurer l'erreur

Deux indicateurs se complètent. L'erreur absolue moyenne en pourcentage mesure l'ampleur des écarts, sans distinguer le sens. Le biais, lui, révèle une tendance systématique à surestimer ou à sous-estimer : une prévision peu précise mais sans biais reste exploitable, une prévision biaisée fausse durablement les stocks. Suivre les deux, par famille de produits, indique où porter l'effort.

Effet coup de fouet

Le long d'une chaîne d'approvisionnement, une petite variation de la demande finale s'amplifie à chaque maillon, chacun ajoutant sa propre marge de sécurité. Le phénomène, bien documenté, produit des à-coups de production sans rapport avec la consommation réelle. Le partage des données de vente entre les acteurs, la réduction des délais et des tailles de lot le limitent bien plus efficacement que l'amélioration des modèles de chaque maillon pris isolément.