Prévision de la demande et incertitude : qu’est-ce qui a changé ces dernières années ?

La prévision de la demande a été profondément transformée par la montée de l’incertitude depuis la COVID-19, révélant les limites d’une approche reposant uniquement sur les données historiques. Cette vue d’ensemble explore l’évolution vers une planification plus agile, une collaboration transverse et des approches combinant données et expertise métier afin de distinguer les changements structurels des évolutions temporaires de la demande. Le monde est aujourd’hui plus incertain qu’il ne l’était il y a 10, 20 ou 30 ans ? Probablement. Ou du moins, c’est le sentiment général. Le début de cette ère d’« incertitude » a été marqué par la pandémie de COVID-19, un événement mondial qui a eu l’impact le plus important sur la vie des personnes, sur la période la plus longue, depuis au moins un demi-siècle.

Cette vague d’incertitude a fortement touché la planification de la Supply Chain et, inévitablement, l’un de ses piliers : la prévision de la demande. Dans cet article, nous examinons ce qui a changé en matière de prévision de la demande.

L’évolution de la prévision de la demande ces dernières années

La prévision de la demande a toujours été une activité clé pour la Supply Chain, mais les dernières années ont complètement transformé la façon dont elle est abordée. Alors que les entreprises s’appuyaient autrefois principalement sur les données historiques pour élaborer leurs prévisions, elles évoluent désormais dans un environnement où les perturbations sont de plus en plus fréquentes et difficiles à anticiper. La pandémie, les conflits géopolitiques et les tensions sur l’approvisionnement en matières premières ont montré que le comportement de la demande pouvait changer radicalement en quelques jours.

Face à cette réalité, les processus de planification ont dû devenir plus agile. Pendant la pandémie de COVID-19, par exemple, de nombreuses organisations, en particulier dans le secteur de l’hôtellerie et de la restauration, sont passées de prévisions mensuelles à des révisions hebdomadaires, voire quotidiennes, afin de s’adapter à un marché en évolution constante.

Cette évolution également eu un impact de la prévision elle-même. L’incertitude liée à l’approvisionnement et la hausse des coûts des matières premières ont poussé de nombreuses entreprises à augmenter leurs niveaux de stocks afin de garantir la disponibilité des produits. Toutefois, des niveaux de stocks excessifs ne constituent pas une solution durable à long terme, en raison de l’investissement supplémentaire, des risques et de la pression sur la Supply Chain qu’ils impliquent.

La différence entre changements structurels et changements cycliques

Comme nous l’avons vu, nous vivons dans une re de changement permanent… Mais tous les changements ne sont pas identiques.

L’un des plus grands défis de la prévision de la demande consiste à déterminer si une évolution du marché est temporaire ou permanente. Alors que les changements cycliques sont généralement liés à des événements spécifiques et tendent à s’atténuer avec le temps, les changements structurels entraînent des modifications durables des habitudes de consommation, des canaux de vente ou du comportement des clients.

La pandémie a fourni de nombreux exemples de ces deux phénomènes. Certaines variations de la demande étaient directement liées aux restrictions en vigueur à moment-là, mais d’autres ont fini par s’installer durablement. La croissance du e-commerce en est probablement l’exemple le plus évident. Ce qui semblait initialement être une réponse à une situation exceptionnelle est devenu un changement permanent dans la manière dont les consommateurs achètent. Des transformations similaires ont également eu lieu dans d’autres secteurs. Sur le marché des boissons, par exemple, la consommation en journée et le fameux « tardeo » c’est-à-dire la consommation en fin d’après-midi, se sont imposés, modifiant des schémas qui étaient restés stables pendant des années.

Pour les équipes de planification, l’essentiel est d’identifier à quel moment ces changements commencent à se refléter de manière constante dans les données. Lorsque la fréquence d’achat, les habitudes de consommation ou les schémas de demande évoluent de façon régulière dans le temps, il n’est plus prudent d’attendre un retour aux comportements précédents. Dans ces cas, la prévision de la demande doit s’adapter rapidement à la cette nouvelle réalité, en s’appuyant à la fois sur l’analyse des données et sur la connaissance métier afin de prendre des décisions avec davantage de confiance.

La demande historique n’est plus une base fiable pour les prévisions de la demande.

Pendant des décennies, les données historiques ont été la principale référence pour élaborer une prévision de la demande. Toutefois, dans l’environnement actuel, marqué par des changements rapides, les données historiques ne peuvent plus être utilisées seules. Les pics de demande causés par des circonstances exceptionnelles peuvent fausser les prévisions futures, en particulier lorsque les habitudes des consommateurs ou les dynamiques de marché ont changé de manière durable.

C’est pourquoi la prévision de la demande doit être complétée par des informations provenant des ventes, du marketing et d’autres équipes en contact étroit avec les clients. Comprendre ce qui se passe sur la manière dont les concurrents évoluent est tout aussi important que l’analyse les données. Lorsqu’une tendance persiste pendant plusieurs années, les entreprises doivent reconnaître qu’elles font face à un changement structurel et adapter leur stratégie, que ce soit en ajustant leur portefeuille de produits ou en investissant dans de nouvelles lignes d’activité présentant un potentiel de croissance plus élevé.

