Calcul du stock de sécurité : formules et IA

‍

Le stock de sécurité correspond au stock conservé au-delà de la demande prévue pour absorber les aléas de la demande et des délais d'approvisionnement. La formule classique le dimensionne à partir d'un facteur de service, de la variabilité de la demande et du délai. Obtenir ce chiffre prend quelques secondes. Le vrai travail consiste à décider du niveau de risque qu'il doit couvrir, et à le maintenir à jour à mesure que la demande et les fournisseurs évoluent.

Observez un planificateur définir un stock de sécurité : le calcul lui prend une dizaine de secondes. Il choisit une méthode, renseigne la variabilité de la demande et le délai d'approvisionnement, et son tableur affiche une valeur. C'est là que le vrai travail commence, et il n'a plus grand-chose à voir avec les mathématiques.

Nous l'avons observé de la façon la plus nette lors d'un échange avec l'équipe Supply Chain d'un distributeur de jouets. En pleine démonstration, une planificatrice nous a interrompus : jusque-là, elle pensait que le « stock mini » correspondait simplement à la valeur qu'elle saisissait elle-même dans son système. Pourquoi, demandait-elle, l'outil calculait-il autre chose en arrière-plan ? La question n'a rien de naïf. Elle résume tout le sujet. Il y a le stock que l'on fixe à la main, et celui que recommandent les modèles statistiques. C'est dans l'écart entre les deux que se logent la plupart des incompréhensions, et une bonne partie des coûts.

Ce que la formule calcule vraiment

Le stock de sécurité, c'est le stock que l'on conserve au-delà de la demande attendue pour absorber deux types d'incertitude : une demande qui s'écarte de la prévision de demande, à la hausse comme à la baisse, et des fournisseurs qui livrent plus tard que prévu. Toutes les formules des manuels reviennent à comprimer ces deux incertitudes en un seul chiffre.

La version rapide, valable tant que la demande et les délais bougent peu, est la méthode du maximum moins la moyenne :

Stock de sécurité = (consommation quotidienne maximale × délai maximal) - (consommation quotidienne moyenne × délai moyen)

La plupart des ERP retiennent une approche plus fine, qui ajoute un facteur de service et l'écart-type de la demande :

Stock de sécurité = Z × σD × √LT

Z est le coefficient lié au niveau de service visé (1,65 pour 95 %, 2,33 pour 99 %), σD est l'écart-type de la demande et LT le délai d'approvisionnement (lead time). Quand le délai varie lui aussi, la formule s'étend pour couvrir les deux sources de variabilité à la fois. Toutes ces approches reposent sur la même hypothèse : la variabilité mesurée hier resterait représentative de demain. C'est précisément cette hypothèse qui pose problème.

‍

À tester : le calculateur interactif de stock de sécurité Flowlity

Réglez votre niveau de service, la variabilité de la demande et le délai d'approvisionnement à l'aide du curseur et des champs ci-dessous. Observez en temps réel comment le buffer de stock de sécurité augmente, et pourquoi les derniers points de service sont les plus coûteux.

➡️ Ouvrir le calculateur de stock de sécurité en plein écran

‍

‍

La décision que les manuels passent sous silence : quel Z retenir ?

Choisir Z, c'est là que se prennent les vraies décisions. Et c'est aussi là qu'on se trompe facilement. Lors de cette même démonstration chez le distributeur de jouets, une planificatrice nous a demandé si elle pouvait descendre le niveau de confiance sous les 50 % pour réduire volontairement le stock de sécurité sur certaines références. La réponse a surpris la salle : sous 50 %, la formule renvoie un stock de sécurité nul, parce qu'un niveau de service de 50 % ne couvre que la médiane de la prévision. Au-delà, chaque point de service gagné revient à acheter un cran de protection supplémentaire contre le risque.

Or presque personne ne chiffre ce coût référence par référence. Par défaut, on applique 95 % à tout le catalogue, parce que c'est le chiffre retenu dans la plupart des formations, pas parce qu'on a calculé ce que cinq points de service supplémentaires coûtent réellement pour telle référence. Et un 95 % uniforme coûte cher, justement parce qu'il est uniforme : une pièce critique et un accessoire à faible rotation reçoivent la même protection, alors qu'une rupture n'a rien de comparable dans les deux cas. Sur l'un, c'est un simple manque à gagner ; sur l'autre, une ligne de production à l'arrêt. C'est aussi là que les méthodes à base de règles montrent leurs limites, et il vaut la peine de voir comment le DDMRP se compare à une approche probabiliste pilotée par l'IA.

‍

Pourquoi un stock recalculé une fois par trimestre est déjà faux

La formule part du principe que la variabilité qu'on lui a fournie est encore vraie au moment où on l'utilise. En pratique, elle ne l'est presque jamais. Une planificatrice, chez un distributeur de chaussures, nous l'a dit simplement : un mois de stock de sécurité, c'est beaucoup trop pour un produit qu'elle réapprovisionne normalement en deux semaines. Sauf que ses fournisseurs, ajoutait-elle, livrent souvent en trois semaines plutôt qu'en deux, et les allocations compliquent encore les choses. Alors, deux semaines ou trois ?

