TECHNIQUE DE PREVISION DE VENTES.

Programme de cours

Séquence 1 : Généralité
Séquence 2 : Principes des prévisions
Séquence 3 : Les données économiques
Séquence 4 : L’analyse conjoncturelle
Séquence 5 : Les méthodes de séries temporelles
Séquence 6 : Les indices
Séquence 7 : Travaux pratiques

1
 Séquence 1 : Généralités

Le mot prévision n’apparait en langue française qu’au 13e siècle cad dans les années 12 cent,
crée sur le bas latin (latin de base) Pral-visio. Ce concept répond à une ambition intertemporelle
et universelle ; Avoir la capacité ou l’opportunité de « voir à l’avance » est perçu comme
l’assurance d’un pouvoir fort sur la société et son évolution, et comme l’assurance de devenir
maitre du temps.

La prévision en science sociale ne peut être réduite à la seule explication étymologique. Dans
son acception actuelle, elle consiste plutôt en la mise en forme, à la mise en perspective
d’information permettant une meilleure maitrise du futur par la construction, l’imagination,
l’analyse des futurs possibles. Il ne s’agit plus d’annoncer la réalisation d’un évènement mais
de fournir les éléments qui permettent d’être à toute évolution envisageable pour mieux
maitriser et construire l’avenir.

Cette prévision est donc indissociable de l’action qu’elle va permettre d’entreprendre avec une
plus grande certitude, avec une plus grande réactivité aux aléas préalablement identifié. La
démarche prévisionnelle, la sélection de l’information pertinente et les outils de la prévision
sont ainsi indissolublement lié à l’usage de cette prévision.

Enfin, la prévision n’existerait pas sans le passé, sans les données qu’il fournit, le diagnostic
qu’il permet par une lecture adaptée à cet objet et sur lesquels le raisonnement va se construire.
De même, le présent ne peut être compris sans une vision du futur, qui, seul, permet la sélection
des faits significativement pertinents et la lecture du présent. Cette continuité du temps, cette
imbrication conceptuelles rendent toutes exercices de prévisions particulièrement délicat, voir
subjectif. Toute la démarche rationnelle en prévision va tenter de réduire le poids de cette
subjectivité en l’expliquant. Mais la prévision ne saurait se limiter à un ensemble de technique,
elle restera malgré les avancées spectaculaires sur le plan des outils et moyen mis en œuvre, un
art.

La prévision ne peut être considérée comme une science, la tentative de définir une futurologie
(science du futur) à rapidement tourné à l’échec. A la différence de la prédiction, basée sur
révélation par nature inexplicable, la prévision essaie de s’appuyer le plus possible sur des outils
scientifique (ça n’exclut pas la sorcellerie !!!!!!!!) détournés de leur usage original à la seule
fin d’assurer une certaine reproductibilité de sa démonstration. La théorie des Graphes
(schématisation de l’évolution), l’analyse de système et l’analyse structurelle (tu crées un
modèle sur la base des observations) interviennent dans la définition du champ d’observation
et dans la présentation des mécanismes aboutissant aux résultats. Elles jouent un rôle
particulièrement important dans une prévision en rupture avec le passé.

2
L’analyse statistique et mathématique permet des ajustements des tendances à court terme
ou long terme, le traitement des séries chronologiques et la mise en œuvre des techniques
d’analyse des données. L’évaluation des processus autorégressifs (le AR … « de la
dénomination des modèles de prévisions à court terme ») connait un engouement
particulièrement important en économie malgré son origine dans le traitement du signal en
physique et son absence en soi de vertu prévisionnelle.

L’économétrie, outre l’ajustement d’équation simple ou complexe, unique ou multiple, a

permis de mettre en évidence et d’assurer le progrès de la recherche en économie et une sorte
de consensus sur les mécanismes fondamentaux. L’économétrie appliquée et la modélisation
lancée dans les années 1950 par l’estimation des petits modèles nationaux, ce sont rependu
géographiquement et thématiquement, se sont complexifié dans leur techniques d’estimation,
pour assurer une meilleure compréhension et une meilleure démonstration des phénomènes
économiques. L’économétrie traite aussi bien du court terme que du long terme. Il traite aussi
bien des secteurs industriels transnationaux que des activités au niveau régional, local ou
sectoriel, de flux ou de stocks tant physique que financier ou humain, dans des domaines aussi
divers que l’emploi, l’éducation, les marchés de produits de bases, de biens ou de services, etc.
Mais elle n’est pas toujours optimisée pour la prévision, même si l’époque des grands modèles
dont la dimension même masquait la compréhension des mécanismes mis en jeu, semble
maintenant révolue au profit de petit modèle plus adaptés aux questions posées. Dans ce cas de
prévision, cela se traduit par des modèles ou l’impact de l’erreur induite par l’estimation des
variables exogènes sera, autant que faire se peut, réduite par des processus de résolution qui
donnerons une large place à des tests de stabilité de prévision. La théorie des jeux apporte sa
formalisation à l’analyse de la stratégie des acteurs et une appréciation de l’impact, des
anticipations rationnelles, en permettant aussi de mieux expliciter et formuler l’originalité de sa
prévision dans un univers concurrentiel, et d’aider au passage à la conviction et à l’action. Elle
est au moins implicitement présente dans tout processus de prévision.
Même les développements scientifiques les plus récents jouent un rôle dans la formulation des
prévisions. La théorie du Chaos permet en particulier de comprendre la raison de
l’imprévisibilité, à une certaine échéance, de l’évolution de certains phénomènes très sensibles
aux conditions initiales. La modélisation par réseau de neurones issu de traitement de donnée
nombreuses de la physique appliquée semble pouvoir s’appliquer à la prévision en économie,
en permettant une sélection rapidement adaptative des expériences pertinentes pour une
formulation de la prévision, surtout dans le cas d’existence de forte non linéarité (c-à-d lorsque
les effets ne peuvent pas être considérés comme proportionnelle à la cause qui les engendre.).
Si aucune élaboration de prévision ne recourt à l’ensemble des outils utilisables, ne serait-ce
que pour des raisons de cout, la caractéristique d’une mauvaise prévision est bien l’usage
exclusif d’un seuil, car aucune méthode isolée ne peut servir à quelque prévision que ce soit.

❖ Notion de prévisions de ventes parfaites.

Un modèle économique est dit « à prévision parfaites » si tous les agents y prévoit correctement
cad sans faire d’erreur, ce qui va se passer pendant toute leur durée de vie. Si le modèle
comporte plus d’un agent, alors les prévisions de chacun doivent être vérifiés en ce qui concerne

3
non seulement les variables objectives tels que les prix et les quantités mais aussi le
comportement des années variables.

❖ Prévisions parfaites et anticipations rationnelles.

Lorsque les macros économistes (à commencer par les « nouveaux classiques ») ont repris à
leur compte la notion de prévision parfaites c’est dans le cadre des réflexions à propos de la
conjoncture économique. Or celle-ci comporte toujours une part de fluctuation aléatoire qui ne
peuvent donc être saisies dans le contexte strictement déterministe (qui n’est pas aléatoire) que
suppose les prévisions parfaites habituelles. D’où l’idée d’introduire des aléas dans le modèle
(par exemple les variations imprévisibles de la masse monétaire), tout en gardant des prévisions
parfaites ; Celle-ci porte alors sur les lois de probabilités qui gouvernent les variables du modèle
considéré. Les prévisions (autoréalisatrices) ne sont pas « forcement » exact « ponctuellement »
mais elles le sont en « moyenne ». L’espérance mathématique des variables anticipées doit
être égale aux valeurs réalisées de ces variables. Si les agents économiques se trompent dans
leurs prévisions, cela est due à l’existence d’aléas inévitables et non à une représentation
erronée de la société dans laquelle ils vivent.
Il y’a donc encore autocorrélation mais en (moyenne) plus précisément en espérance
mathématique, les croyances prenant ici la forme de distribution de probabilité. On appelle alors
anticipation rationnelle, les prévisions parfaites de ce type ; La « rationalité » signifiant ainsi
que tant qu’un agent fait des prévisions erronées, il cherche à les modifier jusqu’à ce qu’il n’ait
plus de raison de le faire. Toutefois, le principal argument avancé pour justifier les anticipations
rationnelles est l’argument d’équilibre : tant que ce qui est observé ne concorde pas avec ce
qui est prévu (en probabilité), il n’y a pas équilibre puisque les agents sont alors conduits à
réviser leur plan.
En un mot, la prévision en science sociale est un ensemble d’information hypothétique relatives
au futur de grandeurs économiques tels que le produit intérieur brut (PIB), le niveau moyen des
prix, le C.A, les taux d’intérêt sur un marché donné, etc.
Un tel ensemble d’information comporte généralement 03 principales composantes :
- Une série de chiffre prévue pour les principales variables macro-économiques à divers
horizons ;
- Un discours donnant un sens à ces chiffres, expliquant les hypothèses abordées pour
leur élaboration et évaluant les risques encourus si ces hypothèses ne sont pas réalisées.
- Un éclairage qui s’offre à l’utilisation de la prévision.

❖ Quelques modèles macro-économiques usuelles pour la prévision de

ventes.

- Le modèle ZOGOL : du nom de ses auteurs Philippe HERZOG et Philippe OLIVE, ce

modèle permet d’élaborer des budgets économiques

- Le modèle DECA : ce sont des modèles de comportement d’autofinancement, ils

apparaissent à une génération des modèles néo-keynésiens, il s’agit des modèles de
demande globale n’incluant pas les opérations financières.

4
 - Le modèle STAR (ou schéma théorique d’accumulation et de répartition) d’inspiration
néo-cambridgienne, il succède au modèle DECA.

- Le modèle METRIC (ou modèle économétrique trimestrielle de conjoncture),

d’inspiration néo-keynésienne, il se présente comme un modèle largement dynamique.

- Le modèle FIFI : c’est un modèle construit en vue de rechercher les réformes

structurelles susceptibles de favoriser la croissance dans un environnement de vive
concurrence internationale. C’est un modèle physico-financier de projection
économique à moyen terme élaboré par Raymond COURBIS ayant pour fondement la
théorie des « économies concurrencés »

- Le modèle DMS ou dynamique multisectorielle : c’est un modèle de l’INSEE, il s’agit

d’un cheminement sur l’ensemble de la période de projection ; C’est une analyse du
comportement des entreprises et des ménages permettant de poser les problèmes d’une
croissance ralentie. C’est un modèle macro-économique du 7e plan fournissant une
représentation particulière de l’économie française.

Séquence 2 : Les principes de la prévision

Ce chapitre a pour but d’introduire et de donner une vue d’ensemble des principaux termes
abordé dans la suite de ce cours, il est organisé autour de 3 questions à savoir : Le champ de la
révision, les phénomènes à prévoir et la manière dont sont établies telles prévisions.

Section I : Le champ de la prévision.

Les faits dont se souci le prévisionniste sont connus : La croissance, l’inflation, le chômage, les
taux d’intérêts et de change, le commerce extérieur, les finances publiques, etc.
1- Quelques rappels factuels élémentaire sur la croissance et les cycles économiques.

