EN Nous consulter

Prévision de la demande : une prévision de ventes fiable, tracée et partagée par toute la supply chain

Le demand planner produit la prévision de ventes qui alimente les approvisionnements, la production et le budget. Il part de l’historique, l’épure des ruptures et des événements exceptionnels, puis l’enrichit de ce que savent le commerce et le marketing. L’essentiel de son temps part encore dans la collecte et le nettoyage des données, au détriment de l’analyse des écarts.

Le rôle

Entre le commerce, le marketing, la supply chain et la finance

Le demand planner prépare une prévision statistique de base par référence, par client ou par site, puis anime la revue de la demande avec le commerce et le marketing, qui apportent promotions, lancements, référencements et déréférencements. Il transmet une prévision consolidée à l’approvisionnement et à la production, et une vision en valeur au contrôle de gestion. Sa valeur tient à la fiabilité de la prévision dans le temps et à sa capacité à expliquer pourquoi elle s’est trompée.

Le quotidien

Une journée type.

  1. MatinContrôler les ventes de la veille ou de la semaine et repérer les écarts marqués avec la prévision, par famille et par client.
  2. MatinSignaler à l’approvisionnement les références dont la demande décroche ou s’emballe, avant que le stock ne le montre.
  3. MidiIntégrer les informations du commerce et du marketing : promotions confirmées, nouveaux référencements, lancements, arrêts de produits.
  4. Après-midiCorriger l’historique des ventes des ruptures et des événements exceptionnels pour retrouver la demande réelle.
  5. Chaque semaineRelancer la prévision statistique, revoir les références qui sortent des tolérances et diffuser la prévision mise à jour.
  6. Fin de moisPréparer la revue de la demande du S&OP : fiabilité de la prévision, biais, hypothèses, écarts avec le budget.
Les objectifs

Ce sur quoi le métier est attendu.

  • Fiabilité de la prévision par famille et par horizon
  • Biais de prévision (surestimation ou sous-estimation durable)
  • Valeur ajoutée des corrections manuelles
  • Taux de références suivies hors tolérance
  • Écart entre prévision en volume et budget en valeur
  • Respect du calendrier de la revue de la demande

Les indicateurs sont nommés, jamais chiffrés : les niveaux dépendent de chaque entreprise, et le diagnostic les mesure.

Au quotidien

Les problèmes rencontrés souvent.

  • Un historique pollué

    Ruptures, promotions, ouvertures de magasins et événements exceptionnels restent dans l’historique et faussent la prévision statistique s’ils ne sont pas corrigés.

  • Des informations commerciales qui arrivent tard

    Promotions, référencements et lancements sont connus des commerciaux bien avant d’arriver, par e-mail ou dans un fichier, au demand planner.

  • Des corrections jamais mesurées

    La prévision est retouchée à chaque revue sans trace de qui a changé quoi, ni mesure de l’effet de ces corrections sur la fiabilité.

  • Des nouveaux produits sans historique

    Les lancements se prévoient à l’intuition, faute de méthode partagée pour s’appuyer sur des produits comparables.

  • Des niveaux de prévision qui ne se parlent pas

    Prévision commerciale par client, prévision supply par référence et site, budget en valeur par famille : les trois se réconcilient à la main.

  • Trop de références à revoir

    Le catalogue est trop large pour une revue détaillée de chaque référence ; le temps se disperse au lieu d’aller aux références qui comptent.

Selon le secteur

Le même métier, plusieurs réalités.

  • Mode et luxe

    En mode et luxe, le demand planner distingue le permanent, prévu en flux à partir de l’historique, et les nouveautés de collection, prévues par analogie avec des modèles comparables puis réajustées dès les premières ventes. La prévision se décline par boutique, par canal et par taille, avec une saisonnalité marquée.

  • Retail

    En retail, la prévision se fait par magasin et par référence, souvent à la semaine, avec des effets forts des promotions, de la météo, du calendrier et des ouvertures ou fermetures de points de vente. La difficulté tient au volume : de très nombreux couples magasin-référence à suivre.

  • Cosmétique et beauté

    En cosmétique et beauté, la demande est rythmée par les lancements, les coffrets saisonniers et les opérations avec les distributeurs. Les données de sell-out des enseignes, quand elles sont partagées, éclairent ce qui se vend réellement en rayon au-delà des commandes reçues.

  • Distribution B2B et négoce

    En distribution B2B et négoce, la prévision s’appuie sur l’historique des commandes clients, les contrats et les informations des commerciaux sur les grands comptes. Une demande souvent irrégulière demande des méthodes adaptées aux références à faible rotation.

