La formule PREVISION Excel : Prédire l'avenir de vos données
=PREVISION(x; y_connus; x_connus)La formule PREVISION est un outil statistique puissant qui permet de prédire une valeur future en se basant sur une relation linéaire entre des données historiques connues. Disponible dans Excel 2007 et versions ultérieures, elle utilise la méthode des moindres carrés pour calculer une ligne de tendance et extrapoler une valeur à un point donné. Cette fonction est particulièrement utile pour les analystes métier, les responsables commerciaux et les data analysts qui doivent anticiper les tendances sans avoir besoin de recourir à des outils statistiques complexes. La formule PREVISION fonctionne en établissant une relation mathématique entre vos valeurs X (variables indépendantes) et vos valeurs Y (variables dépendantes), puis en appliquant cette relation pour prédire une nouvelle valeur Y correspondant à un X donné. Contrairement à une simple extrapolation, PREVISION utilise une régression linéaire sophistiquée qui minimise les écarts entre la ligne calculée et vos données réelles, offrant ainsi une prédiction statistiquement fiable. Que vous travailliez sur des prévisions de ventes, des projections de croissance ou des estimations de consommation, comprendre et maîtriser PREVISION vous permettra de prendre des décisions data-driven avec confiance et rigueur analytique.
Syntaxe et paramètres
La formule PREVISION s'écrit selon la syntaxe : =PREVISION(x; y_connus; x_connus). Le premier paramètre, x, représente le point de données pour lequel vous souhaitez obtenir une prédiction. Il s'agit d'une valeur numérique unique qui doit être cohérente avec l'échelle de vos données historiques X. Le paramètre y_connus est un tableau contenant toutes les valeurs dépendantes (résultats observés) de votre série historique. Il peut s'agir d'une plage de cellules, d'un vecteur colonne ou ligne, mais doit contenir au minimum deux valeurs pour que la formule fonctionne. Le troisième paramètre, x_connus, contient les valeurs indépendantes correspondant à chaque y_connu. Ces deux tableaux doivent avoir exactement la même dimension - si vous avez 12 valeurs Y, vous devez avoir 12 valeurs X correspondantes. Excel utilise ces données pour construire une équation linéaire de la forme Y = a*X + b, où a est la pente et b l'ordonnée à l'origine. Une fois cette équation établie, elle est appliquée à votre valeur x pour calculer la prédiction. Conseil pratique : ordonnez vos données X de manière croissante ou décroissante pour améliorer la lisibilité et vérifier la cohérence. Assurez-vous que vos données ne contiennent pas de valeurs texte ou logiques, car PREVISION ne traite que les nombres. Si vous prédisez une valeur x très éloignée de vos données historiques, la fiabilité de la prédiction diminue - c'est ce qu'on appelle l'extrapolation excessive.
xknown_y'sknown_x'sExemples pratiques
Prévision de ventes mensuelles
=PREVISION(12;B2:B12;A2:A12)La formule prédit la vente du mois 12 (décembre) en utilisant les ventes réelles des mois 1 à 11 (B2:B12) et les numéros de mois correspondants (A2:A12). Excel calcule la tendance linéaire des ventes sur 11 mois et l'applique au mois 12.
Estimation de croissance d'effectifs
=PREVISION(18;C2:C7;A2:A7)Les trimestres sont en colonne A (3, 6, 9, 12, 15, 18 mois), les effectifs en colonne C. En prédisant pour 18 mois, la formule extrapole la tendance d'embauche linéaire.
Prévision de consommation énergétique
=PREVISION(35;D3:D22;E3:E22)Les températures historiques sont en E3:E22, les consommations correspondantes en D3:D22. La formule établit une corrélation linéaire entre température et consommation, puis prédit la consommation à 35°C.
Points clés à retenir
- PREVISION utilise une régression linéaire pour prédire une valeur Y basée sur une relation linéaire avec des données historiques X et Y.
- Les trois paramètres requis (x, y_connus, x_connus) doivent être numériques, et les deux tableaux doivent avoir la même dimension.
- Pour des données non linéaires ou saisonnières, préférez PREVISION.ETS qui gère les tendances complexes et la saisonnalité.
- Validez toujours la qualité de votre prédiction en calculant le coefficient de détermination (R²) et en visualisant vos données avec un graphique.