Les économies modernes présentent deux caractéristiques :

- Une extension continue de l’activité économique mesuré conventionnellement par
l’accroissement du PIB ;
- Un rythme de croissance assez variable dans le temps avec une alternance d’accélération
et de ralentissement, parfois des recessions.
- La succession rapprochée ou plus éloignée de phase d’accélération et de ralentissement
a conduit à l’idée d’un fonctionnement cyclique des économies.
Le terme cycle admet plusieurs acceptions :

5
 - Le cycle long de KONDRATIEFF d’une durée d’environ 50ans retrouve le passage
d’un groupe dominant de technologie à un autre (de la machine à vapeur à l’électricité,
de l’électricité au TIC, etc.)
- Le cycle de KUZNETS d’une vingtaine d’année, correspond à la période typique
d’accumulation des ressources productives par la production du capital, le
renouvellement démographique, les migrations, etc.
- Le cycle de JUGLAR d’une durée de 5 à 10 ans, il est généralement qualifié de « cycle
conjoncturel » ou encore de « cycle d’affaire » ;
- Le cycle de KITCHIN beaucoup plus court dure 2 à 4 ans, il est associé aux fluctuations
périodiques des stocks et des prix de gros

Tableau 1 : Les périodes économiques.

Nom de la période Durée de la période (en année)

Variations saisonnières 1
Cycle agricole 2
Cycle de KITCHIN 2à4
Cycle de JUGLAR 5 à 10
Cycle de construction 18
Cycle de KUZNETS 20
Cycle de KONDRATIEFF 50 à 60

Tableau 2 : Comparaison de la prévision d’AKERMAN à la progression effective

Progression géométrique Progression effective
1 1
2 2
4 3.5
8 8
16 18 à 22
32 ND (donnée non disponible)
64 50 à 60

L’interprétation de ce tableau d’AKERMAN, a conduit à dégager une sorte de loi de la

génération des cycles plus long par les cycles plus court. A cet effet, AKERMAN précise
bien : « En première approximation, on observe une progression géométrique de raison 2 ».

6
 2- Les divers horizons.

Les notions de croissance et de cycle économiques jouent un rôle structurant en termes de

prévision des ventes, les fluctuations conjoncturelles sont traditionnellement identifiées à des
développements de court terme. Symétriquement, les facteurs tendanciels qui se traduisent par
une hausse durable des niveaux d’activités sont associés à des évolutions de long terme.
Les logiques régissant ces types d’horizon étant relativement diff, il est classique de distinguer
les prévisions en fonction de leur terme. En fait, 4 horizons sont généralement mis en scène.

- Le très court terme : des dernières observations jusqu’à deux trimestres au-delà de la
date courante.

- Le court terme : de 6 mois à 2 ans

- Le moyen terme : généralement entre 2 et 5 ans, quelque fois jusqu’à 10 ans

- Le long terme : au-delà de 5 à 10 ans.

Le très court terme est le domaine qu’il est convenu de désigner par le terme « d’analyse
conjoncturelle »
Le court terme est l’horizon le plus courant dans les exercices des réguliers de prévision (il
inclut alors implicitement le très court terme. Ainsi les prévisions cumulées de manière
périodique portent typiquement sur l’année en cours et celle qui suit.
Les projections de moyen et long terme sont réalisés de manière moins fréquente mais
néanmoins régulière notamment au sein des administrations économiques et parfois pour des
grandes entreprises. (Par exemple pour évaluer un projet d’investissement).

Section 2 : les motifs de la prévision.

1- Le motif intellectuel et les besoins pratiques

Les 1ers modèles de prévision ont été construit dans le milieu du siècle dernier par les
chercheurs avec pour 1er TINBERGEN (1939) et le 2e KLEIN (1950)

La mise au point de ces modèles répondait dans leurs esprits à un double besoin, l’un d’ordre
intellectuel et l’autre de nature pratique. L’objectif intellectuel était de tester la validité
empirique des théories économique tels que la synthèse Keynésienne (Ct = cRt+Co) alors en
plein essor à l’époque.
L’objectif d’ordre pratique était de fournir une aide à la préparation des politiques économiques.

7
En particulier, il s’agissait d’éclairer les responsables politiques sur la situation conjoncturelle
ainsi que sur les moyens dont ils disposaient pour réguler le niveau global de l’activité.

2- La nature des besoins.

La demande de prévision s’explique en générale par le besoin d’une vue sur l’avenir,
préalablement à la prise de décisions. Plus précisément dans le domaine économique, elle nait
de deux contraintes élémentaires :
- Les retards : l’économie met en jeu des liaisons complexes qui font que les actions
initiées aujourd’hui ne produiront leurs effets qu’après un certain délais ;
- L’incertitude : le futur est par nature incertain, les prévisions n’ont certes pas pour
vocation d’éliminer les aléas mais permettent d’en éclairer la nature afin de mieux les
gérer.
3- Les conséquences des prévisions.

Les prévisions affectent les conduites des agents de deux manières non exclusives :
- L’adaptation : l’objectif est dans ce cas de saisir une opportunité ou de se prémunir de
conséquences fâcheuses dont la prévision même, qu’elle soit plus ou moins
vraisemblables.

- L’action sur le phénomène prévu : c’est le cas où l’agent à le moyen d’influer sur ce
qui est prévu. Les autorités économiques (gouvernement, banque centrale) se trouvent
dans cette situation relativement à l’environnement macro-économique.

4- Perspective de l’économie à court terme.

Les organismes de prévisions consacrent en pratique beaucoup de ressources aux prévisions

de court terme et de très court terme alors que, les projections à moyen et long terme ne sont
réalisés que de temps en temps et reçoivent plutôt moins de publicité.
En fait, l’évaluation des perspectives à court terme jouent un rôle crucial dans la préparation
les politiques économiques. Ceci vaut en particulier pour les politiques budgétaire et
monétaire.
Les prévisions notamment de prendre en compte l’environnement économique lors du
cadrage budgétaire et sont un des éléments d’une bonne régulation macro-économique.

Section 3 : Les méthodes de prévision

La prévision en science sociale fait appel à un ensemble de méthode assez diverses, chaque
approche repose sur un jeu particulier d’hypothèse théorique ou statistiques et chacune présente
à la fois des avantages et des faiblesses.

8
 1- Les observations des faits.
La prévision s’appuie toujours sur une compréhension des évolutions passées, c’est pourquoi
elle est précédée d’une phase d’observation qui est à la fois mesure et interprétation des faits.
Le diagnostic conjoncturel qui porte sur le passé proche et le futur immédiat exige avant tout
une synthèse lucide des diverses données.

2- Les différentes approches.

Les méthodes quantitatives mobilisables pour la prévision des grandeurs économiques
peuvent être schématiquement rangées en 04 catégories :

2-1- Les méthodes subjectives

Elles se fondent exclusivement sur le bon sens, sur l’intuition ou sur l’expérience du
prévisionniste sans faire intervenir de modèles explicites.

2-2- Les approches par indicateurs.

Ce type d’approche consiste à utiliser les indicateurs disponibles avec un temps d’avance par
rapport aux variables prévues afin d’anticiper les évolutions probables de celle-ci. La plupart
des indicateurs employés provient d’enquête de conjonctures (enquête sur les interventions
d’investissement par exemple) ou des données administratives.

2-3- Les modèles de séries temporelle.

Le principe est de faire reposer les prévisions sur les seules propriétés statistiques des séries
considérées sans chercher à les interpréter ou à mettre en évidence les liens de causalité entre
les grandeurs. Cette méthode se divise elle-même en deux catégories :
- Les méthodes univariés où la révision d’une grandeur se fonde essentiellement sur les
valeurs passées de celle-ci.
- Les méthodes multivariées qui consistent à prévoir conjointement un groupe de variable
à partir de la connaissance passée de toutes les variables du groupe.

2-4- Les modélisations structurelles.

Elles se distinguent par le fait qu’on cherche ici à expliquer en même temps que l’on prévoit,
les modélisations structurelles mettent en scène des modélisations causales entre les grandeurs
et introduisent une distinction entre les variables endogènes (variables expliquée) et les
variables exogènes (variables explicatives). La prévision ici consiste à prévoir les valeurs que
prendront les grandeurs endogènes à partir d’hypothèses faite en dehors du modèle, sur
l’évolution des grandeurs exogènes.

9
 Séquence 3 : Les données économiques.

Le prévisionniste comme tout économiste financier ou marketiste doit travailler sur une
représentation du fonctionnement de l’activité humaine et utilise pour se faire les données,
celles-ci doivent s’inscrire dans un cadre structuré et cohérent, véritable langage de la
communauté des prévisionnistes.

Section 1 : Le cadre structuré de la comptabilité nationale.

1- L’émergence d’un cadre de représentation de l’économie.

Le cadre de représentation de l’activité économique fourni par la comptabilité nationale, s’est

progressivement mise en place dans l’histoire de nos sociétés.
Par-delà des siècles, les autorités ont eu pour préoccupation de mesurer la création des richesses
dans leur pays mais ce n’est qu’avec le développement de la théorie économique classique que
deux idées fortes vont s’imposer :
- La production est considérée comme la variable économique centrale : elle mesure un
flux des créations de richesse une valeur ajoutée ou encore une plus-value et non plus
un stock ou une addition de fortune.
- Le revenu global tiré de cette production : elle connait une circulation entre les agents ;
L’idée se fait jour d’un tableau économique d’ensemble (T.E.E)

2- La représentation de l’économie dans la comptabilité nationale.

La comptabilité nationale est une représentation ou une construction intellectuelle visant à

représenter l’économie d’un pays de façon rigoureuse et relativement complète. Elle ordonne
et met en cohérence des informations d’origine variée.

2-1- Les trois décompositions du PIB.

Le PIB peut être décomposé de 3 façons :

- Coté produits (ou ressources), on a :

PIB = ∑ Va + Impôts direct sur les π – subvention sur les π

10
 - Coté dépense (ou emploi), on a :

PIB = Dépense de conso finale + FBC + (X – M).

NB : Si la balance excédentaire on s’appauvrit, si la balance déficitaire on s’enrichit.

- Coté des revenus, on a :

PIB= Rémunération des salariés + EBE+ impôts nets

des subventions sur la production et les M

Annotations : VA= Valeur ajoutée ; FBC= formation brute de capital ; X= exportation ; M=

importation ; EBE = excédent brut d’exploitation ; (X-M) = balance commerciale ; π= produit

2-2- Les secteurs institutionnel de la comptabilité nationale.

Les operateurs économiques se déclinent par groupes d’agent appelé secteurs institutionnels,
ces derniers sont les suivants :
- Les ménages : il s’agit d’individus ou groupe d’individus qui ont une fonction de conso
ainsi que des entrepreneurs individuels produisant des biens et services marchand ;

- Les sociétés non-financières : dont la fonction est de produire des bines et des services
non-financiers, elle dégage une VA dont sont retranché les couts de production
notamment les salaires versés pour donner le véritable revenu de la société ;

- Les sociétés financières : qui ont un rôle d’intermédiation entre les agents qui prêtent
et qui ont donc une capacité de financement et ce qui emprunte qui ont un besoin de
financement ;

- Les administrations publiques : ont pour charge la production de services non-

marchand et la réalisation des transferts entre les agents ;

- Les institutions sans but lucratifs : au service des ménages, ce sont des
administrations privées cad les unités privées dotés de la personnalité juridique, par
exemple les associations qui produisent des biens non marchands au service des
ménages ;

- Le reste du monde : il regroupe les autorités économiques non-résidentes. Les

opérations sur les biens et services entre celui-ci et l’économie nationales sont retracées
dans le compte des opérations courantes.

