Un entrepôt peut être plein et pourtant incapable de livrer la bonne marchandise au bon moment. Le demand planning, autrement dit la planification de la demande, aide à anticiper les volumes de produits ou de services afin d’ajuster les achats, les stocks, la production et le transport. Je vous propose ici une méthode concrète pour construire des prévisions fiables, les mesurer et les transformer en décisions logistiques réalistes.
La planification de la demande relie prévision et décisions logistiques
- Objectif : prévoir les besoins futurs sans chercher à deviner parfaitement l’avenir.
- Données utiles : ventes historiques, promotions, saisonnalité, ruptures, délais et informations commerciales.
- Horizon recommandé : une prévision opérationnelle à court terme complétée par une vision de plusieurs mois.
- Indicateurs clés : biais de prévision, erreur moyenne, taux de service et niveau de stock.
- IA et logiciels : ils accélèrent l’analyse, mais ne remplacent ni la qualité des données ni le jugement métier.
À quoi sert la planification de la demande dans la logistique
La planification de la demande consiste à estimer les volumes qu’un marché, un client ou un réseau pourrait absorber sur une période donnée. Elle ne se limite pas à une courbe de ventes. Elle doit fournir une base exploitable pour décider combien acheter, produire, stocker, préparer et transporter.
Dans une entreprise de transport ou de distribution, une demande mal anticipée provoque rapidement des effets en chaîne. Une sous-estimation entraîne des ruptures, des expéditions urgentes et parfois des camions affrétés à un tarif élevé. Une surestimation immobilise du capital, occupe les emplacements de stockage et augmente le risque de produits obsolètes.
Je préfère parler d’une fourchette de décision plutôt que d’un chiffre prétendument exact. Une prévision de 10 000 colis peut être utile si l’entreprise sait qu’elle doit se préparer à un scénario compris entre 9 000 et 11 500 colis. Le chiffre seul ne dit rien sur le niveau de risque accepté.
Prévoir la demande ne signifie pas prévoir les commandes
La demande réelle correspond au besoin du marché. Les commandes observées peuvent être inférieures parce qu’un article était indisponible, qu’un site a fermé temporairement ou qu’un client a reporté son achat. Si l’on utilise ces ventes brutes sans correction, on risque de reproduire artificiellement les ruptures dans les prévisions futures.
Cette distinction est particulièrement importante dans la logistique. Une baisse des expéditions peut venir d’un recul de la demande, mais aussi d’un manque de chauffeurs, d’un retard fournisseur ou d’une capacité d’entreposage insuffisante. Le planificateur doit donc séparer ce qui relève du marché de ce qui relève de l’exécution.
Quelles données rendent une prévision crédible
Un algorithme sophistiqué ne compense pas une base historique incohérente. Avant de choisir une méthode, je vérifie toujours si les données sont complètes, datées correctement et reliées aux bons produits, clients, agences ou zones géographiques. La qualité des données compte souvent davantage que le logiciel utilisé.
Les données internes à réunir
- historique des ventes, commandes ou expéditions ;
- annulations, retours et commandes exceptionnellement importantes ;
- ruptures de stock et périodes d’indisponibilité ;
- promotions, changements de prix et lancements de produits ;
- délais fournisseurs et temps réel de préparation ;
- capacités d’entrepôt, de production et de transport ;
- niveau de service attendu par segment de client.
Les signaux externes à ne pas négliger
Les ventes passées ne suffisent pas pour anticiper un changement de comportement. Selon le secteur, il peut être pertinent d’intégrer la météo, les jours fériés, les calendriers scolaires, les événements locaux, les tendances de prix ou l’activité de certains clients professionnels.
Ces signaux doivent toutefois avoir une utilité démontrée. Ajouter vingt variables parce qu’elles sont disponibles complique le modèle et peut donner une illusion de précision. Je recommande de commencer avec trois à cinq facteurs explicatifs, puis de mesurer leur apport réel sur plusieurs cycles.
Comment construire un cycle de prévision utile
La prévision devient réellement utile lorsqu’elle s’insère dans un rythme de travail connu par les équipes. Dans beaucoup d’entreprises, un cycle mensuel suffit pour les décisions d’achat et de capacité, tandis qu’un suivi hebdomadaire est nécessaire pour les volumes de transport et la préparation des commandes.
