Analyse de données et prédiction : comprendre vos chiffres pour mieux préparer la suite.
Volumes d'activité, interventions, consommations, demandes : nous concevons des analyses qui expliquent ce qui s'est passé, repèrent ce qui sort de l'ordinaire et projettent des évolutions possibles, avec leurs hypothèses et leurs marges.
Démonstration : entreprise et données fictives, méthode simple et documentée. Une projection n'est pas une valeur réalisée : elle peut se révéler fausse.
Illustration en six étapes, données fictives. 1. 26 semaines de demandes d'intervention d'un service de maintenance, de 38 à 56 par semaine ; la dernière, S26, en compte 56. 2. Aucune semaine ne manque ; la semaine 14, écourtée par un jour férié, est conservée et signalée. 3. Sur les 12 dernières semaines, la tendance est d'environ + 0,6 demande par semaine. 4. Hypothèses retenues : rythme habituel sans nouveau contrat, capacité de 12 interventions par technicien et par semaine, congés d'été non intégrés. 5. Projection des semaines 27 à 34 : de 55 à 59 demandes, dans une plage conventionnelle de 48 à 69, qui n'est pas un intervalle de confiance. 6. À décider par l'équipe planification : 5 techniciens, un 6e en renfort possible.
Demandes d'intervention par semaine · service maintenancedonnées fictives
- Dernière semaine observée
- S26 : 56 demandes
- Qualité
- 26 semaines, aucune manquante ; S14 écourtée, signalée
- Tendance
- + 0,6 demande par semaine sur 12 semaines
- Projection S27 à S34
- 55 à 59 demandes, plage 48 à 69
- À décider par l'équipe
- 5 techniciens, un 6e en renfort possible
Hypothèses retenues
- Rythme habituel : aucun nouveau contrat signé
- Capacité : 12 interventions par technicien et par semaine
- Congés d'été non intégrés : à ajouter par l'équipe
À décider par l'équipe planification
Semaines 27 à 34 : 55 à 59 demandes projetées, plage 48 à 69. Base possible : 5 techniciens, un 6e en renfort possible.
Analyse d'un historique d'activité, six étapes
Méthode : Niveau : moyenne des 4 dernières semaines. Tendance : pente sur les 12 dernières. Plage : plus grand écart à la tendance (2,4), élargi d'une demande par semaine d'horizon. Une convention, pas un intervalle de confiance.
Ce que vos données savent déjà : ce qui varie, ce qui se répète, ce qui surprend.
Avant de prévoir, il faut comprendre. Vos historiques d'activité répondent souvent à des questions que personne n'a encore posées.
Charge d'activité
- La question
- Combien de demandes la semaine prochaine ?
- L'indicateur
- Volume projeté, avec sa plage
- Qui s'en sert
- Planification
Besoins de maintenance
- La question
- Quels équipements solliciter en premier ?
- L'indicateur
- Fréquence d'interventions par équipement
- Qui s'en sert
- Maintenance
Demandes ou volumes
- La question
- Quelle saison, quel pic ?
- L'indicateur
- Profil saisonnier
- Qui s'en sert
- Achats, logistique
Consommations
- La question
- Qu'est-ce qui a changé ?
- L'indicateur
- Variation par période et par site
- Qui s'en sert
- Exploitation
Comportements inhabituels
- La question
- Qu'est-ce qui sort de l'ordinaire ?
- L'indicateur
- Valeur signalée, à expliquer
- Qui s'en sert
- Contrôle de gestion
Planification
- La question
- De combien de personnes aura-t-on besoin ?
- L'indicateur
- Effectif estimé selon les hypothèses
- Qui s'en sert
- Direction des opérations
Selon votre secteur : BTP et construction, maintenance et services techniques, industrie et logistique.
Décrire, comprendre, anticiper : trois lectures différentes de vos données.
Un tableau de bord, une alerte et une projection ne répondent pas à la même question. Les confondre, c'est demander à un indicateur ce qu'il ne sait pas faire.
Décrire
Analyse descriptive
- Ce qu'elle produit
- Des volumes, des moyennes, des comparaisons entre périodes ou entre sites, dans un tableau de bord.
- Ce qu'il lui faut
- Des données propres et des définitions partagées : ce qu'est une « intervention », d'où elle est comptée.
- Exemple
- Les demandes par semaine et par site, comparées à l'an dernier.
- Ce qu'elle ne fait pas
- Elle ne prévoit rien et n'explique pas pourquoi un chiffre bouge.
Comprendre
Détection d'anomalies
- Ce qu'elle produit
- Des valeurs signalées parce qu'elles s'écartent du comportement habituel, avec l'écart constaté.
