PREVISION.ETS.INTERVALLE.CONFIANCE : Calculer les Intervalles de Confiance des Prévisions
=PREVISION.ETS.INTERVALLE.CONFIANCE(date_cible; valeurs; chronologie; [niveau_confiance]; [saisonnalite]; ...)La formule PREVISION.ETS.INTERVALLE.CONFIANCE est une fonction statistique avancée d'Excel qui permet de déterminer les marges d'erreur associées aux prévisions générées par la méthode ETS (Error, Trend, Seasonality). Cette formule est particulièrement utile pour les analystes, les data scientists et les responsables de planification qui ont besoin de quantifier l'incertitude de leurs modèles de prévision. Contrairement à une simple prévision ponctuelle, cette fonction fournit un intervalle de confiance autour de la valeur prédite, ce qui permet une meilleure prise de décision. Par exemple, au lieu de dire « les ventes seront de 10 000 euros », vous pouvez affirmer « les ventes seront entre 9 500 et 10 500 euros avec 95% de confiance ». Cette approche est essentielle dans les domaines de la finance, de la supply chain, du marketing et des ressources humaines. La formule intègre des algorithmes sophistiqués de lissage exponentiel triple qui tiennent compte des tendances et de la saisonnalité des données historiques. Elle est disponible dans Excel 2016, 2019 et Microsoft 365, offrant une alternative robuste aux méthodes traditionnelles de prévision.
Syntaxe et paramètres
La syntaxe complète de PREVISION.ETS.INTERVALLE.CONFIANCE est : =PREVISION.ETS.INTERVALLE.CONFIANCE(date_cible, valeurs, chronologie, [niveau_confiance], [saisonnalite], [remplissage_donnees], [agregation]). Le paramètre date_cible (requis) spécifie la date ou la période pour laquelle vous souhaitez calculer l'intervalle de confiance. Le paramètre valeurs (requis) contient vos données historiques sous forme de plage (par exemple, B2:B100). La chronologie (requis) doit correspondre exactement à vos valeurs et contenir les dates ou numéros de période associés. Le niveau_confiance (optionnel, par défaut 0,95) définit le degré de certitude de votre intervalle. Une valeur de 0,95 signifie 95% de confiance, soit un risque de 5%. La saisonnalite (optionnel) indique le nombre de points de données dans un cycle saisonnier (12 pour des données mensuelles sur un an). Les paramètres remplissage_donnees et agregation permettent de gérer les données manquantes et de spécifier comment les données doivent être agrégées. Conseil pratique : utilisez toujours au moins 2 cycles complets de saisonnalité dans vos données historiques pour obtenir des résultats fiables.
target_datevaluestimelineconfidence_levelExemples pratiques
Prévision des ventes mensuelles avec intervalle de confiance
=PREVISION.ETS.INTERVALLE.CONFIANCE(DATE(2025,1,1),B2:B25,A2:A25,0.95,12)Cette formule calcule l'intervalle de confiance pour janvier 2025 en utilisant les ventes mensuelles des 24 mois précédents. Le niveau de confiance est fixé à 95% (0.95) et la saisonnalité à 12 mois. La fonction retourne la demi-largeur de l'intervalle, qui doit être ajoutée et soustraite de la prévision ETS pour obtenir les bornes.
Analyse de la demande trimestrielle pour la supply chain
=PREVISION.ETS.INTERVALLE.CONFIANCE(DATE(2025,4,1),C3:C10,B3:B10,0.90,4)Avec 8 trimestres de données et une saisonnalité de 4, cette formule fournit un intervalle plus étroit (90% au lieu de 95%), ce qui permet une planification plus agressive. La date cible correspond au début du deuxième trimestre 2025.
Prévision du trafic web avec données sans saisonnalité marquée
=PREVISION.ETS.INTERVALLE.CONFIANCE(91,D2:D91,C2:C91,0.85,7)Ici, la chronologie utilise des numéros de jours au lieu de dates. La saisonnalité est définie à 7 (cycle hebdomadaire). Le niveau de confiance réduit à 85% reflète une plus grande tolérance au risque pour l'allocation des serveurs web.
