Le forecasting consiste à estimer les valeurs futures d’une variable d’intérêt à partir de son historique et d’éventuelles variables explicatives.
En pratique, on ne cherche pas uniquement une valeur précise, mais souvent une distribution de valeurs possibles, afin de gérer l’incertitude.
On retrouve ce besoin dans plusieurs contextes business.
1. Demand forecasting #
On cherche à prévoir la demande future (produits, services, trafic…).
Exemples :
- ventes par produit / magasin
- nombre de commandes
- trafic sur un site
Pourquoi c’est important :
- éviter les ruptures de stock
- limiter le sur-stock (coûts, gaspillage)
- planifier la logistique
Ce qu’on modélise concrètement :
- saisonnalité (jours, semaines, mois)
- tendances (croissance / décroissance)
- effets calendrier (jours fériés, promos)
👉 En pratique, on cherche souvent à prévoir :
\[ y_{t+1}, y_{t+2}, …, y_{t+h} \]
2. Revenue forecasting #
On cherche à prévoir le chiffre d’affaires futur.
Exemples :
- CA journalier / mensuel
- revenu par utilisateur
- MRR / ARR (SaaS)
Pourquoi c’est important :
- pilotage financier
- budget et investissements
- communication aux parties prenantes
Spécificités :
-
dépend souvent de plusieurs composantes :
- volume (demande)
- prix
-
plus sensible aux décisions business (pricing, marketing)
👉 Ici, le forecasting est rarement “pur” : on combine souvent time series + variables explicatives (prix, campagnes…).
3. Capacity planning #
On cherche à anticiper les ressources nécessaires pour répondre à la demande.
Exemples :
- nombre d’agents support
- capacité serveur
- personnel en magasin / entrepôt
Pourquoi c’est important :
- éviter la surcharge (mauvaise qualité de service)
- éviter la sous-utilisation (coûts inutiles)
Logique : on ne prévoit pas directement la capacité, mais on utilise une prévision de la demande pour en déduire les besoins.
👉 Typiquement :
- forecast de la demande → transformation en besoin opérationnel
🧠 Ce qu’il faut retenir #
-
Le forecasting est rarement une fin en soi → c’est un outil de décision
-
La même technique peut servir plusieurs problèmes business
-
La différence clé se fait souvent sur :
- la variable cible
- l’horizon de prévision
- l’usage métier derrière
