Taux de service Supply Chain : définition, formules et comment l'améliorer

Le taux de service mesure la part de la demande client honorée à temps et en totalité. Les formules classiques (taux de service par cycle, fill rate, OTIF) supposent un taux de service cible unique pour toutes les références. En réalité, cette cible doit être segmentée en fonction de la marge, de la criticité et de la substituabilité, puis recalibrée en continu, pas figée une fois par an.

98 % de taux de service : rassurant sur le papier. Pourtant, c'est probablement trop bas pour la moitié de vos références. Et trop coûteux en marge pour l'autre.

C'est le paradoxe que la revue mensuelle ne regarde jamais en face. Le tableau de bord affiche une moyenne. La réalité, elle, n'a rien d'une moyenne. Une rupture sur une pièce critique arrête la production d'un client. En retail, une rupture sur un produit indispensable dégrade directement la satisfaction et l'expérience client. À l'inverse, sur un produit à faible marge et facilement remplaçable, une rupture n'a quasi aucun impact commercial. En gardant le même taux de service cible pour les deux, on immobilise du stock au mauvais endroit en ratant les commandes les plus importantes.

Dans cet article, vous comprendrez ce que le taux de service mesure vraiment, les formules à connaître, et pourquoi le réflexe « on relève le taux de service » n'est pas toujours le bon combat. Ce contenu intéressera les directeurs Supply Chain, les responsables Sales and Operations Planning (S&OP) et les planificateurs de la demande qui savent que le chiffre mensuel cache l'essentiel.

Ce que le taux de service mesure vraiment

Le taux de service n'est pas un seul indicateur, mais plusieurs. Un ensemble de métriques qui mesurent, chacune à sa manière, la capacité à livrer ce que le client a commandé, quand il l'a commandé. Trois dominent : le taux de service par cycle, le fill rate (la part de la demande servie directement depuis le stock) et l'OTIF (livraison complète et à l'heure).

Taux de service par cycle (type 1, alpha) : la probabilité de ne pas tomber en rupture sur un cycle de réapprovisionnement. Binaire. 95 cycles sans rupture sur 100, c'est 95 %. C'est lui qui dimensionne le stock de sécurité, via un score Z sur une loi normale.

Fill rate (type 2, bêta) : la part de la demande servie directement du stock, en unités, lignes ou commandes. Vous pouvez afficher 95 % de taux de service par cycle et perdre 8 % du volume : le cycle ignore la taille de la rupture. Le fill rate, non. Et c'est lui que le client ressent.

l'OTIF, ou On-Time In-Full (livraison complète et à l'heure) : le volume, plus la date. Une commande complète livrée deux jours en retard ? Un raté, même si le fill rate l'a comptée bonne. C'est le standard de la distribution et des biens de consommation, où les pénalités tombent sur la date autant que sur la quantité.

L'Association for Supply Chain Management (ex-APICS) le résume ainsi : aucun de ces indicateurs ne veut dire grand-chose seul. C'est leur combinaison qui compte.

Les formules classiques, et leurs angles morts

Les formules sont simples. La difficulté vient des hypothèses sur lesquelles elles reposent.

Le taux de service par cycle se calibre avec la formule du stock de sécurité :

stock de sécurité = Z × σD × √LT

Z, le facteur de service lu dans une table de loi normale (1,65 pour 95 %, 2,05 pour 98 %, 2,33 pour 99 %). σD, l'écart-type de la demande quotidienne. LT, le délai. On choisit une cible, on lit le Z, on dimensionne. Encore faut-il comprendre la formule du stock de sécurité et ses hypothèses de score Z avant de se fier au résultat.

Le fill rate, lui, se mesure après coup :

fill rate = unités expédiées à temps ÷ unités commandées

Essayez vous-même

Réglez la variabilité de la demande et le délai d'une référence sur notre calculateur de stock de sécurité, puis faites glisser la cible de taux de service et regardez le stock de sécurité exigé grimper presque à la verticale à l'approche de 100 %. C'est cette courbe, pas la cible elle-même, qui plaide contre un chiffre unique pour tout le catalogue.

