Une rupture de stock le 18 décembre coûte une vente que vous ne rattraperez pas. Un surstock le 2 janvier immobilise votre trésorerie jusqu’aux soldes. Entre les deux, la prévision de la demande avec l’IA aide une PME e-commerce à décider quoi réassortir, en quelle quantité et à quel moment. La méthode tient en cinq étapes : rassembler l’historique, ajouter les signaux de la saison, produire une fourchette de scénarios, fixer des seuils de réassort et comparer chaque semaine prévu et réalisé.
Pourquoi la fin d’année met vos prévisions à l’épreuve
Décembre concentre les écarts. Les données de Mastercard sur la saison 2025 aux États-Unis montrent que la valeur moyenne des achats progresse chaque jour à partir du 15 décembre jusqu’à la veille de Noël dans plusieurs catégories de cadeaux. Pour 2026, le Mastercard Economics Institute prévoit une hausse de 11% des ventes en ligne américaines entre le 1er novembre et le 24 décembre. Le marché français suit son propre calendrier, avec la même mécanique : une demande qui se concentre sur quelques jours, sur des références précises, avec très peu de marge de rattrapage.
Une moyenne mobile calculée dans un tableur rate ces pics. Elle lisse le passé et réagit trop tard. Un modèle de prévision plus riche apprend la saisonnalité, l’effet des promotions et la sensibilité de chaque produit, à condition de lui fournir des données propres.
Trois niveaux d’outillage selon votre taille
COMPARATIF
Choisir votre niveau d’outillage
Catégories générales d’outils. Vérifiez les fonctions et les prix auprès des éditeurs avant tout choix.
Critères comparés : Volume de références, données nécessaires, compétences requises, finesse de la prévision.
Tableur et assistant IA
Recommandé pour : Les boutiques de moins de 200 références
- Export des ventes et analyse assistée par un assistant conversationnel.
- Mise en place rapide, coût faible.
- Prévision manuelle à revoir chaque semaine.
Module de votre plateforme
Recommandé pour : Les boutiques sur une plateforme e-commerce ou un ERP équipés
- Données de vente et de stock déjà connectées.
- Alertes de réassort intégrées.
- Paramétrage souvent limité.
Solution de prévision dédiée
Recommandé pour : Les catalogues larges et les ventes multicanales
- Modèles par référence et par canal.
- Prise en compte de signaux externes.
- Intégration et coût plus élevés.
Si vous vendez sur une place de marché et sur votre site, prévoyez par canal puis consolidez : les pics ne tombent pas toujours le même jour. Notre article sur la vente simultanée sur Amazon et sur votre site détaille cette logique multicanale.
La méthode en cinq étapes
Construire une prévision utile pour décembre et janvier
Pensée pour une PME qui démarre, avec un tableur ou un module intégré.
-
Rassembler deux saisons d’historique
Exportez les ventes jour par jour et repérez les jours de rupture : une vente nulle pendant une rupture traduit un manque de stock. Marquez ces jours pour que le modèle ne les lise pas comme une absence de demande.
Point de contrôle : Ventes quotidiennes par référence sur les deux derniers mois de novembre et décembre, avec les ruptures signalées.
-
Ajouter les signaux de la saison
Les promotions, les campagnes et la date limite de livraison avant Noël déplacent la demande. Indiquez-les au modèle ou à l’assistant si vous travaillez dans un tableur.
Point de contrôle : Le calendrier des promotions, des envois d’e-mails et des dates limites de livraison est intégré.
-
Produire une fourchette
Une prévision ponctuelle donne une fausse précision. Travaillez avec trois scénarios et décidez du stock selon le coût d’une rupture comparé au coût d’un invendu.
Point de contrôle : Chaque référence clé dispose d’une hypothèse basse, centrale et haute.
-
Fixer les seuils de réassort
En fin d’année, les délais fournisseurs et transporteurs s’allongent. Calculez le seuil avec le délai observé l’an dernier à la même période.
