L'analyse des méthodes empiriques utilisables a permis aux chercheurs de dégager des principes essentiels pour améliorer les prévisions.

Les problèmes de prévision sont monnaie courante en marketing : la Coccinelle de Volkswagen sera-t-elle un succès ? Le palais des congrès de Philadelphie sera-t-il rentable ? Comment notre principal concurrent va-t-il réagir si nous augmentons le prix de notre produit de 10% ? Et si nous réduisions la publicité de 20% ? Quelle est la valeur d'une firme en fonction de ses bénéfices futurs ?

Les entreprises doivent anticiper la demande des produits ou des services qu'elles offrent. Elles doivent également prévoir les mesures importantes qui seront prises par leurs concurrents, leurs fournisseurs, ou l'Etat. Ces décisions, tout comme la politique de l'entreprise, vont avoir une incidence sur les coûts et les parts de marché. Or, ce sont les parts de marché et les prévisions qui permettent à une entreprise de pronostiquer ses ventes.

Les erreurs de prévision peuvent avoir des conséquences néfastes et aboutir, par exemple, à une surcapacité, à une sous-capacité, à des excédents de stock ou à des invendus. S'il est impossible de les éliminer totalement, on peut toutefois accroître la fiabilité des prévisions en appliquant quelques principes reconnus. Issus de la recherche, ceux-ci indiquent quelles méthodes utiliser et précisent les conditions de leur utilisation optimale. Malheureusement, peu de sociétés y ont recours, préférant se fier à leur intuition. Lorsque je demande à des professionnels ce qui pourrait les convaincre d'essayer une nouvelle méthode de prévision, ils me répondent souvent qu'ils veulent savoir quelle méthode a déjà fait ses preuves.

Au cours des vingt dernières années, de nombreux chercheurs ont comparé la fiabilité de différentes méthodes en situations réelles. En 1979, Spyros Makridakis, professeur à l'Insead, a lancé une étude comparative devenue la référence en la matière et connue plus tard sous le nom de « M-Competition Studies ». La quatrième étude de la série est actuellement en cours et regroupe 3.003 données historiques, économiques, démographiques et commerciales. Comme lors des précédentes études, des chercheurs et des spécialistes de la prévision commerciale ont été invités à soumettre leurs prévisions pour chaque donnée. Un arbitre juge ensuite de la fiabilité de la méthode employée, l'objectif étant de déterminer les méthodes qui s'appliquent le mieux à tel ou tel type de données.

En 1996, avec trente-neuf autres chercheurs, j'ai lancé un projet visant à examiner les conclusions de ces recherches empiriques. Nous voulions les traduire en principes qui permettraient aux professionnels de choisir la méthode la plus adaptée à leur contexte. La tâche s'est avérée bien plus ardue que prévu, notamment parce que les conditions n'avaient pas été définies avec suffisamment de soin, mais nous avons tout de même progressé de façon significative.

Les méthodes

Certaines méthodes s'appliquent au traitement des informations faisant appel au jugement, d'autres aux données statistiques. On peut les classer ainsi :

- JUGEMENT :

• Intentions
• Jeux de rôles
• Analyse conjointe
• Opinion d'experts
• Analogies
• Appel à l'intuition

- STATISTIQUES :

• Extrapolation
• Prévision à base de règles
• Systèmes experts
• Modèles économétriques

Les études d'intentions consistent en des sondages sur les comportements potentiels dans une situation donnée, comme, par exemple, les réactions face à un nouveau Coca. Elles sont particulièrement utiles pour prévoir les ventes de nouveaux produits, mais peuvent aussi aider aux prévisions sur les produits existants. Le fait d'avoir un rôle à jouer peut avoir une forte influence sur le comportement : on peut ainsi demander à quelqu'un de jouer un rôle. Par exemple, «Coca-Cola vous plaît tel qu'il est. Vous apprenez que votre marque préférée va être retirée du marché, et vous retrouvez vos amis qui sont tous des consommateurs fidèles de Coca-Cola. Comment réagissez-vous ?»

Si vous voulez savoir quels sont les facteurs qui jouent sur les intentions d'achat, des méthodes telles que l'analyse de régression vous permettent d'établir une corrélation entre certaines caractéristiques du nouveau produit et les intentions déclarées. On pourrait ainsi soumettre à des consommateurs potentiels vingt avant-projets différents pour un nouveau produit et les interroger sur leurs intentions d'achat pour chacun. Cette méthode, que l'on appelle analyse conjointe, est communément utilisée.

On peut demander à des experts de prévoir les réactions des consommateurs dans une situation donnée, notamment lorsqu'ils ont l'expérience de cas similaires. Par exemple, connaissent-ils une situation susceptible d'être rapprochée du lancement d'un nouveau Coca ?

