"Prediction is very difficult, especially if it's about the future." — Niels Bohr "The more you look at the future, the more you see the present with new eyes." — Peter Drucker La prévision de la demande est intrinsèquement complexe, car elle implique de prédire les futurs besoins des clients, ce qui est souvent difficile, comme le souligne la citation de Niels Bohr. Cette complexité découle de plusieurs éléments: données historiques précises, complexité et volatilité des marchés, facteurs changeants et variables influençant la demande, diversité des produits ou services proposés par une entreprise... Bien sûr, les méthodes de prévision et la technologie jouent un rôle crucial, car l'accès à des outils avancés, tels que l'intelligence artificielle, peut à la fois simplifier et compliquer le processus en fonction du niveau d'expertise requis. La bonne nouvelle est que l'on est toujours gagnant car, en adoptant la perspective de la deuxième citation de Peter Drucker, les prévisionnistes de la demande peuvent tirer des enseignements précieux. En examinant continuellement les tendances futures et en restant flexibles, ils peuvent acquérir une compréhension plus approfondie des besoins en constante évolution du marché actuel, ce qui peut les aider à anticiper et à répondre plus efficacement à la demande future.

1. Préparé par:
MOHAMED LAMINE MAMMASSE
Consultant, Formateur
LA PREVISION
DELADEMANDE

2. C’EST QUOI ?
● La prévision de la demande
consiste à estimer la
quantité de produits ou de
services qu'un marché va
demander dans le futur.

3. POUR QUOI?
L'objectif est d'aider les entreprises à
planifier leur production, leurs
stocks, leur chaîne
d'approvisionnement et leurs
opérations en général de manière
plus efficace pour répondre aux
besoins prévus.

4. Prévision de la
demande
Prédire quelle sera la
demande pour un certain
produit ou service à l'avenir.
Planification de
la demande
Planifier et organiser les
ressources, les activités et
les opérations nécessaires
pour répondre à la demande
future des clients

5. COMMENT?
PLUSIEURS METHODES SONT POSSIBLES

6. MAIS ET HEURESEMENT?
Les méthodes suivantes,
lorsqu'elles sont combinées,
aident à générer
un très bon
plan de demande
DANS LES
APPRICHES DITES
QUANTITATIVES
• SERIES
CHRONOLOGIQUES
• MODELE CAUSAL ET
REGRESSIONS
DANS LES
APPROCHES DITES
QUALITATIVES
• ETUDES DE MARCHE
• JUGEMENTS D’EXPERTS
DANS LES AUTRES
METHODES
• EXPERIMENTATIONS
• SIMULATIONS

7. QUANTITATIVES
● Prévision statistique :
● Prévision en séries chronologiques: Largement utilisé,
les Projections statistiques futures (extrapolations) sont
basées sur les schémas et patterns des données
historiques de la même série (tendance, saison,
exceptionnel, aléa…), les modèles les plus connus
ARIMA, SARIMA…
● Modèles à corrélation ou régression multiple: Les
projections futures sont basées sur un set d’autres
variables dites explicatives, analyse des corrélations
entre les séries chronologiques de ces variables et celle
des ventes du produit qu’on veut prévoir; on peut alors
construire un modèle mathématique de régression

8. QUALITATIVES
● Prévision basée sur le jugement et la
collaboration: Recherche de connaissances
extrinsèques auprès de sources internes ou du
marché et parvenir à un consensus de prévision :
Prévisions par les vendeurs, par un panel
d’experts …etc.
● L’étude de marché

9. AUTRES
Générer des prévisions basées sur
● des profils prédéfinis, ensuite
surveiller/maintenir/ajuster
continuellement ces profils en fonction
des performances.
● modèles de décisions ou simulations à
partir d’opérations test marché

10. IMPORTANT
● UNE BONNE PREVISION COMBINE
DEUX OU TROIS METHODES: Par
exemple démarrer d’une prévision
statistique, inclure l’impact d’opérations
promotionnelles, réajuster en fonction des
avis experts et vendeurs, ….
● Même en déployant des efforts pour
l'améliorer, une prévision demeure
intrinsèquement sujette à l'inexactitude.
● Plus on cherche à détailler une prévision,
plus son degré d'imprécision tend à
croître, comme lorsqu'on évolue d'une vue
des ventes par gamme à une ventilation
par produits (a, b, c).

11. LE PROCESSUS DE
PREVISION

12. DATA ET HISTORIQUE
DES VENTES 
ETAPE 1 :
Le processus débute avec une prévision statistique
comme prévision de base
● Nécessite l'importation/l'intégration de
l'historique des ventes depuis le système
ERP/Système de transactions en tant que données
de base (généralement 2 à 3 ans de demande
mensuelle/hebdomadaire antérieure)
● Contrôler, Traiter et Corriger les données historiques
lorsque vous avez des valeurs suspectes

13. PREVISIONS
STATISTIQUES 
ETAPE 1 :
Le planificateur, ou le Moteur de Prévision
Statistique (si vous avez une solution) analyse
l'historique/patterns de demande :
● Évalue plusieurs méthodes/Modèles de
prévision pour déterminer la méthode/modèle
la plus appropriée ou la plus statistiquement
précise.
● Détermine le niveau de ventes prévues, les
tendances de croissance/décroissance projetées
et les modèles saisonniers.
● NB:
● L'Erreur Quadratique Moyenne Statistique ou l'Écart-Type
sont utilisés pour sélectionner le modèle le plus approprié
● (l'Écart-Type peut être utilisé comme entrée pour le calcul du
"Stock de Sécurité " dans la planification des stocks).