Point de contrôle : Chaque référence a un seuil de commande qui tient compte du délai fournisseur réel de décembre.
-
Comparer prévu et réalisé chaque semaine
Ajustez les prévisions à partir des écarts constatés. Les références qui dérivent fortement méritent une revue humaine plus fréquente.
Point de contrôle : Un tableau hebdomadaire montre l’écart par référence et les décisions prises.
Travailler avec un assistant IA quand on part d’un tableur
Une petite équipe peut obtenir une première analyse solide avec un assistant conversationnel, à condition de lui fournir un export propre et de vérifier chaque calcul. Retirez toute donnée client de l’export : la prévision n’en a pas besoin.
PROMPT 1
Analyser l’historique et proposer une fourchette de prévision
Objectif : Obtenir des hypothèses basse, centrale et haute par référence pour la période de fin d’année.
Vous êtes analyste e-commerce. Voici l’export des ventes quotidiennes par référence pour novembre-décembre des deux dernières années, avec une colonne indiquant les jours de rupture : [coller ou joindre les données]. 1. Excluez les jours de rupture de l’estimation de la demande et signalez-les. 2. Pour les 20 références qui pèsent le plus dans le chiffre d’affaires, proposez une prévision basse, centrale et haute pour la période du [date] au [date], en tenant compte du calendrier promotionnel suivant : [liste des promotions et envois]. 3. Expliquez la méthode utilisée et ses limites en cinq lignes. 4. Listez les références pour lesquelles les données sont insuffisantes pour prévoir. N’inventez aucune donnée manquante.
À vérifier : Recalculez vous-même deux ou trois références pour contrôler la méthode et confrontez les résultats à votre connaissance du marché.
Après Noël : préparer janvier dès maintenant
La prévision ne s’arrête pas au 24 décembre. Les retours et échanges arrivent dans les jours qui suivent, puis les soldes d’hiver relancent la demande sur une partie du catalogue. Intégrez dès maintenant deux questions à votre tableau : quel volume de retours attendre par famille de produits, et quelles références garder pour les soldes de janvier.
Côté catalogue, une prévision fiable alimente aussi les données de disponibilité que lisent les assistants d’achat, un sujet traité dans notre guide pour préparer votre catalogue produit pour les assistants IA. Une fiche marquée « en stock » qui ne l’est plus nuit à la confiance des clients comme des plateformes.
FAQ
Questions fréquentes
Repères pour une PME qui démarre sa prévision assistée par IA.
Deux saisons complètes de fin d’année constituent une base raisonnable pour capter la saisonnalité. Avec une seule saison, travaillez avec des fourchettes plus larges et révisez plus souvent.
Appuyez-vous sur un produit comparable de votre catalogue (même prix, même famille) et corrigez rapidement à partir des premières ventes. Prévoyez un premier stock prudent et un réassort rapide si possible.
Ils décrivent un potentiel observé dans des chaînes logistiques, souvent d’entreprises importantes. Un petit catalogue dispose de moins de données : le gain dépendra de la qualité de votre historique et de votre suivi.
Commencez par des recommandations validées par une personne. Automatisez ensuite les références stables et gardez une validation humaine pour les produits saisonniers ou coûteux.
Mot de la fin
La prévision de la demande avec l’IA produit ses premiers effets dès cette saison, avec des moyens simples. Exportez vos ventes des deux derniers mois de décembre aujourd’hui, marquez les jours de rupture et construisez vos fourchettes pour vos vingt références principales. Vous saurez dès la semaine prochaine où se trouvent vos risques de rupture.
SOURCES
Sources et pour aller plus loin
Documents consultés le 18 novembre 2026.
- Oracle : IA dans la prévision de la demande
Présentation des méthodes et citation des travaux de McKinsey sur la réduction des erreurs de prévision.
- Mastercard : prévisions de la saison des fêtes 2026
Prévisions SpendingPulse pour les États-Unis et observations sur la saison 2025.




