1.5 Les méthodes de localisation actuellement
utilisées
Une étude récente auprès des
décideurs du commerce de détail a démontré que le
choix d'une localisation commerciale était plutôt fondée
sur l'approche intuitive et informelle autant que
sur les approches statistiques rigoureuses des analystes de la
localisation420 421. Les décideurs
rechignent à utiliser les méthodes trop lourdes
développées par les chercheurs, même si ces derniers sont
allés jusqu'à développer des systèmes intelligents
d'aide à la décision (SIAD) qui parviennent assez bien sinon
à déterminer un emplacement optimal, du moins à
prévoir le chiffre d'affaires du futur point de
vente422. Ces derniers décideurs préfèrent
souvent incorporer dans la décision leur propre vision,
intuition ou expérience, rassurante et
419 ROGER P. (1983) Description du Comportement
Spatial du Consommateur, Thèse de Doctorat, Lille.
420 CLARKE I., HORITA M. et MACKANESS W.
(2002) Intuition et Evaluation des Sites Commerciaux :
Appréhender la Connaissance des Commerçants, ,
Stratégies de localisation des Entreprises Commerciales et
Industrielles : De Nouvelles Perspectives, p.107,
Gérard Cliquet et Jean-Michel Josselin éditeurs, De Boeck
Université, à paraître.
421 HERNANDEZ J.A. (1998) The Role of
Geographical Information Systems Within Retail Location Decision
Making, PhD Thesis, The Manchester Metropolitan
University Manchester.
422 LAPARRA L. (1995) L'implantation
d'hypermarché : comparaison de deux méthodes
d'évaluation du potentiel, Recherche et Applications en
Marketing, Vol. : 10, Numéro : 1, p. 69-79
explicative. D'un autre coté, ceux-ci rechignent
à utiliser des représentations spatiales alimentées en
d'immenses quantités d'impalpables données et se méfient
souvent des variables adoptées comme critères d'implantation trop
souvent laissées au libre arbitre de l'analyste.
Dans la pratique, les professionnels utilisent des
méthodes statistiques démonstratives en général
assez simples qui ont aussi le bénéfice de la
rapidité. Une autre étude auprès des décideurs
de 226 réseaux de distribution canadiens a montré que
87 % des décideurs utilisaient l'expérience pour orienter
leurs décisions de localisation, mais aussi d'autres
méthodes statistiques simples comme les checklists (46 %), la
méthode analogique (37 %), les méthodes statistiques du type
parts de marché ou marché potentiel (34 %), le
modèle de régression multiple (29 %), les modèles
d'interaction spatiale (13 %), les systèmes experts (8
%). La difficulté de mettre en pratique des
modèles vient souvent du fait de ne pouvoir accéder
à toutes les données dont on aurait besoin. Comment
connaître la performance des points de vente concurrents, mesurer la
valeur de leurs managers, évaluer le pouvoir d'achat
de consommateurs potentiels, déterminer avec exactitude
les limites d'une zone de chalandise
? Rogers423 de la société DSR
Marketing Systems Inc. recense cinq méthodes pratiques
inspirées de la recherche dans le domaine de la localisation et
cependant accessibles à tout manager désireux de créer une
nouvelle implantation commerciale ou d'étendre un réseau de
points de vente. Ces cinq méthodes sont :
- la méthode par les parts de marché et les
surfaces de vente,
- la méthode analogique,
- la méthode par le modèle de régression
multiple,
- l'analyse discriminante,
- la méthode du marché potentiel.
423 ROGERS D.S. (1980) 5 ways to Evaluate a Store
Location, Store Location, 42-48.
