Analyse de tendances et prévisions

Voir au-delà des chiffres actuels

Les statistiques descriptives vous disent ce qui s’est passé. L’analyse de tendances vous dit ce qui est en train de se passer. Les prévisions vous disent ce qui pourrait arriver. Ces trois niveaux de lecture répondent à trois questions différentes en réunion, et les confondre coûte cher : personne ne prend la même décision devant un constat et devant une projection. Avec ChatGPT et Code Interpreter, vous pouvez réaliser les trois sans écrire une ligne de code.

Identifier une tendance

La forme la plus simple de tendance est linéaire : vos données montent-elles ou descendent-elles, et à quelle vitesse ? Le réflexe utile consiste à demander la droite et son indicateur de fiabilité dans le même mouvement, faute de quoi vous commenterez une pente dont vous ignorez la solidité.

Trace le CA mensuel des 12 derniers mois avec une droite de tendance.
Indique le taux de croissance mensuel moyen et si la tendance
est statistiquement significative.

ChatGPT calcule une régression linéaire, trace la droite et vous donne le coefficient de détermination (R²), qui mesure la fiabilité de la tendance. Un R² proche de 1 signifie que la droite résume bien vos douze points ; un R² faible vous avertit que la « tendance » que vous vous apprêtiez à annoncer tiendrait surtout du hasard, et qu’un treizième mois pourrait l’inverser.

Beaucoup de données business suivent par ailleurs des cycles, et une hausse de décembre n’est pas forcément une bonne nouvelle : elle peut n’être que le décembre habituel. Pour trancher, demandez une décomposition.

Décompose les ventes mensuelles en 3 composantes :
tendance de fond, saisonnalité et résidus.
Affiche les 3 courbes séparément.

ChatGPT utilise la décomposition saisonnière (STL ou seasonal_decompose de statsmodels) pour isoler chaque composante. Vous voyez alors clairement si la hausse de décembre relève d’un effet saisonnier ou d’une vraie croissance — et la courbe des résidus vous signale au passage les mois qu’aucune des deux explications ne couvre.

Moyennes mobiles

Les moyennes mobiles lissent les variations et font ressortir la tendance de fond. Sur un chiffre d’affaires quotidien, le creux du week-end masque presque toujours le mouvement réel ; superposer deux fenêtres différentes permet de lire simultanément le court et le moyen terme sur le même graphique.

Trace le CA journalier brut et superpose une moyenne mobile
sur 7 jours et une sur 30 jours.

La fenêtre se choisit en fonction de la granularité de vos données et du cycle que vous voulez éliminer.

Prévisions simples

Pour une estimation rapide, prolonger la tendance observée suffit souvent — à condition d’assumer l’incertitude plutôt que de la cacher.

Projette le CA sur les 3 prochains mois en prolongeant
la tendance linéaire des 12 derniers mois.
Affiche l'intervalle de confiance à 95%.

L’intervalle de confiance est la partie décisive du résultat : il montre la marge d’incertitude, et plus il s’élargit en s’éloignant dans le futur, moins la prévision est fiable. C’est aussi votre meilleure protection en comité. Annoncer « entre 480 et 620 k€ » engage moins qu’un chiffre unique que personne ne pourra tenir, et déclenche la bonne conversation : celle sur ce qui ferait basculer d’un bout à l’autre de la fourchette.

Dès que vos données présentent des patterns récurrents, la projection linéaire devient trompeuse et il faut un modèle qui intègre le cycle.

Utilise un modèle de prévision qui prend en compte la saisonnalité
pour estimer les ventes des 6 prochains mois.
Compare le résultat avec une simple projection linéaire.

ChatGPT peut utiliser des modèles comme Holt-Winters (lissage exponentiel triple), qui capturent à la fois la tendance et la saisonnalité. La comparaison demandée en fin de prompt est instructive à elle seule : l’écart entre les deux courbes mesure exactement le poids de la saisonnalité dans votre activité.

Analyse de rupture

Parfois, la tendance ne se déforme pas progressivement : elle casse. Un lancement, un changement de prix ou un événement externe déplacent la trajectoire d’un mois sur l’autre, et une droite de tendance calculée sur l’ensemble de la période ne décrit alors plus rien de réel.

Identifie les points de rupture dans l'évolution du CA mensuel.
Y a-t-il des mois où la tendance change significativement de direction ?
Pour chaque rupture, indique la date et l'amplitude du changement.

Cette analyse est précieuse pour comprendre l’impact d’événements spécifiques : lancement de produit, changement de prix, événement externe. Rapprochez ensuite les dates obtenues de votre calendrier interne — refonte tarifaire, campagne, départ d’un commercial. C’est ce rapprochement, et lui seul, qui transforme une courbe en explication.

Comparaison période par période

Deux lectures se complètent, et le désaccord vient souvent de ce que deux interlocuteurs n’utilisent pas la même. La comparaison année sur année neutralise la saisonnalité, puisque chaque mois est confronté à son homologue de l’exercice précédent.

Compare les ventes mois par mois entre 2025 et 2026.
Calcule la variation en pourcentage pour chaque mois
et surligne les mois en baisse.

La croissance séquentielle, elle, mesure le mouvement immédiat d’un mois sur l’autre. Elle réagit beaucoup plus vite aux inflexions récentes, au prix d’une sensibilité forte à la saisonnalité.

Calcule la croissance séquentielle (mois vs mois précédent)
et affiche un graphique en barres avec les mois de croissance
en vert et les mois de baisse en rouge.

Utiliser le raisonnement élevé pour les prévisions

Certaines prévisions ne se réduisent pas à un calcul : elles exigent d’intégrer des facteurs que vos données historiques ne contiennent pas encore, comme un produit qui n’existait pas le trimestre dernier.

En tenant compte de la saisonnalité, de la tendance de fond
et du fait que nous lançons un nouveau produit en avril,
estime les ventes du prochain trimestre.
Explique ton raisonnement étape par étape.

GPT-5.6 Sol en raisonnement élevé excelle dans ce type de raisonnement multi-facteurs, où il faut combiner analyse quantitative et jugement contextuel. Exiger l’explication étape par étape n’est pas une coquetterie : elle vous permet de contester une hypothèse précise — le rythme de montée en charge du nouveau produit, par exemple — plutôt que de rejeter le chiffre en bloc faute de savoir d’où il sort.

Points clés à retenir

• La droite de tendance et le R² mesurent la direction et la fiabilité de la tendance
• La décomposition saisonnière sépare tendance, saisonnalité et bruit
• Les moyennes mobiles lissent les variations — choisissez la fenêtre selon votre granularité
• Toute prévision doit inclure un intervalle de confiance — pas de chiffre unique
• Les points de rupture identifient les moments où tout a changé