Prévision des ventes : 5 méthodes comparées, et celle qui tient en PME

En bref : il existe cinq façons de prévoir les ventes : par l'historique, par le pipeline pondéré, par l'engagement des commerciaux, par régression statistique et par modèle IA. Pour une PME B2B, la combinaison qui tient est un pipeline pondéré avec des probabilités observées, corrigé par l'engagement des commerciaux et confronté chaque mois au réalisé. Les méthodes statistiques et IA demandent un historique que la plupart des PME n'ont pas.

1. La prévision historique

Principe : le revenu du trimestre prochain ressemblera à celui de l'an dernier, corrigé de la croissance. Données : deux ans de chiffre d'affaires mensuel. Force : simple, robuste sur une activité stable et saisonnière. Limite : aveugle à ce qui se passe dans le pipeline aujourd'hui. Utile comme garde-fou : si le pipeline annonce +60 % par rapport à l'an dernier, quelque chose est faux.

2. Le pipeline pondéré

Principe : chaque deal ouvert compte pour son montant multiplié par la probabilité de son étape, s'il doit se fermer dans la période. Données : deals, étapes, dates de fermeture, probabilités observées. Force : objectif, recalculable, réactif. Limite : exactement aussi bon que les données du CRM. Dates non maintenues, probabilités déclarées, deals stagnants : chacun le fausse. La méthode détaillée et le calculateur montrent comment le construire.

3. L'engagement des commerciaux

Principe : chaque commercial classe ses deals (engagé, probable, possible) et la somme des engagés fait le forecast. Données : le jugement de l'équipe. Force : intègre ce que le CRM ne sait pas (le ton du dernier appel, la réorganisation chez le client). Limite : subjectif, optimiste par nature, difficile à auditer. Indispensable en complément, dangereux seul.

4. La régression statistique

Principe : un modèle relie les ventes à des variables (saison, nombre de leads, dépense marketing). Données : plusieurs années d'historique homogène. Force : capture des effets que l'intuition rate. Limite : exige un historique long et stable ; un changement de pricing ou de marché le rend caduc. Rare en PME.

5. La prévision par IA

Principe : un modèle entraîné sur l'historique des deals (durées, activités, propriétés) estime la probabilité de chaque deal. Données : des milliers de deals fermés, avec leur historique d'activité. Force : peut détecter des signaux faibles. Limite : opaque (pourquoi ce deal est-il à 37 % ?), et inutilisable sous quelques centaines de deals par an : le modèle apprend le bruit. Des outils comme Forecastio la proposent pour HubSpot ; elle a du sens à partir d'un certain volume et d'une discipline de saisie déjà en place.

La combinaison qui tient en PME

1. Base : pipeline pondéré avec des probabilités observées sur six à douze mois, par pipeline, et des dates de fermeture maintenues (ou une propriété de date que l'équipe maintient réellement).
2. Correction : engagement sur les dix plus gros deals du trimestre, revus chaque semaine.
3. Garde-fou : historique pour repérer une prévision aberrante.
4. Boucle : comparaison au réalisé chaque mois. Prévu, signé, puis facturé et encaissé. L'écart entre chaque étape est la seule mesure de la qualité du forecast.

Ce que fait l'outil Prévisions de HubSpot, et ce qu'il ne fait pas

L'outil natif de HubSpot couvre bien les méthodes 2 et 3 (pondération par étape, catégories d'engagement). Il s'arrête au CRM : il ne compare pas la prévision au facturé, n'accepte pas une autre date que closedate et ne signale pas les stagnants. Le comparatif détaillé liste les différences. Revold calcule le forecast pondéré par échéance avec la propriété de date de votre choix, exclut les stagnants au-delà du seuil, et rapproche la prévision des factures et des paiements dans Pennylane, Stripe, Chargebee, GoCardless ou Sage.