Points clés à retenir
- PREVISION.ETS.INTERVALLE.CONFIANCE retourne la demi-largeur d'un intervalle de confiance autour d'une prévision ETS, quantifiant l'incertitude du modèle
- La formule combine lissage exponentiel triple, tendance et saisonnalité pour fournir des prévisions robustes adaptées aux données réelles
- Un intervalle large indique une faible fiabilité du modèle ; un intervalle étroit indique une haute confiance dans la prévision
- Utilisez toujours au moins 2 cycles complets de saisonnalité dans vos données historiques et recalculez régulièrement pour détecter les changements structurels
- Combinez cette formule avec PREVISION.ETS pour obtenir les bornes complètes de l'intervalle et créez des visualisations pour communiquer les résultats efficacement
Astuces de pro
Utilisez des noms de plages pour vos données historiques. Au lieu de =PREVISION.ETS.INTERVALLE.CONFIANCE(date,B2:B100,A2:A100,...), utilisez =PREVISION.ETS.INTERVALLE.CONFIANCE(date,Ventes,Periodes,...). Cela rend vos formules lisibles et facilite la maintenance.
Impact : Augmente la clarté du modèle et réduit les erreurs lors de modifications ultérieures des données source
Testez différents niveaux de confiance (85%, 90%, 95%, 99%) et comparez les intervalles résultants. Documentez le choix final dans une cellule commentée pour justifier votre décision aux stakeholders.
Impact : Démontre une approche rigoureuse et permet d'ajuster le niveau de risque selon le contexte métier
Créez un graphique en nuage de points avec les données historiques, la ligne de tendance ETS et les bandes d'intervalle de confiance (±). Cela visualise immédiatement la qualité de l'ajustement du modèle.
Impact : Facilite la communication avec les décideurs et identifie rapidement les anomalies ou changements de tendance
Recalculez vos intervalles mensuellement ou trimestriellement en ajoutant les nouvelles données. Un intervalle qui s'élargit régulièrement indique un changement structurel dans vos données que le modèle ETS ne capture pas.
Impact : Détecte précocement les ruptures de tendance ou les changements de saisonnalité nécessitant une révision du modèle
Combinaisons utiles
Combiner avec PREVISION.ETS pour afficher l'intervalle complet
=PREVISION.ETS(DATE(2025,1,1),B2:B25,A2:A25) ± PREVISION.ETS.INTERVALLE.CONFIANCE(DATE(2025,1,1),B2:B25,A2:A25,0.95,12)Créez deux cellules : une pour la borne inférieure (PREVISION.ETS(...) - PREVISION.ETS.INTERVALLE.CONFIANCE(...)) et une pour la borne supérieure (PREVISION.ETS(...) + PREVISION.ETS.INTERVALLE.CONFIANCE(...)). Cela fournit une vue complète de l'intervalle de confiance.
Intégrer avec SI pour des seuils d'alerte
=SI(PREVISION.ETS.INTERVALLE.CONFIANCE(...) > 5000, "Intervalle trop large - collectez plus de données", "Intervalle acceptable")Utilisez une condition pour vérifier si l'intervalle de confiance dépasse un seuil acceptable. Si l'intervalle est trop large, cela indique une faible fiabilité du modèle et la nécessité de collecter plus de données ou d'ajuster les paramètres.
Combiner avec MOYENNE pour calculer un intervalle moyen sur plusieurs périodes
=MOYENNE(PREVISION.ETS.INTERVALLE.CONFIANCE(DATE(2025,1,1),...), PREVISION.ETS.INTERVALLE.CONFIANCE(DATE(2025,2,1),...), PREVISION.ETS.INTERVALLE.CONFIANCE(DATE(2025,3,1),...))Calculez l'intervalle de confiance moyen sur plusieurs périodes futures pour évaluer la stabilité globale de vos prévisions. Un intervalle croissant indique une incertitude augmentant avec l'horizon de prévision.
Erreurs courantes
Cause : Les paramètres valeurs et chronologie n'ont pas la même longueur, ou le niveau_confiance n'est pas compris entre 0 et 1. Par exemple : =PREVISION.ETS.INTERVALLE.CONFIANCE(DATE(2025,1,1),B2:B25,A2:A26,0.95,12) avec une chronologie plus longue.
Solution : Vérifiez que vos plages ont exactement le même nombre de lignes. Utilisez COUNTA() pour compter les cellules non vides. Assurez-vous que le niveau_confiance est entre 0 et 1 (0.95 pour 95%, pas 95).
