Les méthodes de prévision et de

gestion de la demande

1
 Plan

• But et définitions des prévisions

• Méthodes de prévision qualitatives
• Méthodes de prévision quantitatives
– Séries chronologiques
• Moyenne mobile (simple, multiple, pondérée)
• Lissage exponentiel (simple et double)
– Les méthodes causales
• Régression linéaire simple et multiple
• Régression polynomiale

2
 Rappel:Notions statistiques
• Une série chronologique ou chronique – est constituée par une suite
ordonnée d’observations d’une grandeur au cours du temps. L’étude de
ces séries sert à décrire, expliquer, contrôler, prévoir des phénomènes
évoluant au cours du temps.

• L’étude d’une série chronologique { xt , t = 1,… , T} consiste à dissocier les

différents mouvements qui la composent et à les analyser.

• Généralement les séries sont traitées :

 À deux composantes: tendance et mouvement résiduel.
 À trois composantes: tendance, mouvement saisonnier et
mouvement résiduel.

Remarque: L’intérêt de la décomposition de la série est d’une part de mieux

comprendre, de mieux décrire son évolution, et d’autre part de prévoir son
évolution (à partir de la tendance et des variations saisonnières).
3
 Rappel:Notions statistiques

• La tendance ou trend, notée ft , est le facteur représentant l’évolution à

long terme de la grandeur, et traduit l’aspect général de la série
(exemple: croissance de la consommation d’un produit).

• Le facteur saisonnier, noté st, se répète à intervalles de temps égaux avec

une forme à peu près constante. Il peut être dû au rythme des saisons ou
à des facteurs humains. Sa période est de 12 pour des séries mensuelles,
de 4 pour des séries trimestrielles… Si p désigne la période du
mouvement saisonnier : st = st + p = st + 2p = … Le facteur saisonnier est
donc totalement déterminé par p coefficients saisonniers : s1 ,… , sj ,… , sp

• L’irrégularité, appelée aussi mouvement résiduel et notée et , regroupe

tout ce qui n’a pas été pris en compte par la tendance et le facteur
saisonnier. Elle est la résultante de fluctuations irrégulières et
imprévisibles dues à des facteurs perturbateurs non permanents ; ces
fluctuations sont supposées de faible amplitude et de moyenne nulle sur
un petit nombre d’observations consécutives.

4
 Rappel: Notions statistiques
• La décomposition d’une série chronologique possédant un mouvement saisonnier peut
s’effectuer selon trois types de modèles :
 modèle additif xt = ft + st + et t = 1,… , T
Dans un modèle additif, on suppose que les 3 composantes : tendance, variations saisonnières et irrégularités sont indépendantes les unes
des autres.

Graphiquement, l’amplitude des variations est constante autour de la tendance

 1ère forme de modèle multiplicatif xt = ft · (1+st )+et t = 1,… , T
Dans ce modèle, on suppose que les variations saisonnières dépendent de la tendance.

Graphiquement, l’amplitude des variations saisonnières varie (le mouvement saisonnier présente des amplitudes
proportionnelles à la tendance)
 2ème forme du modèle multiplicatif xt = ft · (1+ st ) .(1+et ) t = 1,… , T
Dans ce modèle, on suppose que les variations saisonnières et irrégularités dépendent de la tendance

5
Définition de Prévision :

Fonction permettant d’estimer la demande future pour les biens et les

services offerts par l’entreprise, qui est établie soit mathématiquement
(données historiques), soit intuitivement (connaissance du marché),
soit en combinant les deux méthodes ».

ACGPS, « Dictionnaire de la gestion de la production et des stocks »,

(1993)

6
 Principe général de la méthodologie des prévisions

• La demande future d’un produit est une variable cruciale pour

une entreprise
• La prévision de la demande est très importante pour une
entreprise, parce qu’elle représente la connaissance des futures
ventes
• Pour pouvoir faire des prédictions il faut avoir une certaine
connaissance des données historiques du produit en question
(observations).

7
 Finalités des la prévision et de gestion de la
demande
Une fois les prévisions sont connues on peut prendre des
décisions comme:
– La politique d’achats de la matière première et
d’autres produits
– La taille des lots à fabriquer
– Niveau d’existences dans l’entrepôt et le stock de
sécurité
– Priorité des ordres de fabrication
– Etc …
Les prévisions sont donc nécessaire pour la planification de
la production et la gestion des stocks
8
 Les caractéristiques des méthodes de prévision

• Elles doivent impliquer peu d’information

• Soient efficientes
• Peu coûteuses
• Doivent être capable de s’adapter aux fluctuations de la
demande (sensibilité)

9
 Les classes des méthodes de prévisions et le cycle
de vie d’un produit

• Les méthodes qualitatives

• Les méthode quantitatives

10
 Les méthodes qualitatives

Les méthodes qualitatives sont basées sur le jugement sans

aucun traitement numérique:

