Novembre et décembre sont les mois où l’on commande la marchandise du premier trimestre et où l’on valide le budget marketing de toute l’année. La prévision sur laquelle tout cela repose tient généralement dans une seule cellule de tableur : « plus 15% » saisi au jugé et réparti à parts égales sur douze mois. Ce guide montre comment prévoir les ventes d’une boutique en ligne à partir de son propre historique de commandes en trois étapes, comment vérifier la prévision sur l’année écoulée et comment la décliner en trois scénarios pour le plan d’achats et le budget.
Exemple suivi tout au long du texte : une boutique de fournitures de bureau pour entreprises, 1 200 000 € de chiffre d’affaires issu des commandes sur les 12 derniers mois complets. Un tableur et les données dont la boutique dispose déjà suffisent pour tout calculer.
Niveau de base
Chiffre d’affaires des 12 derniers mois complets : 1 200 000 €.
Tendance sur un an
Année entière +20%, 3 derniers mois +10%.
Saisonnalité et jours ouvrés
Un indice par mois, de 0,75 en juillet à 1,25 en janvier.
départ plan au jugé
Pourquoi le plan « plus 15% » décroche dès janvier
Le dirigeant d’une boutique de fournitures de bureau clôture l’année à 1 200 000 € et inscrit au plan 2027 une hausse de 15%. Cela donne 1 380 000 €, soit 115 000 € par mois. Le chiffre paraît raisonnable, mais le problème commence dès le premier rapport mensuel.
Les ventes aux entreprises suivent une courbe annuelle marquée. En janvier, les services achats repartent avec de nouveaux budgets, en septembre les bureaux et les écoles reprennent, tandis que juillet et août sont les mois les plus calmes. Pour le même résultat annuel, janvier rapporte environ 143 750 € et juillet environ 86 250 €.
Avec 86 250 €, juillet ressemble dans ce plan à une baisse de 25%. On coupe alors nerveusement le budget publicitaire d’un mois qui se déroule tout à fait normalement, et en septembre, quand la demande revient, les campagnes repartent de zéro. Janvier produit l’effet inverse : 143 750 € donnent l’impression que l’année s’annonce excellente, alors que ce n’est que la saison.
La deuxième erreur se voit moins : personne ne vérifie quelle aurait été la justesse de ce pourcentage un an plus tôt. Si l’an dernier « plus 15% » s’était trompé de moitié, rien ne permet de penser qu’il tombera juste cette fois.
Une bonne prévision a donc deux qualités : la courbe de l’année inscrite dans les chiffres de chaque mois, et une erreur connue, vérifiée sur des données déjà passées. Les trois étapes ci-dessous apportent la première, le test rétrospectif la seconde.
étapes 01–02 niveau et direction
Étapes 1 et 2 : niveau de base et tendance sur un an
Le point de départ est la somme du chiffre d’affaires des 12 derniers mois complets. Complets, car un mois de novembre inachevé tirerait le résultat vers le bas ; douze, car chaque mois de l’année y figure exactement une fois et la saisonnalité s’annule. Dans l’exemple, c’est la période de novembre 2025 à octobre 2026.
Définitions et formules
Le niveau de base est le chiffre d’affaires des commandes de la boutique sur les 12 derniers mois complets, hors commandes annulées.
niveau de base = 1 200 000 € (en moyenne 100 000 € par mois)La tendance sur un an est le rapport entre une même période sur deux années consécutives. On la calcule deux fois : pour l’année entière et pour les trois derniers mois.
tendance annuelle = 1 200 000 ÷ 1 000 000 = 1,20 (+20%) tendance sur 3 mois = août–oct. 2026 ÷ août–oct. 2025 = 325 000 ÷ 295 500 ≈ 1,10 (+10%)Les deux tendances indiquent si la croissance accélère ou ralentit. L’année entière a progressé de 20%, mais le dernier trimestre de seulement 10%. Retenir +20% dans la prévision reviendrait à supposer un rythme que la boutique n’a plus depuis plusieurs mois. Le scénario central prend donc la tendance la plus récente : 1 200 000 × 1,10 = 1 320 000 € pour 2027, soit 110 000 € par mois en moyenne.
Mieux vaut séparer d’emblée le chiffre d’affaires des clients récurrents et celui des nouveaux clients. Dans la vente aux entreprises, les récurrents correspondent aux commandes régulières des bureaux, prévisibles d’un mois sur l’autre. Les nouveaux dépendent de ce que la boutique dépense en publicité et de son efficacité à conquérir des entreprises.
| Clients | nov. 2024–oct. 2025 | nov. 2025–oct. 2026 | Évolution | Part actuelle |
|---|---|---|---|---|
| Récurrents | 750 000 € | 840 000 € | +12% | 70% |
| Nouveaux | 250 000 € | 360 000 € | +44% | 30% |
| Total | 1 000 000 € | 1 200 000 € | +20% | 100% |
Le tableau montre d’où viennent les 20% de croissance : surtout des nouveaux clients. Si le budget publicitaire 2027 reste au même niveau, répéter +44% côté nouveaux clients est peu probable, ce qui plaide encore pour une tendance plus prudente dans le scénario central.
