GESTION BUDGETAIRE DES VENTES

1- Généralités
Prévoir les ventes, c’est fixer les quantités à vendre et/ou le chiffre d’affaires à réaliser.

11- Définitions de la prévision des ventes

Selon FAYOL : « La prévision pour l’entreprise est un compromis entre ce qu’elle veut et ce qu’elle peut. »

Autre définition : « C’est la détermination du volume de vente optimum dans le contexte interne et externe de
l’entreprise. ».

Ce Ce qu'elle
qu'elle veutveut

Entreprise Actions sur les contraintes Contraintes de l'environnement

Ce qu'elle peut

12- Interprétation de la prévision des ventes

121- Intérêt de la prévision des ventes

La prévision des ventes permet d’élaborer :
 A court terme :
o le programme de production
o le programme d’approvisionnement
o le budget des frais : charges de personnel et autres charges…
o le budget et le plan de trésorerie…
 A long terme le plan d’affaires (business plan) : budget des investissements et plan de financement.

La prévision des ventes est « la pierre angulaire de la construction budgétaire ». Le budget des ventes est le pre-
mier budget à établir. Il conditionne tous les autres budgets.

Remarque : ce raisonnement sous-entend que l’on se situe dans une économie de marché. Il n’y a pas de pénurie au
niveau de la production (dans ce cas, c’est le budget de production qui serait primordial : les problèmes liés à
l’écoulement des ventes n’existant pas puisqu’il y a pénurie).

122- Complexité de la prévision des ventes

La prévision se heurte à l’évolution de l’environnement et à des raisons internes.

Evolution technologique
Evolution de Evolution du pouvoir
l'environnement d'achat et des mentalités
Réaction de la concurrence
Aléas climatiques
Gamme de produits
Raisons plus ou moins étendue
internes
Rôle de la fonction recherche
Exemples
TV plasma, LCD remplace tube cathodique
Magnétoscope disque dur remplace
bande magnétique
Appareil photo numérique remplace argentique
Téléphone portable
Développement internet : achats…
Produits light, "alicaments",…
Lessives : poudres, concentrés, liquides, tablettes…
Bons de réduction : Leclerc, CAMIF…
Vaccins antigrippe
Tempête 1999 : couvreurs, assureurs…

Gestion budgétaire des ventes 1

2- Méthodes de prévision
Le choix d’une méthode de prévision dépend de l’horizon de la prévision.
Plus l’horizon de la prévision s’allonge, plus il devient nécessaire d’intégrer d’autres variables que le temps et plus il de-
vient indispensable d’associer au raisonnement quantitatif des préoccupations qualitatives. Le coût de la prévision doit
également être pris en compte.

21- Etude de l’ajustement

Il s’appuie sur le traitement mathématique de séries statistiques afin de découvrir des tendances et de les prolonger par
extrapolation. Cela suppose une stabilité de l’environnement socio-économique.
Le trend est la tendance à long terme d’un phénomène y en fonction du temps.
y = f(x) x : temps
Le futur se présente comme une extrapolation du passé.

Remarque : Il ne peut y avoir entre une variable économique et le temps qu’une relation fonctionnelle et non causale (le
temps n’est pas causal : un renversement de tendance ne peut être expliqué).

Prévision des ventes

R2 = 0,9996
Chiffre d'affaires

2
R = 0,9559

Prévisions période 7
Prévisions période 6

1 2 3 4 5 6 7
Temps
Passé : calcul de la tendance Futur : extrapolation
passée Aujourd'hui

Ventes produit A Ventes produit B Linéaire (Ventes produit A) Exponentiel (Ventes produit B)

211- Tendance linéaire

La fonction d’ajustement est du type y = a.x + b

Remarques :
La recherche de l’équation de la droite d’ajustement (trend) peut se faire par plusieurs méthodes :
 ajustement graphique : faire passer une droite au jugé le plus près possible de tous les points.
 méthode des points extrêmes : la droite d’ajustement passe par les deux points extrêmes de la série, le premier
et le dernier.
 méthode des points moyens ou méthode de MAYER : couper la série en deux sous-séries. La droite
d’ajustement passe par les points moyens de coordonnées P1(x1,y1) et P2 (x 2,y 2 )
 méthode des moindres carrés.

Méthode des moindres carrés

Seule la méthode des moindres carrés est abordée dans ce cours. La performance des tableurs fait que les autres mé-
thodes sont aujourd’hui dépassées.
 
La droite d’ajustement passe par le point moyen Pm x , y et a pour coefficient directeur ay(x) qui a pour valeur :

ay(x) = Cov(x,y)
σ2x

Gestion budgétaire des ventes 2

Rappels :

  xi - x . yi - y   xi.yi
n n

i=1 i=1
Cov(x,y) = = - x.y
n n
2

  xi - x 
n n

 xi 2
2
σ = V(x) =
2
X
i=1
= i=1
-x
n n

Application
De N à N + 6, l’indice de la consommation d’un produit P a évolué de la façon suivante :

Années N N+1 N+2 N+3 N+4 N+5 N+6

Indices 170 176 186 202 222 245 253

Calculer l’équation de la droite d’ajustement par la méthode des moindres carrés.

En admettant que l’évolution enregistrée se poursuive, quelles estimations peut-on faire fin N+6 de l’indice de la
consommation de l’année N+8 ?

Transformer les années en numéros de rang (1 à …)

A B C D E F G H I J K
1 Rang x 1 2 3 4 5 6 7 8 9
2 Indices y 170 176 186 202 222 245 253 283
3 Prévisions
4 {=TENDANCE(C2:I2;C1:I1;K1)}
5 Equation de la droite 15,11 147,29
6 ={DROITEREG(C2:H2;C1:H1)}
7 Mode opératoire : sélection des 2 cellules, entrer la fonction, valider avec Ctrl+Maj

Nous avons y = 15,11.x + 147,29

Prévision pour N+8 Rang : 9 y = 15,11 . 9 + 147,29 = 283

Remarque : dans un certain nombre de cas, l’étude de la liaison entre deux variables peut être ramenée par
l’intermédiaire de transformations simples à un ajustement linéaire.

212- Tendance exponentielle

x
La fonction d’ajustement est du type : y = b.a
x
Exemple : y(x) = b a
y(x+1) = b ax+1 = y(x) . a
Cette relation représente les phénomènes pour lesquels le taux de croissance de y par rapport à x est constant.
a : coefficient multiplicateur constant
Ce schéma convient très souvent pour décrire l’évolution (croissance ou décroissance) d’une grandeur en fonction du
temps.