2-3- Les tableaux de représentation de l’économie.

11
 - Tableau des entrées-sorties (TES) : Il résume une subdivision donnée de l’économie
en plusieurs branches et groupe de produits, la mise à disposition des ressources
(production, importations) ;

- Tableau des entrées intermédiaires (TEI) : Décrivant les relations entre les branches
et les équilibre emploi-ressource mettant en regard l’offre d’un groupe de produit et ses
emplois. Ces équilibre emploi-ressource se vérifient en valeur (prix courant) et en
volume notamment pour des prix figés à ceux d’une année de référence ou année de
base.

- Tableau économique d’ensemble (TEE) : représente la synthèse des comptes des

secteurs institutionnels. Par convention comptables, ces divers comptes sont présentés
avec écriture en partie double cad de façon équilibrée pour chaque agent : ainsi, le solde
du compte des revenus est équilibré par la variation du besoin de financement que l’on
retrouve dans le compte financier d’un agent, qui décrit les variations de ses actifs et
celle de ses passifs.

Section 2 : Les comptes trimestriels

Les économistes éprouvent la nécessité de disposer d’un cadre comptable cohérent pour
appréhender la situation économique sur une base infra annuelle notamment pour répondre aux
besoins des diagnostics conjoncturelles et effectuer des prévisions de court terme, cette synthèse
(compte trimestriel) s’est donc progressivement développer, son degré de représentation
s’enrichissant au fil des années.
1. La synthèse de l’activité récente.
De façon générale, les comptes trimestriels fournissent une synthèse cohérente et assez rapide
des évolutions économiques au cours du passé proche (généralement ils sont publiés dans les
trois mois suivant un trimestre.

2. Les méthodes d’élaboration des comptes trimestriels : étalonnage et calage

Cette procédure dite aussi de benchmarking (qui consiste à étudier et analyser les techniques de
gestion, les modes d’organisation et les résultats des autres entreprises afin d’en faire ressortir
les bonnes pratiques) recouvre deux préoccupations différentes : la première est de construire
des données trimestrielles par interpolation des données annuelles dont on considère que la
qualité statistique est plus élevé ; la seconde est d’anticiper les données trimestriels quand les
données annuels ne sont pas encore disponibles.

12
 Section 3 : les difficultés techniques
Malgré le cadre cohérent fourni par la comptabilité nationale, le prévisionniste se heurte à un
certain nombre des problèmes pratiques pour représenter l’activité économique. Ces problèmes
recouvrent notamment les difficultés de l’observation statistique elle-même, l’hétérogénéité des
ressources disponibles, les difficultés de dissocier les évolutions nominales et réelles.

1. L’hétérogénéité des données

La représentation de l’activité économique confine souvent à la sédimentation d’information
disparates dès lors même si elles sont disponibles ces données sont extrêmement délicates à
appréhender dans un diagnostic cohérent.

2. L’élargissement du champ de la prévision

De plus en plus, le prévisionniste prend en considération des données économiques allant au-
delà de celles synthétiser dans la cadre stricte de la comptabilité nationale, deux facteurs
principaux participent à ce mouvement :
- La mondialisation : les agrégats internationaux (échanges commerciaux, fuites des
capitaux, change et terme de l’échange, bourse te grandeur financière) doivent de plus en plus
être prisent en considération par le prévisionniste ;
- Les indicateurs pertinents pour le secteur privé : marchés financiers et entreprises
sont des variables financières et micro-économiques dont l’intégration avec l’aspect réel macro-
économique est délicate ; les indicateurs budgétaires sont de plus en plus complexes et
nombreux avec l’extension des activités publiques
- Les difficultés du partage volume-prix : sont nées de la déformation du prix relatif au
niveau agrégé de la comptabilité nationale. La méthode même de l’agrégation des biens apparait
crucial dans la détermination du partage volume prix et donc dans la mesure des évolutions en
volume.

Section 4 : Les difficultés conceptuelles.

Le cadre de référence fournit par la comptabilité nationale comporte des avantages indéniables,
il n’en demeure pas moins que la représentation de l’activité économique qui l’autorise présent
des redoutables problèmes conceptuels à savoir :
- La rigueur des conventions sous-jacentes dont l’importance est souvent négligée.

- La représentation en termes de flux (c’est lorsqu’une observation se rapporte à une

période) car la comptabilité nationale appréhende moins aisément les variables de stock.

13
 - La mesure des évolutions des prix (et donc des volumes) qui peut s’avérer difficile.

- La vision partielle de l’activité humaine et du bien-être.

Séquence 4 : L’analyse conjoncturelle.

L’analyse conjoncturelle vise à rendre compte des évolutions économiques récentes afin de
pouvoir appréhender l’activité à une horizon de court terme, de l’ordre de quelque trimestre. A
ce titre, elle constitue un exercice de prévision à part entière, celui-ci s’est progressivement
développer au cours de 20e siècle en raison notamment des préoccupations de type keynésien
qui mettait en exergue la nécessité d’analyser les cycles économiques.

Section 1 : La nature du cycle économique

1- L’appréhension des inflexions.

La demande d’information économique s’est fortement accrue sur les années récentes ; Tout
particulièrement de la part des agents privé, cela résulte en premier lieu du développement des
marchés financer qui scrutes en temps réel la situation économique et son influence sur les
policy-makers (activité destinée à réduire la vulnérabilité de l’entreprise aux impacts du
changement politico-économique en maintenant ou en augmentant sa capacité d’adaptation.).
Parallèlement, les chefs d’entreprises pilotent de plus en plus leurs activité (comportement
d’investissement de stockage ou d’embauche aux vues des évolutions conjoncturelles).

2- Une amorce pour les autres exercices de prévision.

En analysant correctement le passé récent, le diagnostic conjoncturel constitue une opportunité

pour diminuer l’incertitude entourant toute prévision.
❖ Le jeu des acquis : les conjoncturistes raisonnent souvent en termes d’« acquis »
de croissance ; ce qui permet de prendre bien en compte le profil récent des
agrégats économiques pour appréhender leur variations annuelle. Au premier
ordre, l’annuelle d’une année « N » est en effet la somme des taux de croissance
trimestriel pondéré par des coefficients diffèrent fortement.

▪ 1 pour le 1er trimestre de l’année « N »

▪ ¾ pour le 2e trimestre de l’année « N » et pour le 4e trimestre de l’année
qui précède cad l’année « N-1 »
▪ ½ pour le 3e trimestre de l’année « N » et pour le 3e trimestre de l’année
précédente « N-1 ».
▪ ¼ pour le 4e trimestre de l’année « N » et pour le 2e trimestre de l’année
précédente « N-1 ».

14
 Section 2 : La collecte de l’information.

Le conjoncturiste a d’abord pour tache de collecter des informations les plus réelles avant de
les interpréter, d’en effectuer la synthèse et d’élaborer son diagnostic en extrapolant l’évolution
des indicateurs ou au moins en mesurant leur influence sur les activités futures.
1- La diversité des variables requises.

De façon schématique, on peut estimer que les informations les plus importantes se répartissent
en 05 domaines : les variables de prix, l’offre, l’environnement international, la politique
économique, le comportement des agents privés (les ménages et les…)
Ses indicateurs seront analysés avec les outils classiques de la statistique descriptive :
- La moyenne arithmétique
- La médiane
- L’écart type
- Le coefficient d’asymétrie
- Le Kurtosio ou coefficient d’aplatissement
- La valeur nominale ou prix courant (qui ne tient pas compte de l’inflation)
- La valeur en volume ou prix d’une année de base (qui tient compte de l’inflation)
- L’indice de prix à la consommation
- Etc.

2- L’environnement international.

Les données sur l’environnement international sont relativement indisponibles, le

prévisionniste ayant besoin de prendre en compte :
- La demande mondiale adressée à son pays donc les importations de ses partenaires ;
- L’évolution de sa compétitivité donc l’évolution relative des changes et des prix ou cout
des pays partenaires ;
- Enfin, les variables de l’environnement financier : prix des matières premières
notamment du pétrole, cours des principales bourses de valeurs et l’évolution des taux
d’intérêt des grands pays de référence comme les USA mais aussi de quelque pays
émergent comme la Chine.
3- La politique économique : Sphère budgétaire, variables monétaire et financière.

En règle générale, les données de la sphère budgétaire sont multiples et sont produites par les
administrations dans le cadre de leur mission traditionnelle (impôts par type, dépenses
courantes, subventions, transfert, dépense d’investissement, etc.).
Toutefois, ces statistiques peuvent s’avérer trop nombreuses et leurs synthèses fastidieuses. A
l’inverse, le suivi des variables financières (Taux d’intérêt, évolution boursière, change, etc.)
est relativement aisé en ce qui concerne la disponibilité des données, cela est aussi le cas des
agrégats monétaires au sens étroits souvent appelée :

15
M1 = comme circulation fudiciaire (ou monnaie fudiciaire, ex : billet de banque, pièces de
monnaie)
M2 = dépôts à vue ou élargie à la quasi-monnaie (Ex : Les placements, la cryptomonnaie,)
comprenant notamment les dépôts à terme. (Ex : la lettre de change, les chèques)

4- Les variables de prix et de tension.

Les données de prix sont relativement disponibles pour certains agrégats ; la plupart des pays
industrialisé mesurant de façon régulière souvent mensuellement l’évolution des prix de détails,
des prix de gros ou des prix de production.

Les variables de tensions (évolution des marges, taux d’utilisation des capacités de production,
taux de chômage, offre d’emploi, écart d’activité, etc.) permettent parallèlement de mesurer les
interactions entre l’offre et la demande.

Section 3 : les enquêtes de conjonctures.

L’enquête est la méthode de recueil de l’information visant à poser des questions plus ou moins
nombreuses et plus ou moins formalisé à un certain nombre de personne constituant soit
l’ensemble d’une population (dans le cas d’un recensement, soit plus fréquemment un
échantillon extrait de cette population en utilisant un média de recueil des informations : contact
direct avec l’enquêteur, voix postale, téléphone, voix télématique.

Les méthodes de sondages, sont des techniques de sélection des échantillons. Les panels quant
à eux sont des échantillons permanent des ménages ou des individus au sens statistiques du
terme (il peut donc s’agir des magasins qui sont interrogés régulièrement sur leur comportement
ou leurs opinions.

1- La nature des enquêtes de conjoncture.

Les enquêtes de conjonctures sont des enquêtes menées auprès des agents économiques qui sont
questionnés sur la situation en cours, soit d’un point de vue générale (par exemple les
perspectives d’activités d’un pays) ou au contraire personnel (par exemple les perspectives
d’activités pour une entreprise interrogé).
Souvent, les réponses sont qualitatives ; elle donne aussi lieu parfois à des indicateurs chiffrés
sur certains aspect du comportement des agents économiques interrogés. Les questions des
enquêtes de conjoncture sont essentiellement de nature qualitative. Le plus souvent, la personne
interrogée devra choisir entre trois modalités : activité en hausses-stables- ou en baisse ; ou
encore, stock jugé élevé-normaux- ou faibles, etc.

