Choix d’implantation commerciale : des données à la décision Supports de formation interne d’IDER Cas et chiffres hypothétiques pour expliquer les méthodes. Objectifs Concevoir une étude de zone de chalandise avec unités et strates explicites. Calculer les scores et le seuil de préférence qui inverse le classement. Tester la viabilité et formuler une recommandation conditionnelle traçable. Calcul sur tableur, proportions et marge sur coût variable. Choisir un site viable et justifier les arbitrages Cas hypothétique : deux implantations Données → préférences → viabilité Livrable : note conditionnelle Imaginez une entreprise de services qui compare deux implantations urbaines. La première semble bénéficier d’une demande supérieure ; la seconde offre un meilleur accès et des coûts plus faibles. La question professionnelle dépasse donc le simple comptage des passants. Nous voulons identifier le site capable de servir la clientèle visée, avec un risque acceptable et des priorités explicites. Cette formation interne d’IDER construit la décision à partir d’observations vérifiables. Les sites et les chiffres sont entièrement hypothétiques. Préparez un tableur : vous calculerez un classement, déterminerez quand il s’inverse, puis vérifierez si le site préféré couvre ses charges. Votre livrable sera une recommandation reproductible, accompagnée des conditions qui pourraient conduire à la réviser. Séparer les conditions éliminatoires des préférences Conditions : autorisations, accès, réseaux Préférences : demande, commodité, coût Identifier le responsable des exceptions Commencez par les conditions indispensables avant de comparer l’attractivité des sites. Si votre service exige une alimentation électrique fiable, une excellente demande ne compense pas automatiquement l’impossibilité de l’obtenir à un coût supportable. Pour chaque condition, précisez un test, une preuve attendue et la personne chargée de conclure. Les arbitrages concernent ensuite les sites admissibles : un trajet plus long peut être acceptable si le service ou le prix répond mieux aux besoins. Cette séparation évite qu’une moyenne séduisante masque un obstacle décisif. Consignez toute exception. Une autorisation incertaine doit apparaître dans la recommandation conditionnelle, et non se perdre dans une note légèrement diminuée que les décideurs ne remarqueront jamais au moment de s’engager. Reconstituer les trajets et les destinations concurrentes Temps de trajet selon mode et horaire Origines, obstacles et alternatives Distinguer personnes, passages et achats Un cercle tracé sur une carte est commode, mais il représente rarement le déplacement réel des clients. Construisez les zones de chalandise avec les modes de transport et les horaires pertinents pour votre activité. Une traversée difficile, une correspondance ou une route inondée modifie l’accès sans modifier la distance géographique. Relevez les origines des clients et demandez quelle autre destination ils choisiraient. Vous identifierez ainsi les chevauchements et les possibilités de substitution. Définissez également l’unité observée : le même voyageur passant deux fois représente deux passages, pas nécessairement deux personnes ni deux occasions d’achat. Séparez les passages admissibles, les clients identifiables et les transactions réalisées afin de construire ensuite une prévision économiquement cohérente. Stratifier avant d’extrapoler les observations Semaine/week-end × matin/soir Définitions et protocoles identiques Conserver météo, fermetures et événements Compter le site A un soir de paie et le site B un matin calme produit une comparaison trompeuse, même si chaque comptage est exact. Préparez un calendrier croisant les périodes et les types de journées importants, puis observez les deux sites dans des strates comparables. Extrapolez chaque strate selon le nombre de périodes similaires qu’elle représente. Ne multipliez pas simplement une heure commode par tout le mois. Notez les promotions, la météo inhabituelle et les fermetures afin de pouvoir expliquer les anomalies. Plusieurs observations d’une même journée partagent