1.5.1 La méthode par les parts de marché et les
surfaces de vente
Elle consiste tout d'abord à déterminer
quelle peut être la zone de chalandise au sein de chacune des
aires qui représente une alternative d'implantation, en tenant
compte de la concurrence, de la population et de sa répartition
géographique, de l'infrastructure routière et
piétonnière et des barrières naturelles (ex. lacs,
rivières)424. Il s'agit ensuite, de calculer le nombre
de personnes habitant dans la zone de chalandise, à la fois à
l'instant présent et dans le futur, puis d'estimer le potentiel du
marché par individu pour le produit ou le service qui sera
proposé. La multiplication du potentiel de marché individuel par
le nombre d'habitants de la zone fournira le potentiel
général du marché pour l'activité
considérée. Une règle de trois indiquera alors la part
de ce potentiel que représentera le point de vente à créer
en fonction de
son importance au point de vue de sa surface de vente
prévue, par rapport à celle, globale, représentée
par les concurrents toujours au sein de la zone de chalandise. Il
convient de sélectionner l'emplacement de la zone de chalandise
qui maximise le potentiel calculé en termes de chiffre d'affaires,
de marge ou de rentabilité. Cette méthode ne permet pas de cerner
avec précision un emplacement, mais seulement de
sélectionner les aires intéressantes de localisation. Elle
ne tient compte que des surfaces commerciales en ignorant les autres
facteurs d'attractivité tels que les prix pratiqués par la
concurrence, les efforts de promotion,... Egalement, l'étape initiale de
délimitation de la zone de chalandise qui n'est pas
réputée facile, joue un rôle capital dans la
tangibilité des résultats obtenus.
1.5.2 La méthode analogique
Comme nous l'avons vu au chapitre 1, le modèle
analogique425 426 développé par Applebaum pour les
supermarchés Kroger dans les années 50, prend
l'hypothèse que la géographie se
424 GHOSH A. et McLAFFERTY S.L. (1987)
Location Strategies for Retail and Service Firms, Lexington
Books, Reading, Mass, p.43.
425 APPLEBAUM W. et GREEN H.L. (1974)
Determining Store Trade Areas, Handbook of Marketing
Research, edited by R. Ferber NY Mac Graw Hill, pp
4.313-4.323.
répète: si un point de vente est placé
à un emplacement similaire à un autre, la performance des deux
points de vente sera identique selon ce modèle. La méthode
revient tout d'abord à établir une cartographie des clients
potentiels représentés spatialement par des points. Il s'agit
ensuite de déterminer la zone de chalandise correspondant à
l'emplacement pressenti pour le point de vente, puis de chercher des
points de vente analogues en termes d'accessibilité et
d'environnement économique et concurrentiel. La performance du futur
magasin s'inspirera de celle d'un magasin analogue en calculant pour ce dernier
le chiffre d'affaires par client et en l'extrapolant à la zone de
chalandise du premier. Le problème est que la notion de similitude
est subjective et dépend de l'appréciation de
l'analyste. D'autre part, cette approche ne tient pas compte des interactions
concurrentielles locales et est assez lourde à mettre en oeuvre dans
le cas où un grand nombre de points de vente seraient
à localiser.
Lorsqu'un distributeur possède un grand nombre de
magasins, une vingtaine voire plus, la méthode analogique offre
une voie intéressante pour réaliser des prévisions
de vente en corrélant le chiffre d'affaires par les
caractéristiques des magasins (surface, nombre de
départements, nombre de caisses), les caractéristiques des
sites commerciaux (facilités de parking et d'accès), les
caractéristiques de la population au sein de la zone de chalandise
(âge, revenu, taille des ménages, niveau d'éducation) et
l'importance de la concurrence (poids des concurrents et niveau de leur chiffre
d'affaires).
1.5.3 La méthode par le modèle de
régression multiple
La méthode par le modèle de
régression multiple s'appuie sur l'analyse de points de vente
existants à travers la détection de facteurs modelant leur
chiffre d'affaires ou d'une manière générale une mesure
de leur performance. Les données analysées par des
traitements
426 APPLEBAUM W. (1968) The Analog Method for
Estimating Potential Store Sales, Guide to Store Location
Research, Addison-Wesley, Reading, Mass. by Kraus
Reprint Ltd Nendeln Lichtenstein in 1967.
statistiques seront en l'occurrence celles qui identifient les
variables les plus en relation avec
les ventes comme :
- les ventes ou les parts de marché estimées de
magasins;
- les ventes prévisionnelles;
- le niveau de concurrence mesuré par exemple par la
surface totale des magasins concurrents
au sein de la zone de chalandise;
- la proportion des ménages ou des individus correspondant
à la cible commerciale recherchée dans la zone de chalandise;
- le revenu moyen des ménages dans cette même
zone.