16
Ces enquêtes de conjonctures se caractérises par leur rapidité d’exécution permise par la
petitesse de l’échantillon interrogé.

2- La lecture des enquêtes de conjonctures.

Elle est au premier abord, ardue, puisqu’on dispose de l’ensemble des modalités de réponse des
entreprises interrogées, soit une grande masse d’information. Ainsi, si les questions formulées
ont 03 modalités (en hausse, baisse ou stagnation,) le conjoncturiste peut être tenté de suivre
trois variables parallèlement, en fait, c’est en règle générale, le seul solde des opinions qui est
analysé. Celui-ci est calculée comme la différence entre les pourcentages d’entreprise ayant
répondues aux deux modalités extraites de l’enquête.
Ainsi, si on interroge des entreprises sur l’évolution passé de leurs activité (en hausse, en baisse
ou stable), on suivra le pourcentage d’entre elles ayant répondue en hausse moins celui de celle
ayant répondues en baisse.
Enfin, lorsque les réponses ne sont plus qualitatives mais quantitatives (cas le plus rare), la
lecture apparait le plus simple puisqu’il suffit de faire la moyenne (pondérée) des données
renseignées par les entreprises (par exemple leur carnet de commande en mois de production).

3- L’apport des enquêtes de conjonctures.

Les principales études montrent que les enquêtes de conjonctures présentent d’excellente
indication dans l’industrie essentiellement pour les questions personnelles. Les résultats
semblent en moyenne de qualité sensiblement inférieures pour les enquêtes dans le commerce.
Les questions générales sur le climat économique, celles sur l’investissement et celles sur les
ménages apportent plus d’informations approximatives avec des différences notables selon les
pays. Au total, les enquêtes de conjonctures ont l’intérêts de permettre une vision relativement
rapide et fiables de conjoncture récente (au cours des derniers mois).
En prévision, sur un horizon de quelque mois, les enquêtes de conjonctures apportent d’assez
bon résultat car elles donnent l’information la plus précoces sur les tendances de court terme.

Section 4 : Les outils du conjoncturiste.

Le conjoncturiste dispose d’une véritable boite à outils pour transformer l’information

économique et mieux l’interpréter. Il peut être amenée à :
- Corriger les données brutes ;
- Effectuer les décompositions entre tendances et cycles ;
- Elaborer des indicateurs synthétiques rendant compte de la situation conjoncturelle
globale ;
- Construire des indicateurs de retournement de l’activité

17
 - Procéder à des techniques dites d’étalonnage ;

1- La construction des données brutes.

1-1- Le lissage des irrégularités.

En cas d’irrégularité particulièrement évidente (d’un point « aberrant » pour ne pas dire
bizarre), la solution adoptée est souvent sa suppression pure et simple, mais ce cas extrême est
relativement rare. La technique qui s’offre d’abord aux conjoncturistes consiste à opérer au
lissage des données dont il dispose au moyen de simple moyennes mobiles.
Pour une variable Xt, cette moyenne

MMp (Xt) = Xt + Xt-1 + Xt+1 + Xt-2 + Xt+2 … + Xt-k + Xt+k

P

Où P = 2k+1, P étant le nombre de période sur lequel le calcul est effectué, choisit en fonction
de la volatilité de la série et du degré de sondage souhaité.

De même, le lissage peut s’opérer en pondérant différemment les périodes entre elles et en
veillant à diviser ces poids par leur somme total de manière à bien faire une moyenne de la
variable considérée.
A titre d’exemple, une moyenne mobile avec pondérations non constantes sur 05 périodes de la
variables Xt peut s’écrire :

MM5 = 3Xt + 2(Xt-1 + Xt+1) + (Xt-2 + Xt+2)

9

1-2- La désaisonnalisation.
La désaisonnalisation d’une série Xt revient à la décomposer comme le produit de plusieurs
composantes à savoir :
- La composante irrégulière ou imprévisible It, le coefficient saisonnier St et la série
tendancielle Tt.
Soit : Xt = It x St x Tt

18
Le coefficient saisonnier doit être suffisamment stable au cours du temps il sera égale à 1 s’il
n’y a pas d’effet saisonnier.
Il convient de préciser que la série ajustée ou corrigée des variations saisonnière est :
CVS = Xt = It x Tt
St
Elle comprend l’irrégulier et la tendance et ne sera pas forcément lisse si l’irrégulier est grand.

2- Les indicateurs synthétiques.

2-1- Les indicateurs de confiance.

Les indicateurs de confiance sont calculés à partir des enquêtes de conjoncture, donc ils sont en
fait des agrégations composites (en solde agrégé, ils sont centrés autour de 0 en France et autour
de 50 aux USA).
Ainsi, la confiance des entreprise européennes par exemples est calculée comme la moyenne
des soldes de réponse aux questions sur les perspectives de production, sur les carnets de
commande et sur les stocks. La confiance des ménages constitue la synthèse de leurs
appréciations sur leur situations financières (passés ou futur) et enfin sur leurs prévisions
d’achats des biens durables.

2-2- Le rôle des variables financières.

Trois types des variables financières sont habituellement retenue pour synthétiser la situation
conjoncturelle :
- Le plus ancien est le cours des actions qui es sensé refléter la somme actualiser des
dividendes futurs et donc les perspectives de croissance ;
- Les « spreads » ou écart de taux à maturité identique entre les obligations privées et
publiques qui fournissent les indications du même ordre ;
- La pente de la courbe des taux (cad l’écart entre les taux à long terme et les taux à court
terme), qui si elle baisse, est sensé préfigurer une évolution défavorable de l’activité
économique ;

2-3- L’analyse factorielle

On distingue l’analyse en composante principale (ACP), l’analyse factorielle discriminante
(AFD) et l’analyse factorielle des correspondances (AFC)
L’analyse factorielle recherche la correspondance des facteurs commune ou étudié, facteurs qui
auront un pouvoir explicatif plus ou moins fort, chaque variable pourra s’exprimer comme une
combinaison linéaire de ces facteurs commun et d’un composant spécifique, non corrélé avec
ces facteurs.

19
En pratique, la recherche d’une composante commune s’écrit :
Xti = ai x Ct + 𝜺t

Avec Xti, la ième série observée et 𝜺t, un bruit blanc et Ct, le facteur commun.

Le facteur Ct n’a à priori de forme particulière. Doz et Lenglart (1995, 1999) propose à ce
sujet une structure dite ARIMA qui se présente comme suit :

Ct = aCt-1 + bCt-2 + 𝜺t Où 𝜺t est un bruit blanc.

3- Les techniques d’étalonnage.

3-1- La démarche d’ensemble.

Les enquêtes de conjoncture constituent l’information économique la plus précoce mais les
indicateurs fournis sont qualitatifs alors que le conjoncturiste veut pouvoir quantifier les
évolutions à venir. Pour y remédier, les techniques d’étalonnage vient à mettre en relation d’un
point de vue économique, les résultats qualitatifs des enquêtes et les grandeurs économiques
qui pourront aussi être extrapolés.
En général, ces relations sont estimées de façon isolé et équation par équation, mais il est aussi
possible de construire un modèle plus complet : par exemple, le modèle BUSY de la
commission européenne se base depuis 1982 sur les données d’enquêtes de conjoncture.

3-2- Les préparatifs.

Le conjoncturiste choisit les données d’enquêtes qualitatives comme variable explicative des
futures estimations. En pratique, le conjoncturiste retiendra l’évolution des soldes d’opinion
tout comme leur variation (notamment lors des périodes de retournement). Ces soldes
d’opinions, du fait de leur caractères bornés, ont tendance à se stabiliser au point extrême de
l’activité.

3-3- La formulation d’ensemble.

En pratique, les ajustements opérés ont souvent les spécifications suivantes :
∆ln (ENt) = ∑aiEXt+1-i + bi ∆ln (ENt-i) + c
i ≥1

EXt = la variable exogène (solde d’opinions à priori en avance)

20
ENt = La variable endogène
∆ln (ENt) = taux de croissance de la période en cours de la variable endogène au 1er ordre.
∆ln (ENt-i) = taux de croissance de la variable endogène durant la ième période.
ai, bi, et c sont des paramètres (qui peuvent être nuls).
c = « pied tendanciel » des comportements de réponses des personnes interrogées et i = 1, 2 …
sont les retards intégrés dans la formulation.

Par rapport à cette formulation générale, plusieurs modifications peuvent intervenir en

pratique :
- Certains coefficients seront rejetés sur des bases très pragmatiques comme leur stabilité
dans le temps qui apparait primordial ;
- L’étalonnage ne peut pas prendre en compte comme variable explicative le taux de
croissance décalé de la variable endogène ;
- A l’inverse, il est possible d’enrichir la spécification en y incluant d’autres variables
explicatives ;
- Selon la significativité des variables expliquées dans l’équation, on peut faire apparaitre
la variables exogène (solde d’opinion) en variation et ou en niveau ;
A priori, le facteur le plus important pour expliquer la croissance de la variable endogène
est la variation du solde d’opinion notamment en période de retournement.

Séquence 5 : Les méthodes des séries temporelles.

Section 1 : Généralités
On appelle série chronologique ou chronique, une suite d’observation chiffrée et ordonnée dans
le temps.
Exemple : la production cacaoyère au Cameroun en 1984 :
Y1 = 80 000 tonnes au (1er trimestre)
Y2 = 90 000 tonnes au (2e trimestre)
Y3 = 100 000 tonnes au (3e trimestre)
Y4 = 65 000 tonnes (4e trimestre)
On distingue 02 types de séries chronologiques : les flux et les stocks.
Une chronique s’appellera stock ou série de niveau dans le cas où chaque observation se
rapporte à une date précise.
Exemple : Dans un pays, observons le nombre de naissance en centaine par jour pendant le
mois de Novembre 2022.

21
 Dates Nombre de naissance
01/11/2022 50
02/11/2022 75
03/11/2022 60
04/11/2022 25
05/11/2022 125

Graphique 1 : Nombre de naissances par jour

Nombre de naissance
140

120

100

80

60

40

20

0
01/11/2022 02/11/2022 03/11/2022 04/11/2022 05/11/2022

Nombre de naissance

Une série chronologique portera le nom de flux si chaque observation se rapporte à une
période.
Exemple : le CA hebdomadaire d’un magasin.

1ere semaine 50 000

2e semaine 75 000
3e semaine 125 000
4e semaine 250 000
5e semaine 45 000

Graphique 2 : Chiffre d’affaires d’un magasin

22
 Chiffre d'affaire
300 000

250 000

200 000

150 000

100 000

50 000

0
1ere semaine 2e semaine 3e semaine 4e semaine 5e semaine

Chiffre d'affaire

• Divers mouvements d’une chronique

- 1er mouvement : Le trend ou mouvement ou longue durée

23
 Il correspond à l’évolution générale d’un phénomène observé au cours d’une période
donnée.
- 2e mouvement : Le mouvement cyclique

Il se traduit par une auxiliation autour de la courbe générale.