1. Nettoyer et segmenter l’historique
Commencez par corriger les anomalies visibles. Une commande exceptionnelle, une grève ou une rupture prolongée ne doit pas être traitée comme une tendance normale. Segmentez ensuite les références selon leur volume, leur régularité, leur marge et leur importance pour le client.
2. Produire une prévision statistique
Pour une demande régulière, une moyenne mobile ou un lissage exponentiel peut suffire. Pour une activité saisonnière, il faut intégrer les cycles annuels. Les articles nouveaux, les produits très intermittents ou les prestations sur mesure demandent davantage d’avis commerciaux et d’analyses par analogie.
Je me méfie des modèles qui promettent une précision uniforme sur tout le catalogue. Une référence vendue chaque jour se prévoit relativement bien, alors qu’un équipement commandé trois fois par an ne peut pas être traité avec les mêmes attentes. La méthode doit suivre le comportement de la demande.
3. Ajouter les informations du terrain
Les équipes commerciales connaissent les contrats à venir, les appels d’offres, les campagnes promotionnelles et les clients susceptibles de réduire leurs volumes. Ces informations doivent être intégrées de façon documentée, avec une justification et une date de révision.
Sans cette discipline, les ajustements deviennent des opinions impossibles à évaluer. Un commercial qui augmente une prévision de 30 % doit pouvoir préciser s’il s’appuie sur une commande signée, une négociation avancée ou une simple intuition.
4. Comparer demande, capacité et approvisionnement
Une prévision ne devient pas automatiquement un plan réalisable. Il faut la confronter aux stocks disponibles, aux délais fournisseurs, aux capacités de quai, aux effectifs, aux véhicules et aux contraintes de production. C’est à ce moment que l’entreprise peut tester plusieurs scénarios, par exemple une demande supérieure de 15 % pendant quatre semaines.5. Faire valider un plan commun
Le cycle gagne en efficacité quand les ventes, les achats, la logistique, la finance et la direction travaillent sur une même version des chiffres. Cette démarche, souvent appelée S&OP, sert à arbitrer les écarts entre ce que le marché pourrait demander et ce que l’entreprise peut réellement fournir.
La réunion ne devrait pas consister à discuter chaque ligne du fichier. Elle doit se concentrer sur les écarts significatifs, les risques de capacité et les décisions à prendre. Une prévision sans responsable ni date de mise à jour n’est qu’un document dormant.
Comment transformer la prévision en décisions de stock et de transport
Le lien entre prévision et logistique se voit surtout dans le stock de sécurité. Celui-ci absorbe une partie des variations de la demande et des retards d’approvisionnement. Il doit dépendre du délai réel, de la variabilité observée et du niveau de service visé, pas d’un pourcentage choisi au hasard.Une entreprise qui promet 98 % de disponibilité ne peut pas gérer son stock comme une activité visant 90 %. Mais viser le niveau maximal partout serait coûteux et parfois inutile. Je conseille de réserver les objectifs de service les plus élevés aux références critiques ou fortement rentables, puis d’accepter davantage de flexibilité sur les produits secondaires.
| Situation | Réponse logistique possible | Risque à surveiller |
|---|---|---|
| Demande stable et délai court | Réapprovisionnement fréquent avec stock réduit | Rupture en cas de pic soudain |
| Demande saisonnière | Constitution progressive du stock avant le pic | Invendus après la saison |
| Demande irrégulière | Stock ciblé et validation humaine des commandes | Prévisions très instables |
| Délai fournisseur long | Horizon de prévision plus étendu et stock tampon | Capital immobilisé |
Pour le transport, le plan doit traduire les volumes en unités opérationnelles. Une hausse prévue de 25 % ne signifie pas nécessairement 25 % de camions supplémentaires. Tout dépend du poids moyen, du taux de remplissage, de la répartition géographique, des horaires de livraison et des possibilités de groupage.
Un exemple simple l’illustre bien. Si 300 palettes supplémentaires sont attendues sur un mois et qu’un véhicule peut transporter 30 palettes utiles, le besoin théorique est de 10 chargements. En pratique, il faudra peut-être en prévoir 11 ou 12 si les destinations sont dispersées ou si les retours à vide sont fréquents. La capacité nominale ne correspond jamais exactement à la capacité exploitable.
