2.1.2. Classification des techniques de
prévision
Les méthodes sont regroupées en catégories,
de la façon suivante:
? Les approches basées sur le jugement, ou informelles ?
Les méthodes extrapolatives ou univariées
? Les méthodes explicatives ou causales
? Les méthodes systémiques et
économétriques
Afin de pouvoir mieux comprendre la portée de ces
méthodes, on mentionnera un exemple typique d'application de chaque
méthode ainsi que l'horizon (ou les horizons) de prévision
recommandé pour l'utilisation de chaque méthode (TCT: très
court terme, CT: court terme, MT: Moyen terme, LT: long terme). Les
méthodes peuvent être combinées. C'est d'autant plus
pertinent de recourir aux combinaisons lorsque les méthodes sont
jugées complémentaires et qu'il existe une grande incertitude sur
le meilleur modèle à employer.
2.1.2.1. Les approches basées sur le jugement,
ou informelles
Les méthodes informelles ou de jugement
(judgemental) sont très répandues dans le monde de
l'entreprise. Plus généralement, elles sont
particulièrement utiles dans toutes les applications
caractérisées par une information quantitative déficiente
(données non mesurables, peu fiables ou trop peu nombreuses) alors qu'un
certain nombre de connaissances, d'informations qualitatives sont
disponibles.
Les Principales méthodes informelles sont :
Q Réunions d'experts ;
Q Planification, politique de prix (évolution des
ventes, du budget promotionnel). Horizon: CT, MT, LT ;
Q Confrontation des forces des ventes (sales force composite).
Exemple : évolution des
ventes pour l'ensemble d'une firme qui vend différents
produits). Horizon: CT ou MT ; Q Développements de scénarios. Ex:
déchets produits par une firme, une région. Horizon:
MT ou LT ;
24
Patrick SA'A, Elève Ingénieur Statisticien
Economiste, CEMAC-ISSEA
Dynamique du PIB et prévision du rendement des
impôts et taxes
Q Approche Delphi. Variables qualitatives,
planification, politique de prix. Horizon: CT MT, LT.
2.1.2.2. Les méthodes extrapolatives ou
univariées
Les méthodes extrapolatives utilisent les observations
quantitatives du passé de la variable
pour prédire son futur. Autrement dit: . Elles sont
utilisées
principalement pour la prévision à court terme
ainsi que lorsque des variables explicatives ne sont pas disponibles ou
manquent de fiabilité. Elles permettent notamment de modéliser
l'inertie propre à de nombreuses variables économiques. Des
informations contextuelles concernant le phénomène
étudié permettent en général d'améliorer
l'application des méthodes extrapolatives.
Les principales méthodes extrapolatives ou
univariées sont :
r Prévision naïve :
Phénomène incertain à prévoir (ex:
prévision du cours d'une action), horizon : TCT (très court
terme)
r Lissage exponentiel (simple, double, adaptatif,
amorti, etc.) : Séries courtes, de nature industrielle,
microéconomique, de fréquence mensuelle ou trimestrielle (ex:
production du secteur textile au cours des trois prochains mois), horizon : TCT
/ CT
r Courbes de croissance (régression
linéaire, logistique, Gompertz, etc.) : Séries annuelles, peu
cycliques, assez régulières (ex: cycle de vie d'un produit),
horizon: MT / LT
r Décomposition saisonnière (moyennes
mobiles, X-11, X-11 ARIMA (Autoregressive Integrated), X-12, etc.).
Séries trimestrielles et surtout mensuelles qui présentent
d'importantes fluctuations saisonnières (ex: consommation de biens
alimentaires), horizon : CT
r Modélisation ARIMA (méthodologie de
Box et Jenkins, etc.) : Séries longues (ex: production industrielle
trimestrielle). Horizon: CT
r Décomposition spectrale (composantes non
observées) : Séries longues (ex: production industrielle
trimestrielle). Horizon: CT
r Modèles ARFIMA (Auto Regressive Fractionally),
mémoire longue : Séries très longues, séries
annuelles (ex: évolution des prix pétroliers). Horizon: MT /
LT
25
Patrick SA'A, Elève Ingénieur Statisticien
Economiste, CEMAC-ISSEA
Dynamique du PIB et prévision du rendement des
impôts et taxes
r Modèles stochastiques non linéaires
(à seuil, bilinéaire, à erreurs GARCH (Generalized
AutoRegressive Conditional Heteroskedasticity), à coefficients
dépendant du temps, etc.) : Séries longues, de nature
financière (données journalières, en temps réel),
séries économiques volatiles (variables monétaires) (ex:
taux de change $/DM, taux d'intérêt). Horizon: TCT / CT
r Modèles dynamiques linéaires
bayésiens : Séries longues et pour laquelle on dispose des
informations à priori (ex: ventes de la société). Horizon:
CT
r Méthodes chartistes (basées sur
l'analyse de courbes) : Données financières (ex: cours des
actions). Horizon: CT.
| 