Taux de croissance ou de variation en fonction du temps

y
Pour une variation Δx = 1, quelle est la variation de y en valeur relative (en %) : ?
y

Δy b . ax+1 - b . ax 
b . ax . a - 1



y = b . ax = 


=
 a-1  Taux de croissance
Δx 1 b . ax Exemple : a = 1,2
a – 1 = 0,2 soit 20%
Rappels : log x.y = log x + log y
log xy = y.log x

Gestion budgétaire des ventes 3

Relation linéaire :

Soit y = b . ax
log y = log (b . ax) = log b + log ax
log y = log b + x . log a

Y B A
Y = A.x + B

Les variables x et Y (log y) sont en relation linéaire.

Cette relation est représentée par une droite sur un graphique à échelle semi-logarithmique (abscisse décimale, ordonnée
logarithmique).

Application
Les ventes du bien P produit par l’entreprise JACQUET suivent une croissance exponentielle.

Déterminer les paramètres de la fonction d’ajustement et estimer les ventes des années N+5 et N+6.

Années N N+1 N+2 N+3 N+4

Ventes (en unités 18 45 113 251 636

A B C D E F G H
1 Rang 1 2 3 4 5 6 7
2 Ventes (en unités) 18 45 113 251 636 1 534 3 716
3 log (Ventes) 1,2553 1,6532 2,0531 2,3997 2,8035 Prévisions
4 a b
5 Equation de la courbe 2,4226 7,5873 {=LOGREG(B2:F2;B1:F1)}
6 A B
7 Equation de la droite 0,3843 0,8801 {=DROITEREG(B3:F3;B1:F1)}
8 a = 10A b = 10B Fonction réciproque
9 Equation de la courbe 2,4226 7,5873
10 Contrôle de la tendance du graphique e0,8848 = 2,4225
11
12 {=CROISSANCE(B2:F2;B1:F1;G1:H1)}
13
Y= A.x +B
Y= 0,3843 . x + 0,8801

y= b . ax
y= 7,5873 . 2,4226x

Prévisions :
Pour N+5 Rang : 6 y = 7,5873 . 2,42266 = 1 534
Pour N+6 Rang : 7 y = 7,5873 . 2,42267 = 3 716

Gestion budgétaire des ventes 4

 4 000

3 500
0,8848x
y = 7,5873e
Ventes (échelle décimale)

3 000 2
R = 0,9994
2 500

2 000

1 500

1 000 636
251
500 113
18 45
0
1 2 3 4 5 6 7
Rang des années

Ventes (en unités) Exponentiel (Ventes (en unités))

10 000

y = 7,5873e0,8848x
636
Ventes (échelle logarithmique)

1 000
251

113

100 45

18

10

1
1 2 3 4 5 6 7
Rang des années

Ventes (en unités) Exponentiel (Ventes (en unités))

213- Tendance de fonction puissance

a
La fonction d’ajustement est du type : y = b.x

Cette relation représente les phénomènes pour lesquels l’élasticité de y par rapport à x est constante.
Ce schéma convient très souvent pour décrire l’évolution de la consommation en fonction du revenu ou des prix (fonction
de consommation), ou celle de la production en fonction du travail ou du capital (fonction de production).

Gestion budgétaire des ventes 5

Elasticité de y par rapport à x

Δy
e = y = Δy  x
y/x
Δx Δx y
x
Rappel :
Δy = y'(x)
Δx
e = b . a . xa-1 . x = a
y/x
b . xa

Relation linéaire

Soit y = b . xa
log y = log (b . xa) = log b + log xa
log y = log b + a . log x

Y B X
Y=a.X+B

Les variables Y (log y) et X (log x) sont en relation linéaire.

Cette relation est représentée par une droite sur du papier log log (abscisse et ordonnée logarithmiques).

Application
Les ventes du bien Y de l’entreprise MUAU suivent un développement de tendance de fonction puissance.

A partir des données de la série ci-dessous, estimer les ventes de N + 6.

Années N N+1 N+2 N+3 N+4 N+5

Ventes (en unités 2 15 51 121 236 408

A B C D E F G H
1 Rang 1 2 3 4 7 5 6
2 Ventes (en unités) 2 15 51 121 236 408 638
3 log (Rang) 0,0000 0,3010 0,4771 0,6021 0,6990 0,7782 Prévis.
4 log (Ventes) 0,301 1,1761 1,7076 2,0828 2,3729 2,6107
5 a B
6 Equation de la droite 2,9728 0,2928 {=DROITEREG(B5:G5;B3:G3)}
7 a b = 10B Fonction réciproque pour b
8 Equation de la courbe 2,9728 1,9624
9

Y= a.X +B
Y= 2,9728 . X + 0,2928

y= b . xa
y= 1,9624 . x2,9728

Prévisions : Pour N+6 Rang : 7 y = 1,9624 . 72,9728 = 638

Gestion budgétaire des ventes 6

 700

600
2,9728
y = 1,9624x
R2 = 0,9999
500

400
Ventes

300

200

100

0
1 2 3 4 5 6 7
Rang des années

Ventes (en unités) Puissance (Ventes (en unités))

1 000

2,9728
y = 1,9624x
Ventes (échelle logarithmique)

100

10

1
1 10
Rang des années (échelle logarithmique)

Ventes (en unités) Puissance (Ventes (en unités))

Gestion budgétaire des ventes 7

22- Etude de la corrélation

221- Principe
Il s’agit d’établir une corrélation entre les ventes y et un facteur x, soit y = f(x) x : facteur explicatif
Mathématiquement cette relation signifie qu’à toute variation de x correspond une variation de y : économiquement que
le facteur x influence de façon décisive l’activité commerciale de l’entreprise.

Exemple : la vente de moteurs électriques de moyenne puissance se trouve en corrélation avec l’indice de la production
industrielle. Toute variation de l’indice entraîne une variation concomitante de la vente de moteurs.
D’où : Ventes de moteurs = f(indice de la production industrielle)

2221- Rappel de cours

cov(x,y)
Calcul du coefficient de corrélation linéaire : r =
σ x .σ y
Equation de la droite de régression des y en x : Dy(x) ou droite d’estimation de y, connaissant x
Cov(x,y)
Coefficient directeur : a =
y(x) σ 2x
Elle passe par le point moyen Pm x , y    d’où y= a .x + b
y(x)

2222- Appréciation de la méthode

 Trouver le facteur déterminant de l’évolution des ventes n’est pas simple. On cherche des relations intersecto-
rielles, des relations avec des indices généraux.
Exemples : indice de la production industrielle, du revenu disponible par habitant, du coût de la construction

 Si l’on réussit à établir une relation liant les ventes à un facteur explicatif x : y = f(x), il faut pouvoir prévoir x,
ce qui repousse le problème. Mais la prévision d’une donnée sectorielle ou nationale est plus simple que celle d’une
donnée d’entreprise car des organismes s’en chargent : INSEE, CREDOC…

 Les ventes ne dépendent pas toujours d’un seul facteur mais de plusieurs. On devra traiter de corrélation mul-
tiple.

