La prévision de la demande statistique est une science contre-intuitive. Ce point a été souligné à quelques reprises auparavant, mais examinons une autre situation trompeuse.

Si chaque segment de produit de mon entreprise connaît une croissance rapide, alors au moins certains produits devraient également présenter une tendance à la hausse des ventes. N’est-ce pas ? Sinon, nous ne progresserions pas du tout.

Cette affirmation semble être du bon sens ; et pourtant, elle est fausse, très fausse. Nous vivons dans une économie au rythme effréné. Avoir un produit identique vendu pendant plus de 3 ans est l’exception plutôt que la règle dans la plupart des secteurs des biens de consommation. En conséquence, les cycles de vie des produits tendent à éclipser la croissance organique des détaillants.

Cette situation est illustrée par le schéma ci-dessous.

Il s’agit d’un ensemble de ventes de produits tracées sur le même graphique. Chaque courbe est associée à un produit particulier ; et les produits sont lancés au fil du temps. Chaque produit possède son propre schéma de cycle de vie. Les schémas de cycle de vie illustrent ici un effet de nouveauté typique : les ventes montent rapidement après le lancement du produit, puis celui-ci entre dans une phase de décroissance, qui se termine lorsque le produit est finalement retiré du marché.

Pourtant, comment une tendance à la hausse – de la part du détaillant lui-même – affecte-t-elle ce tableau ? Examinons une nouvelle fois l’illustration ci-dessous.

Les ventes sont plus élevées avec un détaillant en tendance positive, pourtant cette croissance n’est pas suffisamment forte pour compenser l’effet du cycle de vie du produit. Les ventes du produit continuent de diminuer – quoique à un rythme plus lent.

Cette situation montre comment une entreprise de détail peut croître rapidement tout en affichant des ventes de produits en tendance négative. L’astuce principale réside dans le fait que de nouveaux produits ne cessent d’être lancés.

Hélas, cette situation engendre beaucoup de confusion. En effet, lorsque les prévisions de ventes sont en fort décalage avec les attentes globales, il devient très tentant de corriger les prévisions.

Puisque la plupart des outils de prévision sont mal adaptés pour gérer une demande trop variable ou trop intermittente de toute façon, il est tentant d’agréger les ventes par famille, par catégorie, afin de produire une prévision agrégée ; puis de désagréger les prévisions au niveau des SKU à l’aide de ratios. Cette approche est appelée prévision top-down ; et est largement utilisée dans de nombreuses industries (notamment le textile).

Les prévisions top-down produisent des résultats qui semblent beaucoup plus proches des attentes intuitives : une croissance est observée dans les prévisions de ventes, et elle coïncide avec la croissance observée dans les différents segments d’activité.

Pourtant, en produisant la prévision au niveau SUPÉRIEUR, le modèle de prévision capte une tendance à la hausse fictive qui ne résulte que de la contribution des lancements réguliers de produits. Si cette tendance fictive est appliquée à un niveau inférieur – c’est-à-dire aux SKU ou aux produits – alors nous surestimons significativement les ventes de chaque produit individuel.

Presque pire cas: un surstock massif est généré pour les produits précisément au moment où ils sont retirés du marché.

Du point de vue de la prévision, un bon système de prévision devrait être capable de prendre en compte les effets de cycle de vie. Cela signifie que les prévisions de ventes peuvent différer significativement de la prévision globale de l’entreprise. L’activité peut être en hausse alors que chaque produit est en baisse. Dans une telle situation, tenter de corriger les prévisions revient sans doute à les aggraver.

Addendum : Malgré la date de ce post (1er avril 2011), ce post n’est pas une blague.