‍

‍

Une référence : 100 unités par jour en moyenne, écart-type 30, délai 9 jours. À 95 %, le stock de sécurité vaut 149 unités. À 99 %, il grimpe à 209. Quatre points de service, 60 unités de fonds de roulement en plus. Sur une seule référence. Multipliez par 10 000 : le coût de ce choix se lit au bilan.

Deux hypothèses, rarement vraies. La demande suit rarement une loi normale au niveau d'une référence, surtout pour les produits à faible rotation, les promotions ou la demande intermittente. Le délai est rarement fixe. Sur un catalogue entier, le stock que la formule recommande s'éloigne de celui dont vous avez besoin.

La cible unique : un piège

La plupart des reportings sortent un chiffre : « taux de service, 96,2 % le mois dernier ». Comparable d'un trimestre à l'autre, donc rassurant. Et vide de sens opérationnel.

Derrière 96,2 %, des références à 99,8 % et d'autres à 78 %. La 78 % ? Peut-être une pièce critique qui a cloué une ligne trois jours. La 99,8 % ? Peut-être un dormant avec huit mois de couverture. Deux problèmes. Zéro visible dans la moyenne.

‍

‍

Une cible fixe à 98 % encourage cette distorsion. SKU à forte rotation, forte marge, substitut disponible : 98 %, c'est du gaspillage. SKU critique, sans substitut, six mois de délai : 98 %, c'est jouer avec le feu. Ces 2 % de rupture, c'est le moment où un compte stratégique s'arrête.

Où placer la barre, c'est une décision stratégique. Elle répartit le fonds de roulement et le risque dans toute l'entreprise. Fixée une fois par an avec un cabinet, elle reste figée alors que l'activité, elle, continue d'évoluer. C'est ce piège que les plateformes nativement IA évitent : elles dimensionnent marges et cibles référence par référence, en continu.

Segmenter : marge, criticité, substituabilité

Pas un taux de service cible unique mieux calibré. Un taux de service cible segmenté, recalibré en continu. Trois dimensions comptent avant tout.

‍

‍

La marge, d'abord. La plus facile à défendre en comité. Forte marge, cible haute : perdre la vente coûte plus que porter le stock. Faible marge, l'inverse : un point de service de plus coûte plus en stock qu'il ne rapporte. L'ABC (Always Better Control) donne un premier tri, mais s'arrête là.

La criticité, ensuite. Ce qu'une rupture fait au client. En industrie, une vis à cinq euros qui bloque une machine à 500 000 euros pèse bien plus que son prix. En retail, une rupture sur un produit d'appel fait basculer le panier entier vers un concurrent. Ces références méritent 99 % et plus, peu importe le tarif. Encore faut-il en parler entre ventes et opérations, ce que l'ABC n'impose jamais.

La substituabilité, enfin. Celle qu'on oublie toujours. Deux articles, même demande, même marge, profils opposés selon qu'un substitut existe ou non. Substitut disponible : cible plus basse, la demande se reporte. Pas de substitut : chaque rupture est une perte sèche.

La question change alors. Plus « quel est notre taux de service ? », mais « quel taux de service protège, segment par segment, le résultat visé ? ». Et rien n'est figé : la criticité bouge avec la valeur d'un client, la cible suit.

Améliorer le taux de service : mieux décider, pas sur-stocker

Le taux de service baisse ? Réflexe : on ajoute du stock de sécurité. Ça marche, mécaniquement. Ça masque le vrai problème. La plupart des ratés ne viennent pas d'un sous-stockage, mais des mauvaises références, au mauvais endroit, au mauvais moment.

5 000 références, une revue par semaine : impossible de tout inspecter. Le système sort des centaines d'alertes. La plupart, du bruit. Quelques-unes, réelles : un fournisseur qui décroche, une demande qui casse, une référence critique qui passe sous le seuil. Le métier, c'est repérer ces quelques-unes.