 La relation établie n’est valide que si l’environnement économique et financier est stable (toutes choses étant
égales par ailleurs).

Application 1 :
On cherche à estimer les ventes d’un produit X dans une région R1. On dispose de statistiques concernant les ventes de
ce produit dans trois régions différentes : R2, R3, R4.
Ventes en unités
Périodes 1 2 3 4 5 6
Région R1 8 20 29 41 49
Région R2 10 30 56 68 90 121
Région R3 7 15 13 17 20 19
Région R4 50 60 87 131 140 193

Quelle région vous paraît enregistrer l’évolution des ventes la plus comparable à celle de la région R1 ?
Estimer les ventes de la période 6 pour la région R1.

Soient R1, R2, R3 et R4 les ventes en unités de chacune des régions considérées.

Cœfficient de corrélation liant :

R1 ; R2 0,9909 =COEFFICIENT.CORRELATION($B$3:$F$3;B4:F4)
R1 ; R3 0,9207
R1 ; R4 0,9768

C’est R2 qui est le plus corrélé avec R1 : R2 est la variable explicative de R1.
Exprimons les ventes de la région R1 en fonction des ventes de la région R2.
a b
0,514153 3,281035 {=DROITEREG(B3:F3;B4:F4)}

R1 = 0,514. R2 + 3,28
Prévision des ventes :
Pour R2 = 121  R1 = 65 unités
Gestion budgétaire des ventes 8
Application 2 :
er
Une entreprise a dressé une statistique de son chiffre d’affaires semestriel depuis le 1 janvier (N-4) jusqu’au 30 juin N.

Chiffre d’affaires
Semestre
(en milliers d'€)
S1- (N-4) 410
S2- (N-4) 470
S1- (N-3) 510
S2- (N-3) 570
S1- (N-2) 640
S2- (N-2) 720
S1- (N-1) 800
S2- (N-1) 890
S1- N 1 000
me er
Estimer le chiffre d’affaires du 2 semestre N et du 1 semestre (N+1)

Démarche à suivre :
 Calcul du coefficient de corrélation :
o entre x et y
o entre x et log y
o entre log x et log y.
 Calcul de l’équation de la fonction d’ajustement.

Rang Chiffre d’affaires

Semestre
x y log (x) log (y)
S1 - (N-4) 1 410 0,000 2,613
S2 - (N-4) 2 470 0,301 2,672
S1 - (N-3) 3 510 0,477 2,708
S2 - (N-3) 4 570 0,602 2,756
S1 - (N-2) 5 640 0,699 2,806
S2 - (N-2) 6 720 0,778 2,857
S1 - (N-1) 7 800 0,845 2,903
S2 - (N-1) 8 890 0,903 2,949
S1 - N 9 1 000 0,954 3,000
S2 - N 10 1 113
Prévisions
S1 - (N+1) 11 1 243
Coefficient de corrélation liant :
x et y 0,99158
x et log (y) 0,99957 Meilleure corrélation tendance exponentionnelle
log (x) et log (y) 0,95439 Fonction du type y = b . ax

A B
Equation de la droite 0,0478873 2,5677101
Fonction réciproque a = 10A b = 10B
Equation de la courbe 1,1165735 369,58136

Nous avons : y = 369,5814 . 1,1166x

Gestion budgétaire des ventes 9

2-3 Etude des séries chronologiques

231- Généralités
Une série chronologique est une suite d’observations ordonnées en fonction du temps.
Exemples : effectif annuel de la population, niveau mensuel de l’indice des prix, chiffre d’affaires mensuel d’une entreprise,
nombre de mm de pluie par jour...

La périodicité des observations est variable.

Exemples : année, trimestre, jour voire heure (étude du trafic routier ou téléphonique)

Porter un jugement sur une série chronologique est difficile en raison de variations périodiques plus ou moins régu-
lières qui peuvent masquer l’évolution fondamentale du phénomène. Il est donc indispensable d’analyser la série et
de séparer l’élément saisonnier des autres composantes.

232- Composantes d’une série chronologique

On distingue généralement dans l’évolution d’une série chronologique quatre composantes :

 la tendance à long terme ou trend (Tt)

Cette composante représente l’évolution moyenne à long terme du phénomène étudié. La tendance peut indiquer :
 une progression rapide (exemples : taux d’équipement des ménages téléviseurs LCD ou plasma ou en gra-
veurs de salon ) ;
 une progression lente, une quasi-stabilité voire une décroissance du marché (exemples : consommation de
charbon, acquisitions de téléviseurs à tube cathodique).

 le mouvement cyclique ou conjoncturel (Ct)

Autour de la tendance à long terme, ont lieu des fluctuations liées aux variations conjoncturelles faisant alterner des
phases de récession et d’expansion.

Rappel des phases d’un cycle économique : prospérité-dépression-crise-reprise : cycles JUGLAR (8 ans), Kondratieff
(50 ans)
Remarque : ce facteur est assimilé au trend lorsque son influence est marginale ou indiscernable sur la période considé-
rée.
La somme : T + C s’appelle le mouvement extra-saisonnier.

 les variations saisonnières (St)

Ce sont des fluctuations périodiques plus ou moins régulières qui se superposent au mouvement extra-
saisonnier. Leur périodicité peut être journalière (trafic horaire du métro), hebdomadaire (encombrement des autoroutes),
mensuelle (achats des ménages)...

Les causes de ces fluctuations sont attribuables :

 aux facteurs climatiques dont l’impact est très net sur certains produits (maillots de bain, matériel de ski ...)
 à de multiples facteurs sociaux, économiques ou culturels tels : les congés payés (baisse de la production
industrielle) , nombre de jours ou de jours fériés par mois (février, mai), périodicité de l’offre ou de la demande
(jouets, chocolats, foie gras, fraises), évènement particulier : jeux olympiques, salon de l’automobile....

 les variations accidentelles ou résiduelles (Rt)

Autour des mouvements précédents se produisent des fluctuations aléatoires, généralement de faible amplitude.
Exemples : grève, krach financier, crise internationale, modification de la législation fiscale ou sociale (baisse de la TVA
sur les travaux...)
Elles ne peuvent être ni prévues ni modélisées.

233- Règles de composition des séries chronologiques

La valeur observée à la date t de la variable étudiée Yt est fonction des valeurs prises à cette même date par les diverses
composantes.
Yt = f(Tt , Ct , St , Rt)

Deux schémas sont souvent utilisés :

 Modèle ADDITIF Yt = Tt + Ct + St + Rt

Les fluctuations saisonnières s’additionnent algébriquement à la tendance.