Astuces de pro
Visualisez vos données avec un graphique de dispersion XY et ajoutez une courbe de tendance linéaire. Cela vous permet de vérifier visuellement que la relation est effectivement linéaire avant d'utiliser PREVISION.
Impact : Évite les mauvaises prédictions dues à des relations non linéaires ou à la présence de valeurs aberrantes qui faussent la régression.
Utilisez les références absolues ($A$2:$A$12) plutôt que relatives (A2:A12) si vous copiez votre formule PREVISION sur plusieurs cellules. Cela maintient les données de référence fixes.
Impact : Permet de prédire plusieurs valeurs x différentes sans que vos plages de données ne se décalent accidentellement.
Testez la sensibilité de votre prédiction en créant un tableau de scénarios où vous faites varier légèrement les données d'entrée (±5%, ±10%). Observez comment la prédiction change.
Impact : Vous comprenez mieux la robustesse de votre modèle et pouvez communiquer l'incertitude autour de votre prédiction aux décideurs.
Mettez à jour régulièrement vos données x_connus et y_connus avec les nouvelles observations. Une prédiction basée sur 12 mois de données est plus fiable qu'une basée sur 3 mois.
Impact : Améliore progressivement la précision de vos prédictions au fil du temps et maintient votre modèle pertinent face à l'évolution des tendances.
Combinaisons utiles
PREVISION + COEFFICIENT.DETERMINATION pour valider la prédiction
=PREVISION(12;B2:B12;A2:A12) et =COEFFICIENT.DETERMINATION(B2:B12;TENDANCE(B2:B12;A2:A12))Combinez PREVISION avec COEFFICIENT.DETERMINATION pour obtenir le R² et mesurer la qualité de votre régression linéaire. Si R² < 0.7, la relation linéaire n'explique pas suffisamment la variance et votre prédiction sera moins fiable.
PREVISION + SI pour prédictions conditionnelles
=SI(COEFFICIENT.DETERMINATION(B2:B12;TENDANCE(B2:B12;A2:A12))>0.7;PREVISION(12;B2:B12;A2:A12);"Données insuffisantes")Utilisez SI pour afficher la prédiction PREVISION seulement si la qualité de l'ajustement (R²) dépasse un seuil acceptable. Cela évite de présenter des prédictions peu fiables.
PREVISION + MOYENNE + ECART.TYPE pour prédiction avec intervalle de confiance
=PREVISION(12;B2:B12;A2:A12) ± 1.96*ECART.TYPE(RESIDUS) où RESIDUS = B2:B12 - TENDANCE(B2:B12;A2:A12)Calculez les résidus (écarts entre valeurs réelles et prédites) et leur écart-type pour établir un intervalle de confiance autour de votre prédiction PREVISION. Cela donne une plage plutôt qu'une valeur unique.
Erreurs courantes
Cause : Les tableaux y_connus ou x_connus contiennent des valeurs non numériques (texte, espaces, cellules vides) ou les deux tableaux n'ont pas la même dimension.
Solution : Vérifiez que tous vos données sont numériques. Utilisez la fonction NOMBRE() pour compter les éléments. Assurez-vous que B2:B12 et A2:A12 ont exactement le même nombre de cellules. Supprimez les lignes avec données manquantes.
Cause : Les références de plage dans la formule pointent vers des cellules supprimées ou des feuilles de calcul supprimées, ou la syntaxe de référence est incorrecte.
Solution : Recalculez vos références manuellement. Utilisez le bouton 'Tracer les erreurs' dans l'onglet Formules. Réécrivez la formule en sélectionnant les plages directement à la souris plutôt que de les taper.
Cause : Rare avec PREVISION, mais peut survenir si les valeurs x_connus sont toutes identiques (variance zéro), rendant impossible le calcul de la pente de la ligne de régression.
Solution : Vérifiez que vos valeurs X présentent de la variabilité. Si toutes vos X sont identiques, la régression linéaire est mathématiquement impossible. Utilisez plutôt la moyenne simple des Y ou FORECAST.ETS pour des données sans variation X.
Checklist de dépannage
- 1.Vérifiez que les deux tableaux y_connus et x_connus ont exactement le même nombre de cellules. Utilisez LIGNES() ou COLONNES() pour comparer.
- 2.Confirmez que toutes les valeurs sont numériques. Cherchez des espaces invisibles, des tirets, ou du texte caché en utilisant ESTNUM().