Il est aussi possible de mettre au point un modèle d'expert. Plusieurs experts sont invités à faire des prévisions pour chaque version possible du produit. La démarche s'apparente à un système expert et est baptisée « appel à l'intuition » (« judgmental boot- strapping »). Peu coûteuse, elle présente des avantages considérables lorsqu'on doit faire de nombreuses prévisions faisant appel au jugement, en matière de recrutement par exemple. Les Dallas Cowboys y ont eu recours pour la sélection de leurs joueurs.

L'extrapolation se fonde sur les résultats antérieurs d'une série pour prévoir les données futures. On peut de cette façon, sur la base du nombre de litres de Coca-Cola vendus aux Etats-Unis au cours des cinquante dernières années, extrapoler les ventes à venir. C'est la méthode de prévision la plus utilisée pour la gestion de la production et des stocks. Mais elle ne tient pas compte des informations détenues par les dirigeants, lacune qui conduit à de graves erreurs, notamment quand des changements sont prévus, comme le lancement d'un nouveau Coca-Cola. Ce défaut disparaît avec la prévision à base de règles, une sorte de système expert qui tient compte des connaissances des dirigeants en les intégrant aux extrapolations. Cette méthode permet d'évaluer les prévisions obtenues grâce aux extrapolations classiques en utilisant à la fois les connaissances des dirigeants et l'historique de données.

Les systèmes experts sont tout à fait adaptés aux données autres que les données historiques. Supposons que l'on veuille obtenir des prévisions de vente pour plusieurs articles d'un catalogue de vente par correspondance : la formalisation des règles définies par un expert élimine le coût de la répétition des pronostics et améliore la cohérence. Le recours aux experts les plus compétents dans le domaine concerné (ceux qui ont fait les prévisions les plus justes dans la vente par correspondance) garantit une précision accrue par rapport aux résultats qu'obtiendrait l'expert lambda.

Pourquoi ne pas utiliser la somme des informations disponibles, et confier à un modèle statistique tel que la régression le soin de déterminer les facteurs importants ? Les chercheurs essaient de mettre fin à la quadrature du cercle depuis des décennies, tandis que les progrès en matériel informatique et en logiciels ont contribué à l'avènement de méthodes toujours plus sophistiquées. Les innombrables études théoriques issues de la recherche n'ont donné pour l'instant que des résultats décevants en matière de prévision. Deux règles d'or en ressortent : il ne faut pas élaborer de modèle sur la seule base de l'information disponible, et ne jamais utiliser l'analyse de régression pas-à-pas (« stepwise regression »).

Les modèles économétriques les plus efficaces reposent essentiellement sur des théories plus anciennes. Ils font appel à des estimations de corrélations tirées de recherches antérieures et intégrent - en principe - les informations détenues par les décideurs. La simplicité doit être le maître mot. Pour en juger, il suffit d'appliquer un autre principe de base : si malgré des efforts certains, vous ne comprenez pas complètement le modèle prévisionnel, ne l'utilisez pas.

Les modèles économétriques sont l'outil le plus sophistiqué pour l'intégration des informations relevant à la fois du jugement et des données statistiques. En outre, ils permettent d'établir des pronostics en fonction de stratégies différentes, et prévoient ce qui peut se passer si, par exemple, Coca-Cola mène une politique de prix bas à long terme.

Les principes

Le nombre de principes est tel que nous ne pouvons en donner que quelques exemples. Mais ils sont présentés dans leur intégralité dans notre « Forecasting Principles Project », et les informations sont consultables sur www.Marketing.Wharton.Uppen.Edu/forecast, (A VERIFIER) qui est également lié à d'autres sites sur le même sujet, comme celui du International Institute of Forecasters.

Certains des principes vont à l'encontre d'idées largement répandues :

• Si l'on dispose des prévisions établies par un individu (sur les ventes d'un article de VPC par exemple) et de l'information qu'il a utilisée, on peut faire des prévisions plus précises que cette personne. Tout le monde pense qu'il y a des exceptions à cette règle, mais les chercheurs n'en ont pas trouvées.
• Le critère de sélection du meilleur modèle ne doit pas être sa pertinence historique.
• En dépit de mises en garde, on tend à accorder aux prévisions une confiance excessive.

D'autres principes apparemment évidents sont souvent oubliés, comme celui qui recommande d'utiliser un historique long dans l'élaboration d'un modèle de prévision. La prévision ciblée (« focus forecasting »), qui est pourtant l'une des méthodes les plus utilisées en marketing, ne le respecte pas, et ses résultats sont donc peu fiables.