Si l’on fait abstraction des variations conjoncturelles et résiduelles : Yt = Tt + St

Représentation graphique : (page suivante)

Gestion budgétaire des ventes 10

 t Yt = Tt + St Tt St
1 10 10 0
2 14 11 3
Trend
3 12 12 0
4 10 13 -3
5 14 14 0

Yt
6 18 15 3
7 16 16 0
8 14 17 -3
9 18 18 0
10 22 19 3
11 20 20 0
12 18 21 -3 t
13 22 22 0

 Modèle MULTIPLICATIF Yt = Tt x Ct x St x Rt

Les fluctuations saisonnières apparaissent proportionnelles à la tendance.

Si l’on fait abstraction des variations conjoncturelles et résiduelles : Yt = Tt x St

Représentation graphique :

t Yt = Tt x St Tt St
1 10,0 10 1,0
2 13,2 11 1,2
3 15,6 12 1,3
4 15,6 13 1,2
5 14,0 14 1,0
6 12,0 15 0,8 Trend
7 11,2 16 0,7
8 13,6 17 0,8
9 18,0 18 1,0
10 22,8 19 1,2
11 26,0 20 1,3
Yt

12 25,2 21 1,2
13 22,0 22 1,0
14 18,4 23 0,8
15 16,8 24 0,7
16 20,0 25 0,8
17 26,0 26 1,0
18 32,4 27 1,2
19 36,4 28 1,3
20 34,8 29 1,2
21 30,0 30 1,0
22 24,8 31 0,8
23 22,4 32 0,7 t
24 26,4 33 0,8

Gestion budgétaire des ventes 11

 Application : dans les 3 cas suivants, préciser la nature du trend (stationnaire, ascendant ou descendant) et le
type de schéma (additif, multiplicatif).

Cas n°1
Soient P1, P2, P3, les couples (Ecart type/Moyenne) des 3 périodes représentées.

Schéma additif
Ecart type (Y)

Trend stationnaire

Yt

P1 ≈ P2 ≈ P3

Moyenne (Y) t

Cas n°2

Schéma additif
Ecart type (Y)

Yt

P1 P2 P3 Trend ascendant

t
Moyenne (Y)

Cas n°3

P1
Trend descendant
Ecart type (Y)

Yt

P2

P3
Schéma multiplicatif
Moyenne (Y)
t

Remarque : dans la suite de ce cours, nous n’envisagerons que les schémas de type
multiplicatif ; ces schémas correspondant aux usages les plus fréquents.

234- Identification des composantes de la série

A partir d’une série donnée, on cherche à déterminer :
 la composante extra saisonnière (trend) ;
 la composante saisonnière ;
 éventuellement les variations résiduelles : informations autres que statistiques.

Gestion budgétaire des ventes 12

2341- Calcul du trend

 Par la méthode des moyennes mobiles

Les moyennes mobiles sont une méthode empirique d’ajustement qui permet de montrer la tendance lorsque
l’ajustement linéaire ne convient pas (couples (x ,y) ou (x, log y) ou (log x, log y).

Application A :
Soit la série ci-dessous retraçant l’évolution trimestrielle des ventes d’un produit de grande consommation sur quatre an-
nées.
Dégager l’évolution à moyen terme du phénomène en calculant les moyennes mobiles d’ordre 4. Les reporter sur
le graphique précédent.

Année Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4 Total

N-3 3 140 3 200 3 400 3 300 13 040
N-2 3 460 3 600 3 900 3 700 14 660
N-1 3 560 3 720 3 840 3 460 14 580
N 3 520 3 620 3 720 3 340 14 200

Ventes trimestrielles

4 000

3 900

3 800

3 700

3 600

3 500

3 400
3 300

3 200

3 100

3 000

N-3 N-2 N-1 N

Graphiquement, si aucune composante extra saisonnière (trend) n’apparaît clairement, une composante saisonnière est
discernable à l’intérieur de chaque année.

Première étape : Calcul des moyennes mobiles (simples) m, non centrées de 4 trimestres consécutifs
La première moyenne des ventes couvre 4 trimestres. Elle est égale à
m1 = ¼ . (3 140 + 3 200 + 3 400 + 3 300) = 3 260.
Cette moyenne couvre 4 trimestres de rangs 1, 2, 3, 4. Elle n’est pas centrée sur un trimestre mais passe entre 2 et 3. La
médiane est le rang de trimestre 2,5.
Les moyennes suivantes sont obtenues par glissement des données. On enlève la première donnée du calcul de la
moyenne précédente et on ajoute les ventes de rang 5 : trimestre 1 de l’année 2.
m2 = ¼ . (3 140 + 3 200 + 3 400 + 3 300 + 3 460 ) = 3 340.
Cette période couvre 4 trimestres de rangs 2, 3, 4, 5. La médiane est le rang 3,5…

Seconde étape : calcul des moyennes mobiles (doubles) centrées M de 2 moyennes non centrées m consécutives
Pour éviter que les rangs ne soient pas entiers, on calcule à nouveau la moyenne des données prises 2 à 2.
M1 = ½ . (m1+ m2) = ½ . (3 260 + 3 340) = 3 300. Cette moyenne couvre les trimestres de rangs 2,5 et 3,5 dont la médiane
est 3.
M2 = ½ . (m2+ m3) de rang 4….

Gestion budgétaire des ventes 13

 Etape 1 Etape 2
Année Trimestre Rang Ventes Rang m Rang M
1 1 3 140 2,5 3260,00 3 3 300,00
2 2 3 200 3,5 3340,00 4 3 390,00
N-3
3 3 3 400 4,5 3440,00 5 3 502,50
4 4 3 300 5,5 3565,00 6 3 615,00
1 5 3 460 6,5 3665,00 7 3 677,50
2 6 3 600 7,5 3690,00 8 3 705,00
N-2
3 7 3 900 8,5 3720,00 9 3 712,50
4 8 3 700 9,5 3705,00 10 3 675,00
1 9 3 560 10,5 3645,00 11 3 640,00
2 10 3 720 11,5 3635,00 12 3 622,50
N-1
3 11 3 840 12,5 3610,00 13 3 595,00
4 12 3 460 13,5 3580,00 14 3 565,00
1 13 3 520 14,5 3550,00
2 14 3 620
N
3 15 3 720
4 16 3 340

 Par la méthode des moindres carrés

Principe : Il s’agit de déterminer l’équation de la droite d’ajustement (méthode des moindres carrés) en prenant tous les
points de la série

Application B :
Soit la série ci-dessous retraçant l’évolution trimestrielle des ventes d’un produit de grande consommation sur quatre an-
nées.

Dégager l’évolution à moyen terme du phénomène en calculant la droite d’ajustement. La reporter sur le gra-
phique précédent.

Année Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4

N-3 2 400 3 060 4 600 2 200
N-2 2 600 3 300 5 100 2 400
N-1 2 800 3 600 5 500 2 600
N 3 020 3 880 5 950 2 800

Coefficients 73,426 2 864,00

y = 73, 426 . x + 2 864

Le graphique peut laisser penser à une tendance linéaire et un schéma multiplicatif.