Quels indicateurs utiliser pour juger la qualité des prévisions
Une seule mesure ne suffit pas. Un modèle peut afficher une bonne précision moyenne tout en sous-estimant systématiquement les produits stratégiques. Pour piloter correctement, je croise la qualité statistique avec les conséquences opérationnelles.
| Indicateur | Ce qu’il mesure | Utilité pratique |
|---|---|---|
| Biais de prévision | Tendance à surestimer ou sous-estimer | Repérer une dérive persistante |
| MAE ou MAD | Écart moyen en unités | Estimer le volume d’erreur concret |
| MAPE | Écart moyen en pourcentage | Comparer des références de tailles différentes |
| Taux de service | Part de la demande livrée à temps | Relier la prévision à l’expérience client |
| Couverture de stock | Nombre de jours ou semaines disponibles | Évaluer le risque de rupture ou de surstock |
Le MAPE est facile à comprendre, mais il devient trompeur lorsque les ventes sont faibles ou nulles. Pour une référence qui passe de 2 à 3 unités, l’écart en pourcentage paraît énorme alors que l’enjeu financier est limité. Dans ce cas, un indicateur en unités ou une mesure pondérée par la valeur est plus pertinent.
Je recommande de comparer la prévision à une référence simple, comme la demande de la période précédente ou une moyenne saisonnière. Si un modèle complexe ne fait pas mieux que cette base, il ajoute probablement de la complexité sans créer de valeur. Le bon objectif n’est pas seulement une erreur plus faible, mais de meilleures décisions avec moins de surprises.
Logiciels, intelligence artificielle et limites à accepter
Un tableur peut convenir à une petite activité avec quelques dizaines de références et un historique propre. Dès que plusieurs sites, canaux de vente ou fournisseurs sont impliqués, ses limites apparaissent rapidement. Les versions se multiplient, les hypothèses sont difficiles à tracer et les mises à jour prennent du temps.
Un ERP ou une solution de planification intégrée apporte une base de données commune, des calendriers, des règles de réapprovisionnement et une meilleure connexion avec les achats et les stocks. Une solution spécialisée peut aller plus loin sur la simulation, la segmentation et l’analyse de la précision. Le choix dépend surtout du nombre de références, de sites et de décisions à synchroniser.
L’intelligence artificielle peut repérer des relations difficiles à voir dans de grands historiques et sélectionner automatiquement plusieurs modèles de prévision. Elle est intéressante pour traiter des milliers de séries, mais elle ne connaît pas spontanément une fermeture d’entrepôt, une négociation commerciale confidentielle ou une nouvelle réglementation.
Je considère donc l’IA comme un assistant de planification. Elle propose, alerte et simule. Les équipes doivent encore valider les événements exceptionnels, contrôler les biais et expliquer les décisions. Une prévision automatique qui ne peut être comprise par personne devient fragile dès que le marché change.
Lire aussi : Comment construire un plan de production fiable ?
Les erreurs qui coûtent le plus cher
- confondre les ventes observées avec la demande réelle ;
- mélanger produits, clients ou territoires trop différents ;
- modifier la prévision sans conserver la raison du changement ;
- mesurer uniquement la précision moyenne du catalogue ;
- ignorer les délais de transport réellement constatés ;
- croire qu’un outil plus cher corrigera des données incomplètes ;
- imposer le même stock de sécurité à toutes les références.
Le meilleur projet commence souvent par une amélioration très concrète. Nettoyer les historiques, fiabiliser les délais et instaurer une revue régulière peuvent produire davantage d’effet qu’un changement immédiat de logiciel. La technologie amplifie un processus solide, mais elle amplifie aussi ses défauts.
Le bon niveau de précision se mesure à la décision prise
Une planification utile ne promet pas de supprimer l’incertitude. Elle permet de la rendre visible, de préparer plusieurs réponses et de choisir où placer les stocks, les capacités et les moyens de transport.
Pour démarrer, je recommande un périmètre limité à une famille de produits ou à une zone logistique. Fixez un cycle de mise à jour, trois indicateurs fiables et quelques règles d’escalade. Après deux ou trois mois, les écarts observés montreront où investir davantage dans les données, les outils ou la collaboration entre équipes.
La vraie maturité ne se reconnaît pas à la complexité du modèle, mais à la rapidité avec laquelle l’entreprise comprend un écart et agit avant qu’il ne devienne une rupture, un surstock ou une expédition d’urgence.