  • Industrie

    En industrie, la prévision de ventes alimente le PDP et, par lui, le MRP. Elle combine commandes fermes, prévisions des clients transmises par EDI ou portail et prévision statistique sur les références de catalogue, avec un horizon cohérent avec les délais de production.

  • Pharma et santé

    En pharma et santé, la prévision tient compte des appels d’offres hospitaliers, des changements de remboursement, des génériques et des produits critiques dont la disponibilité est surveillée. Elle se construit souvent par pays, avec des contraintes d’enregistrement propres à chacun.

Ce qui change

Automatiser le geste, garder le jugement.

Ce qui s’automatise

  • La collecte des ventes, des commandes et du sell-out partagé par les distributeurs, consolidés chaque jour depuis l’ERP, les caisses et les portails.
  • Le nettoyage de l’historique : détection des ruptures, des promotions et des valeurs atypiques, et proposition d’une demande corrigée.
  • La prévision statistique de base par référence, client ou site, avec choix de la méthode selon le profil de demande, dans un outil de prévision relié à l’ERP.
  • La mesure continue de la fiabilité et du biais, et de la valeur ajoutée de chaque correction manuelle.
  • La préparation de la revue de la demande : écarts, hypothèses et références hors tolérance assemblés automatiquement, puis commentés en premier jet par un agent IA.

Ce qui reste humain

  • L’intégration des informations de marché que les données ne contiennent pas : négociation en cours, concurrent, changement de réglementation.
  • Le choix des hypothèses de lancement et de promotion, et l’arbitrage entre prévision commerciale et prévision statistique.
  • L’engagement final sur la prévision, pris collectivement en revue de la demande et au S&OP.
Cas d’usage

Comment automatiser, cas par cas.

Chaque cas part d’une question que se posent les directions. La situation de départ, ce qui s’automatise, les outils concernés, et ce qui reste entre les mains des équipes.

  1. Comment automatiser les prévisions de ventes ?

    Aujourd’hui
    Le demand planner extrait l’historique des ventes de l’ERP, l’assemble dans un tableur et prolonge les tendances référence par référence. La prévision est refaite à chaque cycle, dépend de la personne qui la construit et ne couvre en détail que les principales références.
    Ce qui s’automatise
    Un outil de prévision connecté à l’ERP récupère l’historique chaque semaine, choisit pour chaque référence une méthode adaptée à son profil de demande et calcule une prévision de base sur l’horizon utile. Les références qui sortent des tolérances sont isolées pour revue, les autres suivent sans intervention. La prévision validée est renvoyée à l’ERP et à l’outil d’approvisionnement.
    Ce qui reste humain
    La validation des prévisions des références importantes et des cas particuliers reste au demand planner.
    • Outil de prévision
    • ERP
    • Outil de pilotage (BI)

  2. Comment automatiser la mesure de la fiabilité et du biais des prévisions ?

    Aujourd’hui
    La fiabilité des prévisions est calculée de temps en temps, sur une sélection de références, avec une formule qui varie selon la personne. Personne ne sait dire si la prévision s’améliore, ni où elle se trompe le plus.
    Ce qui s’automatise
    Chaque version de prévision est conservée, et l’outil calcule automatiquement, à chaque période, l’erreur et le biais par famille, client, site et horizon. Il distingue la prévision statistique de la prévision corrigée et mesure la valeur ajoutée de chaque étape de correction. Les résultats alimentent la revue de la demande.
    Ce qui reste humain
    Le choix des mesures suivies et les actions sur les familles les moins fiables restent décidés par le demand planner avec la direction supply chain.
    • Outil de prévision
    • ERP
    • Outil de pilotage (BI)

  3. Comment automatiser l’intégration des promotions dans la prévision de ventes ?

    Aujourd’hui
    Les promotions sont décidées par le commerce ou le marketing et transmises par e-mail ou dans un fichier, parfois tard. Le demand planner ajoute à la main un volume supplémentaire, sans mesure de l’effet réel des opérations passées.
    Ce qui s’automatise
    Les opérations sont saisies dans un calendrier promotionnel partagé, relié à l’outil de prévision. L’outil estime le surcroît de ventes à partir des opérations comparables passées, en tenant compte de la mécanique, de la remise et de l’effet de report sur les semaines suivantes. Après chaque opération, l’écart entre prévu et réalisé enrichit l’historique des promotions.
    Ce qui reste humain
    Les hypothèses de volume d’une opération nouvelle, sans équivalent passé, restent validées par le demand planner avec le commerce.
    • Outil de prévision
    • Calendrier promotionnel
    • ERP
    • Outil de pilotage (BI)