La prévision repose sur les commandes de la boutique. Le chiffre d’affaires remonté par les interfaces publicitaires attribue la même vente à plusieurs canaux à la fois et compte les conversions à sa manière : leur somme gonfle le résultat et ne peut pas servir de niveau de base.
courbe de l’année
Étape 3 : indice de saisonnalité mensuel et jours ouvrés
L’indice de saisonnalité indique combien un mois vend par rapport au mois moyen de l’année. Un indice de 1,25 en janvier signifie 25% de plus que la moyenne, un indice de 0,75 en juillet 25% de moins. Une seule année peut être trompeuse, c’est pourquoi l’indice se calcule en moyenne sur au moins deux ans d’historique.
Formule
indice du mois = CA du mois ÷ CA mensuel moyen de la même annéeOn fait la moyenne des indices des deux années pour chaque mois séparément. La somme des douze indices vaut 12,00 ; si ce n’est plus le cas après la moyenne, on divise tous les indices par leur somme et on les multiplie par 12.
prévision du mois = mois moyen de la prévision × indice = 110 000 € × indice| Mois | Indice | Prévision centrale 2027 | Ce qui explique le chiffre |
|---|---|---|---|
| Janvier | 1,25 | 137 500 € | nouveaux budgets d’achat des entreprises |
| Février | 1,00 | 110 000 € | mois moyen |
| Mars | 1,10 | 121 000 € | clôture du trimestre |
| Avril | 0,95 | 104 500 € | avant correction des jours ouvrés |
| Mai | 0,95 | 104 500 € | ponts et jours fériés |
| Juin | 0,90 | 99 000 € | début des congés |
| Juillet | 0,75 | 82 500 € | mois le plus calme |
| Août | 0,80 | 88 000 € | premières commandes de rentrée |
| Septembre | 1,20 | 132 000 € | retour des bureaux et des écoles |
| Octobre | 1,15 | 126 500 € | bureaux au complet |
| Novembre | 1,05 | 115 500 € | achats complémentaires avant la fin d’année |
| Décembre | 0,90 | 99 000 € | fêtes, moins de jours travaillés |
| Année | 12,00 | 1 320 000 € | scénario central |
Dans la vente aux entreprises, le nombre de jours ouvrés compte aussi, car les bureaux commandent les jours travaillés. L’indice historique garde la trace du calendrier de ces années-là : quand un jour férié mobile change de mois, on corrige la prévision du mois par le rapport des jours ouvrés.
21jours ouvrés
22jours ouvrés
Correction des jours ouvrés
avril 2027 = 104 500 € × 22 ÷ 21 ≈ 109 500 €Les années 2026 et 2027 comptent chacune 253 jours ouvrés, les corrections ne font donc que déplacer des ventes d’un mois à l’autre. Une fois ces corrections appliquées, on ajuste les autres mois pour que le total annuel revienne à 1 320 000 €.
Le même calcul vaut la peine d’être refait par catégorie, à partir des lignes de commande. La boutique dans son ensemble a un indice de 1,20 en septembre, mais les fournitures scolaires peuvent atteindre 2,0 et plus, alors que le papier d’imprimante reste presque à plat. Pour le plan d’achats, c’est justement l’indice de catégorie qu’il faut, car une commande fournisseur porte sur un assortiment précis.
contrôle prévision sur données passées
Test rétrospectif : la même prévision faite il y a un an
Le test rétrospectif consiste à faire comme si l’on était un an plus tôt. Vous coupez les données à octobre 2025, construisez avec la même méthode une prévision pour novembre 2025–octobre 2026 et la comparez à ce que la boutique a réellement vendu. Une méthode qui se trompait de 30% il y a un an ne deviendra pas juste simplement parce que vous la calculez aujourd’hui avec plus de soin.
Dans l’exemple, la prévision d’octobre 2025 s’élevait à 1 150 000 € (niveau de base 1 000 000 € et tendance des trois derniers mois +15%). La boutique a vendu pour 1 200 000 € : l’erreur annuelle est donc de −4,2%. Le découpage en blocs de trois mois en dit plus que le seul résultat annuel.
| Période | Prévision | Réalisé | Erreur de prévision |
|---|---|---|---|
| nov. 2025–janv. 2026 | 306 750 € | 312 500 € | −1,8% |
| févr.–avr. 2026 | 292 250 € | 300 000 € | −2,6% |
| mai–juil. 2026 | 249 250 € | 262 500 € | −5,0% |
| août–oct. 2026 | 301 750 € | 325 000 € | −7,2% |
| Période entière | 1 150 000 € | 1 200 000 € | −4,2% |
L’erreur augmente à chaque trimestre : de −1,8% à −7,2%. La prévision sous-estimait de plus en plus le résultat, car au second semestre la boutique a conquis plus de nouvelles entreprises que ne le supposait la tendance de l’automne 2025. La méthode a bien restitué la courbe de l’année ; elle n’a pas anticipé l’accélération.