- Ce qu'il lui faut
- Un historique assez long pour savoir ce qui est habituel, et une règle d'écart écrite.
- Exemple
- Une semaine à près du double de la médiane, signalée pour explication.
- Ce qu'elle ne fait pas
- Elle ne dit pas si l'écart est une erreur de saisie, un incident ou un changement durable : une personne le qualifie.
Anticiper
Projection
- Ce qu'elle produit
- Des évolutions possibles, avec une plage, une méthode et des hypothèses écrites.
- Ce qu'il lui faut
- Un historique représentatif, des saisons complètes si elles comptent, et la décision à préparer.
- Exemple
- Les demandes des huit prochaines semaines, pour préparer les effectifs.
- Ce qu'elle ne fait pas
- Elle ne garantit pas l'avenir : une rupture d'activité peut la rendre fausse.
L'intelligence artificielle n'est pas obligatoire : une moyenne bien choisie, une règle ou une méthode statistique simple suffisent souvent. Un modèle plus avancé se justifie quand il fait mieux, mesuré sur vos données.
Une analyse peut aussi porter sur des données géographiques. Pour COA, un outil d'analyse cartographique exploite des données publiques pour repérer des surfaces et estimer leur intérêt photovoltaïque : des estimations restituées sur une carte, à confirmer par une étude technique, sans projection.
Si vos données sont encore dans des documents, elles passent d'abord par le traitement documentaire. Produire ou reformuler des textes relève de l'IA générative ; interroger un fonds documentaire, de la recherche documentaire.
Même historique, plusieurs avenirs possibles : vous voyez sur quoi repose chaque projection.
Un service de maintenance fictif suit ses demandes d'intervention chaque semaine. Choisissez une situation : le graphique sépare ce qui a été observé de ce qui est projeté, et le panneau dit avec quelle méthode, sous quelles hypothèses et avec quelles limites.
Demandes par semainesemaines 1 à 34semaines 15 à 34
Projection fondée sur des données complètes
- Historique
- 26 semaines, de 48 à 53 demandes.
- Qualité des données
- Complète : aucune semaine manquante, aucune valeur exceptionnelle.
- Méthode ou hypothèse
- Moyenne des 8 dernières semaines (50,4), prolongée telle quelle.
- Projection
- Environ 50 demandes par semaine sur les semaines 27 à 34.
- Incertitudes et limites
- Plage observée sur les 8 dernières semaines : 48 à 52. Une rupture d'activité la rendrait caduque.
- Décision possible
- 5 techniciens à prévoir (capacité fictive de 12 interventions par semaine chacun) ; à confirmer par l'équipe.
Les cinq situations, leur méthode, leur projection, leur plage et la décision possible.
| Situation | Données et qualité | Méthode | Projection | Plage et limites | État | Décision possible |
|---|---|---|---|---|---|---|
| A. Activité stable | 26 semaines, de 48 à 53 demandes. Complète : aucune semaine manquante, aucune valeur exceptionnelle. | Moyenne des 8 dernières semaines (50,4), prolongée telle quelle. | Environ 50 demandes par semaine sur les semaines 27 à 34. | Plage observée sur les 8 dernières semaines : 48 à 52. Une rupture d'activité la rendrait caduque. | Projection fondée sur des données complètes | 5 techniciens à prévoir (capacité fictive de 12 interventions par semaine chacun) ; à confirmer par l'équipe. |
| B. Hausse saisonnière | 26 semaines cette année, et les 34 semaines de l'an dernier pour comparaison. Complète. La saison n'est visible que parce qu'une année entière est disponible. | Même semaine de l'an dernier × rapport entre les 8 dernières semaines des deux années (1,06). | Hausse estivale : de 57 à 67 demandes par semaine au plus fort. | Plage : ± 2,0 (plus grand écart récent au modèle, au moins 2). Une saison décalée ou plus courte la rendrait fausse. | Projection fondée sur des données complètes | Jusqu'à 6 techniciens au pic ; anticiper les congés et les renforts, à décider par l'équipe. |
| C. Données incomplètes | 26 semaines prévues, 20 disponibles : les semaines 19 à 24 manquent (export interrompu). Insuffisante sur la période récente : seulement 2 des 8 dernières semaines sont connues. | Moyenne des 6 valeurs disponibles sur 12 semaines ; plage élargie de 5 demandes faute de données récentes. | Indicatif : environ 51 demandes par semaine, sans valeur pour planifier. | Ce qui s'est passé pendant les 6 semaines manquantes est inconnu : une hausse ou une baisse a pu échapper à l'analyse. Plage : 44 à 57. | Projection fragile : données insuffisantes | Récupérer les semaines manquantes avant de décider ; en attendant, garder le planning actuel. |