La méthode par le modèle de régression a
été codifiée de manière précise afin de
donner au monde professionnel des moyens clairs pour évaluer une
localisation, identifier des facteurs
de performance ou établir des prévisions de
vente. La méthode a, en France, été baptisée
méthode EVEC ou méthode d'Evaluation des Emplacements
Commerciaux.
La méthode EVEC427
La méthode EVEC, mise au point par la
société Gallup Poll en Grande-Bretagne en 1968, permet de
tenir compte d'un très grand nombre de données pour
à la fois évaluer la performance d'une chaîne de
points de vente ou de l'un de ses composants ainsi que pour
sélectionner les meilleurs emplacements dans le cadre de la
création d'un nouveau magasin ou d'un établissement. Une
application dérivée consiste également à
détecter les emplacements à fermer.
Les différentes étapes de la méthode EVEC
sont:
- la reconnaissance des facteurs: il s'agit de cerner
quels sont les facteurs qui peuvent avoir une influence sur le chiffre
d'affaires du magasin ramené à sa superficie. Ces
facteurs sont
427 DELENDA J.F. (1970) EVEC : Une Méthode
d'Evaluation des Emplacements Commerciaux, L.S.A. n° 335, sept. 1970,
57-61.
ensuite regroupés si possible en ensembles
homogènes (facteurs de concurrence, de taille, de trafic...). Les
facteurs individuels non regroupables sont dits "composants
spécifiques".
- la mesure des facteurs : les facteurs
préalablement identifiés sont mesurés, soit de
manière objective (ex. nombre de caisses, superficie du magasin),
soit plus rarement de manière subjective (ex. valeur du personnel
dirigeant).
- le rassemblement des données : les
données se regroupent en 3 classes:
É les statistiques internes caractérisant le
point de vente étudié (ex. surface de vente, nombre de
vendeurs, valeur du personnel dirigeant);
É les statistiques démographiques liées
à la zone de chalandise entourant chaque point de vente (ex. population,
structure d'âge, de revenus ou socioprofessionnelle);
É les statistiques externes de l'environnement
qui proviennent d'études de marché (ex. nombre et type de
concurrents, nombre et type de commerces influents, nombre de bureaux,
importance du trafic piétonnier, facilité de parking,
possibilité de transport en commun).
- l'analyse de régression: le chiffre d'affaires
(CA) est alors exprimé en fonction de n facteurs
par une analyse de régression multiple (voir
méthodes d'analyse au chapitre 1) et donné par
l'équation de régression:
CA = ax1 + bx2 + cx3 + ...nxn + K
- l'analyse comparative par magasin :
l'équation de régression sert à calculer le chiffre
d'affaires attendu pour chaque magasin. Ce chiffre est ensuite comparé
au chiffre réel et sa différence, positive ou négative,
indique une performance élevée ou faible. Pour choisir parmi
un échantillon de localisations possibles, un
emplacement pour un ou plusieurs points de vente à créer,
on calcule le chiffre d'affaires théorique pour les
différentes configurations possibles à partir de la
même équation de régression et on sélectionne
celle maximisant le
chiffre d'affaires.
La difficulté dans cette méthode de
régression, comme dans la méthode précédente,
est de définir la zone de chalandise dans laquelle mesurer les
statistiques démographiques ou celles liées aux consommateurs
potentiels du futur magasin. La méthode EVEC définit la zone de
chalandise telle que l'a fait Applebaum, c'est-à-dire l'aire circulaire
qui contiendra au moins
80 % de la clientèle. Cette zone se décompose en
général en un certain nombre d'îlots au sein desquels il
est aisé de se procurer des statistiques démographiques
commercialisées par des organismes étatiques comme l'Insee.