Cause : La saisonnalité est mal définie ou les données ne contiennent pas assez de cycles complets. Par exemple, définir une saisonnalité de 12 avec seulement 10 mois de données, ou une saisonnalité supérieure à la moitié du nombre de points de données.
Solution : Assurez-vous d'avoir au minimum 2 cycles complets de saisonnalité. Pour 12 mois, vous avez besoin de 24 points minimum. Si les données sont insuffisantes, réduisez la saisonnalité ou collectez plus de données historiques.
Cause : Les plages de données (valeurs ou chronologie) contiennent des références invalides ou des cellules supprimées. Par exemple, si vous supprimez une colonne référencée dans la formule.
Solution : Vérifiez que toutes les plages existent et sont valides. Utilisez les noms de plages nommées pour éviter les erreurs lors de modifications ultérieures : =PREVISION.ETS.INTERVALLE.CONFIANCE(date_cible,Ventes,Periodes,0.95,12).
Checklist de dépannage
- 1.Vérifiez que les plages valeurs et chronologie ont exactement le même nombre de lignes (utilisez =COUNTA(plage) pour compter)
- 2.Confirmez que le niveau_confiance est entre 0 et 1 (0.95 pour 95%, pas 95 ou 95%)
- 3.Assurez-vous d'avoir au minimum 2 cycles complets de saisonnalité (si saisonnalité=12, vous avez besoin de 24 points minimum)
- 4.Vérifiez que les dates dans la chronologie sont en ordre croissant et sans doublons
- 5.Testez la formule avec un sous-ensemble de données pour isoler le problème avant de l'appliquer à l'ensemble complet
- 6.Consultez les valeurs retournées par PREVISION.ETS et PREVISION.ETS.SAISONNALITE pour diagnostiquer les problèmes du modèle ETS sous-jacent
Cas particuliers
Données avec tendance très forte et saisonnalité faible
Comportement : L'intervalle de confiance peut s'élargir considérablement pour les périodes futures car le modèle ETS amplifie l'incertitude de la tendance sur long terme
Solution : Réduisez l'horizon de prévision ou augmentez le niveau de confiance pour accepter des intervalles plus larges. Validez avec PREVISION.ETS.SAISONNALITE pour vérifier que le modèle capture bien la saisonnalité.
C'est un comportement normal qui reflète une véritable augmentation de l'incertitude
Données avec changement brusque de niveau (ex. COVID-19, changement de marché)
Comportement : Le modèle ETS continue d'utiliser les données anciennes, produisant des prévisions biaisées et des intervalles de confiance incorrects qui ne reflètent pas le nouveau régime
Solution : Excluez les données antérieures au changement ou créez un nouveau modèle avec uniquement les données post-changement. Documentez le point de rupture.
Le modèle ETS est conçu pour les données stationnaires et ne s'adapte pas automatiquement aux ruptures structurelles
Très peu de données (ex. 5 points avec saisonnalité de 4)
Comportement : La formule retourne #NUM! car il n'y a pas assez de cycles complets pour estimer la saisonnalité et l'intervalle de confiance de manière fiable
Solution : Collectez au minimum 2 cycles complets (8 points pour saisonnalité=4) ou réduisez la saisonnalité à 1 pour utiliser un modèle simple sans saisonnalité.
Avec peu de données, les intervalles de confiance seront très larges même après avoir atteint le minimum requis
Limitations
- •La formule nécessite un minimum de 2 cycles complets de saisonnalité, limitant son utilisation pour les données très courtes ou les nouveaux produits sans historique suffisant
- •Le modèle ETS suppose une saisonnalité régulière et prévisible. Il ne gère pas bien les changements structurels brusques ou les événements ponctuels imprévisibles (crises, scandales, etc.)
- •L'intervalle de confiance s'élargit exponentiellement avec l'horizon de prévision, rendant les prévisions à très long terme (>12 périodes) peu exploitables en pratique
- •La formule ne fournit que la demi-largeur de l'intervalle, pas les bornes directement. Vous devez créer des formules supplémentaires pour obtenir les limites inférieure et supérieure
Alternatives
Compatibilité
✓ Excel
Depuis Excel 2016
=PREVISION.ETS.INTERVALLE.CONFIANCE(date_cible,valeurs,chronologie,[niveau_confiance],[saisonnalite],[remplissage_donnees],[agregation])✗Google Sheets
Non disponible
✗LibreOffice
Non disponible