Gestion budgétaire des ventes 14

 Ventes trimestrielles

7 000

6 000

5 000
y = 73,426x + 2864
4 000

3 000

2 000

1 000

N-3 N-2 N-1 N

2342- Calcul des variations saisonnières

Comme nous l’avons dit précédemment, nous nous limiterons aux modèles saisonniers multiplicatifs permettant de
s’adapter à la quasi totalité des situations rencontrées.

Le calcul des coefficients saisonniers se fait par la méthode des rapports à la tendance générale.

Mettons cette méthode en œuvre dans les applications A et B précédentes

Application A (suite)
Ventes observées V
Année Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4
N-3 3 140,00 3 200,00 3 400,00 3 300,00
N-2 3 460,00 3 600,00 3 900,00 3 700,00
N-1 3 560,00 3 720,00 3 840,00 3 460,00
N 3 520,00 3 620,00 3 720,00 3 340,00

Tendance des ventes T

Année Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4
N-3 3 300,00 3 390,00
N-2 3 502,50 3 615,00 3 677,50 3 705,00
N-1 3 712,50 3 675,00 3 640,00 3 622,50
N 3 595,00 3 565,00

V/T
Année Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4 Total
N-3 1,03 0,97
N-2 0,99 1,00 1,06 1,00
N-1 0,96 1,01 1,05 0,96
N 0,98 1,02
Moyenne 0,98 1,01 1,05 0,98 4,02
Coefficients
ajustés 0,98 1,00 1,04 0,98 4,00

Etape 1 : Calcul des rapports entre les données observées et la tendance

Donnée observée de la période p
Le rapport est calculé pour chaque donnée.
Valeur de la tendance pour la période p

Gestion budgétaire des ventes 15

Etape 2 : Première estimation des coefficients saisonniers
On calcule pour chaque trimestre la moyenne des rapports.
Par souci de simplification, nous limiterons le résultat à 2 décimales.

Etape 3 : Estimation finale des coefficients saisonniers

La moyenne des coefficients multiplicatifs devrait en principe être égale à 1 et leur somme égale à 4 (4 trimestres). Les
arrondis dans les estimations provoquent le plus souvent un petit écart que l’on doit ajuster pour que la somme soit exac-
tement de 4.
4
Coefficient saisonnier ajusté = Première estimation x
Somme des premières estimations

Remarque : en cas de travail sur tableur, cette dernière étape peut être ignorée à la condition de ne pas arrondir les pre-
mières estimations.

Application B (suite)

Ventes observées V
Année Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4
N-3 2 400 3 060 4 600 2 200
N-2 2 600 3 300 5 100 2 400
N-1 2 800 3 600 5 500 2 600
N 3 020 3 880 5 950 2 800

Tendance des ventes T

Année Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4
N-3 2 937,00 3 011,00 3 084,00 3 158,00
N-2 3 231,00 3 305,00 3 378,00 3 451,00
N-1 3 525,00 3 598,00 3 672,00 3 745,00
N 3 819,00 3 892,00 3 965,00 4 039,00
V/T
Année Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4 Total
N-3 0,817 1,016 1,492 0,697
N-2 0,805 0,998 1,510 0,695
N-1 0,794 1,001 1,498 0,694
N 0,791 0,997 1,501 0,693
Moyenne 0,802 1,003 1,500 0,695 4,000
Coefficients
ajustés 0,802 1,003 1,500 0,695 4,000

235- Prévision des ventes en tenant compte des coefficients saisonniers

2351- Coefficients saisonniers calculés à partir d’une série désaisonnalisée à l’aide des
moyennes mobiles doubles
La méthode des moyennes mobiles ne permet pas de calculer le trend. Il doit donc être estimé de manière empirique.

Application A : (suite et fin)

Les ventes prévues pour (N+1) sont de 13 800.
En déduire les ventes trimestrielles.

Ventes prévisionnelles
Année Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4 Total
Coefficients
0,98 1,00 1,04 0,98 4,00
saisonniers
N+1 3 381,00 3 450,00 3 588,00 3 381,00 13 800,00

Gestion budgétaire des ventes 16

2352- Coefficients saisonniers calculés à partir d’une série désaisonnalisée à l’aide des moindres carrés

Application B (suite et fin)

Prévoir les ventes trimestres de (N+1) en considérant que la tendance passée va se poursuivre.
Année Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4 Total
Rang (N+1) 17 18 19 20
Valeur du trend 4 112 4 186 4 259 4 333
Coefficients
0,802 1,003 1,500 0,695 4,00
saisonniers
Ventes
prévisionnelles 3 298 4 199 6 389 3 011 16 897

24- Les méthodes de lissage

241- Généralités
Les méthodes de lissage reposent sur l’utilisation de séries chronologiques historiques afin de construire des
séries chronologiques prévisionnelles.

La mise en oeuvre s’effectue en deux temps :

 réduction ou filtrage des fluctuations aléatoires par le processus du lissage ;
 utilisation de la série lissée comme moyen de prévision.

Les méthodes de lissage sont applicables :

 en cas de stationnarité ou de linéarité de la tendance ;
 à très court terme (1 à 3 mois)

242- Moyennes mobiles simples

Les moyennes mobiles sont utilisables pour éliminer les variations aléatoires d’une série chronologique. On peut égale-
ment les utiliser à des fins de prévision.
Notations : St+1 : prévision de la période t+1
xi : réalisation de la période i
A la fin de la période t, la prévision St+1 est la moyenne arithmétique des n réalisations précédentes.
t

 xi
Soit : St+1 = i=t-n+1
n
Remarques : le nombre de périodes n sur lequel est calculée la moyenne mobile est un élément déterminant de la
qualité du modèle :
 si n est faible : le modèle repère rapidement les modifications de tendance ou de conjoncture mais est
très sensible aux fluctuations aléatoires ;
 si n est élevé, le modèle élimine mieux les variations exceptionnelles mais la sensibilité aux retourne-
ments de tendance et de conjoncture sera moindre.

Exemple : voir données page suivante

Gestion budgétaire des ventes 17

190 000

170 000
165 109
158 966
150 000

130 000

110 000

90 000

70 000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27

Ventes… Moyennes… Moyennes…

Moyennes Moyennes
Ventes
Données mobiles sur 3 mobiles sur 6
réelles
mois mois
1 95 019
2 93 407
3 102 347
4 86 251 96 924
5 98 037 94 002
6 111 587 95 545
7 93 949 98 625 97 775
8 97 143 101 191 97 596
9 101 535 100 893 98 219
10 109 786 97 542 98 084
11 112 574 102 821 102 006
12 116 790 107 965 104 429
13 100 356 113 050 105 296
14 132 486 109 907 106 364
15 131 456 116 544 112 255
16 125 670 121 433 117 241
17 139 723 129 871 119 889
18 151 280 132 283 124 414
19 134 571 138 891 130 162
20 140 803 141 858 135 864
21 168 765 142 218 137 251
22 148 900 148 046 143 469
23 174 890 152 823 147 340
24 157 943 164 185 153 202
25 162 495 160 578 154 312
26 Prévisions  165 109 158 966

De façon générale, l’utilisation d’un modèle de moyennes mobiles présuppose implicitement que la tendance est cons-
tante. En cas de modification de la tendance, il y aura toujours un certain retard de la prévision par rapport à la
réalisation.