Or, comme on l'a vu au chapitre 1, les zones de chalandise ont
très rarement une forme idéale de cercle mais sont
plutôt constituées d'aires séparées de formes
variables. Ainsi, la méthode EVEC dont la promotion en France
a été assuré par l'Ifop-Etmar, convient plutôt
à une recherche primaire de localisation de point de vente pas trop
exigeante sur la précision des résultats obtenus. Ses promoteurs
reconnaissent eux-mêmes que EVEC n'est pas applicable pour des
chaînes de magasin en nombre réduit (au minimum 20 magasins) ou
pour des points de vente très dissemblables comme pour un
échantillon composé de petites surfaces urbaines et de grandes
surfaces en pleine nature, ou bien des magasins de création
récente en phase de développement et d'autres ayant atteint leur
rythme de croisière. Il est donc nécessaire, pour appliquer une
méthode du type modèle de régression, d'avoir à sa
disposition un échantillon de points de vente suffisamment
homogènes pour obtenir des résultats d'évaluation des
emplacements, fiables et pertinents.
1.5.4 L'analyse discriminante
L'analyse discriminante possède des analogies
méthodologiques avec le modèle de régression, mais ne
débouche pas sur des prévisions de vente pour le nouvel
emplacement. Alors que l'analyse de régression identifie, par une
équation linéaire, les relations qui lient les variations des
ventes entre différents points de vente et des facteurs explicatifs,
l'analyse multidiscriminante sépare les magasins en plusieurs groupes
selon leurs résultats
commerciaux, en l'occurrence les magasins ayant une
performance acceptable et les autres plutôt inacceptables.
L'analyse discriminante ne constitue pas à elle seule une
méthode de localisation, mais aide seulement à cerner
quels sont les magasins performants afin d'implanter plus en
aval, une méthode du type analogique ou de régression
multiple : on recherchera ainsi à créer un nouvel
établissement dans un endroit ayant les caractéristiques d'une
zone où est implanté un magasin performant avec
éventuellement les caractéristiques de
ce type de magasins.
1.5.5 La méthode du marché potentiel
La méthode du marché potentiel découle
directement du principe de gravité du commerce de détail de
Reilly428 (voir § 2.1.2). Cette technique souvent
utilisée par la grande distribution minimise la distance du futur
emplacement aux consommateurs potentiels et la maximise par rapport à
celle des concurrents. Les clients sont censés fréquenter
d'autant plus le magasin qu'ils en sont proches. Les facteurs
d'attraction jouant sur la fréquentation et propres aux magasins
ne sont pas examinés par souci de simplicité ou tout simplement
du fait de l'absence
de données disponibles : les données
de performance des magasins concurrents, les caractéristiques
de leurs surfaces commerciales ou de leurs produits ne sont pas,
dans la majorité des cas, accessibles. Cependant, il est
possible en affectant les consommateurs au point de vente situé
à l'emplacement pressenti, de prévoir la part de
marché du futur commerce par rapport à celle des
concurrents (qui eux aussi se voient affectés les
consommateurs qui leur sont les plus proches).
1.5.6 Le modèle p-médian
Le modèle p-médian est plus simpliste que
les méthodes précédentes dans le sens où il
ne tient compte que des critères de la distance (minimisation de la
somme des distances entre les
428 REILLY W. J. (1931) The Law of Retail
Gravitation, W. Reilly ed, 285 Madison Ave, New York, NY.
clients et les points de vente), de la demande et
éventuellement du coût d'ouverture des points
de vente pour sélectionner les emplacements
adéquats. En revanche, il sait en théorie être plus
précis lorsqu'il calcule la position idéale des points de vente
la plus proche en moyenne des clients car contrairement aux autres
méthodes de localisation, la situation géographique des clients
est examinée individu par individu, même si ensuite on effectue
des regroupements par quartier ou rue dans un souci de simplification.