- 3e mouvement : le mouvement saisonnier ou conjoncturelle

- 4e mouvement : Les variations accidentelles

Il s’agit en général des mouvements de faible amplitude, mais qui ont la particularité d’être
imprévisible.

Section 2 : Analyse des chroniques : recherche du trend ou mouvement de longue durée.

1- La méthode graphique

24
Une tendance à la hausse indiquerait une bonne évolution de la variable étudiée et une tendance
à la baisse impliquerait un échec (chiffre d’affaires par exemple).

2- La méthode des point médians.

y1 = 10 ; y2 = 20 ; y2 = 20 ; y3 = 15 ; y4 = 30 ; y5 = 20 ; y6 = 40 ; y7 = 32 ; y8 = 50

Série 1
60

50

40

30

20

10

0
t1 t2 t3 t4 t1 t2 t3 t4

Série 1

Procédé : on projette parallèlement à l’axe des Y sur la courbe formée par les minimas et vice-
versa. On prend ensuite les milieux des points et leurs images respectives, ces milieux formes
le trend.
3- La méthode des moyens mobiles.

t t1 t2 t3 t4 t5 t6 … tn
y(t) y1 y2 y3 y4 y5 y6 … yn
y’(t) y(1) y(2) y(3) y(4) y(5) …

Par exemple, calculons les moyennes mobiles sur 03 termes cad en prenant le pas k = 3, on a :

25
 4- La méthode des moyens échelonnées.
Ici il n’y a pas de répétition des termes, en reprenant l’exemple précèdent les moyennes
échelonnées sont données par les valeurs suivantes :
y’’(1) = y1 + y2 + y3
3
y’’(2) = y4 + y5 + y6
3
y’’(3) = y7 + y8 + y9
3
Exemple : Déterminons par la méthode des moyennes mobiles et des trend échelonnées les
trends suivants
t 1 2 3 4 5 6 7 8 9 10
y (t) 11 5 4 2 3 1 2 3 6 11

Solutions : le calcul respectif des moyennes mobiles (rouge) et des moyennes échelonnées
(vert) sont consignées dans le tableau ci-dessous :
t 1 2 3 4 5 6 7 8 9 10
y (t) 11 5 4 2 3 1 2 3 6 11
y’’ / 6.667 3.667 3 2 2 2 6.667 3.667 /
/ 6.667 / / 2 / / 3.667 / /

Les différents trends obtenus respectivement par les méthodes des moyennes mobiles et des
moyennes échelonnées sont consignées dans le graphique ci-dessous :

26
 5- Le lissage exponentiel.

Comme nous venons de le voir, l’une des façons les plus simple de procéder au lissage des
séries temporelles, est de considérer une nouvelle série que l’on obtient par l’application des
moyennes mobiles.
On peut noter que lors d’un lissage, la série sera d’autant plus lisser que le nombre de période
T est grand.
Il apparait que lorsqu’on calcul les moyennes mobiles, on accorde le même poids aux éléments
de la somme or en réalité il serait plus raisonnable d’accorder plus de poids au termes récent de
la somme. Il en résulte un procédé de lissage inférentiel à partir du modèle. On peut donc avoir
par exemple :

Il s’agit en fait, de générer une nouvelle série à partir de la série initiale dès lors que l’on se
donne une valeur pour alpha.

Si on a :

Il devient :

Et :

Nb : si alpha tend vers 1, y slash de t et Y de t sont proche. Il s’en suit que la série y slash est
d’autant plus lissé que alpha est petit.
Il se pourrait que on désire procéder à un lissage encore plus profond d’une série donnée sans
toute fois donner trop de poids aux données passées.
Dans ce cas, l’exploitation de l’équation encadré ci-dessus avec une valeur très petite de alpha
(alpha = 0.1) par exemple serait inexplicable (car ça donnera un poids très faible aux évènement
récent)

27
Dans ces conditions, il conviendrait d’appliquer un double lissage exponentiel ; comme le dit
son nom, cela reviendrait à appliquer une deuxième fois l’opération de lissage en considérant
cette fois-ci la série constituée par les y slash :
IMAGE
Ce qui nous donnera la série suivante :
IMAGE

Ainsi on obtiendrait une série profondément lissée malgré le fait d’avoir utilisé une valeur de
alpha plus grande.
Nb : il importe de noter les données de lissage que nous venons d’examiner peuvent être utiliser
pour effectuer des prévisions dites adaptatives.
Supposons que nous travaillons avec une série temporelle constituée de données mensuelle, un
modèle de moyenne mobile peut être donné par :

yt = f(t) = 1/12 (yt-1 + yt-2 + … + yt-12)

Dans ce cas, une prévision effectuée au mois t pour le mois t+1 sera la suivante :
IMAGE

Si pour des raisons évidentes on voudrait accorder plus d’importance aux données plus récentes
de la série, on effectuera des prévisions sur la base du modèle des moyennes mobiles avec
lissage exponentiel donnée par :
IMAGE
En générale :

On note que :
- Lorsque alpha = 1, on obtient

- Lorsque alpha devient de plus en plus petit, cela veut dire que nous accordons de plus
en plus d’importance aux observations éloignées de yt dans le passé par prévision
adaptative, on sous-entend le fait que ces prévisions s’ajustent automatiquement au

28
 comportement les plus récents de la variable étudiée. Il va sans dire que les modèles de
moyenne mobiles étudiées ci-dessus constitue une autre classe de modèle déterministe.

6- L’ajustement linéaire
6-1- La méthode des moyennes partielles

Considérons une série donnée :

t t1 t2 t3 t4 t5 t6 t7
yt y1 y2 y3 y4 y5 y6 y7

𝟏
𝐭 𝟐 = 𝟑 = (𝐭 𝟓 + 𝐭 𝟔 + 𝐭 𝟕 )
Soit : et 𝐌𝟐 = { 𝟏
𝐲̅𝟐 = 𝟑 (𝐲𝟓 + 𝐲𝟔 + 𝐲𝟕 )

L’idée est de déterminer le droit delta d’équation : , de

coordonnée :

Pour trouver le coef directeur a et l’ordonnée à l’origine b de la droite Δ on doit tout

simplement résoudre :

Si on ajoute une colonne à la distribution, elle devient paire comme ci-dessous :

t t1 t2 t3 t4 t5 t6 t7 t8
yt y1 y2 y3 y4 y5 y6 y7 y8

Avec

Et

29
 6-2- La méthode de Mayer.

Elle est identique à la méthode précédente, lorsque le nombre d’observation est paire, la
différence s’opère lorsque le nombre d’observation est impaire.

Pour le cas précédent où n=7, on a :

6-3- La méthode des moindres carrés ordinaire (MCO)

Considérons la série ci-dessous :
t t1 t2 t3 t4 t5 t6 … tn
yt y1 y2 y3 y4 y5 y6 … yn

La méthode des MCO indique le trend de l’équation y = at+b qui a pour coef directeur :

𝑪𝒐𝒗(𝒚𝒕 , 𝒕) ∑𝑻𝒕=𝟏 𝒚𝒕 . 𝒕 − 𝒏𝒚
̅. 𝒕̅
𝒂= = 𝑻
𝑽𝒂𝒓 (𝒕) ∑𝒕=𝟏 𝒕𝟐 − 𝒏𝒕̅𝟐

̅ − 𝒂𝒕̅
𝒃= 𝒚

6-4- L’ajustement exponentiel.

Considérons un mouvement exponentiel définit par l’équation suivante :
Y(t) = y0 (1 + r)t
En composant cette équation par la fonction (Log ou Ln) : Log (yt) = Log (y0) + t Log(1+r)
En posant : B= Log(y0) ; A = Log (1+r) et yt = Log yt
On obtient une équation linéaire yt = B + tA = At + B dont la tendance peut être simplement
déterminer à l’aide des méthodes d’ajustement linéaire.

30
 Section 3 : la désaisonnalisation
On s’intéresse aux variations saisonnières affectant des observations d’une chronique dans le
but de les éliminer de façon à pouvoir comparer des observations successives et de faire des
prévisions.
3-1- Mise en évidence des variations saisonnières.

Considérons les séries annuelles suivantes :

Années Jan Fév Mars Avr Mai Juin Juillet Aout Sept Oct Nov Déc
Mois
1973 180 194 196 178 157 142 120 110 110 114 117 121
1974 123 134 130 120 114 102 92 90 94 104 119 130
1975 139 156 158 153 142 133 122 119 123 136 147 156

La représentation graphique de cette série annuelle est la suivante :

1973 1974 1975

250

200

150

100

50

3-2- Composition du mouvement extra saisonnier et variation saisonnière.

Soit yij, l’observation du mois j à l’année i ; Soit mij, le mouvement extra-saisonnier, qui est la
résultante du mouvement de longue durée, du mouvement cyclique et éventuellement des
fluctuations accidentelles pour les mois j de l’année i. Désignons par Sj, la variation saisonnière
correspondant au mois j ; Deux schémas possible de composition de mouvement extra
saisonner et de variations saisonnières peuvent être réalisés :

31
 - Le schéma (ou structure) additif : C’est lorsque l’observation yij peut être obtenu en
additionnant le mouvement extra saisonnier et la variation saisonnière, c’est le schéma
selon lequel on a :

yt = yij = mij + Sj = Tt + Ct ; avec t= ij

- Le schéma (ou structure) multiplicatif : L’observation yij peut être obtenue en

multipliant le mouvement extra saisonner par la quantité (1+ Sj) appelée coefficient
extra saisonnier, on a alors, yij = mij (1+ Sj).
Si les variations saisonnières apparaissent d’amplitude constante sur le graphique à échelle
arithmétique, on retiendra une structure additive. Si par contre, elles apparaissent à amplitude
constante à échelle logarithmique, on retiendra le schéma multiplicatif.

3-3- Hypothèses sur les variations saisonnières

On admet que les variations saisonnières accroissent le niveau de certaines observations et en
réduisent ceux des autres mais ne modifie pas le total général.
• Supposons que l’on ait à faire à un schéma additif, cet à dire yij = mij + Sj.

