Un produit peut rester plusieurs jours sans commande, puis partir en quantité importante en une seule matinée. Pour fixer son stock de sécurité, une moyenne mensuelle ne suffit pas : il faut mesurer ce qui peut être vendu pendant l’attente du prochain réapprovisionnement, puis choisir le risque acceptable. Une réserve trop faible provoque des commandes perdues ; une réserve excessive immobilise de la trésorerie et expose aux invendus.
Le bon calcul dépend surtout de la fréquence des ventes, de la taille des commandes et de la fiabilité du fournisseur. Prenons le cas de Nora, qui distribue des pièces de maintenance : certaines références ne sortent que quelques fois par mois, mais leur absence peut bloquer un client professionnel. Son objectif n’est donc pas de prévoir exactement chaque achat, mais de dimensionner une protection mesurable, adaptée à chaque article.
Analyser la demande irrégulière avant de calculer le stock de sécurité
Distinguer les ventes observées des besoins réels des clients
Le premier travail consiste à construire un historique exploitable, avec une ligne par jour ou par semaine, y compris lorsque rien ne se vend. Supprimer les périodes à zéro donne une image artificiellement dynamique du produit et conduit à surestimer son rythme habituel de consommation.
Chez Nora, une pièce est achetée par lots de dix unités, avec parfois deux semaines entre deux commandes. Une moyenne calculée uniquement sur les journées actives indique dix unités par jour ; rapportée à toutes les journées, elle devient beaucoup plus faible et décrit mieux le besoin de couverture.
Il faut également distinguer une absence de demande d’une absence de disponibilité. Lorsque le rayon est vide, les ventes enregistrées ne révèlent plus toutes les intentions d’achat : une période de rupture ne doit pas être interprétée automatiquement comme une période sans besoin.
Les commandes non servies, les demandes de devis et les reliquats permettent de reconstituer une partie de cette demande cachée. À défaut, Nora marque les journées concernées et teste plusieurs hypothèses plutôt que de les intégrer silencieusement à son historique.
Mesurer la fréquence des commandes et la taille des sorties
Deux références présentant la même consommation annuelle peuvent nécessiter des protections très différentes. La première sort régulièrement à l’unité ; la seconde fait l’objet de quelques commandes importantes, ce qui augmente l’amplitude des besoins pendant une attente fournisseur.
Pour caractériser cette demande irrégulière, Nora sépare donc la fréquence des événements et leur taille. Elle examine aussi les changements récents : arrivée d’un grand client, contrat de maintenance, promotion ou remplacement progressif d’un ancien modèle.
- Fréquence des périodes actives : proportion de jours ou de semaines avec au moins une demande.
- Intervalle entre commandes : durée moyenne, mais aussi dispersion des attentes entre deux achats.
- Quantité par événement : volume habituel et présence de commandes exceptionnellement importantes.
- Disponibilité réelle : journées où le produit pouvait effectivement être acheté.
- Contexte commercial : saisonnalité, contrats, opérations promotionnelles et évolution du parc installé.
Ces indicateurs évitent une erreur fréquente : attribuer toute la variabilité des ventes au hasard. Une commande importante liée à une opération annoncée doit, autant que possible, être intégrée au besoin prévu plutôt que financée durablement par une réserve supplémentaire.
Aligner les données commerciales et les délais fournisseurs
La granularité doit rester cohérente avec les décisions opérationnelles. Si Nora peut commander chaque jour et reçoit les marchandises sous dix jours, des observations quotidiennes permettent de représenter précisément les fenêtres d’exposition ; une moyenne mensuelle masque au contraire une grande partie des à-coups.
Les encaissements peuvent aider à rapprocher les sorties du terrain des données de gestion. Les options de terminal de paiement mobile concernent cette collecte commerciale, mais un paiement doit toujours être relié à la référence, à la quantité et à la date de sortie pour alimenter correctement le calcul.
Du côté fournisseur, il faut mesurer le temps entre le déclenchement effectif de la commande et la disponibilité des articles pour le client. Un colis livré mais encore bloqué au contrôle qualité n’a pas terminé son délai d’approvisionnement.
