Précision des Prévisions : Mesurer le MAPE et le Biais

On ne peut pas améliorer ce qu'on ne mesure pas, et la prévision ne fait pas exception. Pourtant, dans la majorité des entreprises que je rencontre, personne ne sait dire si les prévisions du trimestre étaient meilleures ou pires que celles de l'an dernier. On se souvient des grosses erreurs, jamais de la tendance. Deux indicateurs suffisent à changer cela : l'erreur moyenne et le biais.

L'erreur : combien on se trompe

L'erreur absolue en pourcentage (APE) pour une référence et une période :

APE = |Réel − Prévision| / Réel

Le MAPE (Mean Absolute Percentage Error) est la moyenne de ces erreurs sur un ensemble de références ou de périodes.

Problème : le MAPE donne le même poids à une petite référence qu'à une grosse, et il explose quand les ventes sont très faibles (diviser par 2 unités donne des erreurs énormes).

C'est pourquoi on lui préfère souvent le WMAPE (MAPE pondéré) :

WMAPE = Σ |Réel − Prévision| / Σ Réel

Les grosses références pèsent plus, ce qui correspond à leur importance réelle.

Un exemple

• MAPE = (11% + 20% + 150%) / 3 ≈ 60%
• WMAPE = 156 / 1 154 ≈ 13,5%

La petite référence C, insignifiante en volume, fait exploser le MAPE. Le WMAPE reflète beaucoup mieux la qualité réelle des prévisions.

Le biais : dans quel sens on se trompe

L'erreur dit combien on se trompe, pas dans quel sens. Le biais mesure la tendance systématique :

Biais = Σ (Prévision − Réel) / Σ Réel

Un biais positif signifie qu'on surestime systématiquement (surstock), un biais négatif qu'on sous-estime (ruptures). Dans l'exemple : (1 210 − 1 154) / 1 154 ≈ +4,9%, une légère surestimation.

Un biais persistant est plus grave qu'une erreur aléatoire, parce qu'il se corrige : il révèle souvent un optimisme commercial, un objectif de vente injecté dans la prévision, ou une méthode mal calibrée.

Mesurez toujours l'erreur et le biais ensemble. Une prévision avec 20% d'erreur mais un biais nul se compense sur la durée. Une prévision avec 10% d'erreur mais un biais de +10% chaque mois remplit l'entrepôt de stock inutile, mois après mois.

Les pièges de mesure

Mesurer au mauvais horizon. Si le délai d'approvisionnement est de trois mois, ce qui compte est la prévision faite trois mois avant, pas celle de la veille. Il faut figer et archiver les prévisions pour les comparer plus tard au réel.

Mesurer au mauvais niveau. L'erreur au niveau de la famille est toujours plus faible qu'au niveau de la référence. Mesurez au niveau où les décisions sont prises.

Mesurer les ventes au lieu de la demande. Les ruptures faussent le « réel ».

Changer de définition d'un mois sur l'autre.

La valeur ajoutée de chaque étape

Une pratique très utile : le FVA (Forecast Value Added). On compare la précision de chaque étape du processus : prévision naïve (on reprend la valeur du mois précédent), prévision statistique, prévision ajustée par les commerciaux, prévision validée en réunion. Si une étape dégrade la précision, elle coûte du temps et de l'argent. Voir les méthodes de prévision simples.

Utiliser la mesure en réunion

La précision des prévisions devrait être présentée chaque mois dans la réunion S&OP : WMAPE et biais par famille, avec les principales erreurs expliquées. L'objectif n'est pas de chercher un coupable, mais de comprendre et d'améliorer. Voir le S&OP au Maroc et les comptes rendus S&OP automatisés par l'IA.

Ce qu'il faut retenir

Le WMAPE mesure l'ampleur de l'erreur en tenant compte du poids des références, le biais mesure son sens. On les mesure au bon horizon et au bon niveau, on archive les prévisions, et on regarde la valeur ajoutée de chaque étape. Pour la vue d'ensemble, voir notre article pilier sur le plan directeur de production et le métier de demand planner.

Vous voulez mettre en place la mesure de vos prévisions ? Contactez-nous.

Un besoin précis ? Le premier échange est gratuit et sans engagement : contact@nextinotech.com, +212 06 63 44 92 00.

110+ missions menées sur le terrain marocain. 0 commission éditeur, uniquement l'intérêt du client.