 <h1>Félicitations ! 🎉 </h1>
        <p style="color:#637381;">Beau travail ! Le cours est terminé !</p>

Pour continuer, veuillez entrer votre email pour l'authentification.

Nous avons envoyé un code à 6 chiffres à #MAIL_ADDRESS#\nVeuillez vérifier votre boîte de réception ou votre dossier spam et saisir le code ci‑dessous pour continuer.

Code de vérification envoyé

Merci pour le paiement. Vous pouvez maintenant accéder à {collectionName} en cliquant simplement sur le bouton ci-dessous.

Oui, vous avez passé votre commande avec succès ! 🎉

Déverrouillez ce cours exclusif

Il semble que votre adresse e-mail ne figure pas actuellement sur la liste d'accès autorisée. Veuillez vous assurer d'utiliser l'adresse e-mail invitée ou contacter le propriétaire du contenu pour obtenir de l'aide.

Vérification requise pour l'accès

Objectifs du cours et périmètre pour cadres et managers

Objectifs d’apprentissage et articulation avec l’optimisation des stocks

3. Prévision de la demande – Fondamentaux et méthodes de base

Cadre des séries temporelles et hypothèses clés pour managers

3.1 Méthodes de base: moyennes mobiles, lissage exponentiel simple et Holt‑Winters

3.2 Modèles causaux et apprentissage automatique

Régressions, variables explicatives et contrôle des effets promotionnels

Gradient boosting et réseaux pour la prévision de la demande

3.3 Prévision des séries intermittentes

Croston, SBA et TSB: principes, hypothèses et limites

3.4 Prévision probabiliste et incertitude

Distribution de la demande, quantiles et intervalles de confiance

3.5 Évaluation des prévisions et Forecast Value Add

Mesures d’erreur, biais et hiérarchies d’évaluation

Forecast Value Add (FVA) et boucle d’amélioration continue

3.6 Gestion des saisonnalités, tendances, promotions et cannibalisation

Modéliser et gouverner les effets calendrier, tendance et interactions commerciales

Intégration opérationnelle avec les politiques d’inventaire

De la prévision aux paramètres d’inventaire: mise en œuvre pour managers

Évaluations formatives – Quiz

Quiz 1 – Méthodes de base et hypothèses

Quiz 2 – Modèles causaux et variables explicatives

Quiz 3 – Séries intermittentes

Quiz 4 – Prévision probabiliste et politiques d’inventaire

Quiz 5 – Évaluation et FVA

Retour d’expérience et enquête de clôture

Enquête de satisfaction et besoins d’accompagnement

Maîtrisez la prévision de la demande et l’optimisation des stocks pour piloter la performance coût–service–risque. Conçu pour cadres et managers Supply Chain, Retail, Industrie et e-commerce, ce programme relie directement les méthodes de prévision aux décisions d’inventaire: niveaux de service, stocks de sécurité, multi-échelons et politiques de réapprovisionnement. Vous apprendrez à caractériser vos séries (stables, saisonnières, intermittentes, promotionnelles, cannibalisées), à choisir des modèles robustes (moyennes mobiles, lissage exponentiel, Holt–Winters), à intégrer des variables explicatives (prix, promos, météo, calendrier) et à déployer des approches ML (XGBoost/LightGBM, réseaux séquentiels). Le cours couvre la prévision probabiliste pour traduire des quantiles en décisions d’inventaire, ainsi que l’évaluation rigoureuse via des métriques adaptées et le Forecast Value Add (FVA). Vous saurez gérer saisonnalités multiples, tendances, effets calendaires mobiles (Ramadan, Pâques), promotions et cannibalisation, tout en évitant les pièges de fuite de cible et de granularité. Enfin, vous ancrerez ces pratiques dans un processus opérationnel: validation temporelle, recalibrage, surveillance des dérives et impacts coût–service, gouvernance des modèles et intégration ForecastOps/MLOps. Passez d’une approche descriptive à une prise de décision mesurable, répétable et créatrice de valeur.

03 Prévision de la demande et optimisation des stocks avancée

<div class="simple-box-wrapper">
    <div class="simple-box">
        <div class="column">
            <p>Cette formation avancée place la prévision de la demande au cœur des décisions d’inventaire afin d’optimiser simultanément coût, service et risque. Conçue pour des cadres et managers, elle couvre l’ensemble du périmètre nécessaire à la performance opérationnelle: des méthodes de base aux modèles causaux et d’apprentissage automatique, en passant par les séries intermittentes et la prévision probabiliste. L’accent est mis sur les horizons et granularités pertinents selon les décisions (plan directeur, réapprovisionnement), l’alignement avec les niveaux de service, et la propagation de l’incertitude vers les stocks de sécurité, y compris en contexte multi‑échelons. Les participants consolideront les fondements des séries temporelles (stabilité locale, additivité/multiplicativité, saisonnalités), aborderont les spécificités liées aux promotions et à la cannibalisation, et structureront la gouvernance des données pour éviter fuite de cible et décalages inappropriés.</p>

<p>Le parcours alterne bases éprouvées et approches modernes. Les méthodes classiques (moyennes mobiles, lissage exponentiel simple, Holt et Holt‑Winters) sont traitées avec rigueur managériale: choix de fenêtre, paramètres d’amortissement, initialisation, sélection d’horizon et cohérence hiérarchique. Les modèles causaux et le machine learning (régressions régularisées, gradient boosting, réseaux LSTM/GRU/TCN) sont mobilisés pour capter non‑linéarités, effets promotionnels, élasticités et interactions, avec des pratiques robustes de validation temporelle, recalibrage et surveillance en production. Les spécificités des séries intermittentes (Croston, SBA, TSB) sont mises en perspective selon les contextes opérationnels tels que pièces de rechange ou longue traîne e‑commerce. Une section dédiée à la prévision probabiliste outille les décideurs pour passer de prévisions ponctuelles aux distributions (quantiles, intervalles, densités) et traduire ces sorties en politiques d’inventaire ciblant des niveaux de service et des coûts d’opportunité maîtrisés.</p>

<p>La mesure de la performance est structurée autour d’indicateurs adaptés aux différents régimes de demande: MAE, RMSE, MAPE/SMAPE et biais pour le déterministe; pinball loss, CRPS, calibration et résolution pour le probabiliste. L’évaluation multi‑horizons et multi‑niveaux (SKU, site, région) garantit la cohérence d’agrégation, essentielle pour le pilotage exécutif. Le cadre Forecast Value Add (FVA) permet de quantifier la valeur marginale des étapes du processus (statistique, expert, consensus) et de piloter une boucle d’amélioration continue par expérimentations contrôlées (lignes de base, champion‑challenger, tests A/B métier). Enfin, l’intégration opérationnelle relie explicitement les quantiles de demande aux stocks de sécurité, aux cibles de service et aux arbitrages coût‑service, tout en définissant un processus cible de gouvernance des modèles, recalibrage périodique et surveillance des dérives. Des quiz formatifs jalonnent le parcours pour ancrer les acquis, et une enquête de clôture recueille les besoins d’accompagnement pour la mise en œuvre.</p>
        </div>
    </div>
</div>