Gestion budgétaire des ventes 18

243- Lissage exponentiel simple
Cette méthode de prévision calcule, de fait, une moyenne des observations passées mais en les pondérant. Les observa-
tions ont un poids décroissant en fonction de leur ancienneté.
Pour une période donnée t+1, la prévision des ventes est calculée selon la formule suivante :
St+1 = St    x t  St    x t + 1-   S t
Avec : St+1 : Prévision de la période t+1
St : Prévision de la période t
xt : Réalisation de la période t
: Coefficient de pondération compris entre 0 et 1

Avec un raisonnement par récurrence, on démontre facilement que St+1 est une moyenne de toutes les observations pas-
sées, pondérée par des coefficients décroissants avec le temps.
St+1 =  x t +  1-   x t-1 +  1-   x t-2 +... +  1-   x t-n+1 + 1-   St
2 n-1 n

Dans ce modèle, c’est la valeur du coefficient  qui est déterminante :

 un coefficient  faible correspond à un modèle peu sensible aux aléas, à la limite complètement insensible si
 = 0 . L’écart (xt - St) correspond à un aléa jugé non reproductible et non retenu dans la prévision.
 un coefficient  élevé entraîne des prévisions très fluctuantes, intégrant rapidement les écarts observés. A la li-
mite, si  =1, la prévision de la prochaine période est égale à la réalisation de la période précédente et on intègre
la totalité des écarts constatés. L’écart (xt - St) correspond à un changement de tendance (trend) qu’il faut retenir
dans les prévisions.

Exemple :
Pour trouver un optimum entre la stabilité du système de prévision et sa sensibilité, il faut procéder à des essais de coeffi-
cients .
2
Dans l’exemple suivant, on constate que le cœfficient de détermination (r ) liant prévisions et réalisations est meilleur avec
 = 0,5.
Cette méthode ne s’applique efficacement qu’à des séries stationnaires, comme la méthode des moyennes mobiles.

Ventes
Données Lissage simple Lissage simple
réelles
Alpha 0,8 0,5
1 95 019
2 93 407 95 019 95 019
3 102 347 93 729 94 213
4 86 251 100 623 98 280
5 98 037 89 125 92 266
6 111 587 96 255 95 151
7 93 949 108 521 103 369
8 97 143 96 863 98 659
9 101 535 97 087 97 901
10 109 786 100 645 99 718
11 112 574 107 958 104 752
12 116 790 111 651 108 663
13 100 356 115 762 112 727
14 132 486 103 437 106 541
15 131 456 126 676 119 514
16 125 670 130 500 125 485
17 139 723 126 636 125 577
18 151 280 137 106 132 650
19 134 571 148 445 141 965
20 140 803 137 346 138 268
21 168 765 140 112 139 536
22 148 900 163 034 154 150
23 174 890 151 727 151 525
24 157 943 170 257 163 208
25 162 495 160 406 160 575
26 Prévisions  162 077 161 535
r2 entre ventes réelles
0,7516 0,8045
et ventes lissées

Gestion budgétaire des ventes 19

 190 000

170 000 162 077

161 535

150 000

130 000

110 000

90 000

70 000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27

Ventes réelles Lissage avec alpha = 0,8 Lissage avec alpha = 0,5

3- Budget des ventes

Le passage du programme des ventes (quantités vendues) au budget introduit la notion de valeur (ou prix unitaire des
quantités). Les objectifs valorisés seront ventilés par période, vendeur, région, produit ou catégorie de produit.

31- Ventilation par période

311- Quelle période adopter ?
Il faut trouver un équilibre entre :
 les besoins de contrôle (aucune entreprise n’attend un an pour vérifier ses prévisions) ;
 le coût des contrôles (plus les contrôles sont nombreux, plus ils sont coûteux).
Souvent, le mois permet de faire ces rapprochements.

312- Comment effectuer la ventilation ?

En raison de la saisonnalité (quel que soit le type de produit), la ventilation doit s’appuyer sur l’expérience passée. On
distingue deux cas :
 structure saisonnière fixe : on proroge la structure des années précédentes, sous réserve des modifications prévi-
sibles.
Exemple : Modification liée à l’impact d’une campagne de publicité.
 structure saisonnière variable : aléas climatiques, modifications du comportement.
Exemples :
Retard dans la consommation de glaces et d’eau minérales liées au mauvais temps.
Prévision des ventes dans un hypermarché : journalière. On doit tenir compte de la place du jour dans le mois, dans
la semaine, des prévisions météorologiques...

32- Ventilation par région ou vendeur

Intérêt : possibilité pour l’entreprise de comparer les efforts de ses divisions géographiques ou de ses vendeurs.

33- Ventilation par produit

Tout dépend de l’étendue de la gamme :
 gamme peu étendue : classement par produit (ex : automobile) ;
 gamme étendue : nécessité de regroupements par catégories.

Le regroupement peut être centré sur la production, l’aspect commercial voire financier. Parfois la gamme impose un ou
plusieurs types de classement. Les ventilations peuvent se recouper dans certains cas.

Gestion budgétaire des ventes 20

Exemples :
Classement
d’ordre TECHNIQUE la matière ou le procédé de fabrication impose le clivage
Exemples :
Téléviseurs cathodique, LCD, plasma
d’ordre COMMERCIAL par zone de prix
Exemples :
Voyages, hôtels
d’ordre FINANCIER par taux de marge
Exemples :
Peu rentable, très rentable
Classifications possibles d’une production de montres :
 boîtiers métal, plastique, or…
 électronique, mécanique,
 digitale, aiguilles,
 origine géographique de la production,
 critère de prix,
 critère de taux de marge…

4- Le contrôle des ventes

41- Généralités
Le point essentiel est que le contrôle ne s’exerce que par exceptions.
Les besoins de contrôle changent avec la taille et l’organisation de l’entreprise.
Les contrôles sont différents selon l’échelon de la hiérarchie.

