Prévision de la demande en agroalimentaire face aux promotions
La prévision de la demande en agroalimentaire se dérègle là où elle coûte le plus : promotions, saisonnalité, météo, cannibalisation. Le guide de ce que les promotions font à l'historique et de ce qu'on fait de l'erreur.
L'essentiel
La prévision de la demande en agroalimentaire se dérègle là où elle coûte le plus : promotions, saisonnalité, météo, cannibalisation. Le guide de ce que les promotions font à l'historique et de ce qu'on fait de l'erreur.
Une demande à quatre couches, dont une seule est stable
La demande d'un industriel agroalimentaire se décompose en quatre couches qui ne se prévoient pas de la même façon. La première est le fond de rayon, la vente régulière hors événement, que n'importe quel lissage exponentiel capture correctement. La deuxième est la saisonnalité, forte dans le secteur, avec des produits qui font la moitié de leur année sur six semaines, et dont le profil est connu même si l'amplitude ne l'est pas. La troisième est la météo, qui déplace la consommation de certaines familles en quelques jours : un week-end à 30 degrés change la semaine des glaces, des boissons, des salades et de la charcuterie à griller. La quatrième, enfin, est la promotion, qui concentre sur deux semaines des volumes hors de proportion avec la base et qui, dans beaucoup de catégories, pèse une part majeure des ventes annuelles. Le modèle de prévision traite bien la première couche, correctement la deuxième, difficilement la troisième, et c'est sur la quatrième que se jouent les écarts qui coûtent, ce que le reste de ce guide détaille.
Ce que les promotions font à l'historique de ventes
L'historique dont se nourrit le modèle enregistre des ventes, jamais une demande, et les promotions déforment ces ventes dans les deux sens. Une opération passée laisse un pic qui, s'il n'est pas identifié comme tel, sera relu par le modèle comme une tendance ou une saisonnalité. Une rupture survenue pendant cette opération écrête le pic et fait sous-estimer les prochaines, et le creux qui suit la promotion, quand les consommateurs ont fait le plein, sera pris pour une baisse de la base. La première étape d'une prévision promotionnelle sérieuse consiste donc à séparer la base et l'incrément promotionnel dans l'historique, en marquant chaque opération avec sa mécanique, sa durée, son enseigne et son niveau de remise, et en reconstituant la demande masquée par les ruptures. Cette reconstitution est un travail de données ingrat que beaucoup d'ETI n'ont jamais fait, et sans lequel les modèles les plus sophistiqués apprennent des erreurs passées comme si elles étaient des faits.
La cannibalisation entre références et le report dans le temps
Une promotion ne crée que rarement de la consommation nouvelle en proportion du volume vendu ; elle déplace de la consommation, entre références et dans le temps. La référence mise en avant prend des ventes aux autres références de la même marque et de la même famille, parfois à hauteur de la moitié de son incrément. Les modèles qui prévoient chaque référence isolément ne voient pas ce transfert : ils prévoient à la hausse la promotion et à l'ancien niveau les voisines, avec une casse assurée sur ces dernières. Le report dans le temps joue de la même façon : le consommateur qui a stocké pendant l'opération n'achète pas pendant deux ou trois semaines, et ce creux post-promotionnel est aussi prévisible que le pic à condition de le modéliser. Je constate que la cannibalisation est le point que les modèles gèrent le moins bien et que les prévisionnistes expérimentés corrigent le mieux à la main, parce qu'ils connaissent l'assortiment et savent quelle référence mange laquelle. L'outil qui les aide vraiment est celui qui leur montre les transferts passés référence par référence, plutôt que celui qui prétend les prévoir seul.
Météo, calendrier et le piège de la corrélation apprise
Les variables externes apportent un gain réel aux modèles récents, à condition de savoir ce qu'on leur demande. La météo explique une part de la variance sur les familles sensibles, mais elle n'est connue avec fiabilité qu'à quelques jours, ce qui limite son usage à l'ajustement de court terme des volumes de production et de livraison, jamais à la planification des campagnes. Un modèle qui apprend une corrélation avec la température ne remplace pas le planificateur qui regarde le bulletin du week-end le jeudi matin. Le calendrier pèse davantage : fêtes fixes et mobiles, ponts, vacances scolaires par zone, grands événements sportifs, et surtout leur interaction avec les promotions que les enseignes calent souvent sur ces dates. Le piège consiste à laisser un modèle apprendre une corrélation entre ces variables et les ventes sur trois ans d'historique, puis à lui faire confiance quand une enseigne déplace sa foire aux vins d'une semaine ou quand un été pourri suit deux étés chauds. Le modèle a raison en moyenne ; l'industriel est jugé sur les semaines qui s'écartent de la moyenne.