Nora conserve ainsi les dates de commande, de réception et de mise à disposition. Elle peut distinguer un retard de transport d’un ralentissement interne et éviter d’augmenter inutilement ses réserves pour compenser un problème de réception.
La qualité du dimensionnement dépend d’abord de la fidélité de l’historique aux besoins réellement exprimés. Une fois cette base fiabilisée, le choix du modèle devient beaucoup plus pertinent.
Utiliser la formule classique du stock de sécurité avec les bonnes précautions
Comprendre la relation entre dispersion, délai et niveau de service
Dans sa forme la plus connue, la formule suppose une consommation suffisamment régulière, des observations indépendantes et un temps de livraison constant. Elle transforme la dispersion quotidienne en incertitude cumulée sur toute la période pendant laquelle l’entreprise attend son fournisseur.
Stock de sécurité = z × σd × √L, où σd représente l’écart-type de la demande par période, L le nombre de périodes couvertes et z un coefficient associé à la probabilité de ne pas manquer de marchandises sur un cycle.
Les unités doivent correspondre : une dispersion quotidienne exige un délai exprimé en jours compatibles avec cet historique. Mélanger des semaines, des jours ouvrés et des jours calendaires sans conversion produit un résultat apparemment précis, mais opérationnellement faux.
Avec une approximation normale unilatérale, z vaut environ 1,28 pour 90 %, 1,645 pour 95 % et 2,326 pour 99 %. Ces coefficients ne garantissent toutefois le résultat annoncé que si les hypothèses statistiques représentent correctement le comportement de l’article.
Appliquer un exemple chiffré sans confondre réserve et seuil de commande
Supposons qu’une référence de Nora présente une moyenne d’une unité par jour et un écart-type quotidien de trois unités. Avec dix jours de livraison et un objectif de 95 %, la formule donne 1,645 × 3 × √10, soit environ 15,6 unités de protection.
Le besoin moyen pendant l’attente est de dix unités. Le point de commande théorique atteint donc 25,6 unités, généralement arrondies selon les contraintes de gestion et de conditionnement : ce seuil inclut la consommation attendue, contrairement à la seule réserve.
Point de commande = demande moyenne pendant le délai + stock de sécurité. Confondre ces deux grandeurs conduit soit à commander trop tard, soit à ajouter deux fois la même protection dans le système de gestion.
Le déclenchement doit porter sur la position de stock : quantité disponible, augmentée des réceptions attendues et diminuée des besoins déjà engagés, sans compter deux fois les réservations. Le stock physique seul ne suffit pas si une commande fournisseur est déjà en route.
Identifier les limites de l’approximation normale
Pourquoi rester prudent avec une pièce rarement demandée ? Parce que sa distribution comporte souvent beaucoup de zéros et quelques sorties élevées, très loin de la forme symétrique d’une courbe normale.
Dans un modèle simple où dix unités sont demandées avec une probabilité de 10 % chaque jour, la moyenne quotidienne vaut une unité et la dispersion vaut trois. Sur dix jours indépendants, le quantile à 95 % de la consommation atteint pourtant trente unités, et non les quelque vingt-six unités données par l’approximation précédente.
Cette différence illustre une limite de modèle, pas une erreur arithmétique. Un calcul exact, une distribution empirique ou une simulation convient mieux lorsque les sorties se font par lots importants et peu fréquents.
Si le temps fournisseur varie aussi, une formule élargie peut servir de repère : SS = z × √[E(L) × σd² + μd² × Var(L)]. Elle suppose notamment une demande indépendante d’une période à l’autre et une indépendance entre celle-ci et le délai.
Des retards corrélés aux pics d’activité rendent ces hypothèses fragiles. Nora doit alors représenter conjointement les besoins et les temps de livraison, car les traiter séparément pourrait sous-estimer les situations les plus tendues.
La formule classique fournit un point de comparaison, pas une garantie universelle pour les articles intermittents. Le passage aux distributions observées permet de mieux représenter leurs à-coups.