parfois le même choc : elles ne sont pas toutes indépendantes. Une courte observation commune permet enfin de vérifier que les enquêteurs appliquent réellement les mêmes définitions. Ancrer les notes dans des niveaux explicites Demande / accès / coût : échelles 0–100 A : 80 / 60 / 40 B : 65 / 85 / 75 Dans notre exemple, chaque site reçoit une note de demande, d’accès et d’attractivité du coût. Une note élevée est toujours favorable, y compris pour le coût : une solution comparable moins chère obtient davantage de points. Mais ces nombres ne sont interprétables qu’après définition des bornes. Précisez ce que signifient zéro et cent, puis justifiez la position des performances intermédiaires. Sinon, deux évaluateurs peuvent comprendre très différemment une note de quatre-vingts. Évitez également de compter deux fois le même avantage à travers des critères proches, comme le passage et les ventes prévues. Conservez les mesures brutes avec les notes transformées. Vous pourrez ainsi séparer un désaccord sur les observations d’un désaccord sur les priorités. Les priorités initiales favorisent le site B Poids : demande 50 %, accès 30 %, coût 20 % A = 66 points ; B = 73 points Pondérer des écarts de performance définis A = 0,50×80 + 0,30×60 + 0,20×40 = 66 ; B = 73 Appliquons des poids de cinquante, trente et vingt pour cent à la demande, à l’accès et au coût. Le site A obtient quarante points, puis dix-huit et huit, soit soixante-six. Le site B obtient trente-deux virgule cinq, vingt-cinq virgule cinq et quinze, soit soixante-treize. Ces résultats représentent des préférences, pas des probabilités de réussite commerciale. Pour choisir les poids, comparez l’amélioration entre la pire et la meilleure performance définies sur chaque échelle. Demander seulement quel critère paraît important, sans montrer cet écart, peut fausser la pondération. Notez les décideurs dont les préférences sont représentées et faites confirmer les poids avant de révéler le classement, afin de limiter les ajustements opportunistes du modèle. Une priorité accrue à la demande inverse-t-elle le choix ? Porter le poids de la demande à 70 % Répartir les 30 % restants selon 3:2 Calculer les scores et expliquer le changement Mettez la vidéo en pause et examinez une autre priorité. Un décideur propose de porter le poids de la demande à soixante-dix pour cent, tout en conservant un rapport de trois à deux entre les poids de l’accès et du coût. Calculez d’abord ces deux nouveaux poids, puis les notes totales sans modifier les performances des sites. Enfin, expliquez si un changement de classement traduit de meilleures données ou des préférences différentes. Cette distinction est essentielle : une recommandation peut évoluer alors qu’aucune observation supplémentaire n’a été recueillie. Présentez les contributions intermédiaires, pas seulement les résultats. Vérifiez également que vos poids totalisent cent pour cent avant d’interpréter le classement obtenu dans ce nouvel exercice. Les nouvelles préférences favorisent le site A Accès 18 % ; coût 12 % A = 71,6 ; B = 69,8 Les observations ne changent pas A = 0,70×80 + 0,18×60 + 0,12×40 = 71,6 ; B = 69,8 Les trente pour cent restants se répartissent en dix-huit pour l’accès et douze pour le coût. Le site A obtient alors soixante et onze virgule six, contre soixante-neuf virgule huit pour B. Le classement s’inverse parce que l’avantage de A en matière de demande pèse davantage. Ce calcul ne démontre aucune erreur dans les observations initiales : vous avez changé la valeur accordée aux différences de performance. En comité, présentez les deux scénarios et demandez si cette priorité correspond réellement à la stratégie commerciale. Vérifiez aussi que chacun comprend les mêmes bornes de notation. Une analyse de sensibilité utile révèle un désaccord important ; elle ne le transforme pas artificiellement en consensus par une simple moyenne. Mesurer le changement de préférence décisif Noter w le poids de la demande Conserver le rapport accès:coût de 3:2 Inversion à w = 29/44 ≈ 65,91 % 52 + 28w = 81 − 16w → w = 29/44 = 65,91 % Plutôt que d’essayer quelques