Un autre principe veut que l'on veille à l'indépendance des prévisions d'un sujet par rapport à celles d'un autre lorsque le comportement examiné n'entraîne aucune interaction. Or les focus groupes vont totalement à l'encontre de ce principe et les prévisions qui en émanent sont rarement justes.

Une autre règle veut que l'on tienne compte de l'avis des décideurs. La plupart des méthodes d'extrapolation y dérogent, et c'est encore plus grave lorsque les tendances annoncées par les données sont contraires à ce à quoi s'attendent les dirigeants.

Le choix de la méthode est fonction des conditions : si les informations sont insuffisantes, les modèles fondés sur le jugement s'imposent ; dans le cas contraire, on peut utiliser les méthodes statistiques, et il est souvent possible de panacher les deux.

- La prévision faisant appel au jugement

En général, la manière la plus simple et la plus directe de procéder consiste à demander à un expert de se prononcer sur l'avenir. La méthode est particulièrement indiquée lorsque l'on dispose de peu de données, pour le lancement de nouveaux produits par exemple. Comment prévoir les ventes de films à la carte, l'avenir des achats par Internet, ou le lancement d'un nouveau jouet ?

Les prévisions des experts reposent sur quelques fondements clés :

• L'objet de la prévision doit être structuré de manière à tirer le meilleur parti des connaissances de l'expert. Pour cela, il peut être nécessaire de le subdiviser en une série de questions à résoudre.
• Le problème doit être formulé par écrit et libellé de manière compréhensible.
• D'autres formulations doivent être proposées par écrit.
• Le nombre d'experts doit être au minimum de cinq, mais ne doit pas excéder vingt.
• Il faut veiller à ce que les experts ne reçoivent aucune incitation de nature à compromettre leur objectivité.
• Chaque expert devra être invité à proposer sa propre prévision.
• Il est préférable de choisir des experts aux profils différents.
• Les experts doivent être choisis en fonction de leur connaissance du domaine (bien qu'un niveau élevé d'expertise ne soit pas indispensable).
• Chaque expert doit pouvoir réviser son jugement en fonction des informations fournies par ses homologues.

La procédure Delphi, une méthode à base d'études d'experts indépendants en plusieurs phases, reprend tous ces principes. Hormis le nombre d'experts, les règles énoncées dans cette liste peuvent paraître évidentes. Pourtant, les focus groupes dérogent au principe de la formulation écrite des problèmes ; c'est d'ailleurs une raison supplémentaire pour ne pas les utiliser comme méthode prévisionnelle.

Le recours aux experts montre, contrairement à ce que l'on pourrait croire, que leur niveau d'expertise n'a pas besoin d'être élevé. Pour des prévisions portant sur la situation économique, un professeur d'Université peut être tout aussi compétent que l'expert le plus cher. Autre constat déprimant : les étudiants peuvent prévoir les changements presque aussi bien que leurs enseignants.

Certaines prévisions impliquent l'intervention d'autres décideurs : la négociation d'un contrat fournisseur-distributeur, les décisions du gouvernement en matière de tarifs douaniers ou de réglementations, les accords avec les syndicats. Si le même type de décisions externes intervient régulièrement, l'expert devrait être en mesure de prévoir les conséquences des décisions qui vont être prises.

En revanche, en cas de conflit entre les personnes ou organisations en présence, les jeux de rôle sont conseillés. Les rôles sont attribués et les acteurs invités à représenter les parties en situation de conflit. Si la méthode semble avoir fait ses preuves dans les domaines juridique et militaire, elle semble moins probante dans le monde des affaires. Mais la recherche dans ce domaine a déjà permis des progrès importants en matière de fiabilité comparé à des démarches plus classiques. Prenons l'exemple d'une étude devant déterminer si un fabricant d'électroménager parviendrait à convaincre une chaîne de supermarchés d'adopter un plan de vente de ses produits. Seuls 3% des experts pensaient que le supermarché serait intéressé, les autres jugeant le plan peu réaliste. Or, lors des jeux de rôle, les décideurs l'acceptaient dans 75% des cas, et le plan de vente fut effectivement adopté par le supermarché.