▪ Si on a des observations trimestrielles

∑ 𝐒𝐣 = 𝟎
𝒋=𝟏

▪ Si on a des observations mensuelles

𝟏𝟐

∑ 𝑺𝒋 = 𝟎
𝒋=𝟏

▪ Si on a des observations hebdomadaires

𝟓𝟐

∑ 𝐒𝐣 = 𝟎
𝒋=𝟏

• Dans le cas du schéma multiplicatif ; c’est-à-dire : yij = mij + (1+Sj)

▪ Si on a des observations trimestrielles

∑(𝟏 + 𝑺𝒋 ) = 𝟏
𝒋=𝟏

32
 ▪ Si on a des observations mensuelles
𝟏𝟐

∑(𝟏 + 𝑺𝒋 ) = 𝟏
𝒋=𝟏

▪ Si on a des observations hebdomadaires

𝟓𝟐

∑(𝟏 + 𝑺𝒋 ) = 𝟏
𝒋=𝟏

3-4- Détermination des coefficients saisonnier : méthode des observations des

moyennes mobiles
Supposons que les données sont trimestrielles, et le schéma adopté est multiplicatif, nous
voulons déterminer les coefficient saisonnier (1+ Sj) pour ce faire :

Années et Observations Moyennes mobiles Moyennes mobiles (1+ Sj) = yij /mij
trimestres (yij) sur 4 termes sur 2 termes de la
colonne 3
1-1 y11 / / /
1-2 y12 a1 / /
𝒚𝟏𝟑
1-3 y13 a2 m13 = 1+S3
𝒎𝟏𝟑
1-4 y14 a3 m14 𝒚𝟏𝟒
𝒎𝟏𝟒
2-1 y21 a4 m21 𝒚𝟐𝟏
𝒎𝟐𝟏
2-2 y22 a5 m22 𝒚𝟐𝟐
𝒎𝟐𝟐
2-3 y23 a6 m23 𝒚𝟐𝟑
𝒎𝟐𝟑
2-4 y24 a7 m24 𝒚𝟐𝟒
𝒎𝟐𝟒
3-1 y31 a8 m31 𝒚𝟑𝟏
𝒎𝟑𝟏
3-2 y32 a9 m32 𝒚𝟑𝟐
𝒎𝟑𝟐

𝑦11 +𝑦12 +𝑦13 +𝑦14 𝑦12 +𝑦13 +𝑦14 +𝑦21 𝑦13 +𝑦14 +𝑦21 +𝑦22
𝑎1 = ; 𝑎2 = ; 𝑎3 = etc.
4 4 4
𝑎1 +𝑎2 𝑎2 +𝑎3
𝑚13 = ; 𝑚14 = ; etc.
2 2
𝒚
𝒊𝒋
On a : 𝒎 = 𝟏 + 𝑺𝒋 , or en réalité, ∑𝟒𝒋=𝟏(𝟏 + 𝑺′𝒋 ) ≠ 4. C’est la raison pour laquelle on calcul
𝒊𝒋
les coefficients saisonner corriger appelée les Ɵj :

33
 𝟒
Ɵ𝐣 = (𝟏 + 𝐒 ′ 𝐣 )
∑𝟒𝐣=𝟏(𝟏+ 𝐒′𝐣 )

La série des variations saisonnière s’obtiendra alors en appliquant :

𝐲𝐢𝐣
𝐲𝐢𝐣∗ =
Ɵ𝐣

Considérons la variation du CA en dizaine de milliers d’un magasin de chaussure consignée

dans le tableau ci-dessous :
Exemple :
Trimestres 1 2 3 4

Années
1 120 152 134 189
2 109 143 131 182
3 122 145 139 198
4 128 176 157 246
5 154 209 199 305
6 174 239 222 331

Cette série statistique présentent des variations saisonnières car les mouvements enregistrés
varient de la même manière pendant les mêmes périodes comme on peut le remarquer dans le
graphique ci-dessous :

Année 1 Année 2 Année 3 Année 4 Année 5 Année 6

1600

1400

1200

1000

800

600

400

200

0
Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4

34
 Procédons au calcul des coefficient saisonnier en posant l’hypothèse d’un schéma multiplicatif,
nous avons alors le tableau ci-dessous :

Années et 𝒚𝒊𝒋 Total mobile Total mobile sur 02 Moyennes mobiles ( 𝒎𝒊𝒋 ) 𝒚𝒊𝒋
= 𝟏 + 𝑺𝒋 (𝒆𝒏 %)
trimestres sur 04 termes termes 𝒎𝒊𝒋

1-1 120 / / / /
1-2 152 595 / / /
1-3 134 584 1179 (obtenu en faisant 147,4 90,9
595+584)
1-4 189 575 1159 (obtenu en faisant 144,9 130,4
584+575)
2-1 109 572 1147 143,4 76
2-2 143 565 1137 142,1 100,6
2-3 131 578 1143 142,9 91,7
2-4 182 580 1158 144,8 125,7
3-1 122 588 1168 146,0 83,6
3-2 145 604 1192 149,0 97,5
3-3 139 610 1214 151,8 91,6
3-4 198 641 1251 156.4 126,6
4-1 128 659 1300 162,5 78,8
4-2 176 707 1366 170,8 103
4-3 157 733 1440 180 87,2
4-4 246 766 1499 187,4 131,2
5-1 154 808 1574 196,8 78,2
5-2 209 867 1675 209,4 99,8
5-3 199 887 1754 219,3 90,7
5-4 305 917 1804 225,5 135,3
6-1 174 940 1857 232,2 74,9
6-2 239 966 1906 238,3 100,3
6-3 222 / / / /
6-4 331 / / / /

35
Afin de corriger les coefficients saisonner, nous les reportons dans le tableau suivant :
Trimestres 1 2 3 4 Total

Années
1 / / 90,9 130,4 /
2 76,0 100,6 91, 7 125,7 /
3 83,6 97,5 91,6 126,6 /
4 78,8 103 87,2 131,2 /
5 78,2 99,8 90.7 135,3 /
6 74,9 100,3 / / /
𝟏 𝟒 78,46% 101,44% 90,42% 129,84% 400,16 %
(1+𝑺′𝒋 ) = 𝟓 ∑𝒋=𝟏(𝟏 + 𝑺𝒋 )
𝟒𝟎𝟎 78,4% 101,4% 90,4% 129,8% 400%
Ɵ𝐣 = (𝟏
∑𝟒𝐣=𝟏(𝟏 + 𝐒 ′ 𝐣 )
+ 𝐒′ 𝐣)

On remarque que : ∑4𝑗=1(1 + 𝑆 ′𝑗 ) ≠ de 400%

Alors pour corriger les coefficient saisonnier (1+s’j), on calcul les nouveaux coefficients
saisonniers :
𝟒𝟎𝟎
Ɵ𝐣 = 𝐱 (𝟏 + 𝐒 ′ 𝐣 )
∑𝟒𝐣=𝟏(𝟏 + 𝐒 ′ 𝐣 )

Et on a :
𝟒𝟎𝟎
Ɵ𝟏 = 𝐱 𝟕𝟖. 𝟒𝟔 = 𝟕𝟖. 𝟒 %
𝟒𝟎𝟎, 𝟏𝟔
𝟒𝟎𝟎
Ɵ𝟐 = 𝐱 𝟏𝟎𝟏. 𝟒𝟒 = 𝟏𝟎𝟏. 𝟒 %
𝟒𝟎𝟎, 𝟏𝟔
𝟒𝟎𝟎
Ɵ𝟑 = 𝐱 𝟗𝟎. 𝟒𝟐 = 𝟗𝟎. 𝟒 %
𝟒𝟎𝟎, 𝟏𝟔
𝟒𝟎𝟎
Ɵ𝟏𝟒 = 𝐱 𝟏𝟐𝟗. 𝟖𝟒 = 𝟏𝟐𝟗. 𝟖 %
𝟒𝟎𝟎, 𝟏𝟔

𝒚𝒊𝒋
La série apurée construite à partir de 𝒚∗𝒊𝒋 = (arrondies aux unités) est consigné dans le
𝑻𝒆𝒕𝒂𝒋
tableau ci-dessous :
𝟏𝟐𝟎
Par exemple : 𝒚∗𝟏𝟏 = x 100 = 153
𝟕𝟖.𝟒

36
 Trimestres 1 2 3 4

Années
1 153 150 148 146
2 140 141 145 140
3 156 143 154 152
4 163 173 174 189
5 196 206 220 235
6 222 236 245 255
Ɵj 78.4% 101.4% 90.4% 129.8%
Avec les données initiales, nous pouvons ressortir la série linéaire suivante :

Années et 1-1 1-2 1-3 1-4 2-1 2-2 2-3 2-4 3-1 3-2 3-3 3-4 4-1 4-2 4-3 4-4 5-1 5-2 5-3 5-4 6-1 6-2 6-3 6-4
trimestres

Périodes T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 T11 T12 T13 T14 T15 T16 T17 T18 T19 T20 T21 T22 T23 T24

Chiffres 120 152 134 189 109 143 131 182 122 145 139 198 128 176 157 246 154 209 199 305 174 239 222 331
d’affaires
(𝒚𝒊𝒋)

Cette série dégage une tendance ou trend dont l’équation peut être déterminée à l’aide des
méthodes d’ajustement linéaire notamment la méthode des moyennes partielles de Mayer ou
encore des moindres carrés ordinaire (la plus recommandée).

y = 5,7852x + 107,02
350

300

250

200

150

100

50

Tij(Tt)
0
T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 T11 T12 T13 T14 T15 T16 T17 T18 T19 T20 T21 T22 T23 T24
Chiffres d'affaires
Linéaire (Chiffres d'affaires)

37
NB : Si les lignes forment un entonnoir alors le schéma est multiplicatif ; Si les lignes forment
deux droites parallèles alors le schéma est additif.

Notre schéma est donc multiplicatif car on observe la forme d’un entonnoir.

Déterminé comme indiqué ci-dessus, le trend peut ainsi permettre de prévoir le chiffre d’affaires
pour des années ultérieurs à des trimestres donnés en utilisant les coefficients saisonniers Ɵj.
Par exemple, on peut prévoir le C.A du magasin de chaussure pour la 7e années au 1er trimestre
comme suit :
𝐂𝐀 𝟕 𝟏 = 𝐲𝟕∗ 𝟏 = 𝐲𝐓𝟐𝟓 𝐱 Ɵ1
Avec la méthode des moindres carrées ordinaire, en posant 𝐓𝐭 = 𝐭 (t= 1 … 24), on trouve que
l’équation du trend est la suivante :
𝐲(𝐭) = 𝒂𝒕 + 𝒃

(Proposition de réponses de l’enseignant : a = 5.785217 et b = 107.0181)

𝑌7 1 = 𝑌(25) = 5. 785217 x 25 + 107.0181 = 251.6

CA7 1 = Y7∗ 1 = Y(25) x Ɵ1 = 251.6 x 0.786 = 320.16

TRAVAUX PRATIQUE
(Rapport de consultation d’un hôpital publique de la place.)
NB : Pour vérifier les variations saisonnières on observe les courbes annuelles.
Notes :
➢ Lors de la mise en évidence du schéma de prévision, on observe un schéma multiplicatif.
➢ Il a recouru à la méthode des moindres carrés ordinaire car elle est plus efficace (la
méthode des moyennes mobiles est « académique ».).
➢ Quand on utilise la méthode des MCO, les mij c’est le trend.
➢ Quand on a le coefficient saisonnier (est obtenu en faisant les moyennes des rangs
mensuel)
➢ Le coefficient saisonnier est représenté par (1+S’j)
➢ Le coefficient saisonnier corrigé est représenté par (1+S’j)
➢ Le trend constitue la tendance mensuelle qui ne tient pas compte des coefficients
saisonniers
➢ Une fois les coefficients saisonniers ajusté, ………
➢ La variation des recettes est donnée par :

𝐑𝐞𝐜𝐞𝐭𝐭𝐞 𝐚𝐜𝐭𝐮𝐞𝐥𝐥𝐞−𝐑𝐞𝐜𝐞𝐭𝐭𝐞 𝐩𝐫é𝐜𝐞𝐝𝐞𝐧𝐭𝐞

x 100
𝐑𝐞𝐜𝐞𝐭𝐭𝐞 𝐚𝐜𝐭𝐮𝐞𝐥𝐥𝐞
➢ Ne jamais oublier les coefficients saisonniers
➢ Pour avoir la bonne prévision, il faut toujours y associer les coefficients saisonniers.

