Une prévision de ventes qu’on peut défendre en comité

Une prévision de ventes fausse ne coûte pas qu’une réunion désagréable. Elle décide de recrutements, d’engagements de dépenses et, dans les sociétés financées, de la trésorerie. Et elle est presque toujours fausse dans le même sens : optimiste, d’environ 40 %.

La cause n’est pas le manque de méthode. C’est que la donnée d’entrée — le pipeline — est renseignée par les personnes dont la performance est jugée sur cette même donnée. Voici les trois méthodes de calcul, et surtout ce qu’il faut corriger en amont pour que n’importe laquelle d’entre elles fonctionne.

Méthode 1 — la pondération par stade

La plus répandue : chaque stade du pipeline porte une probabilité, et la prévision est la somme des montants pondérés.

Ce qu’elle vaut : elle est instantanée, elle se calcule dans n’importe quel CRM sans configuration, et elle donne un ordre de grandeur correct sur un volume important d’affaires homogènes.

Là où elle casse : sur les petits volumes. Avec quinze affaires en cours, la loi des grands nombres ne joue plus, et la pondération produit un chiffre qui ne correspond à aucun scénario réel — vous n’encaisserez jamais 50 % d’une affaire.

Le piège de configuration : les probabilités par défaut du CRM. Elles viennent d’une moyenne mondiale tous secteurs confondus, et n’ont aucune raison de correspondre à votre cycle. Elles se recalculent sur votre historique : pour chaque stade, quel pourcentage des affaires qui y sont entrées ont été gagnées ? Ce chiffre-là est le vôtre. Sur Salesforce, cette probabilité est un champ de l’objet OpportunityStage et se modifie stade par stade ; sur HubSpot, elle se règle dans les paramètres du pipeline.

Méthode 2 — la prévision par jalons

Ici, on ne pondère pas selon le stade déclaré, mais selon des faits vérifiables déjà obtenus. Chaque affaire coche des cases ; le nombre de cases cochées détermine la catégorie.

• Le décideur budgétaire a été rencontré directement.
• Le budget est confirmé et alloué.
• Le circuit contractuel est connu et daté.
• Un champion identifié agit en interne.
• Une date de décision a été donnée par le client.

Puis trois catégories, et une seule règle d’affectation :

Ce qu’elle vaut : c’est la méthode la plus fiable sur les cycles longs, parce qu’elle est fondée sur des faits et non sur une impression. Elle est aussi la plus difficile à contourner : on ne peut pas cocher « décideur rencontré » sans pouvoir dire quand et où.

Ce qu’elle coûte : les cinq cases doivent être renseignées et à jour, ce qui est exactement le même problème que remplir MEDDPICC — la grille ne vaut que si elle se renseigne au fil des rendez-vous, jamais la veille de la revue.

Méthode 3 — la prévision par cohortes

On oublie les affaires individuelles et on raisonne en flux. Si vous créez régulièrement 30 affaires par mois, que 22 % se transforment et que le cycle médian est de 90 jours, alors les affaires créées en janvier produiront leur chiffre en avril, et ce chiffre est prévisible sans regarder une seule affaire.

Ce qu’elle vaut : elle est immunisée contre l’optimisme des commerciaux, parce qu’aucune donnée subjective n’y entre. Sur un modèle à volume, elle bat les deux autres méthodes.

Ses conditions : un historique d’au moins trois cycles complets, et un flux d’entrée stable. Elle devient fausse dès que le mix change — nouveau segment, nouveau tarif, nouveau canal d’acquisition.

Les six biais qui faussent toute prévision

Aucune méthode ne survit à une donnée d’entrée corrompue. Ces six biais expliquent l’essentiel des écarts.

1. La date de clôture qui glisse. Une affaire dont la date a déjà été repoussée deux fois a un profil statistique radicalement différent d’une affaire de même montant au même stade. Comptez les glissements : c’est le meilleur indicateur de risque disponible, et il est déjà dans votre CRM sans rien configurer.

2. Le stade qui avance sans fait nouveau. Une affaire passée en « négociation » parce qu’elle stagnait en « proposition » est une affaire dégradée présentée comme améliorée.

3. Le montant optimiste. Le montant saisi est celui de la proposition maximale, pas celui du périmètre réellement discuté. Sur des cycles longs, l’écart moyen entre montant saisi et montant signé mérite d’être mesuré une fois — le résultat surprend souvent.

4. Les affaires zombies. Sans activité depuis 60 jours, elles gonflent le pipeline et le taux de transformation apparent. Une règle d’archivage automatique vaut mieux qu’un nettoyage trimestriel manuel, qui n’a jamais lieu.

5. Le pipeline non à jour. Le biais le plus banal et le plus lourd : la prévision du lundi porte sur l’état du CRM du jeudi précédent. Les rendez-vous du vendredi n’y sont pas, parce que la saisie ne se fait pas.

6. Le biais de la revue. Un commercial qui annonce une affaire en comité s’engage publiquement, et la retirer ensuite coûte socialement. Résultat : les affaires annoncées survivent plus longtemps qu’elles ne devraient. Le remède est de rendre le retrait normal — c’est un des objets de la revue de pipeline hebdomadaire.

Une prévision n’est pas un objectif. Confondre les deux garantit que la prévision devienne un exercice politique, et cesse d’être un outil de pilotage.

Le contrôle en trois chiffres

Chaque mois, avant d’annoncer quoi que ce soit :

1. L’écart du mois précédent. Prévu contre réalisé, en pourcentage. Un écart systématiquement positif ou négatif est un biais à corriger, pas de la malchance.
2. La couverture. Pipeline total divisé par l’objectif restant. En dessous de 3, l’objectif est hors d’atteinte quelle que soit la qualité d’exécution — c’est un problème de volume, pas de closing.
3. La part engagée. Combien du prévisionnel repose sur des affaires à cinq jalons cochés. Une prévision reposant majoritairement sur du « probable » est une prévision qui bougera.

Questions fréquentes

Quelle est la méthode de prévision des ventes la plus fiable ?

La méthode par jalons, sur les cycles longs : elle repose sur des faits vérifiables plutôt que sur un stade déclaratif. Sur les modèles à fort volume et cycle court, la méthode par cohortes la dépasse, parce qu’elle élimine toute donnée subjective. La pondération par stade est utile en tendance mais ne devrait pas servir de chiffre engageant.

Pourquoi les prévisions commerciales sont-elles systématiquement optimistes ?

Parce que la donnée d’entrée est produite par les personnes évaluées sur cette donnée, et parce que retirer une affaire annoncée coûte socialement plus cher que la maintenir. Les deux effets vont dans le même sens et s’additionnent. Une prévision fondée sur des faits vérifiables — décideur rencontré, budget confirmé — réduit fortement les deux.

Quel ratio de couverture de pipeline viser ?

Trois fois l’objectif restant est le seuil courant en vente B2B, à ajuster sur votre propre taux de transformation : une équipe qui transforme 15 % a besoin de plus de couverture qu’une équipe à 30 %. Le ratio se calcule sur l’objectif restant, pas sur l’objectif annuel.

À quelle fréquence mettre à jour la prévision ?

Chaque semaine pour le pipeline, chaque mois pour le chiffre communiqué. Une prévision révisée quotidiennement transforme le bruit en signal ; une prévision révisée trimestriellement découvre les problèmes trop tard pour agir.