  4. Comment automatiser la prévision des nouveaux produits sans historique ?

    Aujourd’hui
    Un lancement se prévoit à partir de l’avis du chef de produit et de quelques références jugées comparables, choisies à la main. Les premières ventes ne sont pas toujours exploitées assez vite pour corriger la prévision.
    Ce qui s’automatise
    L’outil propose des produits analogues selon leurs attributs (famille, prix, canal, saison) et construit une courbe de lancement à partir de leurs ventes. Dès les premières ventes, la prévision est recalée automatiquement, et les écarts importants sont signalés au demand planner et à l’approvisionnement.
    Ce qui reste humain
    Le choix des analogues et le volume de lancement restent validés par le demand planner avec le marketing et le chef de produit.
    • Outil de prévision
    • Référentiel produit
    • ERP

  5. Comment automatiser le nettoyage de l’historique des ventes ?

    Aujourd’hui
    Ruptures de stock, promotions, ouvertures de magasins, commande exceptionnelle d’un client : ces événements restent dans l’historique et faussent la prévision. Les corriger demande un travail ligne par ligne que l’équipe ne fait que sur les références principales.
    Ce qui s’automatise
    L’outil croise ventes, stocks et calendrier des opérations pour détecter les périodes de rupture, les promotions et les valeurs atypiques. Il propose une demande corrigée, dite non contrainte, avec la raison de chaque correction. Le demand planner valide en lot et ne revoit en détail que les cas ambigus.
    Ce qui reste humain
    La qualification d’un événement comme exceptionnel ou durable reste une décision du demand planner.
    • Outil de prévision
    • ERP
    • WMS
    • Calendrier promotionnel

  6. Comment automatiser la collecte des prévisions des commerciaux ?

    Aujourd’hui
    Chaque mois, les commerciaux renvoient leurs prévisions par client dans des fichiers aux formats variés, plus ou moins complets. Le demand planner les relance, les consolide et les compare à la prévision statistique à la main.
    Ce qui s’automatise
    Chaque commercial reçoit, pour ses clients, une prévision pré-remplie à partir de l’outil, qu’il ajuste dans un formulaire simple avec un motif pour chaque changement. Les retours sont consolidés automatiquement, les relances partent seules, et les écarts importants avec la prévision statistique sont signalés pour la revue de la demande.
    Ce qui reste humain
    L’arbitrage entre la prévision du commercial et la prévision statistique reste au demand planner, en revue de la demande.
    • Outil de prévision
    • CRM
    • Formulaire en ligne
    • Messagerie

  7. Comment automatiser la prévision par magasin et par taille ?

    Aujourd’hui
    La prévision se fait par référence au niveau national, puis l’approvisionneur la répartit entre magasins et tailles avec des clés fixes. Les magasins reçoivent des tailles qui ne se vendent pas chez eux, tandis que d’autres manquent.
    Ce qui s’automatise
    L’outil prévoit au niveau agrégé, où la demande est plus stable, puis la répartit par magasin et par taille selon les ventes récentes de chaque point de vente, sa saisonnalité et les profils de tailles observés. Les clés de répartition se recalculent à chaque cycle au lieu de rester figées.
    Ce qui reste humain
    Les règles propres à certains magasins (ouverture, travaux, clientèle particulière) restent fixées par le demand planner avec les opérations commerciales.
    • Outil de prévision
    • Caisse et ventes
    • ERP
    • Outil de pilotage (BI)

  8. Comment automatiser la détection des ruptures de tendance dans la demande ?

    Aujourd’hui
    Un décrochage ou une accélération de la demande ne se voit qu’après plusieurs semaines, quand l’écart est déjà installé et que le stock en porte la trace. Les tableaux de suivi sont trop larges pour repérer les signaux faibles.
    Ce qui s’automatise
    L’outil surveille chaque semaine les ventes de chaque référence par rapport à sa prévision et à son comportement habituel, et signale les écarts qui dépassent la variabilité normale. Les alertes sont classées selon leur effet sur le stock et le service, avec une proposition de nouvelle prévision.
    Ce qui reste humain
    La décision de réviser la prévision, ou d’attendre une confirmation, reste au demand planner.
    • Outil de prévision
    • ERP
    • Outil de pilotage (BI)
    • Messagerie

