MÉTHODE
Méthode et limites
Les formules exactes du modèle de démonstration. Rien n'est caché, et ce qui manque est dit.
01 —
Les formules
cadence : g = (k·g_obs + w·g_a priori) / (k + w), avec k = n − 1, w = 3, g_a priori = 120 jours activité : p = 1 / (1 + exp((d − 2,5·g) / (0,6·g))), d = jours depuis la dernière commande commandes attendues : λ = p · H / g, H = 365 jours marge par commande : m = panier · taux de marge · (1 − taux de retour) − 8 € valeur nette future : NFV = max(0 ; λ · m · f), f = (1 − e^(−r·H)) / (r·H), r = 10 % par an bande à 80 % : 10ᵉ et 90ᵉ centiles d'une loi gamma de forme n + 1, ramenée à la NFV (approximation de Wilson–Hilferty) plafond de coût = effet attendu × borne basse de la NFV
Le code est celui de la démonstration : il tourne dans votre navigateur et peut être lu dans le fichier js/model.js de ce site.
02 —
Les garde-fous
Quatre garde-fous, évalués dans l'ordre. Le premier franchi est signalé comme l'écart ; les suivants sont listés sans emphase.
- historique : au moins 2 commandes
- marge après action ≥ marge plancher (12 % par défaut), avec marge après action = (panier · taux · (1 − retours) − 8 € − coût) / panier
- coût proposé ≤ plafond de coût
- coût proposé ≤ budget maximal par client (400 € par défaut)
03 —
Les paramètres par défaut
| PARAMÈTRE | VALEUR |
|---|---|
| Horizon | 365 j / 365 d |
| Taux d’actualisation | 10 % |
| A priori de cadence | 120 j / 120 d |
| Poids de l’a priori | 3 |
| Coût variable par commande | 8 € |
| Effet attendu de l’action | 10 % |
| Marge plancher | 12 % |
| Budget maximal | 400 € |
| Historique minimal | 2 |
04 —
Ce que la démonstration ne sait pas faire
- Le modèle est simplifié : une cadence par client, une probabilité d'activité logistique, une bande gamma. Il ne connaît ni la saisonnalité, ni la gamme achetée, ni les coûts réels de logistique et de support.
- L'effet attendu de l'action (10 %) est une hypothèse de démonstration, pas une mesure. Il se calibre sur des expériences réelles.
- Les clients d'exemple sont fictifs. Aucun résultat de ce site ne décrit un client réel.
- Le moteur de production ajoute ce que ce modèle ignore : archétypes de produits passerelle, coûts de logistique aller et retour, coûts de support, coût d'acquisition, calibration de la bande par lot, et niveau grands comptes.