(La pente sur le plan technique c’est l’angle)

38
 Séquence 6 : Les indices

Les indices sont fréquemment utilisés pour la définition des grandeurs économiques et
commerciales, ils permettent de repérer le niveau d’une variable ou d’un groupe de variable à
une date donnée par rapport à leur niveau à une autre date, ce niveau servant de référence.
Lorsqu’on s’intéresse à une seule variable, on parle d’indice simple ou d’indice synthétique
lorsqu’il s’agira d’un groupe de variable.

Section 1 : Indice simple

1- Définition

Soit une variable aléatoire X dont on suit l’évolution cours du temps :

t 0 1 2 3 … t
X X0 X1 X2 X3 … Xt

𝐗𝐭
L’indice simple s’écrit 𝐗 𝐭/𝟎 = où t represencte la periode actuelle ou courante et 0 la période
𝐗𝟎
de base. Lorsqu’on parle d’indice de la variable X à la date 𝐗 /𝟏𝟎𝟎 à la date 0, on écrit,
𝐗𝐭
𝐈𝐭/𝟎 (𝐞𝐧 %) = 𝐗 𝟏𝟎𝟎.
𝐗𝟎

Prenons par exemple la production cacaoyère au Cameroun à deux dates données :

1959 : 64 500 tonnes ; 1970 : 102 200 tonnes

102 200
On aura : I1970/1959 = X 100 = 158.4%.
64 500

2- Propriétés des indices.

𝐗𝐭
- Identité : 𝐈𝐭/𝐭 = =𝟏
𝐗𝐭

𝟏
- Réversibilité : 𝐈𝐭/𝟎 =
𝐈𝟎/𝐭

- La circularité : considérons la série

t 0 1 2 3 … t-1 t
X X0 X1 X2 X3 … Xt−1 Xt

𝑋 𝑋 𝑋 𝑋𝑡 𝑋
On a : 𝑋1 x 𝑋2 x 𝑋3 x … x 𝑋 x 𝑋0 = 1
0 1 2 𝑡−1 𝑡

39
ie : I1/0 x I2/1 x I3/2 x … x It/t−1 x I0/t = 1

- Transférabilité (changement de base)

𝑰
𝐈𝐭/𝟎 𝐈𝐭′/𝟎 𝐈𝐭/𝐭′ = 𝑰 𝒕/𝟎
𝒕′ /𝟎

Exemple : Production cacaoyère au Cameroun.

1959 : 64 500 tonnes ; 1965 : 93 000 tonnes ; 1970 : 102 200 tonnes
93800
I1965/1959 = X 100 = 145.4%.
64 500
102 200
I1970/1959 = X 100 = 158.4%.
64 500

102 200 I1970/1959

Pour vérifier la transférabilité, on fera : I1970/1965 = X 100 = 108.9% = =
93 800 I1965/1959
158.4
145.4

- L’enchainement : soit les indices suivants : I1/0 ; I2/1 ; I3/2 ; … ; It/t−1

𝐈𝐭/𝟎 = 𝐈𝟏/𝟎 x 𝐈𝟐/𝟏 x 𝐈𝟑/𝟐 x … x 𝐈𝐭/𝐭−𝟏

Section 2 : Indices synthétiques

1- Définition
Supposons que l’on veut comparer les valeurs aux dates t et 0 d’un ensemble variable
(1) (2) (j) (1)
𝑋 (1) , 𝑋 (2) , …, 𝑋 (𝑗) , … , 𝑋 (𝑛) , à la date t = 0 : X0 , X0 , …, X0 , …, X0n à la date t : Xt ,
(2) (j) (n)
Xt , …, Xt , …, Xt
(1) (2) (𝑗)
(1) 𝑋𝑡 (2) 𝑋𝑡 (j) 𝑋𝑡 (n)
Du premier au dernier indice simple, on a It/0 = (1) ; It/0 = ; … ; It/0 = 𝑗 ; … ; It/0 =
𝑋0 𝑋02 𝑋0
(𝑛)
𝑋𝑡
(𝑛)
𝑋0

(𝐣)
A partir de ces indices simples, nous obtenons, 𝐈𝐭/𝟎 = 𝑴𝒐𝒚𝒆𝒏𝒏𝒆𝒏𝒋=𝟏 [𝐈𝐭/𝟎 ]

Selon que les indices simples soient pondéré ou non, on parlera d’indices synthétique pondéré
ou d’indices synthétique simple (indique synthétique non pondérer).
Considérons un panier simplifié de la ménagère au Cameroun de 1970 à 1976 consigné dans le
tableau ci-dessous :
PRODUIT Prix en FCFA Indice Pondération
Unité 1970 1976
Foléré Kg 200 240 120 5
Huile Litre 120 150 125 3
Tomate Boite 50 40 80 2
TOTAL / / / / 10

40
Nb : la pondération vient du fait de la consommation.
Calculons l’indice synthétique du panier de la ménagère Synthétique du panier de la ménagère
entre 1970 et 1976 en utilisant les moyennes arithmétique (simples et pondéré), harmonique, et
géométrique.

Solutions :
- Moyenne arithmétique simple :
1
I76/70 = 3 x (120 + 125 + 80) = 108.3

- Moyennes arithmétique pondérée :

1
I76/70 = 10 x (120 x 5 + 125 x 3 + 80 x 2) = 113.5

- Moyenne harmonique simple :

1 1 1 1 1
= 3 x (120+ 125+80) –--» I76/70 = 104.2
𝐼76/70

- Moyenne harmonique pondéré :

1 1 5 3 2
= 10 x (120+ 125+80) –--» I76/70 = 110.3
𝐼76/70

- Moyenne géométrique
10
I76/70 = √𝑋1205 𝑋1253 𝑋802 = 112.02

• Indices synthétiques des prix et des quantités.

Si nous avons à faire une évolution des prix P suivant les dates 0 et T, on parlera d’indice
synthétique de prix. Et si nous avons à faire à une évolution des quantités Q suivant les dates 0
et T, on parlera d’indice synthétique de quantité. Soit un prix P et une quantité Q d’un bien, la
valeur de ce bien est V= P*Q.
L’étude de nombreux phénomène statistique et économique fait apparaitre 03 variables : Prix,
Quantité et valeur.
Pour ce qui est de l’indice synthétique de Prix :
On voudrait comparer les prix pratiquer à la période courante T et ceux pratiqués à la période
de base 0 au même ensemble de n produit.
Dans le cas de l’indice synthétique de quantité, on veut comparer les quantités produites ou
échangée aux temps T par rapport à celle produite ou échangés au temps 0.

41
Or, ni les quantités, ni les prix ne sont en général additifs, seules les valeurs exprimées à la
même unité (valeurs) peuvent être additionné d’où l’idée de les utiliser pour le calcul des indices
synthétique.

• Indice synthétique de prix.

(𝐣)
∑𝐧 (𝐣)
𝐣=𝟏 𝐪 𝐗 𝐩𝐭
C’est l’indice le plus couramment utilisé, il se calcul comme suit : 𝐈𝐭/𝟎 = (𝐣)
∑𝐧 (𝐣)
𝐣=𝟏 𝐪 𝐗 𝐩𝟎

• Indices synthétiques de quantité

Ils se calcule de façon similaire en plutôt varier les quantités en période courant de T et de base
à 0.
(𝐣)
∑𝐧
𝐣=𝟏 𝐪𝐭 𝐗 𝐏
(𝐣)
𝐈𝐭/𝟎 = (𝐣)
∑𝐧
𝐣=𝟏 𝐪𝟎 𝐗 𝐏
(𝟐)

On distingue 02 principaux types d’indices synthétique de prix, notamment :

(𝐣) (𝐣)
(𝐋) ∑𝐧
𝐣=𝟏 𝐪𝟎 𝐗 𝐩𝐭
- Indice de LASPEYRES : 𝐈𝐭/𝟎 (p) = (𝐣) (𝐣) x 100 qui se calcul en référence aux
∑𝐧
𝐣=𝟏 𝐪𝟎 𝐗 𝐩𝐭
quantités des produits à l’année de base.
(𝐣) (𝐣)
(𝐏) ∑𝐧
𝐣=𝟏 𝐪𝐭 𝐗 𝐩𝐭
- Indice de PAASCHE : 𝐈𝐭/𝟎 = (𝐣) (𝐣) x 100 qui se calcul en référence aux quantités
∑𝐧
𝐣=𝟏 𝐪𝐭 𝐗 𝐩𝟎

des produits en année courante.

Exemple : Considérons un panier simplifier de la ménagère au Cameroun de 1969 et 1972

consigné dans le tableau suivant :

Produit Prix en FCFA Quantité Valeurs

Unité 1969 1972 1969 1972
Pétrole Litre 70 76 6 litres 420 456
Beurre Litre 968 1005 750g 726 754
Œufs Piece 29 24 12 pièces 348 288
Huile Litre 287 298 1 litre 287 298
Pomme de Kg 320 350 0.2 kg 64 70
terre
TOTAL / / / / 1845 1866

Dans ce cas précis, les indices de LASPEYRES et de PAASCHE sont identiques puisque les
quantités dans le panier de la ménagère n’ont pas variés de 1969 à 1972. On a alors :
(𝐣) (𝐣) 𝐋 𝐩 𝟏𝟖𝟔𝟔
𝐪𝟎 = 𝐪𝐭 = 𝐪(𝐣) et 𝐈𝐭/𝟎 (p) = 𝐈𝐭/𝟎 (p) = 𝟏𝟖𝟒𝟓 X 100 = 101.14

42
 2- Propriété et inconvénients des indices synthétiques.

- Identité : 𝐈𝐭/𝐭 = 1
- Les indices synthétiques ne sont ni transférables ni réversibles.
Remarque : Dans certaines situation ou temps d’observation dépasse 10 ans, 15 ans, on est
contraint d’effectuer un changement de variable, on utilise alors la formule suivante :
𝐈𝐭/𝟎 𝐈𝐭/𝟎
𝐈𝐭/𝐭′ = Or 𝐈𝐭/𝐭′ ≠
𝐈𝐭′/𝟎 𝐈𝐭′/𝟎

- Raccordement d’indices synthétiques : de temps à autre, on est amené à modifier le

calcul de divers indices synthétique statistique (changement de base, modification du
nombre de variable retenu, modification des pondération). Ces modifications se
justifient par la nécessité de tenir compte de l’évolution et de la configuration des
phénomènes décrits par les indices synthétiques et les progrès de la documentation.
L’utilisateur se trouve ainsi en présence de plusieurs séries d’indices qu’il souhaite
raccorder en une série unique. Pour faciliter le travail, il est obligé de calculer l’indice
de raccordement ou coefficient de raccordement.
Exemple : Considérons le tableau ci-dessous présentant les revues synthétiques de 1962 à 1956.
Calculer respectivement avec 150 et 159 produits avec leur indice de raccordement.
NB : Il est recommandé (après la période ou l’on décide changer le calcul des indices par rapport
au nombre de produit qui ont augmentés) de calculer le coefficient de raccordement au moins
sur 2 ans comme ci-dessous.