Le test fournit deux chiffres utiles. Le premier est une marge d’erreur d’environ 7% sur les mois lointains, qui fixe l’écart entre les scénarios à l’étape suivante. Le second est le sens de l’erreur : la méthode de cette boutique sous-estime plus souvent qu’elle ne surestime. Cette norme d’erreur se construit uniquement à partir de son propre historique, tout comme sa propre norme de résultats plutôt que les moyennes des autres.
Une prévision sans test rétrospectif a une précision inconnue. Les commandes de marchandise et les contrats d’agence sont alors signés sur un chiffre dont on ignore s’il se trompe de 3% ou de 30%. Le test sur l’année écoulée prend une heure dans un tableur et répond à cette question avant la signature.
2027 scénarios
Trois scénarios de prévision pour les achats et le budget
Un chiffre unique pour toute l’année simule une certitude que la prévision n’a pas. Trois scénarios écrivent noir sur blanc ce qu’a montré le test rétrospectif : le résultat 2027 peut s’écarter du scénario central de quelques pourcents dans un sens comme dans l’autre. Chaque scénario sert une décision différente.
1,44 M€ambitieux
1,32 M€central
1,24 M€prudent
Les périodes 2024/25 et 2025/26 couvrent 12 mois, de novembre à octobre.
Prudent · +3%
1 236 000 €
en moyenne 103 000 € par mois
Commandes de marchandise à long délai de livraison, frais fixes, recrutements.
Central · +10%
1 320 000 €
en moyenne 110 000 € par mois
Plan mensuel par indices, suivi du réalisé, achats courants.
Ambitieux · +20%
1 440 000 €
en moyenne 120 000 € par mois
Objectif commercial qui exige davantage de nouveaux clients et de budget.
Le scénario prudent se situe 6,4% sous le central, donc dans la marge d’erreur du test rétrospectif. C’est un scénario que la boutique peut réellement connaître sans aucune crise : on y adosse donc les engagements difficiles à annuler, comme les grosses commandes fournisseurs à plusieurs semaines de délai et les frais fixes.
Le scénario ambitieux reprend la tendance complète de l’année entière. Comme la croissance venait surtout des nouveaux clients, ce scénario suppose que leur acquisition accélère à nouveau. Avec un MER de 10 sur les 12 derniers mois (120 000 € de dépenses pour 1 200 000 € de chiffre d’affaires), cela représente un budget de l’ordre de 144 000 €, à condition que chaque euro supplémentaire travaille aussi bien que les précédents. Pour savoir si un tel budget tient dans le bénéfice, voir le budget calculé à partir de la marge et de l’objectif de bénéfice.
La prévision vit toute l’année. Chaque mois, on compare le réalisé au scénario central réparti par indices, et non à un douzième du montant annuel. Si après le premier trimestre le résultat se rapproche du scénario prudent ou ambitieux, on aligne le plan d’achats et le budget des mois suivants sur ce scénario.
en pratique prévision à partir des données de la boutique
Prévision des ventes de la boutique dans DataOrganizer
Le plus long dans une prévision, c’est de rassembler l’historique ; le calcul lui-même est court. DataOrganizer récupère les commandes et le chiffre d’affaires de la boutique jour par jour, avec les lignes de commande (catégories) et la répartition entre nouveaux clients et clients récurrents, ainsi que les dépenses des comptes publicitaires. Les données sont actualisées chaque matin avec la journée précédente complète : le tableur n’est plus nécessaire pour la seule collecte des chiffres.
La base, ce sont les commandes de la boutique, car elles seules forment une version unique des ventes, non partagée entre les canaux ; le guide pourquoi GA4, l’interface publicitaire et la boutique ne concordent pas explique d’où viennent les autres montants. À partir de ces données, l’assistant IA calcule la prévision sur demande, avec la même méthode que dans ce guide.