poids isolés, recherchons le point exact où les scores deviennent égaux. Appelons w le poids de la demande. L’accès reçoit trois cinquièmes du poids restant et le coût deux cinquièmes. Le score de A devient cinquante-deux plus vingt-huit fois w ; celui de B, quatre-vingt-un moins seize fois w. L’égalité donne quarante-quatre fois w égale vingt-neuf, soit environ soixante-cinq virgule quatre-vingt-onze pour cent. En dessous, B est préféré ; au-dessus, A l’est. Ce seuil transforme une discussion abstraite en question concrète : l’amélioration définie de la demande mérite-t-elle vraiment près des deux tiers du poids total ? La décision devient ainsi plus explicite et beaucoup plus facile à examiner collectivement. Tester séparément préférences et mesures Les poids expriment des choix La demande estimée comporte une erreur Combiner des hypothèses conjointement plausibles La sensibilité des poids explore les préférences ; elle ne mesure pas l’incertitude des observations. Traitez séparément ces deux dimensions. Réexaminez les passages, les conversions et les coûts à partir d’intervalles défendables, liés à la qualité réelle des données. Testez ensuite des combinaisons plausibles. Une route perturbée peut simultanément réduire les visites et augmenter les frais de livraison : modifier une seule variable sous-estimerait alors le risque. À l’inverse, réunir tous les scénarios extrêmes sans mécanisme commun peut l’exagérer. Pour les comptages répétés, un rééchantillonnage doit respecter le regroupement par journée ou autre unité pertinente. Indiquez la fréquence des inversions dans vos scénarios, sans la présenter comme une probabilité de succès commercial en l’absence de modèle probabiliste justifié. Une bonne note ne garantit pas un excédent 1 200 visites/jour × 4 % × 26 jours Contribution : 35 GHS/achat ; charges fixes : 42 000 GHS Contribution 43 680 GHS ; excédent 1 680 GHS 1 200 × 0,04 × 26 × 35 GHS − 42 000 GHS = 1 680 GHS Passons de l’attractivité relative à la viabilité absolue. Supposons mille deux cents visites admissibles par jour, une conversion de quatre pour cent et vingt-six jours d’activité. Nous obtenons mille deux cent quarante-huit achats mensuels. Avec une contribution de trente-cinq cédis par achat, la contribution totale atteint quarante-trois mille six cent quatre-vingts. Après quarante-deux mille de charges fixes, l’excédent n’est que de mille six cent quatre-vingts. La contribution représente le prix diminué des coûts variables ; ce n’est pas le chiffre d’affaires. Cette marge étroite impose de vérifier sérieusement la conversion et la qualité des passages. Le calcul exclut également financement, fiscalité et récupération de l’investissement : il ne suffit donc pas à établir une rentabilité acceptable. Tester l’hypothèse capable de changer la décision Reproduire l’offre et le parcours client Définir conversion et coûts à mesurer Fixer une règle : arrêter, adapter, poursuivre Un pilote est utile lorsqu’il réduit une incertitude déterminante pour la décision. Si la viabilité dépend d’une conversion de quatre pour cent, compter davantage de passants peut apporter peu d’information. Testez plutôt l’offre réelle, les horaires et le parcours client dans un contexte comparable ou une installation temporaire autorisée. Définissez le dénominateur admissible avant d’observer les achats et distinguez les clients récurrents. Fixez à l’avance la durée du test et les résultats qui conduiraient à poursuivre, modifier ou approfondir l’étude. Un essai réussi peut surestimer l’activité normale si la nouveauté, les remises ou une équipe exceptionnelle expliquent les ventes. Documentez les différences avec l’exploitation prévue et ajustez les hypothèses par des mécanismes explicites, sans réduction arbitraire. Le site résiste-t-il à une baisse combinée plausible ? Les visites admissibles diminuent de 10 % La conversion passe de 4 % à 3,5 % Maintenir 26 jours, 35 GHS et 42 000 GHS Mettez la vidéo en pause pour calculer un scénario défavorable combiné. Les visites quotidiennes admissibles diminuent de dix pour cent et la conversion tombe à trois virgule