–Opinion des vendeurs

–Opinion des consommateurs (enquête)
–Opinion d'experts
–Opinion des cadres
–…

11
 Les méthodes qualitatives

• La méthode individuelle: elle se base sur les opinions des

personnes attachés au marché du produit
• Méthode Delphi: elle cherche à avoir un consensus entre un
groupe d’experts
– Chaque personne assigne une probabilité aux différents
événements,
– On communique ces probabilités aux experts et en refait le
processus jusqu’à l’obtention d’un consensus
• Méthode d’analogie historique ou de comparaison avec des
produits similaires vendus dans le passé
• Méthode de l’étude du marché
– Questionnaires aux consommateurs afin d’anticiper les
changements du marché

12
 Les méthodes quantitatives

• Séries temporelles
– Moyenne mobile
– Tendance et saisonnalité
– Lissage exponentiel simple et double

• Les méthodes causales

– La régression simple et multiple
– Les modèles linéaires généralisés
– Les modèles additifs
– Les réseaux de neurones artificiels
– …

13
 Principe général de la méthodologie des prévisions

Tendance linéaire croissante: y=at+b

Tendance calculée par la méthode
des moindres carrés adaptée aux
relevés de l’historique

• À partir des relevés réalisés sur une période connue, on détermine

une tendance (fonction mathématique) dont l’allure peut varier en
fonction de l’historique.
• Ensuite, une extrapolation est possible sur une période de
prévision. La date au plus tard de la période de prévision est appelée
horizon prévisionnel HP (correspond à une limite dans le temps et au-
delà de laquelle la prévision et moins fiable). 14
 Calcul d’une tendance
Méthode des moindres carrés

y=ax+b (modèle linéaire) (x c’est l’indice de la période)

La méthode consiste à déterminer les coefficients fixes a et b
La méthode des moindres carrés minimise la somme des carrés des écarts
entre les valeurs d’historique et les points de la droite (entre observations et
modèles).
La somme algébrique des écarts étant nulle.
Formules de calcul des coefficients:
• 𝑿=𝒙−𝒙
• 𝒀=𝒚−𝒚
𝑿.𝒀
• a= 𝑿𝟐
• 𝒃 = 𝒚 − 𝒂𝒙

15
 Calcul d’une tendance
Méthode des moindres carrés
• Exemple:
x=t=1 x=t=2
x ou t Année 2015 2016 2017 2018 2019 2020
y Valeur 200 240 220 270 250 290

Calculer la prévision de l’année suivante (2021) en utilisant la tendance par la

méthode des moindres carrés
X1=1-3,5 (21/6)=-2,5
Y1=200-245=-45
a= 15,14
b=245-(15,14*3,5)=192,01
y=15,14 x + 192,01
y2021=15,14 *7 + 192,01=298

16
 La moyenne mobile
• Méthode adaptée à des demandes stables sans tendance qui
consiste à prendre la moyenne arithmétique des n dernières
années pour établir la prévision ( généralement 3≤n≤6)

• La moyenne mobile utilise les observations les plus récentes

pour calculer la prévision.

• généralement on a besoin de conserver un grand nombre de

données en mémoire.

• À partir d’un ensemble de valeurs observées, on calcule leur

moyenne et on utilise la moyenne comme prévision de la
prochaine période

17
 La moyenne mobile

• Cette méthode donne des poids égaux à chacune des

«N» dernières valeurs de la série, et un poids égal à zéro
aux valeurs observées avant.

• Chaque nouvelle prévision basée sur une moyenne

mobile est un ajustement de la précédente moyenne
mobile.

• L’effet de lissage augmente quand «N» augmente

(ajustement beaucoup plus faible d’une prévision à
l’autre)

18
 La moyenne mobile

On transforme un graphique défini à partir de valeurs individuelles Vi en un

graphique de valeurs moyennes Vmi calculées à partir d’un regroupement d’au
moins 3 valeurs individuelles consécutives.
Les points sont calculés de la manière suivante (cas d’une moyenne avec 3
valeurs):

• Vm1=(Vi1 + Vi2 + Vi3)/3

• Vm2=(Vi2 + Vi3 + Vi4)/3
• Vm3=(Vi3 + Vi4 + Vi5)/3

19
 La moyenne mobile
Exemple:

20
 La moyenne mobile pondérée

Cette méthode consiste à donner plus d’importance aux valeurs

récentes. Ainsi, des coefficients ou poids sont attribués aux données
et la somme des coefficients est égale à 1 (100%).

• Vm1=aVi1 +bVi2 + cVi3

• Vm2=aVi2 + bVi3 + cVi4

• Vm3=aVi3 + bVi4 + cVi5

Où : a+b+c=1

21
 La moyenne mobile pondérée

Exemple :

Le calcul de moyenne pondérée est effectué sur 3 périodes (mois)

en appliquant les coefficients 0,1, 0,2, 0,7 (10%, 20% et 70%).