Calculer un stock tampon à partir des quantiles de consommation
Construire la distribution des besoins pendant l’attente
Une approche directement adaptée aux sorties discontinues consiste à examiner les consommations cumulées sur une durée équivalente au temps fournisseur. Pour une attente de dix jours, Nora additionne les besoins de chaque fenêtre historique de dix jours, en conservant les périodes sans mouvement.
Elle obtient une série de totaux : zéro, dix, vingt unités, parfois davantage. Cette distribution répond à une question concrète : quelle quantité aurait permis de couvrir une proportion donnée des périodes observées ?
Des fenêtres glissantes utilisent efficacement l’historique, mais se chevauchent et ne constituent donc pas des observations indépendantes. Elles décrivent les situations passées sans fournir autant d’information statistique qu’un nombre identique de fenêtres totalement distinctes.
Avant de les exploiter, Nora retire les erreurs de saisie et identifie les événements non reproductibles. Elle ne supprime pas une grosse commande simplement parce qu’elle dérange : si un événement comparable peut revenir, il appartient au risque à couvrir.
Déterminer le quantile cible avec un tableau de fréquences
Voici un exemple pédagogique construit sur deux cents fenêtres historiques. Les quantités restent groupées par lots de dix, ce qui représente mieux le fonctionnement de cette référence qu’une courbe continue.
| Besoin sur dix jours | Nombre de fenêtres | Fréquence cumulée |
|---|---|---|
| 0 unité | 70 | 35 % |
| 10 unités | 70 | 70 % |
| 20 unités | 40 | 90 % |
| 30 unités | 16 | 98 % |
| 40 unités | 4 | 100 % |
Le besoin moyen est de 10,7 unités : les quantités pondérées totalisent 2 140 unités, divisées par deux cents observations. Pour viser au moins 95 % de couverture, le plus petit seuil satisfaisant l’objectif est de trente unités.
Stock tampon = quantile cible du besoin pendant le délai − besoin moyen pendant ce délai. Ici, la protection statistique vaut donc 30 − 10,7 = 19,3 unités, tandis que le seuil total à paramétrer reste de trente unités.
La couverture historique atteint 98 %, car la distribution progresse par paliers. On ne peut pas obtenir exactement 95 % avec tous les seuils possibles lorsque les commandes arrivent par blocs ; ajouter un coefficient arbitraire n’améliorerait pas cette précision.
Éviter de transformer un quantile historique en promesse commerciale
Le chiffre obtenu décrit les données retenues, pas une certitude sur l’avenir. Deux cents fenêtres issues de quelques mois très calmes peuvent mal représenter une reprise d’activité, une saison technique ou l’arrivée d’un nouveau client industriel.
La prévision de la demande sert alors à actualiser le niveau attendu, tandis que la distribution des écarts ou une simulation fournit la protection contre les surprises. Augmenter indistinctement toute la réserve mélange changement commercial prévisible et incertitude résiduelle.
Nora doit aussi tenir compte du franchissement du seuil par une commande importante. Si sa position passe directement de trente-cinq à quinze unités après une sortie de vingt, elle commande avec moins de protection que ne le suggère un modèle supposant un déclenchement exactement à trente.
Ce phénomène de dépassement du seuil doit être représenté dans un test de la politique complète, avec les quantités réapprovisionnées et les éventuelles commandes simultanément en attente. Le quantile reste un bon point de départ, mais ne décrit pas seul tout le système.
Pour une référence intermittente, le quantile rend le choix de couverture lisible ; la simulation vérifie son efficacité réelle. Cette vérification devient essentielle lorsque les délais et les décisions de commande se compliquent.
Simuler les commandes et les délais pour réduire le risque de rupture
Représenter les événements de vente plutôt qu’une moyenne lissée
Une simulation reproduit de nombreux scénarios possibles, puis applique à chacun les mêmes règles de gestion que dans l’entrepôt. Elle permet d’observer les indisponibilités, les quantités servies et le capital immobilisé sans attendre plusieurs mois d’exploitation réelle.
Pour la pièce de Nora, un modèle simple tire d’abord l’existence d’une commande, puis sa quantité. Cette séparation respecte la logique d’un produit qui ne se vend pas chaque jour, contrairement à une prévision lissée répartissant artificiellement les achats sur toutes les journées.
