Le modèle du vendeur de journaux traite la décision que l’on ne prend qu’une fois : commander une quantité unique, avant de connaître la demande, sans possibilité de se réapprovisionner ensuite. Il démontre un résultat contre-intuitif et décisif : la quantité optimale n’est presque jamais la demande moyenne. Elle est un quantile de la distribution, déterminé par le rapport entre ce que coûte une vente manquée et ce que coûte une unité invendue.
Pourquoi ça compte
Une grande partie des décisions de stock se corrige en chemin : si l’on s’est trompé, on recommande. Certaines décisions, non. La collection de saison que l’on ne réassortira pas, la production lancée pour un lancement daté, les volumes engagés pour un événement, la campagne dont le produit expire : dans tous ces cas, on commande une fois, à l’aveugle, et l’on vit avec le résultat. C’est précisément le terrain du modèle du vendeur de journaux.
Son apport est de renverser un réflexe très répandu. Face à l’incertitude, l’intuition consiste à commander la demande la plus probable, c’est-à-dire la moyenne prévue. Le modèle démontre que ce choix n’est optimal que dans un cas très particulier : celui où se tromper par excès coûte exactement autant que se tromper par défaut. Dès que l’erreur est asymétrique, et elle l’est presque toujours, la quantité optimale s’écarte de la moyenne.
L’asymétrie est facile à percevoir concrètement. Sur un produit à forte marge dont l’invendu se solde sans grande perte, manquer une vente coûte beaucoup plus cher que porter une unité de trop : il est rationnel de commander nettement au-dessus de la moyenne. À l’inverse, sur un produit périssable à faible marge dont l’invendu part à la destruction, chaque unité excédentaire est une perte sèche, et l’optimum descend sous la moyenne.
Ce raisonnement dépasse largement le cas des décisions à un coup. Il fournit la fondation économique du niveau de service : il indique quel taux de service il est rationnel de viser, au lieu de le laisser à une valeur héritée. C’est ce qui en fait un des rares modèles de gestion des stocks qui parle directement le langage de la direction financière.
Le résultat central tient en une phrase : la quantité optimale est le quantile de la demande correspondant au ratio critique, c’est-à-dire la part que représente le coût d’une vente manquée dans la somme des deux coûts d’erreur. Ce ratio est, mathématiquement, le niveau de service que l’on devrait viser.
La portée managériale est considérable. Elle signifie que le taux de service n’est pas un objectif à décréter, mais une conséquence à calculer. Deux références de la même famille, de marges et de valeurs de récupération différentes, méritent des niveaux de service différents, et le modèle dit lesquels. C’est le fondement rigoureux de la différenciation du service.
La leçon d’expert porte sur la sensibilité. Le résultat ne dépend pas de la précision de la prévision moyenne mais de la qualité de deux chiffres, la marge perdue sur une vente manquée et la perte réelle sur un invendu. Beaucoup d’entreprises raffinent leur prévision au dixième de point et n’ont jamais chiffré sérieusement ce que leur coûte une démarque. L’effort est mal placé.
Le mécanisme
Le raisonnement part de l’unité marginale. Ajouter une unité à la commande crée deux possibilités : soit elle se vend, et elle rapporte la marge qui aurait été perdue, soit elle ne se vend pas, et elle coûte l’écart entre son coût et sa valeur de récupération. On continue d’ajouter des unités tant que le gain espéré dépasse la perte espérée, et l’on s’arrête quand les deux s’équilibrent.
Cet équilibre définit exactement le ratio critique : le coût de la vente manquée divisé par la somme des deux coûts d’erreur. Un ratio de 0,80 signifie qu’il faut commander de sorte à couvrir 80 % des scénarios de demande. La quantité optimale est donc le quantile à 80 % de la distribution, et non sa moyenne.
La signature ci-dessus rend visible ce déplacement. Le trait clair marque la demande moyenne, le trait doré la quantité optimale. Quand manquer une vente coûte peu, l’optimum reste à gauche de la moyenne ; quand la vente manquée devient coûteuse, il se déplace franchement à droite, et l’écart peut atteindre plusieurs dizaines de pour cent. Commander la moyenne dans ce cas revient à laisser de la marge sur la table à chaque saison.
Deux exigences en découlent. Il faut une distribution de la demande et non un point unique, ce qui renvoie à la prévision probabiliste : sans mesure de la dispersion, aucun quantile n’est calculable. Et il faut des coûts d’erreur honnêtes, incluant du côté de l’invendu la démarque, le coût de liquidation, l’espace occupé, et du côté de la vente manquée la marge immédiate mais aussi, lorsqu’il est significatif, l’effet sur la relation client.
Les pièges
C’est l’erreur que le modèle existe pour corriger. Retenir la demande la plus probable revient à supposer que se tromper par excès et par défaut coûte la même chose. Dès que les marges sont fortes ou les invendus peu coûteux à écouler, ce réflexe laisse mécaniquement de la marge inexploitée, saison après saison, sans que personne ne le mesure.
Le coût d’une unité en trop n’est pas son prix d’achat : c’est ce prix diminué de ce que l’on en récupère réellement, augmenté des frais de liquidation, du coût de l’espace et parfois de l’effet de la démarque sur l’image de la marque. Un chiffrage optimiste gonfle le ratio critique et pousse à sur-commander systématiquement.
Le modèle suppose qu’il n’y a pas de seconde commande possible. Sur une référence que l’on réapprovisionne en cours de saison, il conduit à surdimensionner la première commande alors que le réassort remplit ce rôle à moindre risque. La bonne question préalable est toujours : cette décision est-elle réellement à un coup ?
La mise en œuvre
Recenser les cas où aucun réassort n’est possible : collections, séries limitées, produits datés, engagements de capacité. Ce sont les seuls où le modèle s’applique pleinement, et souvent ceux qui portent le plus d’enjeu financier unitaire.
Établir la marge réellement perdue sur une vente manquée et la perte nette sur un invendu, valeur de récupération et frais de liquidation compris. Ces deux chiffres pèsent davantage sur le résultat que le raffinement de la prévision.
Obtenir la dispersion de la demande attendue, par prévision probabiliste ou à partir de l’historique de lancements comparables. Sans dispersion, le quantile ne peut pas être calculé et le modèle reste théorique.
Traduire le ratio critique en quantité et documenter l’écart avec la moyenne. Cet écart doit être expliqué et accepté par les équipes commerciales et financières, faute de quoi il sera corrigé à la main au dernier moment.
Comparer, après la saison, ruptures et invendus constatés à ce que le modèle prévoyait. Un excès systématique d’invendus signale un ratio critique trop élevé, donc des coûts d’erreur mal estimés ; l’inverse vaut pour les ruptures.
Concepts voisins
Du savoir à l’action
Sur les décisions sans réassort, l’écart entre la moyenne et le quantile optimal se chiffre en points de marge, chaque saison. Notre dossier Stocks & distribution chiffre vos coûts d’erreur et recale vos engagements.