Prévision de la demande : 7 erreurs qui font exploser vos stocks

Par Henry — 2026-11-03

La plupart des problèmes de stock naissent dans le processus de prévision, pas dans l'algorithme. Voici 7 erreurs à corriger en priorité.

Quand l'entrepôt déborde de références qui dorment alors que les best-sellers sont en rupture, le réflexe est d'accuser le modèle de prévision. En pratique, il est rarement le maillon faible. Ce qui coince, c'est le processus autour : la façon de mesurer la précision, de nettoyer l'historique, de gérer l'incertitude. Voici sept erreurs que l'on retrouve sans cesse, chacune avec un correctif concret.

1. Juger la prévision sur un seul indicateur

Le MAPE (erreur absolue moyenne en pourcentage) est le KPI par défaut mais il masque le sens de l'erreur. Une prévision trop haute de 10 % chaque semaine peut afficher un MAPE proche d'une prévision bruitée sans biais.

Dans la simulation illustrative sur 12 semaines ci-dessous, la prévision A est bruitée mais sans biais (MAPE 8 %, biais 0 %), la B paraît plus serrée mais surestime systématiquement (MAPE 10 %, biais +10 %). B accumule environ 115 unités excédentaires en 12 semaines, soit près de 10 % de la demande totale.

Correctif : suivre MAPE ET biais (erreur signée) côte à côte, et regarder le biais en premier. Chiffres issus d'une simulation illustrative, pas de données clients.

2. Prévoir au mauvais niveau

Les séries référence × magasin × jour sont bruitées et pleines de zéros. Prévoir par famille ou à la semaine, là où le signal est stable, puis répartir vers le détail. Les planificateurs font souvent l'inverse et poursuivent le bruit.

Correctif : construire une hiérarchie (famille, région, semaine) et la réconcilier avec le niveau fin.

3. Confondre ventes et demande

En rupture, les ventes sont nulles mais la demande ne l'était pas. Réinjecter ces zéros apprend au modèle à prévoir moins, donc davantage de ruptures (demande censurée).

Correctif : marquer les jours de rupture dans l'historique et les remplacer par une estimation (jours similaires, magasins voisins) avant l'entraînement.

4. Laisser les événements ponctuels dans l'historique

Promotions, grosse commande unique, grève, canicule. Non étiquetés, ils sont lus comme une tendance.

Correctif : tenir un calendrier d'événements (promos, changements de prix, fermetures) et l'utiliser comme entrée ou exclusion explicite.

5. Donner un chiffre au lieu d'une fourchette

Une prévision est une estimation, jamais une certitude. Le stock de sécurité doit suivre l'erreur de prévision, pas une règle au doigt mouillé.

Avec la formule standard SS = z × σ × √délai, un niveau de service de 95 % (z = 1,65) et un délai de 4 semaines, le stock de sécurité croît linéairement avec l'erreur hebdomadaire : 33 unités pour σ = 10, 132 unités pour σ = 40.

Chaque point d'erreur retiré libère du besoin en fonds de roulement. Voir la définition du stock de sécurité.

Correctif : calculer le stock de sécurité par article à partir de l'erreur mesurée, et le revoir chaque trimestre.

6. Corriger la prévision sans mesurer la correction

Les équipes commerciales ajustent les chiffres en permanence. Certains ajustements aident, beaucoup ajoutent du bruit ou de l'optimisme.

Correctif : mesurer la valeur ajoutée de la prévision (FVA) : comparer la précision de la prévision statistique et de la prévision ajustée, et ne garder que les ajustements qui battent la référence.

7. Rafraîchir trop lentement et ignorer la chaîne

Une prévision mensuelle sur une activité hebdomadaire, c'est décider sur des chiffres périmés. Et quand chaque maillon commande selon sa propre prévision, les petites variations de la demande s'amplifient en amont : c'est l'effet coup de fouet (bullwhip effect).

Correctif : rafraîchir chaque semaine, partager le signal de demande avec les fournisseurs, commander sur un plan commun.

Une routine hebdomadaire de 30 minutes

1. Exporter les ventes et stocks de la semaine.
2. Marquer les jours de rupture.
3. Calculer MAPE et biais par famille.
4. Lister les 10 articles au pire biais.
5. Comparer les ajustements à la référence.
6. Mettre à jour le stock de sécurité des articles dont l'erreur a bougé.

C'est le type d'analyse répétitive qu'un Worker Delos comme Henry, Data Analyst, peut exécuter à intervalle régulier à partir de vos exports ERP, pour laisser aux planificateurs la décision. Découvrez les workflows agentiques en entreprise et la checklist de clôture mensuelle, qui applique la même approche routine + checklist à la finance.

Conclusion

La fiabilité des prévisions est un problème de processus. Commencer par le biais, nettoyer l'historique, dimensionner le stock de sécurité sur l'erreur mesurée.

Note : les graphiques sont une simulation illustrative et un calcul à partir d'une formule, pas des données clients.