Prévision des ventes : cinq méthodes comparées sur un même mois

Par Giorgio Bonan. Mis à jour le 22 octobre 2026, publié le 22 octobre 2026.

La prévision des ventes est l'estimation du chiffre d'affaires qu'une entreprise réalisera sur une période donnée, en général le mois ou le trimestre. Elle repose soit sur l'historique (ce qui s'est vendu les périodes précédentes), soit sur le pipeline (les affaires en cours et leur avancement), soit sur les deux. Elle sert à fixer les objectifs, à dimensionner l'équipe, à préparer le budget et à anticiper la trésorerie.

Le problème est connu : les prévisions se trompent souvent, et presque toujours dans le même sens. Dans une enquête Gartner publiée en février 2020, moins de la moitié des dirigeants commerciaux et des vendeurs avaient une forte confiance dans la précision de la prévision de leur organisation. Cet article compare cinq méthodes sur un même mois, montre comment mesurer leur précision et propose une routine pour fiabiliser le chiffre.

Les deux familles de méthodes

Toutes les méthodes de prévision commerciale se rangent dans deux familles, qui répondent à des questions différentes.

Une prévision solide confronte les deux. Quand elles divergent fortement, ce n'est pas un problème de calcul, c'est une information : soit le marché change, soit le pipeline est gonflé.

Cinq méthodes, un même mois

Prenons une équipe qui prépare la prévision d'octobre. Voici ses données.

Historique des trois derniers mois : juillet 110 000 €, août 80 000 €, septembre 130 000 €. L'an dernier, octobre a représenté 1,15 fois le mois moyen de l'année.

Affaires dont la clôture est prévue en octobre :

Les probabilités reprennent les valeurs par défaut des étapes de Salesforce (10 % pour Qualification, 50 % pour Value Proposition, 70 % pour Perception Analysis, 75 % pour Proposal/Price Quote, 90 % pour Negotiation/Review), telles que nous les avons lues dans une org Developer Edition le 22 octobre 2026.

1. La moyenne mobile

On fait la moyenne des trois derniers mois : (110 000 + 80 000 + 130 000) / 3 = 106 700 €. Simple et stable, mais elle lisse tout : un mois d'août creux tire la prévision d'octobre vers le bas.

2. L'indice saisonnier

On applique au mois moyen récent le poids habituel d'octobre : 106 700 × 1,15 = 122 700 €. Meilleur quand l'activité est saisonnière, mais l'indice suppose que l'année ressemble à la précédente.

3. Le pipeline pondéré

On multiplie chaque montant par la probabilité de son étape, puis on additionne : 81 000 + 45 000 + 37 500 + 28 000 + 15 000 + 3 000 = 209 500 €. Rapide à calculer dans un CRM, mais il additionne des probabilités par défaut que personne n'a mesurées sur l'équipe.

4. Les catégories de prévision

On retient ce que les commerciaux ont classé en Commit : A + B = 150 000 €. En cumulé, Best Case ajoute C et D, soit 240 000 €. C'est la logique du module de prévision de Salesforce, dont le guide d'implémentation (version Winter '27) décrit les catégories standard : Pipeline, Best Case, Commit, Omitted et Closed, avec un cumul par défaut.

5. Le pipeline propre

On reprend le pipeline pondéré en retirant les affaires sans activité depuis plus de 30 jours, ici D et E : 209 500 - 28 000 - 15 000 = 166 500 €. La méthode ne change pas la formule, elle change les données qui entrent dedans.

Mesurer la précision : qui avait raison ?

Supposons qu'octobre se termine à 135 000 € signés. La formule de précision la plus courante, celle que décrit l'Institute of Business Forecasting, est : précision = 1 - |réel - prévision| / réel.