Autre conseil : en matière de prévision, ne vous aventurez pas trop loin d'un terrain familier. Si vous prévoyez de grands changements, il peut être utile de sonder les intéressés sur leurs réactions, en utilisant des études d'intention. Supposons que vous ayez conçu un nouveau produit, et que vous souhaitiez en prévoir les ventes. Vous pourriez décrire le produit et interroger des consommateurs sur leurs intentions d'achat éventuelles. Les méthodes classiques appliquées dans les sondages sont essentielles pour les études d'intention d'achat. La conception ou le prix d'un produit que l'on s'apprête à lancer sont des éléments qui peuvent varier. Ce type de variables peut alors être intégré à une méthode formalisée visant à évaluer la valeur des différents éléments du design(avant-projet ? conception ?). L'analyse conjointe fait partie de ces outils ; elle consiste à proposer jusqu'à vingt designs(avant-projet ?) différents du produit selon les priorités. Cette méthode est coûteuse parce qu'elle exige l'identification et le recueil de données auprès de nombreux consommateurs potentiels.

L'appel à l'intuition (« judgmental bootstrapping »), qui soumet à l'avis d'experts les différents designs(avant-projets ?) du produit, est une autre méthode possible. Comme pour les études, le nombre d'experts varie entre cinq et vingt. La prévision des ventes sur un nouveau produit peut alors faire jouer non seulement les paramètres de conception, mais aussi d'autres composantes du marketing-mix, comme la publicité ou la distribution, ce qui est impossible avec l'analyse conjointe.

- Prévision statistique

Les entreprises disposent souvent de nombreuses données sur les ventes de leurs produits. Elles peuvent s'en servir pour des extrapolations, stratégie particulièrement indiquée lorsque les décideurs ont peu d'informations sur le contexte. L'éventail de méthodes d'extrapolation étant assez large, le principe le plus utile consiste sans doute à (la meilleure procédure est peut-être de ? ? ?) tirer des prévisions d'un ensemble de modèles valables d'extrapolation et d'en faire ensuite une moyenne.

Lorsque les décideurs ont suffisamment d'informations sur la situation, les prévisions à base de règles sont plus appropriées. Cette méthode reprend les principes les plus récents en matière de prévision sur des données historiques, et tient compte des informations émanant des décideurs, notamment sur les tendances.

L'un des principes de base - hélas souvent oublié par de nombreux analystes - repose sur l'utilisation des connaissances acquises. Si l'on dispose de connaissances empiriques sur la relation entre plusieurs variables, il convient de les traduire en modèle économétrique. Pour prévoir les ventes de Coca-Cola, par exemple, il faudrait tirer parti des informations existantes sur les revenus et l'élasticité des prix.

Utiliser les prévisions

Certains principes dépendent de l'utilisation des prévisions. Le fait d'avoir recours à des prévisions crée ainsi souvent un excès de confiance. Les dirigeants de Ford étaient convaincus que la Ford Edsel se vendrait très bien, contrairement aux analystes extérieurs, plus sceptiques. L'excès de confiance peut être tempéré par l'application de certains principes, par exemple en demandant aux experts d'expliquer par écrit toutes les raisons pour lesquelles les prévisions peuvent être fausses. Une évaluation plus réaliste en découle, même si elle ne suffit pas à résoudre le problème. On peut aussi évaluer la confiance que l'on peut accorder aux prévisions en faisant appel à des experts qui n'ont rien à perdre ni à gagner de leurs prévisions.

Il est souvent important d'évaluer des modèles alternatifs dans une situation donnée. Pour le faire correctement, il faut respecter certains principes (comme utiliser la méthode actuelle comme repère) et prendre certaines précautions : inutile d'utiliser l'erreur médiane au carré pour évaluer les autres modèles.

Les managers ont trop tendance à se laisser influencer par les scénarios ou par les « histoires » qu'on leur présente. Ces scénarios persuadent le lecteur que les événements décrits ont de grandes chances de se produire, même lorsque la probabilité est infime. Ils sont utiles pour attirer l'attention sur certains points et étudier un plan d'urgence, mais il faut se garder de les employer pour les prévisions.

Il arrive que les experts aient déjà fait tout le travail à votre place. Un portefeuille d'actions sélectionné par un expert sera tout aussi rentable qu'un portefeuille choisi par une fléchette envoyée au hasard sur la page de la cote. Mais dans le cas de la fléchette, les prévisions (spéculations du marché) sont préparées par un grand nombre d'experts objectifs.

Un dernier conseil : si vous voyez le terme de «focus», pensez «confusion de consommateurs» et prévisions floues.

Conclusion

L'analyse des méthodes les plus adaptées à telle ou telle situation a permis aux chercheurs de dégager des informations essentielles pour améliorer les prévisions. Ces connaissances sont désormais traduites en principes.

Bien des chercheurs seraient prêts à améliorer les prévisions d'une entreprise sans demander d'honoraires fixes ; un faible pourcentage des économies réalisées serait déjà une excellente source de revenus, car les principes issus de la recherche conduisent à des prévisions sensiblement plus justes.