Echelon Contrôles à réaliser

Directeur général Chiffre d’affaires global, marge globale
Directeur commercial Chiffre d’affaires et marge par région, par produit
Directeur régional Par vendeur, éventuellement par périodes et produits

42- Contrôle par période

Il faut veiller à ne pas mettre en avant une responsabilité en première analyse si l’écart est défavorable. Une analyse plus
détaillée est nécessaire.
Exemple :
 un mois de mars faible pour l’ensemble des vendeurs peut s’expliquer par des raisons conjoncturelles locales ou
nationales.
 un mois de mars faible pour quelques vendeurs seulement nécessite une enquête complémentaire. (vérification de
l’activité des représentants : nombre de kilomètres parcourus, nombre de visites effectuées...).

43- Contrôle par région

Ce contrôle met en avant la responsabilité des directeurs régionaux puis celle des vendeurs. Si une région se sépare des
autres quant à la tendance, l’analyse doit être approfondie. Cette situation peut s’expliquer par des raisons :
 externes : implantation de nouveaux concurrents, récession locale…
 internes : manque d’approvisionnements, action insuffisante des représentants...

44- Contrôle par produit

Ce type de contrôle concerne plus particulièrement :
 la politique générale de l’entreprise ;
 la connaissance qu’elle a du marché ;
 ses possibilités d’adaptation.

Gestion budgétaire des ventes 21

5- EXERCICES
51- Cas MERISE
On a relevé pour différentes années le chiffre d'affaires annuel d'une entreprise et les charges annuelles correspondantes.

Données en milliers d'euros

Rang de Chiffres Charges totales
l’année d'affaires annuels annuelles
1 76 000 79 000
2 86 000 82 000
3 94 000 83 000
4 104 000 85 000
5 116 000 87 000
6 64 000 77 000
7 56 000 75 000
8 68 000 77 000

A l’aide d’un tableur :

1. Représenter sur un graphique à coordonnées arithmétiques, sous forme d'un nuage de points, les charges
totales annuelles en fonction du chiffre d'affaires.
2. Calculer par la méthode des moindres carrés l'équation de la droite d'ajustement exprimant une relation fonc-
tionnelle entre les charges totales annuelles et le chiffre d'affaires annuel. Tracer la droite sur le graphique.
3. Calculer le coefficient de corrélation et procéder à son interprétation.
4. Que représente la valeur de l'ordonnée à l'origine et celle du coefficient directeur de la droite d'ajustement ?

A l’aide de votre calculatrice contrôler les résultats des questions 2 et 3.

52- Cas MASSON

La société industrielle MASSON a introduit sur le marché dans le courant de l'année A, un produit nouveau bien accepté
par les consommateurs. Au cours de l'année A+1, bien soutenues par une campagne continue de publicité, les ventes
n'ont cessé de croître ainsi que le montre le tableau suivant (les ventes sont exprimées en nombre d'unités) :

Mois J F M A M J J O N D
Ventes 8 200 8 220 8 450 8 610 8 790 9 030 9 200 9 380 9 630 9 840

Aucune vente n'a lieu en août et septembre.

A l’aide d’un tableur :

1. Faire apparaître sur un graphique par points joints la progression des ventes.
2. Procéder, par la méthode des moindres carrés, à un ajustement linéaire.
3. Prévoir les ventes de l'année A+2 en supposant la poursuite de la tendance et une activité également sur 10
mois.

53- Cas ELECTRO

La société ELECTRO souhaite établir des prévisions de ventes relatives au produit nouveau X pour l’année N+1. Les
services commerciaux disposent des informations suivantes :
 les ventes du produit X seraient analogues, la première année, à celles constatées pour l’appareil Y déjà fabriqué et
vendu par ELECTRO ;
 les statistiques fournies par un organisme professionnel ont révélé, pour l’année N, l’existence d’une corrélation entre
le volume des ventes des appareils ménagers Y et la variation d’un indice de consommation ;
 il existe un décalage moyen d’un mois entre la production et la vente ;
 les services commerciaux et les services de production ont fourni à l’équipe de gestionnaires dont vous faîtes partie
les renseignements figurant en annexe.

1. Calculer le coefficient de corrélation entre le volume des ventes des appareils Y et les indices de consomma-
tion pour l’exercice N. Interpréter le résultat obtenu.
2. Etablir les prévisions mensuelles des ventes et de production du produit X pour l’année N+1 (arrondir à la
dizaine la plus proche les prévisions mensuelles).

ANNEXE

A- Production de l’appareil Y en N

Janv. Févr. Mars Avr Mai Juin Juil Août Sept Oct Nov Déc
4 000 4 600 4 700 4 070 3 800 3 810 3 680 4 000 4 070 4 020 5 250 4 300

Gestion budgétaire des ventes 22

B- Production de Y en décembre N-1 4 400

C- Indices de consommation en N

Janv. Févr. Mars Avr Mai Juin Juil Août Sept Oct Nov Déc
140 113 150 160 115 103 101 90 110 115 112 179

4. Indices prévisionnels de consommation pour N+1

Janv. Févr. Mars Avr Mai Juin Juil Août Sept Oct Nov Déc
145 120 152 164 118 105 100 92 115 125 110 180

D- Indice prévisionnel de consommation pour janvier N+2 : 150.

54- Cas GAYOT

La société GAYOT, spécialisée dans la fabrication de pièces mécaniques de haute technicité, a lancé sur le marché au
er
cours du 1 trimestre N, un nouveau produit X2R dont l’évolution des ventes depuis 18 mois a été la suivante :

Année 1 2
Trimestre T1 T2 T3 T4 T1 T2
Quantités vendues 255 330 435 570 740 960

1. A la lecture de ces statistiques, l’hypothèse d’une croissance exponentielle des ventes peut-elle être rete-
nue ?
x
2. Déterminer les paramètres de la fonction y = ba liant les quantités vendues (y) au rang du trimestre (x), en
procédant à un ajustement par la méthode des moindres carrés. (Les calculs seront arrondis au centième).
er
3. Présenter sous forme de tableau les prévisions trimestrielles de ventes, du 1 juillet N+1 au 31 décembre
N+1. (Les quantités seront arrondies à la dizaine la plus proche).

55- Cas SANTONS (extrait DECF 1990)

L’analyse des ventes trimestrielles de tubes Y au cours des quatre derniers exercices a permis de dresser le tableau ci-
après :
Volume des ventes trimestrielles en milliers de tubes Y
Rang du trimestre N N+1 N+2 N+3
1 524 532 556 660
2 378 418 426 482
3 354 378 394 434
4 636 692 716 724

On se propose d’effectuer un lissage de la série des ventes en volume.

1. Déterminer les moyennes mobiles centrées de longueur 4.

2. Représenter graphiquement la suite des observations et celle des moyennes mobiles centrées. Que peut-on
conclure ?
3. Calculer, pour chaque trimestre, l’indice saisonnier égal au rapport de l’observation sur la moyenne mobile
centrée (prendre 4 décimales).
4. Calculer pour chaque trimestre le « coefficient saisonnier », moyenne pour chaque trimestre des rapports
précédents.