Produits 150 159 Coefficient de

Années raccordement

Moyenne 141.6 100 𝟏𝟒𝟏.𝟔

= 1.416
𝟏𝟎𝟎
1962
Moyenne 149.7 104.9 𝟏𝟒𝟗,𝟕
= 1.427
𝟏𝟎𝟒,𝟗
1956

SEANCE DE TRAVAUX DIRIGES

EXERCICE
Le tableau suivant présente des données provenant des données du ministère du tourisme et des
loisirs (MINTOUL) :
• Recettes : dépenses en million de FCFA des touristes étrangers au CMR
• Dépenses : dépenses touristiques en millions de FCFA des camerounais hors du
Cameroun.
Années et trimestres Recettes Dépenses
T1 6 167 4 602
2017 T2 8 704 5 097
T3 10 080 6 470

43
 T4 7 395 4 544
T1 6 125 5 011
T2 9 037 5 919
2018
T3 10 010 6 835
T4 7 764 4 843
T1 6 604 5 456
T2 9 689 6 409
2019
T3 11 014 7 595
T4 8 074 5 086
T1 6 889 5 522
T2 10 107 6 486
2020
T3 11 489 7 686
T4 8 422 5 147
T1 7 186 5 588
T2 10 543 6 564
2021
T3 12 130 7 863
T4 8 951 5 296
T1 7 772 6 098
2022
T2 11 321 7 130

Question 1 : Calculer les indices base 100/2019 (base 100 à l’année 2019) de ces deux séries
Question 2 : Représenter graphiquement les deux séries des indices
Question 3 : Commenter : tendance, saisonnalité, modèle de composition en étudiant les séries
sur la période 2017-2021
Question 4 :
a- Utiliser la méthode des MCO pour prévoir les valeurs de la série « indice des recettes »
des deux premiers trimestres de 2022.
b- Comparer les prévisions aux réalisations
Question 1 :
Rang Indice de recette (Yt) Indice de dépenses
trimestriel
T1 69,7 75
T2 98,40 83,1
T3 114 105,4
T4 83,6 74
T5 69,2 81,7
T6 102,2 96,5
T7 113,2 111,4
T8 87,8 78,9
T9 75 88,9
T10 109,5 104,4
T11 124,5 123,8
T12 91,3 82,9
T13 77,9 90

44
 T14 114,3 105,7
T15 129,9 125,3
T16 95,2 83,9
T17 81,2 91,1
T18 119,2 107
T19 137,1 128,1
T20 101,2 86,3
T21 87,9 99,4
T22 128 116,2
Question 2 :

135
130
125
120
115
110
105
100
95
90
85
80
75
70
65
60
55
50
45
40
35
30
25
20
15
10
5
0
T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 T11 T12 T13 T14 T15 T16 T17 T18 T19 T20

Indice de recette (Yt) Indice de depenses

Question 3 :
• Les deux séries présentent une légère tendance à la hausse et une composante
saisonnière de période 4 (que l’on peut aisément mettre en exergue par les données
trimestrielle des années 2017,2018,2019,2020,2021).
• L’évolution de la tendance étant faible sur 5 ans, de sorte que la saisonnalité peut être
considérée soit comme s’additionnant à la tendance, soit proportionnelle à la tendance,
le modèle additif comme le modèle multiplicatif peuvent être envisagé.

Question 4 :
a- Méthode des MCO pour prévoir les valeurs de la série « indice des recettes » des deux
premiers trimestres de 2022.

45
 Rang
Années et Rang Indice de recette Indice de Trend Sj= Yt-
Recettes Dépenses trimestriel t^2 Yt x t a b (1+Sj) = Yt/Zt (en %)
trimestres trimestriel (Yt) depenses (Zt) Zt
(t)
T1 6 167 4 602 T1 69,7 75 1 1 69,7 1,4 85 86,40 80,70% -16,68
T2 8 704 5 097 T2 98,40 83,1 2 4 196,8 1,4 85 87,80 112,08% 10,60
2017
T3 10 080 6 470 T3 114 105,4 3 9 342,0 1,4 85 89,20 127,80% 24,80
T4 7 395 4 544 T4 83,6 74 4 16 334,4 1,4 85 90,60 92,27% -7,00
T1 6 125 5 011 T5 69,2 81,7 5 25 346,0 1,4 85 92,00 75,22% -22,80
T2 9 037 5 919 T6 102,2 96,5 6 36 613,2 1,4 85 93,40 109,42% 8,80
2018
T3 10 010 6 835 T7 113,2 111,4 7 49 792,4 1,4 85 94,80 119,41% 18,40
T4 7 764 4 843 T8 87,8 78,9 8 64 702,4 1,4 85 96,20 91,27% -8,40
T1 6 604 5 456 T9 74,7 88,9 9 81 672,3 1,4 85 97,60 76,54% -22,90
T2 9 689 6 409 T10 109,5 104,4 10 100 1095,0 1,4 85 99,00 110,61% 10,50
2019
T3 11 014 7 595 T11 124,5 123,8 11 121 1369,5 1,4 85 100,40 124,00% 24,10
T4 8 074 5 086 T12 91,3 82,9 12 144 1095,6 1,4 85 101,80 89,69% -10,50
T1 6 889 5 522 T13 77,9 90 13 169 1012,7 1,4 85 103,20 75,48% -25,30
T2 10 107 6 486 T14 114,3 105,7 14 196 1600,2 1,4 85 104,60 109,27% 9,70
2020
T3 11 489 7 686 T15 129,9 125,3 15 225 1948,5 1,4 85 106,00 122,55% 23,90
T4 8 422 5 147 T16 95,2 83,9 16 256 1523,2 1,4 85 107,40 88,64% -12,20
T1 7 186 5 588 T17 81,2 91,1 17 289 1380,4 1,4 85 108,80 74,63% -27,60
T2 10 543 6 564 T18 119,2 107 18 324 2145,6 1,4 85 110,20 108,17% 9,00
2021
T3 12 130 7 863 T19 137,1 128,1 19 361 2604,9 1,4 85 111,60 122,85% 25,50
T4 8 951 5 296 T20 101,2 86,3 20 400 2024,0 1,4 85 113,00 89,56% -11,80
T1 7 772 6 098 T21 87,9 99,4 21 / /
2022
T2 11 321 7 130 T22 128 116,2 22 / /
Somme 2019 35 381 24 546 400 400 210 2870 21868,8
Moyenne 2019 8845,25 6136,5 100,0 100 10,5 / /

46
 T1
𝒚∗𝒕 = x 100
∑ Moyenne
𝒕̅ = 10.5
T = 20
∑ 𝒕𝟐 = 2870
∑ 𝒚𝒕 . 𝒕 = 21 868.8
∑20
𝑡=1 𝑖𝑛𝑑𝑖𝑐𝑒𝑠 𝑑𝑒 𝑟𝑒𝑐𝑒𝑡𝑡𝑒𝑠 1994
𝐲̅ = = = 99.7 donc y= 1.4t + 85
20 20

• Le trend des MCO est sous la forme :

𝒚𝒕 = 𝒂𝒕 + 𝒃 Où,
∑𝐓 ̅ 𝐱 𝐭)̅
𝐭=𝟏 𝐲𝐭 𝐱 𝐭 −𝐓 (𝐲 21 868.8−20 (99.7 𝑥 10.5)
a= 𝐓
∑𝐭=𝟏 𝐭 − 𝐓 𝐱 𝐭̅𝟐
𝟐
= = 1.4
2870−20(10.5)2

b = 99.7 – 1.4 (10.5) = 85

• Schéma multiplicatif :

Années et trimestres T1 T2 T3 T4 Somme

2017 80,7 112,8 127,8 92,27 /
2018 75,22 109,42 119,41 91,27 /
2019 76,54 110,61 124 89,69 /
2020 75,48 109,27 122,55 88,64 /
2021 74,68 108,17 122,85 89,56 /
(1+S’j) = ∑𝟓𝐣=𝟏(𝟏 + 𝐒𝐣 ) 76,52 110,05 123,32 90,29 400,19
𝟒𝟎𝟎
Ɵj = ∑𝟒 ′
𝐱(𝟏 + 𝐒 ′ 𝐣 )
𝐣=𝟏(𝟏+𝐒 𝐣 ) 76,49 110,00 123,26 90,24 400,00

47
 - Prévisions des deux premiers trimestres :
𝑻𝟏 ∗
𝒚𝟐𝟎𝟐𝟐 = 𝑦21 = 𝑦21 𝑥 Ɵ1 or 𝒚𝟐𝟏 = 1.4(21) + 85 = 114.4
∗
Ce qui implique que : 𝐲𝟐𝟏 = 114.4 x 76.49 % = 87.5
∗
𝐲𝟐𝟏 = 𝟖𝟕. 𝟓
∗
𝐲𝟐𝟐 = 𝒚𝟐𝟐 x Ɵ2 avec 𝒚𝟐𝟐 = 1.4 (22) + 85 = 115.8
∗
𝐲𝟐𝟐 = 115.8 x 110% = 127.4
∗
𝐲𝟐𝟐 = 𝟏𝟐𝟕. 𝟒
Commentaire : Nous constatons qu’avec le schéma multiplicatif, nos prévisions sont assez proches des réalisations.
• Schéma additif :
Années et trimestres T1 T2 T3 T4 Somme

2017 -16,7 10,6 24,8 -7 /

2018 -22,8 8,8 18,4 -8,4 /
2019 -22,9 10,5 24,1 -10,5 /
2020 -25,3 9,7 23,9 -12,2 /
2021 -27,6 9 25,5 -11,8 /
𝟓
𝟏
𝐒𝐣 = ∑ 𝐒𝐣
𝟓
𝐣=𝟏 -23,06 9,72 23,34 -9,98 0,02
𝟒
𝟏
Ɵ𝐣 = 𝐒𝐣 − ∑ 𝐒′𝐣
𝟒
𝐣=𝟏 -23,065 9,715 23,335 -9,985 0

❖ On divise la ∑ 𝐒𝐣 par 4 = 0.005 que l’on va soustraire aux 𝐒𝐣 individuels pour obtenir Ɵ𝐣 .

48
Commentaire : Le schéma multiplicatif est plus approprié.
- Prévisions des deux premiers trimestres :
∗
𝑦21 = 𝑦21 + 𝑆𝑗=1(𝑑𝑜𝑛𝑐 𝑙𝑒 1𝑒𝑟 𝑠𝑒𝑚𝑒𝑠𝑡𝑟𝑒)
∗
𝑦22 = 𝑦22 + 𝑆2

1er trimestre 2022 = 91.3

2é trimestre = 125.5
3e trimestre =

FIN DU COURS !!!

Résumé : La prévision est une estimation chiffrée d’une ou de plusieurs grandeurs économiques en se basant sur des techniques quantitatives et
sur la prise en compte des facteurs subjectifs.

49