Pourquoi les modèles se trompent le plus là où ça coûte le plus
Il existe une asymétrie que les indicateurs de précision moyenne masquent : la prévision est excellente sur le fond de rayon, où l'erreur coûte peu, et médiocre sur les promotions et les pics saisonniers, où chaque point d'erreur se traduit en palettes de casse ou en pénalités logistiques. Une précision globale de 85 % peut cacher une précision de 95 % sur la base et de 60 % sur les opérations, et c'est la seconde qui fait le résultat de l'année. Cette asymétrie tient à la nature même du problème : les promotions sont peu nombreuses, chacune est un peu différente de la précédente, les enseignes changent de mécanique et l'assortiment évolue, de sorte que l'historique exploitable pour chaque configuration se réduit à quelques points. Aucun modèle n'apprend bien sur quelques points, et l'agroalimentaire est le secteur où cette limite se paie le plus cher parce que le produit ne se garde pas. Il faut donc mesurer la précision là où elle compte, par couche de demande et non en moyenne, et accepter que sur les promotions la prévision restera un pari éclairé.
Ce qu'on fait de l'erreur : organiser la prévision promotionnelle comme une décision
Une fois admis que l'incrément promotionnel se prévoit mal, la question devient celle de l'organisation autour de cette incertitude. La prévision d'une opération devrait être construite à trois, commerce, supply chain et finance, avec une fourchette plutôt qu'un chiffre, et une décision explicite sur le niveau de la fourchette auquel on produit, en connaissant la casse si l'opération déçoit et la pénalité si elle dépasse. Ensuite viennent les signaux précoces : les sorties de caisse des trois premiers jours d'une promotion, quand l'enseigne les partage, ou à défaut le rythme des commandes de la plateforme comparé au rythme prévu. Ces chiffres disent très tôt si l'opération tient sa fourchette, et un industriel qui les lit le mercredi peut encore ajuster la campagne du jeudi. La prévision fixe le volume de départ et rien de plus ; la marge de l'opération se fait dans la relecture quotidienne de l'écart et dans la rapidité de la correction. Les ETI qui réussissent leurs promotions se reconnaissent moins à leur modèle qu'à la présence, chaque matin d'opération, d'une personne mandatée pour arbitrer avec les chiffres sous les yeux.
Cet article part d'une conviction : la prévision parfaite n'existe pas, ce qui compte c'est la décision d'après.
- Une demande à quatre couches, dont une seule est stable
- Ce que les promotions font à l'historique de ventes
- La cannibalisation entre références et le report dans le temps
- Météo, calendrier et le piège de la corrélation apprise
- Pourquoi les modèles se trompent le plus là où ça coûte le plus
- Ce qu'on fait de l'erreur : organiser la prévision promotionnelle comme une décision
Clevizio
Clevizio est la couche de décision qui se branche sur vos outils existants : elle détecte l'imprévu, simule vos options et garde la mémoire de chaque arbitrage. Découvrir comment fonctionne le copilote de décision.
Mansour Niang
CEO & cofondateur de Clevizio
Une question sur vos imprévus ? Réservez 30 minutes avec moi pour estimer ce qu'ils vous coûtent vraiment, sans engagement.
Questions fréquentes
Comment prévoir la demande pendant une promotion ?
En séparant la base et l'incrément promotionnel, puis en prévoyant l'incrément à partir des opérations comparables : mécanique, remise, enseigne, durée. Ce chiffre se corrige ensuite de la cannibalisation sur les références voisines et du creux post-promotion. Le résultat doit être une fourchette assortie d'une décision sur le niveau auquel on produit, avec la casse et la pénalité chiffrées pour chaque bord de la fourchette.
Pourquoi la prévision agroalimentaire est-elle si difficile ?
Parce que la demande y superpose quatre couches, fond de rayon, saisonnalité, météo et promotions, et que le modèle traite mal la dernière. Il capture bien la première, correctement la deuxième et difficilement la troisième. Les promotions sont peu nombreuses et toutes différentes, ce qui laisse peu d'historique exploitable, et leur erreur se paie en casse ou en pénalités parce que le produit ne se conserve pas.
Qu'est-ce que la cannibalisation en prévision des ventes ?
Le transfert de ventes d'une référence vers une autre quand la seconde est mise en avant. Une promotion prend une partie de son volume aux références voisines de la même marque ou de la même famille, et un modèle qui prévoit chaque référence isolément surestime les voisines pendant l'opération. On la mesure sur les opérations passées et on la corrige référence par référence.
À lire aussi
Mettez enfin un chiffre sur ce que vos imprévus vous coûtent chaque année.
Commençons par estimer ce que vos imprévus vous coûtent réellement. C'est gratuit, ça prend 30 minutes, et vous repartez avec un chiffre que personne dans votre entreprise ne connaît aujourd'hui.