menu icon
close

Les (mauvaises) formules de stock de sécurité

Par Bernard Milian
The image shows a chalkboard filled with complex mathematical equations, geometric diagrams, and algebraic expressions written in white chalk. The board is densely covered with symbols, numbers, and calculations, creating an intricate and detailed academic scene.

Pour dimensionner les stocks de sécurité on dispose de formules issues des sciences statistiques. Un exemple en est la formule ci-dessous, qui intègre à la fois des hypothèses de variabilité de la demande, et de variabilité des délais. 

The image displays a mathematical formula for safety stock, written in a clear and structured format. The equation includes variables such as Z (likely a service level factor), PC/T₁, σ_D² (variance of demand), σ_LT (lead time variability), and D_avg (average demand). The formula calculates safety stock using a square root function and exponentiation.

Ces formules intègrent aussi un facteur Z, qui permet de viser un taux de service. Les valeurs de facteur Z sont définies dans un abaque – et pour un taux de service 100%, Z tend à l’infini… Pour une valeur cible plus raisonnable de 99.9%, Z vaut 3.09. 

Vous trouverez de nombreux exemples dans la littérature et sur le web, un article bien articulé est par exemple disponible ici : https://web.mit.edu/2.810/www/files/readings/King_SafetyStock.pdf 

J’ai souvent essayé d’utiliser de telles formules au début de ma carrière, et je finissais souvent par censurer à la baisse les valeurs obtenues. Ces formules de stock de sécurité sont inflationnistes – elles présentent l’avantage de différencier, à juste titre, les articles à forte ou faible variabilité. C’est mieux que ce que font un grand nombre d’entreprises : « mettez-moi un stock de 20 jours », sans prendre en compte la variabilité. 

Dans les tactiques Demand Driven, lorsqu’on dimensionne la zone rouge d’un buffer DDMRP, on adopte en principe une approche pragmatique : on regroupe les articles par catégorie de délai et catégorie de variabilité, et on établit la zone rouge en utilisant des pourcentages de sécurisation issus de l’expérience. 

Avec la fonctionnalité « Auto-Pilot » d’Intuiflow, on fait appel à des simulations avec un moteur d’intelligence artificielle, pour déterminer la zone rouge. 

Voyons un article au hasard, dont on va calculer la zone rouge avec une formule de stock de sécurité, en visant un taux de service de 99% – soit un facteur Z de 2.33 : 

The image displays a user interface with two labeled input fields related to probability and statistical factors. The Red Zone Probability Factor is set to 0.99, and the Red Zone Z Factor is displayed as 2.33. There are small information icons next to both labels, likely providing additional explanations. The input field for probability has an up/down selector for adjustment.

Nous obtenons une zone rouge de 110k unités. 

The image displays a chart with a highlighted Red Zone value of 110,270.74, shown in a tooltip. The chart includes metrics such as Net Flow (223,409.01) and Inventory (140,575.00). A green shaded area is visible, likely representing a target or acceptable range. The chart is labeled as Created by Intuiflow, Demand Driven Technologies, Inc., with a copyright notice for 2025.

Voyons un peu l’historique de demande de cet article.  .

The image displays a time series chart with a large spike significantly exceeding an Outlier Threshold line, which is shown in orange. The x-axis represents dates, spanning from 10/5/2023 to 9/9/2025, while the y-axis represents numerical values, with one extreme peak standing out among mostly low values. The chart appears to be tracking anomalies or unusual data points over time.

Ah, zut, on n’avait pas eu dans notre formule magique de stock de sécurité qu’il y avait une demande aberrante – une commande spot, qui n’a pas à être intégrée dans le dimensionnement de stock. 

Nous corrigeons cet historique de demande, la formule de stock de sécurité descend la zone rouge à 24k, c’est plus raisonnable. 

The image displays a chart with a highlighted Red Zone value of 24,149.49, shown in a tooltip. The chart includes metrics such as Net Flow (223,409.01) and On Hand Inventory (140,575.00). A green shaded area represents a target or acceptable range, similar to a previous chart. The chart is labeled Created by Intuiflow, Demand Driven Technologies, Inc., with a copyright notice for 2025.

Voyons maintenant ce que nous propose « Auto-Pilot », la fonctionnalité de dimensionnement intégrée à Intuiflow…  

The image displays a chart with a green-shaded area covering a significant portion, likely representing a target or acceptable inventory range. It includes metrics such as Net Flow (223,409.01) and On Hand Inventory (140,575.00). A yellow section is visible at the bottom, possibly indicating a critical threshold or minimum stock level. The chart is labeled Created by Intuiflow, Demand Driven Technologies, Inc., with a copyright notice for 2025.

Quoi, pas de zone rouge ???  

Ah, oui, on n’avait pas fait attention au fait qu’il y a un minimum de commande très élevé. Avec une zone verte aussi importante, en fait la zone rouge ne sert à rien… Voilà ce qui se serait passé sur l’année écoulée sans zone rouge : 

The image displays a buffered inventory chart labeled "Buffered A" with a time series from January 2024 to January 2025. It features green, yellow, and red zones, representing different inventory levels: Green Zone: 650,000 (indicating an optimal inventory range)Yellow Zone: 58,656.32 (a cautionary level)Red Zone: 1.00 (a critical threshold)On Hand Inventory: 67,568.59Net Flow: 67,568.59A purple line tracks inventory trends over time, showing significant declines. A tooltip for February 7, 2024, provides detailed inventory figures. The background includes shaded zones that visually indicate buffer thresholds.

Nous sommes passés de 110k unités dans la zone rouge, à zéro soit pour cet article une réduction de 30k€ en valeur. 

Mais tout l’enjeu sur cet article est de réduire le minimum de commande… 

Moralité de cet exemple ? 

  • Avant d’appliquer toute formule, nettoyez vos historiques, pour que la variabilité mesurée corresponde à la variabilité que vous souhaitez couvrir par du stock. 
  • Une formule scientifique à base d’écart type et de racine carrée semble rassurante… mais c’est une boîte noire. D’ailleurs, comment se fait-il que la taille de lot / le minimum de commande ne soit pas pris en compte ? 
  • Une approche classique DDMRP : familles de délais et de variabilité, et correction / optimisation au fil du temps, est une approche plus pragmatique et simple à maîtriser. 
  • L’optimisation Auto-Pilot va un cran plus loin dans l’analyse et l’automatisation maîtrisée… et peut vous permettre de limiter le cash investi dans des stocks inutiles. 

Prenez contact avec nous

Partagez cet article, choisissez votre plateforme !

Facebook
Twitter
LinkedIn

Articles récents

Inscrivez-vous à notre newsletter

Vous aimerez aussi

A 3D scatterplot with colorful spheres labeled A-G placed on a grid divided into quadrants. The spheres vary in size and are color-coded, positioned on a reflective surface.

Tragic Quadrant

Fin 2023, alors que j’assistais à une conférence consacrée à la Supply Chain organisée par un grand cabinet d’analystes, j’ai été particulièrement impressionné par une

A professional woman wearing a white blouse and blue skirt is smiling warmly and shaking hands with someone, likely in a business meeting or interview setting. The background shows an office environment with glass walls and modern furniture.

Permettre aux Ventes de vendre

Le cœur de métier des commerciaux doit être de vendre – de développer le chiffre d’affaires (profitable) de l’entreprise. Ce n’est pas le travail des