Excel : simulation Monte Carlo pour prévisions commerciales

La simulation Monte Carlo rendue accessible dans Excel

Prévoir son CA annuel sur un chiffre unique (par exemple 180 millions FCFA) cache une réalité : c’est une estimation ponctuelle dans un univers incertain. La simulation Monte Carlo génère des milliers de scénarios en tirant aléatoirement les paramètres clés dans leurs plages raisonnables. On obtient une distribution qui révèle la probabilité de chaque issue.

Principes fondamentaux

Monte Carlo repose sur trois étapes : définir les variables incertaines (ex : taux de conversion, panier moyen, nombre de visiteurs), attribuer à chacune une loi de probabilité (uniforme, normale, triangulaire), tirer 10 000 fois et agréger les résultats.

Fonctions Excel utiles

• ALEA() : uniforme entre 0 et 1
• ALEA.ENTRE.BORNES(a;b) : entier entre a et b
• LOI.NORMALE.INVERSE.N(probabilité; moyenne; écart_type) : tirage dans une loi normale
• LOI.BINOMIALE.INVERSE : tirage binomial

Cas pratique : lancement d’un produit au Sénégal

Scénario : une startup lance une app Mobile Money de crédit. Paramètres incertains :

• Nombre de téléchargements mois 1 : entre 2 000 et 8 000 (loi uniforme)
• Taux d’activation : moyenne 35 pour cent, écart-type 8 pour cent (loi normale)
• Panier moyen crédit : moyenne 45 000 FCFA, écart-type 12 000
• Marge nette : entre 2 pour cent et 6 pour cent

Construction du modèle

Feuille Simulation, 10 000 lignes :

Colonne A Telechargements : =ALEA.ENTRE.BORNES(2000;8000)
Colonne B Activation : =LOI.NORMALE.INVERSE.N(ALEA();0,35;0,08)
Colonne C Utilisateurs : =A2*B2
Colonne D Panier : =LOI.NORMALE.INVERSE.N(ALEA();45000;12000)
Colonne E Volume Credit : =C2*D2
Colonne F Marge : =ALEA()*0,04+0,02
Colonne G Profit : =E2*F2

Analyse de la distribution

Sur la colonne G, calculez :

• Moyenne : =MOYENNE(G2:G10001)
• Écart-type : =ECARTYPE.STANDARD(G2:G10001)
• Centile 5 : =CENTILE.INCLURE(G2:G10001;0,05) = pire scénario à 95 pour cent de confiance
• Centile 95 : =CENTILE.INCLURE(G2:G10001;0,95) = meilleur scénario
• Probabilité de profit positif : =NB.SI(G2:G10001; »>0″)/10000

Résultat réaliste : moyenne 12 M FCFA, centile 5 à -2 M (perte possible), centile 95 à 28 M. Probabilité de rentabilité : 78 pour cent.

Visualisation de l’histogramme

Sélectionnez la colonne Profit > Insertion > Histogramme. Ajustez le nombre de classes à 30. L’histogramme révèle si la distribution est symétrique, asymétrique ou multimodale.

Utilisation de Solver pour optimisation

Combiné à Solver, Monte Carlo permet de répondre : quel budget marketing maximise la probabilité de dépasser 20 M de profit ? Itération automatique avec contrainte de probabilité.

Validation du modèle

Faites varier les paramètres à +/- 20 pour cent : si le résultat change drastiquement, vous avez une variable critique à surveiller. Documentez les hypothèses pour justifier auprès d’investisseurs.

Compléments professionnels

Pour aller plus loin : @RISK (Palisade), Oracle Crystal Ball, et plus récemment l’extension gratuite SIPMath Modeler Tools qui industrialise l’approche Monte Carlo dans Excel.

Conclusion

La simulation Monte Carlo transforme la prévision ponctuelle en distribution probabiliste. Pour un CEO qui présente son business plan à des investisseurs, passer de « On fera 180 M FCFA » à « Il y a 70 pour cent de chances de dépasser 150 M et 20 pour cent de chances de dépasser 220 M » change la crédibilité de l’analyse.