  9. Comment automatiser l’intégration des données de sell-out des distributeurs dans la prévision ?

    Aujourd’hui
    Certains distributeurs partagent leurs ventes en rayon et leurs stocks, mais dans des fichiers aux formats différents, envoyés à des rythmes variables. Ces données restent peu exploitées alors qu’elles annoncent les commandes à venir.
    Ce qui s’automatise
    Les fichiers de sell-out sont récupérés automatiquement depuis les portails ou les e-mails, lus, normalisés et rattachés aux références de l’entreprise. L’outil compare sell-out, stock du distributeur et commandes reçues (sell-in) pour anticiper les commandes à venir et repérer un déstockage ou un sur-stockage chez le client.
    Ce qui reste humain
    L’interprétation des écarts avec le distributeur et leur prise en compte dans la prévision restent au demand planner avec le commercial grands comptes.
    • Portail distributeur
    • Outil de prévision
    • ERP
    • Agent IA de lecture de documents

  10. Comment automatiser la réconciliation des prévisions en volume avec le budget ?

    Aujourd’hui
    La supply prévoit en quantités par référence, la finance budgète en valeur par famille et par mois. Les deux se réconcilient à la main avant chaque S&OP, avec des prix et des périmètres qui diffèrent.
    Ce qui s’automatise
    L’outil valorise la prévision en volume avec les prix et les remises en vigueur, puis l’agrège selon les familles et le calendrier du budget. Les écarts sont présentés par famille, par canal et par cause : volume, prix ou mix. Le contrôle de gestion reçoit la même vue à chaque cycle.
    Ce qui reste humain
    Le choix de réviser la prévision ou le budget, et les explications données à la direction, restent au demand planner avec le contrôle de gestion.
    • Outil de prévision
    • ERP
    • Outil de pilotage (BI)
Les questions des équipes

Ce que les équipes cherchent à améliorer.

Quelle méthode de prévision choisir pour chaque référence ?
Cela dépend du profil de demande : tendance et saisonnalité marquées, demande stable, demande irrégulière ou intermittente. Un outil de prévision teste plusieurs méthodes sur l’historique et retient celle qui se serait le mieux comportée, référence par référence. Le demand planner valide le choix sur les références importantes et peut l’imposer quand il connaît un changement à venir.
Comment mesurer la fiabilité des prévisions ?
En comparant la prévision figée à un horizon donné avec le réalisé, par famille, par client ou par site. Deux mesures se complètent : l’erreur moyenne, qui dit de combien la prévision se trompe, et le biais, qui dit si elle se trompe toujours dans le même sens. Un outil connecté calcule ces mesures automatiquement à chaque période.
Faut-il corriger la prévision statistique à la main ?
Oui quand une information connue n’est pas dans l’historique : promotion, référencement, arrêt d’un produit. Non quand la correction repose sur une impression. Mesurer la valeur ajoutée de chaque correction permet de savoir lesquelles améliorent réellement la prévision.
L’IA prévoit-elle mieux qu’un modèle statistique classique ?
Pas systématiquement. Elle apporte surtout quand de nombreuses variables jouent (prix, promotions, météo, calendrier) et que l’historique est suffisant. Le bon choix se mesure sur les données de l’entreprise, en comparant les méthodes sur une même période.
Comment prévoir la demande quand un produit est en rupture ?
Les ventes d’une période de rupture sous-estiment la demande réelle. L’outil repère ces périodes à partir des stocks et remplace les ventes observées par une estimation de la demande, à partir des périodes comparables et des références proches.
Comment organiser la revue de la demande ?
Avec un calendrier fixe, une prévision de base préparée à l’avance et une liste courte de sujets : références hors tolérance, nouvelles hypothèses commerciales, écarts avec le budget. La décision et ses raisons sont enregistrées, pour pouvoir en mesurer l’effet.
À quel niveau de détail faut-il prévoir ?
Au niveau où la décision se prend : référence et site pour l’approvisionnement, famille et mois pour le budget. L’outil prévoit au niveau le plus utile puis agrège ou répartit, pour que tous les niveaux restent cohérents entre eux.
Faut-il un outil de prévision dédié ou l’ERP suffit-il ?
Les fonctions de prévision des ERP couvrent souvent les besoins simples. Un outil dédié se justifie quand le catalogue est large, la demande irrégulière ou les facteurs nombreux. Il se branche alors sur l’ERP, qui reste la référence des commandes et des stocks.
Métiers voisins
02 — Commencer

Décrivez ce qui freine vos équipes.

Un premier échange pour qualifier votre besoin. Puis un diagnostic cadré : le périmètre, la solution, le chiffrage.

Parler de votre projet

Réponse sous 48 h ouvrées.