Si les événements se regroupent, un tirage quotidien indépendant devient insuffisant. Des prélèvements par blocs dans l’historique ou un modèle intégrant la saisonnalité permettent de mieux conserver ces dépendances, notamment autour des arrêts techniques des clients.
Les méthodes de Croston et leurs variantes peuvent aider à estimer une consommation moyenne intermittente. Elles ne produisent toutefois pas automatiquement toute la distribution nécessaire au dimensionnement : une estimation du rythme moyen et une mesure du risque restent deux objets différents.
Intégrer le délai d’approvisionnement et la fréquence de révision
Nora observe que certaines livraisons prennent huit jours et d’autres quinze. Plutôt que de conserver une durée moyenne unique, elle tire des temps de réception à partir d’un historique pertinent ou de scénarios documentés avec son fournisseur.
Lorsque les retards surviennent justement pendant les fortes ventes, les scénarios doivent préserver cette association. Un tirage indépendant des deux phénomènes ferait disparaître une partie du danger, alors que l’objectif est précisément d’évaluer les épisodes défavorables.
Le mode de pilotage change également l’horizon à protéger. Avec une revue quotidienne et un déclenchement au seuil, on raisonne principalement sur l’attente de réception ; avec une commande hebdomadaire, il faut aussi tenir compte du temps avant la prochaine possibilité de commander.
En révision périodique, le niveau cible couvre généralement la demande pendant le délai plus l’intervalle de révision. Pour dix jours de livraison et sept jours entre deux décisions, une politique de remontée au niveau cible doit donc examiner une période de protection de dix-sept jours.
À chaque revue, la quantité commandée correspond à la différence entre ce niveau et la position de stock, sous réserve des conditionnements et minimums fournisseurs. Appliquer directement le seuil d’une gestion continue à ce fonctionnement laisserait une partie de l’exposition sans couverture.
Tester plusieurs protections et mesurer leurs conséquences
Nora compare plusieurs paramètres, par exemple des seuils de vingt, trente et quarante unités, en conservant une règle de réapprovisionnement explicite. Les scénarios suivent les réceptions, les ventes perdues ou mises en attente, et le vieillissement des articles.
Pour chaque variante, elle mesure le pourcentage de cycles sans manque, la part des unités immédiatement servies et le stock moyen. Elle suit également la durée des interruptions, car une seule indisponibilité de quinze jours peut être plus pénalisante que plusieurs incidents très courts.
Le test doit préciser ce que deviennent les besoins non satisfaits. Une vente définitivement perdue et une commande conservée en reliquat n’ont pas les mêmes effets sur les demandes futures, les engagements clients et le coût commercial.
Les paramètres sont ensuite évalués sur une période différente de celle utilisée pour les construire. Ce contrôle chronologique limite le risque de choisir une règle excellente sur le passé étudié, mais peu robuste lorsque l’activité change.
Le meilleur réglage n’est pas celui qui protège parfaitement un historique, mais celui qui reste acceptable dans plusieurs futurs plausibles. Il faut ensuite choisir ce que l’entreprise accepte de payer pour cette robustesse.
Choisir le niveau de service et piloter le coût du stock de sécurité
Distinguer disponibilité par cycle et proportion des unités servies
Le niveau de service doit être défini avant toute décision. Une probabilité de 95 % de traverser un cycle sans manque ne signifie pas que 95 % des unités demandées seront immédiatement disponibles : ces deux indicateurs décrivent des réalités différentes.
Le premier compte les cycles touchés par au moins une indisponibilité. Le second, souvent appelé taux de satisfaction des quantités, rapporte les unités servies immédiatement à l’ensemble des unités demandées sur une période donnée.
Chez Nora, une seule commande de cinquante pièces non satisfaite peut fortement dégrader la satisfaction en volume, même si les autres cycles se déroulent bien. À l’inverse, plusieurs petits incidents peuvent affecter beaucoup de cycles tout en représentant peu d’unités manquantes.