Le niveau de base des 12 derniers mois complets est de 1 200 000 €. La tendance annuelle est de +20%, mais les trois derniers mois ne progressent que de +10% sur un an : le scénario central 2027 est donc de 1 320 000 €. Test rétrospectif de cette méthode :
| Bloc | Prévision | Réalisé | Erreur |
|---|---|---|---|
| nov.–janv. | 306 750 € | 312 500 € | −1,8% |
| févr.–avr. | 292 250 € | 300 000 € | −2,6% |
| mai–juil. | 249 250 € | 262 500 € | −5,0% |
| août–oct. | 301 750 € | 325 000 € | −7,2% |
La méthode restitue bien la courbe de l’année, mais elle a sous-estimé le second semestre, car les nouveaux clients ont été plus nombreux (leur chiffre d’affaires a progressé de 44%, celui des récurrents de 12%). Je propose un écart d’environ 7% entre les scénarios : prudent 1 236 000 €, ambitieux 1 440 000 €. Janvier a l’indice le plus élevé (1,25), juillet le plus bas (0,75).
Les questions suivantes découlent des précédentes : indice de saisonnalité des catégories à commander à l’avance, comparaison du mois dernier avec le scénario central, ou dépense publicitaire totale et MER mensuel pour éclairer le budget. Chaque réponse s’appuie sur les mêmes commandes de la boutique.
Les chiffres de l’exemple sont illustratifs et concernent une boutique fictive de fournitures de bureau B2B. La méthode suppose que la boutique ne modifie pas brutalement son assortiment, ses prix ou l’ampleur de sa publicité ; un changement important (nouvelle catégorie, arrivée sur une marketplace, budget doublé) demande un scénario à part.
À retenir
Une prévision des ventes, ce sont trois chiffres tirés de votre propre historique (niveau de base, tendance et indices mensuels) plus une erreur vérifiée sur l’année écoulée. Cette erreur fixe l’écart entre les scénarios, et les décisions difficiles à annuler s’appuient sur le scénario prudent.
FAQ
Questions fréquentes sur la prévision des ventes
Comment prévoir les ventes d’une boutique en ligne ?
Prenez le chiffre d’affaires des commandes des 12 derniers mois complets comme niveau de base, multipliez-le par la tendance sur un an (idéalement celle des trois derniers mois) et répartissez-le sur les mois avec un indice de saisonnalité calculé en moyenne sur au moins deux ans. Vérifiez ensuite la même méthode par un test rétrospectif sur l’année écoulée et déduisez de son erreur les scénarios prudent et ambitieux.
Combien de mois d’historique faut-il pour prévoir les ventes ?
Il faut au minimum 24 mois : 12 pour le niveau de base et les 12 précédents pour la tendance sur un an. L’indice de saisonnalité et le test rétrospectif sont plus fiables avec 36 mois, car l’indice fait alors la moyenne de deux années complètes et le test dispose de son propre historique, distinct.
Quelle erreur de prévision des ventes est acceptable ?
Il n’existe pas de norme unique pour toutes les boutiques ; la référence est l’erreur de la même méthode lors du test rétrospectif sur vos données. Dans l’exemple, l’erreur annuelle était de 4,2% et de 7,2% sur les mois lointains : les scénarios ont donc été écartés d’environ 7%. Le sens de l’erreur compte plus que son ampleur, car une méthode qui sous-estime en permanence pousse à des achats trop prudents et à un budget trop faible.
Comment prévoir les ventes d’une boutique ouverte depuis moins d’un an ?
Sans année complète, impossible de calculer son propre indice de saisonnalité ou sa tendance sur un an. On peut prévoir quelques mois à l’avance à partir de la moyenne des dernières semaines, adopter provisoirement la courbe de l’année d’après les données de demande de la catégorie, puis la corriger chaque mois jusqu’à disposer de son propre historique.
Peut-on faire une prévision des ventes dans Excel ?
Oui, les trois étapes et le test rétrospectif ne demandent que des sommes et des divisions simples : un tableur avec le chiffre d’affaires mensuel des commandes de la boutique suffit. Le plus long est de collecter régulièrement ces données historiques ; dans DataOrganizer, les commandes de la boutique sont récupérées chaque jour et l’assistant IA calcule la prévision et le test rétrospectif sur demande.
L’essentiel du guide
Prévision des ventes de l’année en trois règles
1. Vous partez des commandes de la boutique, en mois complets. Le niveau de base couvre les 12 derniers mois complets, la tendance compare les mêmes périodes d’une année sur l’autre et la tendance plus récente sur trois mois montre si la croissance ralentit.
2. Vous répartissez l’année avec un indice de saisonnalité. Chaque mois reçoit son indice calculé sur au moins deux ans et une correction des jours ouvrés : juillet se juge donc par rapport au juillet de la prévision.
3. Vous testez la méthode sur l’année écoulée. L’erreur du test rétrospectif fixe l’écart entre les trois scénarios ; dans DataOrganizer, l’historique des commandes est prêt pour ce test et l’assistant IA le calcule sur demande.
DataOrganizer · prévision des ventes
Une fois la boutique et les comptes publicitaires connectés, l’historique des commandes, des catégories et des clients nouveaux et récurrents est réuni au même endroit, et l’assistant IA en tire les indices de saisonnalité, la tendance et le test rétrospectif.