La formule veut une seule valeur de délai. La réalité en propose une qui bouge en permanence. Un buffer calé sur la moyenne du trimestre précédent est déjà dépassé quand il faudrait qu'il serve. D'où l'intérêt de recalculer le stock de sécurité en continu, à partir de la demande réelle et des performances récentes des fournisseurs, plutôt que de le revoir une fois par trimestre. L'enjeu n'est pas de trouver un Z un peu plus juste. C'est d'avoir un buffer qui bouge quand le risque bouge.

‍

Le plancher posé au-dessus de la formule

Voici une subtilité que les calculateurs en ligne ignorent. En pratique, les planificateurs fixent très souvent un minimum manuel qui vient se poser au-dessus du résultat de la formule. Et ils ont raison de le faire. Chez le distributeur de jouets, la solution n'a pas été de remplacer tout le calcul statistique, mais de fixer une limite inférieure : un plancher sous lequel le stock de sécurité ne descend pas, pour des raisons commerciales ou de service. Si les statistiques recommandent plus, c'est le chiffre le plus élevé qui l'emporte. Si elles recommandent moins, le plancher tient.

Ce plancher est utile, et c'est aussi un piège. Réservé à une courte liste de références (un client majeur, un composant en source unique), c'est du jugement métier. Étalé sur tout le catalogue « par précaution », il reconstitue à bas bruit la tolérance au risque uniforme que la formule était censée éliminer. Le plancher doit rester l'exception, pas devenir la règle.

‍

La formule a été pensée pour une référence, sur un seul site

L'équation classique part du principe qu'un seul flux de demande alimente un seul site. Beaucoup d'entreprises n'ont pas ce luxe. Prenons une marque d'accessoires en vente directe qui importe par voie maritime : son planificateur nous a expliqué qu'il ne fixe pas vraiment de stock de sécurité, il couvre surtout le délai, parce que la vraie question est de savoir si ses bateaux mettront 35 ou 50 jours à arriver. Et malgré ça, il croule sous le stock, non pas à cause d'une mauvaise formule, mais parce que le budget annuel a été surévalué et que les commandes ont suivi. Aucune équation de stock de sécurité ne couvre ce cas. Le problème ne venait pas du buffer, mais des données mouvantes qui l'alimentaient.

Le même angle mort réapparaît dès qu'une même prévision doit alimenter plusieurs canaux ou entrepôts à partir d'un approvisionnement amont commun. Trop engager le stock sur l'un, et l'autre se retrouve en tension ; dans l'urgence, la solution devient une production non planifiée, pas un buffer plus gros. C'est un problème d'allocation, et il se joue à l'échelle du réseau, pas à l'intérieur d'une formule mono-site.

D'un chiffre figé à une décision permanente

Les trois failles (données périmées, risque uniforme, calcul mono-site) ont une seule et même réponse. Recalculer le stock de sécurité en continu à partir de la demande et des délais réels, le dimensionner selon l'impact métier de chaque référence plutôt que sur un objectif unique, et le faire à l'échelle de chaque maillon du réseau plutôt qu'un site à la fois. C'est ce que change l'optimisation des stocks pilotée par l'IA : elle transforme le calcul en un processus permanent, et non en un tableur revu chaque trimestre.

Les résultats se voient là où ça compte. Une marque en forte croissance, avec un catalogue large, a remplacé ses buffers à base de règles par des buffers probabilistes recalculés en continu, et a réduit ses stocks de 38 % sans rien céder sur le service. Le pourcentage n'est pas le sujet. Le sujet, c'est qu'un buffer qui colle à la réalité semaine après semaine n'a plus rien à voir avec un buffer encore calé sur la variabilité du trimestre passé.

Un buffer plus fin et mieux calé dans le temps améliore aussi la rotation des stocks sans dégrader le service, parce que le capital circule dans l'entrepôt au lieu de dormir contre une estimation de variabilité périmée.

Traiter le stock de sécurité comme une décision, pas comme un calcul

Les formules ne sont pas fausses. Elles répondent à la question « combien pour une référence à un instant donné » et s'arrêtent là, laissant les questions difficiles (quel niveau de risque, à quelle fréquence, comment répartir un buffer partagé) aux planificateurs, à trancher dans l'urgence. Les équipes qui s'en sortent le mieux cessent de voir le stock de sécurité comme une sortie de tableur trimestrielle et le traitent comme une décision permanente : recalculée face à la réalité, dimensionnée selon la valeur de chaque référence, et pilotée dans le cadre d'un modèle de planification mature et synchronisé. Le chiffre a toujours été la partie facile.

Envie de transformer la formule du stock de sécurité en un buffer réellement dynamique ? Réservez une démo.