Un logiciel d'optimisation des stocks piloté par l'IA déplace le levier. Le pari de Flowlity : plus de 95 % du travail routinier d'un planificateur peut être automatisé. L'algorithme prévoit la demande de façon probabiliste par référence, taille des marges dynamiques sur l'incertitude réelle plutôt que sur un Z figé, et ne remonte que les exceptions qui demandent un vrai arbitrage humain.

Résultat : le service monte, le stock baisse. Les deux ne sont plus arbitrés à l'aveugle. Saint-Gobain Sekurit AGR, fournisseur mondial de vitrage automobile sur 30 centres de distribution, est passé de 95,8 % à 97,2 % de taux de service, soit 1,4 point, en réduisant ses stocks de 9,25 %. Le gain vient de la priorisation des décisions, pas d'un matelas plus épais.

Taux de service ou fill rate : lequel, quand

On les emploie comme synonymes. C'est le problème : ils ne répondent pas à la même question.

Mécaniquement, un taux de service par cycle de 95 % peut coexister avec une forte perte de volume si les ruptures tombent sur les références à forte rotation. Une Supply Chain mature suit les trois par segment et refuse d'en élire un pour la vitrine. Celle qui ne regarde que le cycle optimise ses stocks de sécurité et perd des clients sur le fill rate, sans s'en rendre compte.

L'IA rend la segmentation vraiment opérable

Segmenter, c'est évident sur le papier. Sur le terrain, non. 10 000 références re-priorisées à la main chaque mois ? Personne. Les cibles dérivent, les segments se figent, et en un an la segmentation « dynamique » redevient une cible unique repeinte en trois couleurs.

L'IA change l'équation. La planification de la demande pilotée par l'IA remplace la lecture d'un Z unique par un calcul qui intègre l'incertitude et suit la demande. Le recalibrage est continu. La priorisation remonte les références vraiment menacées cette semaine, pas une liste ABC du trimestre dernier.

On passe d'une règle figée (98 % partout) à une règle vivante : chaque référence protège son résultat. La prévision nourrit la marge, le moteur la dimensionne, le planificateur arbitre. Pour le mécanisme, l'IA appliquée à la planification Supply Chain va plus loin, et la prévision probabiliste de la demande montre pourquoi une plage de scénarios bat une prévision ponctuelle.

Deux secteurs, un seul modèle

Même modèle, profils de demande opposés.

Industrie automobile : le déploiement Saint-Gobain Sekurit AGR ci-dessus a gagné 1,4 point de service, stocks en baisse de 9,25 %, par de meilleures décisions, pas par plus de marge. La disponibilité y fait loi : pas l'article au centre local, le client appelle le concurrent.

À l'opposé, la distribution retail multi-catégorie. Ravate, gros distributeur de bricolage et de matériaux à la demande très volatile : promotions, saisonnalité, coups des concurrents font bouger la demande dans le trimestre. Toute segmentation non rafraîchie décroche. Après prévision probabiliste et marges dynamiques, Ravate a gagné 6,3 points de taux de service. Même levier : arrêter de réagir à tout, arbitrer ce qui compte.

Deux secteurs, deux profils, un modèle. Pour la vue d'ensemble, le guide Flowlity sur la construction d'un modèle de planification Supply Chain mature et synchronisé montre comment service, stocks et cadence S&OP se renforcent.

Lire le taux de service en planificateur

Le taux de service n'est pas un chiffre. C'est un portefeuille de décisions : où mettre le fonds de roulement, où absorber le risque. Un 96,2 % mensuel donne une moyenne au comité. Au planificateur, il ne dit presque rien : les bonnes références sont-elles protégées, les mauvaises sur-stockées, la tendance va-t-elle vers les résultats qui comptent ou contre ?

La bonne lecture est segmentée, dynamique, pilotée par les exceptions. Segmentée par marge, criticité, substituabilité. Dynamique, pour suivre le business. Pilotée par les exceptions, pour que le planificateur passe son temps sur ce qui bouge vraiment le service.

Découvrez comment Flowlity remplace les cibles statiques de stock de sécurité par des marges vivantes : le service protégé là où il compte, sans gonfler le stock ailleurs. Réserver une démo.