| D. Événement exceptionnel | 26 semaines ; la semaine 23 compte 96 demandes, presque le double de la médiane (50,5). Valeur signalée : plus de 1,5 fois la médiane. Elle est conservée, pas effacée. | Médiane des 8 dernières semaines (51), qui écarte l'effet du pic ; comparée à la moyenne avec le pic (56,4). | Environ 51 demandes par semaine si le pic est exceptionnel ; 56 s'il annonçait un nouveau rythme. | Un seul pic ne fait pas une tendance. Sa cause (intempéries, panne générale, nouveau client ?) doit être expliquée par l'équipe. | Valeur exceptionnelle à expliquer | Les deux lectures donnent 5 techniciens cette fois ; expliquer la semaine 23 reste nécessaire avant de l'intégrer aux prochaines projections. |
| E. Hypothèses modifiées | Les 26 semaines de la situation A. Complète. | Projection de A multipliée par chaque hypothèse : −10 %, 0 %, +10 %, +20 %. | Scénario : environ 45 demandes par semaine. Ce n'est pas une prévision validée. Scénario : environ 50 demandes par semaine. Ce n'est pas une prévision validée. Scénario : environ 55 demandes par semaine. Ce n'est pas une prévision validée. Scénario : environ 60 demandes par semaine. Ce n'est pas une prévision validée. | −10 % : 43 à 47 ; 0 % : 48 à 52 ; +10 % : 53 à 57 ; +20 % : 58 à 62. Chaque scénario vaut ce que vaut son hypothèse. | Scénario, pas une prévision validée | 4 techniciens dans ce scénario ; à comparer aux autres hypothèses avant de décider. 5 techniciens dans ce scénario ; à comparer aux autres hypothèses avant de décider. 5 techniciens dans ce scénario ; à comparer aux autres hypothèses avant de décider. 6 techniciens dans ce scénario ; à comparer aux autres hypothèses avant de décider. |
À retenir : une projection dépend de ses données et de ses hypothèses. Elle peut se révéler fausse ; elle sert à préparer une décision, pas à la remplacer.
Données fictives ; méthodes volontairement simples et affichées, sans modèle entraîné. Aucun taux de précision n'est annoncé : il se mesure sur vos données, dans le temps.
Une analyse vaut ce que valent ses données : nous regardons leurs trous avant leurs courbes.
Avant toute courbe, il faut savoir d'où viennent les chiffres, comment ils sont collectés et ce qu'ils oublient. Ce travail sur les données occupe souvent l'essentiel d'un projet de prévision.
- Sources disponibles
- Logiciels, exports, tableurs, capteurs : où sont les données, qui les tient, et comment les collecter régulièrement.
- Qualité
- Trous, doublons, unités, saisies qui ont changé : le nettoyage est documenté, jamais silencieux.
- Historique
- Combien de semaines, de mois ou d'années, et des saisons complètes quand elles comptent.
- Rapprochement
- Les mêmes interventions dans deux outils : identifiants communs et définitions alignées.
- Représentativité
- La période étudiée reflète-t-elle l'activité normale, ou une année atypique ?
- Changements d'activité
- Nouveau site, nouveau contrat, changement d'outil : des ruptures datées, pas confondues avec une tendance.
- Hypothèses et méthode
- Écrites avant le calcul ; toute méthode avancée est comparée à une méthode simple de référence.
- Évaluation dans le temps
- Chaque projection est comparée à ce qui s'est réellement produit, et la méthode ajustée.
Une projection n'est pas un résultat : elle s'affiche avec sa plage, ses hypothèses et ses limites.
Les mêmes conventions valent dans toute cette page, et dans ce que nous livrons : on distingue d'un coup d'œil ce qui a été mesuré de ce qui est estimé.
Quatre conventions visuelles
Observé : trait plein et points : des valeurs enregistrées
Projeté : tirets, dans une zone grisée après « aujourd'hui »
Plage : surface hachurée, avec la façon dont elle est calculée
Scénario : libellé « scénario, pas une prévision validée »
Ce qu'une projection ne dit pas
- Une rupture, comme une crise, un nouveau client ou un changement d'outil, peut rendre une projection fausse.
- Un pic unique ne fait pas une tendance.
- Une plage n'est pas une garantie.
- La qualité d'une méthode se mesure en comparant ses projections passées à la réalité.
Lorsqu'un indicateur validé doit déclencher une action dans vos outils, il peut être confié à des agents IA, dans un périmètre défini.