La composante tendancielle des ventes en volume est représentée par la relation :

er
y = 9.t + 460 (origine des temps : 1 janvier N)

5. Donner une estimation des ventes en volume pour les quatre trimestres de l’année N+4.

Gestion budgétaire des ventes 23

56- Cas NADONE

La société Nadone a établi ses statistiques de ventes annuelles de yaourts au cours des huit dernières années.

Années 1 2 3 4 5 6 7 8
Ventes (millions d'euros) 300 325 290 280 310 330 280 320

Elle cherche à déterminer le montant des ventes de yaourt de l'année prochaine par un lissage exponentiel.

1. Vérifier que la tendance est stationnaire :

1.1. Par le coefficient de corrélation.
1.2. Par un ajustement linéaire.
1.3. Conclure.

2. Déterminer rétrospectivement les ventes prévisionnelles des années 2 à 8 par un lissage exponentiel
(coefficient de lissage : 30 %). On admettra, pour l'année 1, que la réalisation a été égale à la prévision.

3. Calculer le montant prévisionnel des ventes de l'année 9.

6- Travaux dirigés
61- Cas SAISONS
A partir de la série ci-dessous et en utilisant tableur et grapheur, vérifier le cycle saisonnier et établir les prévi-
sions de chiffre d’affaires de l’année 6.

Procédure :
 Télécharger le fichier de base,
 Vérifier la saisonnalité en représentant graphiquement les 5 séries annuelles, l’abscisse du graphique correspon-
dant aux 12 mois d’une année,
 Calculer le trend graphiquement avec les 60 mois en abscisse. Contrôler le trend par le calcul.
 Calculer les coefficients saisonniers,
 Etablir les prévisions de l’année 6.

Année 1 Année 2 Année 3 Année 4 Année 5

Janvier 146 400 155 800 152 550 161 600 167 750
Février 137 250 138 775 146 600 149 400 149 450
Mars 155 550 164 700 155 680 161 590 164 725
Avril 134 200 140 300 137 360 146 350 149 470
Mai 137 000 143 350 143 420 155 500 163 200
Juin 134 500 137 340 140 345 143 300 152 525
Juillet 115 900 112 850 122 080 128 060 131 170
Août 82 350 88 450 85 430 85 370 91 515
Septembre 128 100 113 150 125 130 128 020 134 220
Octobre 146 640 149 600 158 680 173 800 173 890
Novembre 149 450 146 450 161 800 176 840 179 980
Décembre 158 600 166 280 174 020 182 940 186 080

62- Cas TARDY

L'entreprise TARDY vend des appareils ménagers. Pour l'un des types d'appareils vendus, elle souhaite faire apparaître la
tendance des ventes pour les mois à venir afin de déterminer la stratégie à suivre en matière de campagne publicitaire et
de fixer ses différents budgets.
Pour les 27 derniers mois, on a la statistique des ventes suivante :

Nombre Nombre Nombre Nombre

Mois d'appareils Mois d'appareils Mois d'appareils Mois d'appareils
vendus vendus vendus vendus
1 450 8 320 15 800 22 1 120
2 580 9 570 16 930 23 1 000
3 430 10 760 17 1 000 24 1 100
4 440 11 900 18 850 25 1 200
5 600 12 810 19 900 26 1 150
6 680 13 700 20 630 27 1 050
7 600 14 680 21 1 000

Gestion budgétaire des ventes 24

On vous demande d'utiliser la technique des moyennes mobiles pour prévoir, à la fin de chaque mois, les ventes du mois
suivant. La technique des moyennes mobiles consiste à prendre les n dernières valeurs observées de la variable, à calcu-
ler leur moyenne arithmétique, puis à utiliser cette moyenne comme prévision pour la période suivante.

 Calculez les moyennes mobiles qui auraient servi de prévisions pour les mois : 13, 14, 15, 16 ... 28. On
prendra n = 12.
 Représentez graphiquement la statistique des ventes et les moyennes mobiles.

Comme on peut le constater, l'écart entre prévisions et ventes réelles est assez considérable. En effet, dans le cas d'un
phénomène comportant une tendance à la hausse (ou à la baisse), la moyenne mobile est toujours inférieure (ou supé-
rieure) aux données réelles.
Il est intéressant alors d'utiliser la méthode des moyennes mobiles doubles. Cette méthode consiste simplement à calculer
les moyennes mobiles des moyennes mobiles simples. On remarque que l'écart entre les moyennes mobiles doubles et
les moyennes mobiles simples est à peu près égal à l'écart existant entre les valeurs réelles et les moyennes mobiles
simples. Ainsi, dans le cas d'une tendance à la hausse, la prévision sera obtenue en ajoutant à la moyenne mobile simple
l'écart entre la moyenne mobile simple et la moyenne mobile double.

 Calculez les moyennes mobiles doubles et représentez-les sur le graphique précédent. En déduire les
prévisions relatives aux mois 25, 26, 27, 28.

L'entreprise souhaite expérimenter le lissage exponentiel. Dans son principe, cette technique revient à calculer une
moyenne arithmétique pondérée de l'ensemble des valeurs observées dans le passé. La pondération est d'autant plus
faible que l'observation est plus ancienne. La formule générale du lissage exponentiel est la suivante :
St+1 = α.xt + (1 - α).St
Avec :
St+1 prévision pour la période t + 1,
St prévision de la période t,
xt valeur observée à la période t,
α nombre compris entre 0 et 1, fixé de façon expérimentale.


ème
Faites les prévisions avec cette nouvelle technique, mais seulement à partir du 14 mois inclus
(prendre α = 0,4 et S13 = 810).

Le lissage exponentiel, comme la moyenne mobile, donne, dans le cas d'un trend ascendant, des résultats toujours infé-
rieurs aux valeurs réelles. La prévision peut alors être améliorée par utilisation du lissage exponentiel double. Les valeurs
obtenues par lissage exponentiel double sont données par la relation :
S't+1 = α.St + (1 - α).S't

 Calculez les valeurs obtenues par lissage exponentiel double (α = 0,4 et S' 13 = 810).

 En déduire les prévisions relatives aux mois 14 à 28 en appliquant la relation :

Prévision de la période t + 1 = St + 1 + (St + 1 - S't+1).

La technique du lissage exponentiel est supérieure à celle des moyennes mobiles dans la mesure où elle donne un poids
plus important aux observations récentes (dans le cas des moyennes mobiles toutes les observations ont le même poids).

En reprenant la formule : St+1 = α.xt + (1 - α).St

et en la développant (c'est-à-dire, en remplaçant St par sa valeur en fonction de St-1, puis en remplaçant St-1 par sa
valeur en fonction de St-2,…) montrez, qu'effectivement, St+1 est une moyenne pondérée de toutes les observa-
tions passées. Que peut-on dire du lissage selon que α est plus ou moins grand ?

Gestion budgétaire des ventes 25