14. PRONOSTICS
DES VENTES
ETAPE 2:
Le processus se poursuit en Améliorant la prévision
avec des données d'intelligence de marché et des
ajustements de prévision
● Planifier les promotions, les événements et les
incitations aux distributeurs et clients ;
modéliser et intégrer leurs impacts
● Planifier les nouvelles introductions de produits.
● Identifier les opportunités de vente croisée.
● Comparer aux objectifs puis évaluer la
profitabilité du plan obtenu et procéder aux
ajustements

15. PLAN DE LA DEMANDE 
ETAPE 3:
Détails, Aggrégation et éclatement
Les prévisions se font généralement au niveau d’une famille
de produit par mois. Or le plan logistique est configuré pour
des quantités à livrer par produit et par échéance
Donc GERER Plusieurs niveaux de détails/agrégation
Top-Down (Axé sur la stratégie /Plan /budget)
● Prévision par famille/groupe de produits.
● Ventilation Pondérée par SKU.
● Visibilité accrue sur la saisonnalité ou les tendances.
Bottoms-up
● Axé sur les opérations/clients.
● prévisions SKU puis par famille/groupes.
● Agrégation
Méthode mixte.

16. PLAN DE LA DEMANDE 
ETAPE 4: Affiner le modèle
Prévision des nouveaux articles
Approches pour prévoir des articles sans historique de
demande antérieur ?
● Jugement d’expert
● Prévision par Articles Similaires, Analogie
● Suppressions- Enchainements. Substitution
● Fusion avec produits similaires.
Considération d’un Profil type Courbe.
● Tenir compte Cycle de Vie Produit
● Profil basé sur les attributs.
● Profil basé sur la saisonnalité.
VALIDATION PAR LES EQUIPES

17. PLAN DE LA DEMANDE 
ETAPE 5: Mesurer et surveiller la précision des
prévisions pour une amélioration continue :
● Les mesures types de la précision des prévisions
comprennent :
○ MAD (Mean Absolute Deviation): écart absolu moyen,
Erreur Utilisé pour les calculs de stocks et
approvisionnements
○ MAPE (Mean Absolute Percent Error) - l'erreur absolue
moyenne en pourcentage: Métrique commune de
précision des prévisions
○ Erreur Relative - Mesure relative de l'erreur à des fins de
diagnostic – exception
Ne pas oublier d’évaluer la Précision des entrées de
l'intelligence du marché (Les entrées sont-elles aidé ou
affecté la précision des prévisions ?)

18. COMMUNIQUER LE PLAN
LA MEILLEURE PREVISION
COMBINE
● Prévision Statistique de Base
● Considération des Promotions,
Incitations, Plans spéciaux
● Considération des Informations sur
les Clients et les Concurrents
● Nouveaux Produits, Cycle de vie,
Profils,….
EST FAITE D’UNE MANIERE
CONSENSUELLE ET COLLABORATIVE
● Contributions de Ventes,
Distribution, Marketing, Finance;…

19. REMARQUE
● Il a été question dans
ce carrousel, des
méthodes de
prévisions à court
terme et pouvant aller
jusqu'à environ 24
Mois (*)
● Car c’est Dans ces cas la
méthode de prévision est
utilisée en se basant sur
des tendances passées (le
futur est dans le passé).
(*) AU DELA LA
PREVESIBILITE DIMINUE

20. PREVISIBILITE VS INCERTITUDE
La prédiction d'un résultat futur connaît une diminution de
la prévisibilité et une augmentation proportionnelle de
l'incertitude à mesure que des horizons temporels plus longs
sont envisagés.
Le choix de méthode à suivre varie en fonction de
l'horizon de prévision.

21. LA PREDICTION
● Une prédiction est une estimation concernant un
événement ou un résultat futur basée sur des
informations et des données disponibles.
Cela implique l'utilisation de méthodes analytiques,
statistiques ou intuitives pour anticiper ce qui
pourrait se produire dans le futur en fonction des
tendances passées,
des modèles et d'autres
facteurs pertinents.

22. PREVISION
● Est généralement l’utilisation d’une tendance
d'observations passées pour tenter de l'inférer
dans le futur. Elle suppose que les paramètres
liés à un résultat restent constants et que son
extrapolation est donc un exercice relativement
simple à l'aide de méthodes statistiques et
mathématiques. Ces modèles expriment
également l'incertitude sous forme d'intervalles
de confiance croissants. Une fois que, ce qui
nécessite la construction de scénarios.

23. SCENARIOS PLANNING
● A mesure que l'horizon s'étend, l'incertitude
augmente et peut atteindre un niveau supérieur à la
prévisibilité,
● La construction de scénarios, où l'on ajuste divers
paramètres pour envisager différentes
perspectives, devient plus adaptée. L’une des
stratégies par exemple est de construire trois
scénarios pour croissance : Elevée, Moyenne,
Faible.
● La construction de scénarios ne supprime pas
l'incertitude, mais peut améliorer la prévisibilité en
envisageant un ensemble de possibilités
● au-delà de 10 ans, les prédictions deviennent
spéculatives

24. “Expect the best.
Prepare for the worst.
Capitalize on what
comes.”
– Zig Ziglar

25. ● Consultant formateur
● mammassem@gmail.com
Mohamed Lamine MAMMASSE
● N’oubliez pas d’aimer, de partager ou de
laisser des commentaires ;)
MERCI