Des indicateurs là où les décisions se prennent : planning, tableau de bord, logiciel métier.
Une projection utile arrive au moment où l'on décide, dans l'outil où l'on décide, avec la date de calcul et les hypothèses utilisées.
Entrées
Vos logiciels, exports, tableurs et capteurs, collectés et rapprochés à chaque mise à jour. Les informations encore dans des documents passent par le traitement documentaire, des observations visuelles par la vision par ordinateur.
Sorties
Un indicateur dans un tableau de bord, une alerte, une proposition dans le planning, toujours avec sa plage et ses hypothèses, selon les logiciels métiers que vous utilisez.
Rythme
Une mise à jour régulière, quotidienne ou hebdomadaire, enchaînée par l'automatisation des processus : collecte, contrôle de qualité, calcul, publication.
Questions fréquentes sur l'analyse de données et la prédiction
Ce que nous demandent les équipes avant de confier leurs historiques à une analyse.
Quelle différence entre analyse de données et prédiction ?
L'analyse décrit et explique ce qui s'est passé : volumes, variations, comparaisons, valeurs inhabituelles. La prédiction projette des évolutions possibles à partir de ces données et d'hypothèses écrites. Une prédiction utile s'appuie toujours sur une analyse préalable, et reste une estimation.
Faut-il beaucoup de données pour créer un modèle prédictif ?
Il en faut assez pour couvrir les variations qui comptent : pour une saison, au moins une année complète, souvent davantage. La quantité importe moins que la régularité et la qualité. Sur peu de données, une méthode simple et une plage large sont plus honnêtes qu'un modèle complexe.
Peut-on anticiper une hausse d'activité ou des besoins de maintenance ?
Souvent, lorsque l'historique montre des tendances ou des saisons régulières, et que l'activité ne change pas brutalement. La projection indique un ordre de grandeur et une plage, qui aident à préparer les effectifs ou les stocks. Elle ne remplace pas la connaissance de vos équipes.
Comment vérifier la fiabilité d'une prévision ?
En la testant sur le passé, comme si la suite était inconnue, puis en comparant chaque nouvelle projection à ce qui se produit réellement. Les écarts constatés guident l'ajustement de la méthode. Aucune fiabilité n'est annoncée avant d'avoir été mesurée sur vos données.
Que se passe-t-il lorsque les données sont incomplètes ?
Les trous sont signalés, pas comblés en silence. Selon leur ampleur, la projection est élargie, présentée comme fragile ou reportée jusqu'à la récupération des données. Il vaut mieux savoir qu'une estimation est incertaine que planifier sur une fausse précision.
Peut-on intégrer les prévisions dans notre logiciel métier ?
Oui, selon ses possibilités d'échange : les indicateurs et leurs plages peuvent alimenter un tableau de bord, un planning ou un ERP, avec la date de calcul et les hypothèses utilisées. Le format et le rythme de mise à jour se définissent au cadrage.
Vos données, vos décisions : des hypothèses écrites avant le premier calcul.
Carnet d'analyse · projet de prévision
Le tableau des hypothèses
- H1
Quelles décisions préparer ?
Effectifs, stocks, achats, maintenance : ce que la prévision doit éclairer, et qui décide.
- H2
Quelles données existent ?
Logiciels, exports, tableurs : où elles sont, et qui les tient.
- H3
Sur quelle période ?
Combien de semaines, de mois ou d'années, et des saisons complètes ?
- H4
Dans quelle qualité ?
Trous, doublons, changements de saisie, valeurs exceptionnelles.
- H5
Quelles variations observe-t-on ?
Tendances, saisons, ruptures : ce que l'équipe en sait déjà.
- H6
Quelles contraintes métier ?
Capacités, délais, règles, événements prévus.
- H7
Quel horizon prévisionnel ?
Une semaine, un mois, une saison : selon la décision à préparer.
- H8
Comment évaluer les résultats ?
Comparer les projections passées à ce qui s'est réellement produit.
- H9
Comment les intégrer aux outils ?
Tableau de bord, planning, ERP : où les indicateurs doivent apparaître.
Une prévision utile commence par la décision qu'elle doit éclairer. Nous regardons avec vous vos données réelles, leur historique et leurs trous, avant de choisir une méthode.
- Un premier regard sur vos données et leur qualité
- Les décisions à préparer et l'horizon utile
- Une façon d'évaluer les résultats dans le temps
Réponse sous 24 à 48 heures ouvrées.
contact@crawleragency.com
+33 4 94 36 20 09
N'envoyez pas de données par le formulaire : les modalités d'échange d'un extrait se conviennent ensemble.