Dans la pratique, on localise sur le terrain les clients
potentiels par leur adresse ou leur origine géographique en
réalisant des enquêtes de terrain. L'auteur a
lui-même effectué ce type d'enquête pour des compagnies
de transport urbain : dans ce secteur d'activité, les clients sont
interrogés directement dans les bus ou les tramways. On leur demande en
particulier de situer
sur une carte le lieu de départ de leur trajet qui est
ensuite codifié par quartier ou par cellule géographique
urbaine, l'objectif étant dans ce cas d'améliorer la
localisation des arrêts de transport en commun. Dans la
restructuration d'un réseau d'agences bancaires, les adresses des
clients sont connues, de même que dans la grande distribution lorsque la
chaîne de magasins a réussi à populariser parmi ses clients
un système de cartes de fidélité ou d'avantages. Pour
ce
qui est de la création pure et simple d'un point de
vente, c'est alors une base de données de consommateurs potentiels
qu'il s'agit d'élaborer. De nombreux organismes de sondage
constituent de telles bases principalement par enquête
téléphonique. Dans certains pays comme au Japon, les
consommateurs potentiels sont épiés dans leurs faits et
gestes jusque dans la rue : ainsi en est-il de cette grande entreprise de
construction automobile qui, pour créer un nouveau concessionnaire
dans une ville, allait jusqu'à repérer les conducteurs
de
vieilles voitures et à les suivre jusqu'à leur
domicile en repérant leur adresse429.
C'est en effet du domicile que partent, en semaine, 68
% des trajets ayant une destination commerciale. Ce pourcentage
croît même encore plus le week-end (73 % le samedi et 79 % le
429 Interview personnel en 1999 d'un commercial d'une
grande entreprise automobile japonaise.
dimanche)430. De là, naît
l'importance stratégique de réussir à se constituer
une base de données d'adresses de clients potentiels ou réels
pour alimenter un modèle p-médian. Ceci dit,
les pratiques actuelles d'utilisation d'un tel
modèle souffrent d'approximations qui malheureusement font
fléchir son intérêt commercial. Comme nous l'avons
vu dans le chapitre précédent, l'examen de toutes les
configurations des différentes localisations possibles des
points de vente vis-à-vis des clients ne peut être fait compte
tenu de leur nombre exhorbitant. Dans un premier temps, lors de la
construction du modèle, on cherche donc à assigner chaque
client de la base de données d'adresses à un quartier ou à
un secteur urbain de manière à réduire le nombre de
cellules d'analyse. Ainsi, c'est le centre de gravité de chacun
de ces secteurs qui servira de noeud au réseau du
modèle. Le nombre de noeuds qui correspond chacun à un secteur,
est alors considérablement réduit comparé au cas où
l'on aurait créé pour chaque client un nouveau noeud. Le
problème est que ce découpage en secteurs géographiques
correspond plus à une logique administrative qu'à une
logique commerciale. En effet, les secteurs sont le plus souvent des
quartiers, des arrondissements, le découpage Insee (Iris), le
découpage de la société Adde (ZAD) dans le cas de grandes
villes pour lesquelles il est facile
de se procurer les statistiques démographiques mais qui
forment une partition trop grossière
de la zone géographique d'analyse. De plus,
l'affectation des clients à ces secteurs
géographiques non homogènes, de tailles souvent
inégales en population et en superficie, choisis uniquement par
commodité risque de déboucher sur des choix de localisation
erronés.
Il est plutôt rare de constater dans la pratique
que les zones de chalandise épousent exactement les formes de
ce découpage administratif artificiel. Le paragraphe 8.1 dans la
deuxième partie montrera un exemple concret de cette pratique portant
sur un découpage de l'Ouest parisien en arrondissements et communes de
périphérie qui conduit à des solutions de
localisation de points de vente loin de l'optimal.
430 MOATI P. et POUQUET L. (1998)
Stratégies de Localisation de la Grande Distribution et Impact
sur la
Mobilité des Consommateurs, Collection des Rapports
n°194, Crédoc, p.53.
| 