Trois enseignements, valables bien au-delà de cet exemple :

• Le pipeline pondéré brut est la pire méthode ici, à 44,8 %. Il cumule deux défauts : des probabilités par défaut jamais vérifiées et deux affaires silencieuses qui pèsent 43 000 € dans la somme.
• Retirer les affaires silencieuses fait gagner 32 points (de 44,8 % à 76,7 %) sans changer la formule. C'est le levier le moins coûteux de toute la liste.
• Les méthodes historiques ne sont pas ridicules. Elles ignorent le pipeline, donc aussi ses défauts. Quand une méthode historique et une méthode pipeline divergent de plus de 30 %, il faut regarder le pipeline avant de choisir un chiffre.

Mesurez toujours la précision sur une prévision figée à une date fixe, par exemple le premier lundi du mois. Une prévision corrigée jusqu'au dernier jour n'est plus une prévision.

Le biais : se tromper toujours dans le même sens

La précision dit de combien on se trompe ; le biais dit dans quel sens. Sur plusieurs mois, le biais se calcule comme la somme des écarts (prévision - réel) divisée par la somme des réels. Un biais positif signifie qu'on surestime, un biais négatif qu'on sous-estime.

Biais = 45 000 / 320 000 = +14,1 %. L'équipe surestime chaque mois, d'environ un septième. Un biais régulier est une bonne nouvelle relative : il a une cause, et cette cause se trouve presque toujours dans le pipeline. Les affaires qu'on n'ose pas fermer, les dates repoussées sans raison et les étapes mal définies produisent toutes un biais positif.

Pourquoi les données du CRM font la prévision

Une prévision par le pipeline ne vaut que ce que valent les données du CRM. Or ces données se dégradent vite : dans l'enquête Validity de 2024 auprès d'administrateurs CRM, 24 % estimaient que moins de la moitié de leurs données étaient exactes et complètes, et 31 % que la mauvaise qualité des données leur coûtait au moins 20 % de leur chiffre d'affaires annuel. Ce sont des estimations déclarées, pas des mesures, mais elles indiquent l'ordre de grandeur du problème.

Pour la prévision, trois champs comptent plus que les autres :

Notre article sur le pipeline commercial détaille comment calculer une couverture sur le pipeline propre et organiser une revue hebdomadaire.

Une routine pour fiabiliser la prévision des ventes

1. Choisir deux méthodes et s'y tenir. Une méthode historique (indice saisonnier si l'activité est saisonnière, moyenne mobile sinon) et une méthode pipeline. Les comparer chaque mois.
2. Figer la prévision à date fixe. Le premier lundi du mois, par exemple, puis mesurer précision et biais sur ce chiffre-là.
3. Nettoyer avant de calculer. Dates de clôture passées, affaires sans activité au-delà du seuil, affaires bloquées dans une étape : chaque point est traité avant la réunion, pas pendant.
4. Mesurer les probabilités au lieu de les supposer. Après deux trimestres, calculer pour chaque étape la part des affaires qui l'ont atteinte et ont été gagnées, et remplacer les valeurs par défaut.
5. Suivre le biais par commercial. Un biais d'équipe de +14 % peut venir d'un seul portefeuille. C'est là que la discussion utile se trouve.

Quel outil pour la prévision des ventes

Un tableur suffit pour les méthodes historiques. Pour les méthodes pipeline, la source est le CRM : Salesforce propose un module de prévision par catégorie, activé par défaut dans les orgs créées depuis Winter '24 selon son guide d'implémentation, avec un type de prévision sur le montant des opportunités par date de clôture. HubSpot et Pipedrive offrent des vues équivalentes.

Ces outils additionnent fidèlement ce qu'on leur donne. Aucun ne retire par défaut les affaires qui ont cessé de bouger, parce qu'une affaire silencieuse ne change pas et ne déclenche donc aucune alerte. TruthPipe fait ce travail chaque nuit sur Salesforce : il lit les opportunités et leurs activités, liste les affaires silencieuses avant la réunion de prévision et note la qualité du pipeline de chaque commercial, pour 99 $ par mois et par org. Les détails sont sur la page tarifs.