- 3.Testez avec des données simples connues (ex: y = 2*x + 3) pour vous assurer que la formule fonctionne avant l'appliquer à des données réelles.
- 4.Vérifiez que la valeur x que vous prédisez est dans une plage raisonnable par rapport à vos données historiques. Éviter l'extrapolation extrême.
- 5.Utilisez la fonction COEFFICIENT.DETERMINATION pour vérifier la qualité de l'ajustement linéaire (R² > 0.7 est généralement acceptable).
- 6.Si vous obtenez un résultat étrange, créez un graphique XY avec courbe de tendance pour visualiser la relation et détecter les anomalies.
Cas particuliers
Prédiction d'une valeur x très éloignée des données historiques (extrapolation extrême)
Comportement : PREVISION retourne une valeur basée sur la ligne de régression, mais cette prédiction devient de moins en moins fiable à mesure que x s'éloigne du centre de vos données historiques.
Solution : Limitez l'extrapolation à 20-30% au-delà de la plage de vos données. Au-delà, utilisez des modèles plus sophistiqués ou des avis d'experts.
C'est le risque principal de PREVISION : elle extrapole toujours, même quand c'est statistiquement déraisonnable.
Présence de valeurs aberrantes (outliers) dans vos données
Comportement : PREVISION inclut les outliers dans son calcul de régression, ce qui peut fausser considérablement la ligne de tendance et les prédictions.
Solution : Identifiez et supprimez les valeurs aberrantes avant d'utiliser PREVISION. Utilisez des graphiques ou la méthode de l'écart-type (3σ) pour les détecter.
Un seul outlier peut avoir un impact majeur sur une petite série de données (< 10 points).
Données avec variance X nulle (tous les x_connus sont identiques)
Comportement : PREVISION retourne #DIV/0! car il est mathématiquement impossible de calculer une pente quand tous les X sont identiques.
Solution : Assurez-vous que vos valeurs X ont de la variabilité. Si ce n'est pas le cas, utilisez simplement la moyenne des Y.
Cela indique généralement une erreur dans la structuration de vos données - vérifiez que vous n'avez pas accidentellement copié la même valeur X partout.
Limitations
- •PREVISION assume une relation linéaire entre X et Y. Elle échoue avec des données exponentielles, polynomiales ou cycliques. Utilisez PREVISION.ETS pour les données non linéaires.
- •La fonction ne gère pas la saisonnalité. Si vos données ont un pattern saisonnier (ventes plus élevées en décembre), PREVISION ignorera ce pattern et ne le reproduira pas dans les prédictions.
- •PREVISION est sensible aux valeurs aberrantes. Un seul outlier peut déplacer significativement la ligne de régression, surtout avec peu de données. Un nettoyage préalable des données est essentiel.
- •La précision diminue rapidement avec l'extrapolation. Plus votre valeur x à prédire est éloignée de la plage historique, moins la prédiction est fiable. Évitez de prédire au-delà de 30-40% de votre plage de données.
Alternatives
Utilise le lissage exponentiel triple (Exponential Triple Smoothing) pour gérer les tendances non linéaires, la saisonnalité et les variations exponentielles. Beaucoup plus puissante pour les données complexes.
Quand : Idéale pour les données avec saisonnalité (ventes mensuelles avec pics saisonniers) ou croissance exponentielle (utilisateurs actifs d'une app).
Fonction de régression linéaire qui retourne un tableau de valeurs prédites plutôt qu'une seule valeur. Permet de générer une série complète de prédictions en une seule formule matricielle.
Quand : Quand vous avez besoin de prédire plusieurs valeurs futures à la fois, pas seulement une seule. Utile pour créer des projections sur plusieurs périodes.
Compatibilité
✓ Excel
Depuis Excel 2007
=PREVISION(x;y_connus;x_connus) ou =PREVISION.LINEAIRE(x;y_connus;x_connus) à partir d'Excel 2016✓Google Sheets
=FORECAST(x;known_y's;known_x's) - utilise l'anglais même en interface françaiseGoogle Sheets utilise le nom FORECAST. La syntaxe et le comportement sont identiques à Excel. Testez la migration de vos formules.
✓LibreOffice
=PREVISION(x;données_y;données_x) - supporte aussi =FORECAST en anglais