Période P1 P2 P3 P4
coefficient 10% 20% 70%
Consommation Vi 90 80 100
Moyenne Vm 95

22
 La moyenne mobile centrée
Calcul des moyennes mobiles centrées de longueur p:
1 𝑚
• Premier cas, p impair, p = 2m + l : 𝑀𝑝 𝑡 = 𝑘=−𝑚 𝑥𝑡 + 𝑘
𝑃
Il y a ( T – p + 1) moyennes mobiles centrées de longueur impaire p.
• Deuxième cas, p pair, p = 2m :
𝑚−1
Mp(t)= 1/ p ( xt-m /2 + 𝑘=−𝑚+1 𝑥𝑡 + 𝑘 + xt+m / 2 )

23
 La moyenne mobile centrée

Exemple: Calcul de M2, M3 et M4

M2 M3 M4

24
 Méthode du rapport mobile
(Cas de ventes saisonnières)

Dans le cas des ventes saisonnières, cette méthode consiste à

calculer un coefficient saisonnier CS pour chaque mois de
l’année à partir des données de la période étudiée.
On utilise CS pour estimer les ventes de l’année suivante.

25
 Méthode du rapport mobile
(Cas de ventes saisonnières)

Dans le cas des ventes saisonnières, cette méthode consiste à

calculer un coefficient saisonnier CS pour chaque mois de
l’année à partir des données de la période étudiée.
On utilise CS pour estimer les ventes de l’année suivante.

CS=Consom/Moy

26
 Méthode du rapport mobile
(Cas de ventes saisonnières)

Exemple:
Soit une entreprise où la moyenne des ventes a été de 350 par mois durant
l’année 2020. les quantités vendues se sont élevées à 490 en Janvier 2020 et
à 280 en Juillet 2020.
Calculez l’estimation des ventes en Janvier 2021et en Juillet 2021 sachant
que l’estimation moyenne des ventes est prévues à 420 par mois en 2021.
Solution:
• Le CSJanvier=VentesJanvier/moy2020
=490/350=1,4
VentesJanvier2021=CSJanvier*Moy2021=1,4*420=588

• Le CSJuil=VentesJuil/moy2020
=
VentesJuil2021=CSJuil*Moy2021=

27
 Méthode du rapport mobile
(Cas de ventes saisonnières)
Exercice
Trimestre (année ventes CS Prévisions du trimestre
2020) (année 2021)
1 320 320/420 = 0,76 450*0,76 = 343
2 400 400/420 = 0,95 450*0,95= 428
3 580 580/420 = 1,38 450*1,38 = 623
4 380 380/420 = 0,90 450*0,9 = 406
Total=1680

L’estimation des ventes annuelles de l’année 2021 est : 1800

La valeur trimestrielle moyenne = 450

28
 Méthode du rapport mobile
(Cas de ventes saisonnières)

• Si l’entreprise ne connaissait pas de ventes saisonnières mais

régulières, le coefficient de chaque mois serait égal à 1.

• Si le coefficient saisonnier est > 1, l’activité du trimestre ou

du mois est considérée comme supérieure à la moyenne.

• Si le coefficient est < 1, l’activité du trimestre ou du mois est

inférieur à la moyenne.

29
 Exercice
Le tableau suivant donne la série chronologique bimestrielle du transport des
voyageurs sur le réseau Air France International (en milliards de passagers-km)
de 2002 à 2005.

1. Calculez la tendance en utilisant la méthode des moindres carrés

2. Déterminez la tendance de cette chronique par la suite des moyennes
mobiles de longueur adaptée
3. Calculez les coefficients saisonniers.

30
 Le lissage exponentiel simple

Les méthodes de lissage exponentiel, développées par R. G.

Brown dans les années 60, sont des méthodes d’extrapolation
qui donnent un poids prépondérant aux valeurs récentes. Elles
se caractérisent, en outre, par la simplicité des calculs et le
petit nombre des données à garder en mémoire.

Son principe est le calcul d’une valeur moyenne en considérant

que l’importance accordée aux observations va en décroissant
avec leur ancienneté.

Cette méthode de prévision s’applique à des chroniques sans

variations saisonnières et à tendance localement constante .

31
 Lissage exponentiel simple

• Soit x1, x2, …, xn les n premières observations d’une série

temporelle, le lissage exponentiel a pour objectif
d’estimer la valeur de xn+1 non encore observée. Nous
notons cette prévision x ˆ n 1

• Le lissage exponentiel définit cette prévision comme suit:

n 1
xˆn 1    (1   ) j xn  j
j 0

avec  est le paramétre de lissage;  0,1

32
 Lissage exponentiel simple
• Y’t+1 = Y’t + α (Yt- Y’t)
• Avec
– Y’t+1 : la prévision pour la période t+1
– Y’t : la prévision de la période t
– Yt: la valeur observée de la période t
– α: le coefficient de lissage

33
 Lissage exponentiel simple
Une constante de lissage α proche de 0 (≤ 0.3) donne une
importance significative aux observations éloignées, tandis
qu’un α proche de 1 (≥ 0.7) tend à négliger ces observations
éloignées.

34
Exemple

35
 Exercice
La demande d’un certain article a été relevée au cours de 15 mois consécutifs :

1. Appliquez un lissage exponentiel simple à cette série chronologique en

prenant α = 0,6 jusqu’au 6ème mois inclus et α = 0,3 pour les mois
suivants.

36