Le choix dépend donc de la promesse commerciale. Pour une pièce qui immobilise une installation, la durée d’attente et la disponibilité immédiate peuvent compter davantage que le nombre annuel d’unités expédiées.
Arbitrer entre trésorerie, criticité et alternatives au stockage
Viser systématiquement le même objectif pour toutes les références est rarement pertinent. Une pièce peu coûteuse, durable et indispensable peut justifier une forte protection ; un composant cher, rapidement obsolète et remplaçable appelle un arbitrage différent.
Le coût de possession inclut le financement, l’espace, l’assurance, la manutention et les pertes attendues par dépréciation. Nora le rapproche du coût des dépannages, des transports urgents, des pénalités contractuelles et des conséquences d’un client durablement insatisfait.
Les informations regroupées dans les outils de comptabilité pour les artisans peuvent éclairer la valeur immobilisée et les charges associées. Elles complètent les données logistiques, sans remplacer l’analyse des besoins et des engagements de livraison.
Imaginons qu’une protection supplémentaire de dix unités immobilise 800 euros. Avec un taux annuel de possession retenu à 25 %, elle représente environ 200 euros par an, avant toute dépense exceptionnelle non incluse dans ce taux.
Si ces dix pièces évitent régulièrement un transport urgent de 150 euros et une interruption chez un client stratégique, leur intérêt devient concret. Si elles ne sortent presque jamais et risquent de devenir incompatibles avec les équipements récents, une solution de dépannage fournisseur peut être préférable.
Réduire l’incertitude constitue parfois une meilleure économie qu’augmenter la réserve. Une réception accélérée, un article de substitution validé ou un engagement de disponibilité chez le distributeur peuvent diminuer l’exposition sans remplir davantage les rayonnages.
Mettre en place une révision régulière du calcul des stocks
Le paramétrage ne doit pas rester figé après sa première validation. Nora prévoit une revue mensuelle pour les références critiques et un contrôle moins fréquent pour les articles stables, tout en conservant des alertes lorsqu’un événement important survient.
Elle suit notamment l’évolution de la consommation, les retards de réception, les indisponibilités et les excédents persistants. Une hausse ponctuelle ne déclenche pas automatiquement une révision permanente : elle est d’abord rapprochée des contrats, des projets clients et des événements exceptionnels connus.
Chaque modification est documentée avec l’historique utilisé, la cible retenue, la méthode et les contraintes d’achat. Cette traçabilité permet de comprendre pourquoi une protection a augmenté et d’éviter qu’une marge temporaire devienne une règle définitive.
Une référence nouvelle nécessite davantage de scénarios et de comparaison avec des produits analogues. À mesure que les observations s’accumulent, Nora remplace progressivement les hypothèses initiales par les comportements réellement constatés, sans attendre que les premières ruptures imposent seules les corrections.
Une protection utile possède une justification économique, une règle de déclenchement explicite et une date de réexamen. Ces trois repères rendent le calcul des stocks exploitable au quotidien.
Quelle méthode privilégier lorsque les ventes sont très irrégulières ?
Utilisez en priorité la distribution des besoins cumulés pendant le délai fournisseur, puis vérifiez le seuil obtenu par une simulation de votre politique de commande. Conservez les périodes sans demande et corrigez les observations faussées par une indisponibilité.
Peut-on calculer une protection avec seulement quelques ventes ?
Oui, mais les quantiles élevés sont alors peu robustes. Appuyez-vous sur des références comparables, les besoins clients connus et plusieurs scénarios de livraison, puis réévaluez le paramétrage à chaque nouvelle observation significative.
Faut-il ajouter une marge au point de commande ?
Le point de commande inclut déjà la consommation attendue pendant le délai et la réserve de protection. Ajouter une marge supplémentaire sans motif identifié risque de compter deux fois le même risque et de créer un excédent.
Comment tenir compte des minimums de commande fournisseur ?
Intégrez les minimums et les multiples de conditionnement dans la simulation. Ils modifient les quantités reçues, le stock moyen et la fréquence des achats ; ils ne doivent pas être assimilés automatiquement à une protection supplémentaire contre les aléas.