Le S&OP au service d’une prévision consensuelle de la demande

La précision d’une prévision de la demande ne dépend pas uniquement des modèles statistiques. Pour que la prévision reflète réellement la situation du marché, il est essentiel d’intégrer les informations provenant de fonctions telles que les ventes et le marketing. C’est précisément l’un des principaux objectifs du processus S&OP : construire une vision partagée de la demande, permettant à l’ensemble de s’aligner autour d’un plan unique.

Toutefois, pour y parvenir nécessite de mettre en place une méthodologie. Il faut expliquer la finalité du processus, encourage la collaboration entre les départements et obtenir le soutien de la direction générale. Disposer d’ambassadeurs internes et du soutien du management est essentiel pour impulser du changement culturel nécessaire au S&OP et faire de la prévision de la demande une responsabilité partagée dans toute l’organisation.

Le client au centre, quel que soit le secteur

Même si les processus et les défis varient selon les secteurs, les principes qui sous-tendent une bonne prévision de la demande sont universels. Que l’on évolue dans des environnements B2B ou B2C, l’objectif reste le même : comprendre les besoins des clients et garantir que les produits sont disponibles au bon moment. Le rythme peut varier, mais l’importance d’offrir un niveau de service élevé demeure constante.

L’expérience acquise dans différents secteurs montre également que chaque Supply Chain possède ses propres spécificités. Alors que dans le secteur de l’électronique, la priorité peut être de sécuriser les composants tout en maintenant des niveaux de stock minimaux pour éviter les arrêts de production, dans le secteur de la grande consommation, la distribution et le « dernier kilomètre » prennent une importance particulière. Dans des secteurs tels que les lubrifiants, le défi consiste à trouver un équilibre entre disponibilité et coûts, tout en maintenant des niveaux de stock optimaux pour répondre à la demande sans créer d’excès de surstock.

L’évolution du rôle du demand planner

Et la prévision de la demande ne serait pas possible sans le demand planner, un rôle qui a gagné en importance à mesure que la prévision de la demande est devenue un processus plus stratégique pour les entreprises. Ce qui relevait autrefois d’une responsabilité partagée entre les ventes, le marketing et l’analyse de données est désormais une fonction spécialisée, généralement intégré à la Supply Chain ou aux opérations. Son rôle ne consiste plus simplement à produire des prévisions, mais à rassembler les informations issues de différentes fonctions afin de construire une prévision qui reflète la réalité de l’entreprise.

Pour cette raison, un bon demand planner a besoin de bien plus que de simples compétences analytiques. Il doit comprendre le marché, collaborer avec les ventes, la finance et les opérations, et faire preuve de la curiosité nécessaire pour questionner les données et comprendre ce qui se cache derrière elles. La capacité à interpréter les tendances, à anticiper les changements et à évaluer l’impact des décisions sur l’activité est ce qui distingue un simple générateur de rapports d’un spécialiste de la prévision de la demande qui apporte une réelle valeur à l’organisation.

Les KPI pour mesurer une bonne prévision

La précision d’une prévision de la demande est généralement mesurée à l’aide d’indicateurs tels que la fiabilité des prévisions, mais évaluer la qualité d’une prévision nécessite une perspective plus large. Une prévision peut sembler correcte sur le papier tout en entraînant des problèmes de gestion des stocks, des excédents ou des ventes perdues. Il est donc important d’analyser également des indicateurs tels que les niveaux de stock, les produits obsolètes et l’impact sur le besoin en fonds de roulement.

En définitive, une bonne prévision est celle qui permet de prendre de meilleures décisions pour l’entreprise. Si l’entreprise maintien des niveaux de service appropriés, maîtrise ses niveaux de stock et adapte ses prévisions aux évolutions du marché, cela indique que le processus fonctionne. Par ailleurs, il est inutile de rappeler que la prévision de la demande n’est pas une science exacte, mais une compétence qui s’améliore avec l’expérience, l’apprentissage continu et la revue constante des résultats.

La grande question : qui est responsable de la prévision de la demande ?

Même si le demand planner joue un rôle central dans le processus, la responsabilité de la prévision de la demande ne doit pas reposer uniquement sur lui. Son rôle consiste à faciliter le processus, coordonner les différents départements et transformer les informations disponibles en une prévision validée collectivement.

Cependant, les équipes commerciales et marketing disposent de la meilleure compréhension du marché et du client. Leur implication est donc essentielle pour construire une prévision fiable. C’est pourquoi les organisations les plus matures considèrent la prévision de la demande comme une responsabilité partagée. Relier les indicateurs de fiabilité des prévisions aux objectifs des équipes commerciales peut contribuer à renforcer cet engagement et à favoriser une meilleure collaboration. En définitive, trouver le bon équilibre entre niveaux de service, stocks et besoin en fonds de roulement dépend de la capacité de tous les départements à travailler de manière alignée autour d’une même prévision.