cinq pour cent. Le nombre de jours, la contribution par achat et les charges fixes restent identiques. Calculez la contribution mensuelle puis l’excédent ou le déficit. Expliquez ensuite pourquoi réduire simplement l’excédent initial de dix pour cent serait incorrect : l’activité change avant déduction des charges fixes, et la conversion diminue aussi. Dans votre recommandation, séparez classement et viabilité. Un site peut demeurer le meilleur parmi les options étudiées alors qu’aucune ne respecte les exigences économiques minimales. Reporter l’investissement constitue donc un résultat parfaitement légitime d’une recherche professionnelle rigoureuse. Une faible baisse peut supprimer un excédent étroit 1 080 × 3,5 % × 26 × 35 GHS = 34 398 GHS Résultat d’exploitation = −7 602 GHS Réexaminer conditions, offre ou calendrier 1 080 × 0,035 × 26 × 35 − 42 000 = −7 602 GHS Après la baisse de dix pour cent, les visites atteignent mille quatre-vingts par jour. En multipliant par trois virgule cinq pour cent, vingt-six jours et trente-cinq cédis, nous obtenons trente-quatre mille trois cent quatre-vingt-dix-huit de contribution. Les charges fixes conduisent donc à un déficit mensuel de sept mille six cent deux. Les engagements fixes expliquent pourquoi le résultat se dégrade beaucoup plus vite que le nombre de visites. Examinez maintenant les possibilités d’ajuster le loyer, les horaires ou l’offre sans détériorer la demande. Recalculez toute la chaîne après chaque modification. Une réduction de prix peut augmenter la conversion mais diminuer la contribution unitaire : la traiter comme un avantage commercial pur reproduirait l’erreur de prévision initiale. Rendre la recommandation vérifiable Conditions d’admissibilité et méthode de terrain Notes, poids et seuil d’inversion Scénarios, conditions et responsables Votre note doit permettre de reconstituer la recommandation sans recommencer toute l’étude. Présentez les conditions satisfaites, la définition des zones et le calendrier des observations. Associez les mesures brutes aux notes, identifiez les poids validés et affichez le seuil d’inversion. Joignez ensuite le modèle d’exploitation et des scénarios défavorables cohérents. Formulez une recommandation conditionnelle dans un langage opérationnel : poursuivre seulement si une incertitude précise est levée, si une condition de bail acceptable est obtenue ou si le pilote atteint l’objectif défini. Attribuez un responsable et une échéance à chaque condition. Conservez enfin la version des données et des calculs afin que les mises à jour modifient explicitement les preuves plutôt que de réécrire silencieusement la décision initiale. Appliquer la méthode à votre prochaine implantation Vérifier un dénominateur et une échelle Calculer un seuil de classement et de viabilité Réaliser l’évaluation et les travaux appliqués Avant votre prochaine mission, vérifiez un dénominateur et une borne de notation. Vos passages représentent-ils réellement des occasions d’achat ? Une amélioration de dix points signifie-t-elle la même chose pour tous les décideurs ? Calculez ensuite un seuil de classement et un seuil économique. Le premier indique l’option préférée selon les valeurs retenues ; le second précise si une option mérite d’être exploitée. Ces décisions se complètent mais ne se confondent pas. Répondez aux questions proposées, puis réalisez les deux travaux appliqués avec le cas hypothétique ou un projet correctement anonymisé. Évaluez votre production selon la traçabilité des calculs, la cohérence des hypothèses et la précision des conditions formulées. La qualité professionnelle ne dépend pas de l’assurance avec laquelle vous désignez un gagnant. Vérifiez vos acquis 1. Quelle condition doit être éliminatoire ? A. Une couleur intérieure préférée B. Un trajet légèrement plus court C. Une autorisation indispensable indisponible D. Un petit écart de loyer 2. Avec 50 % / 30 % / 20 %, quels scores sont corrects ? A. A 66 ; B 73 B. A 73 ; B 66 C. A 71,6 ; B 69,8 D. A 60 ; B 75 3. Avec 70 % pour la demande et un rapport accès:coût de 3:2 : A. 30 % et 20 % B. 15 % et 15 % C. 21 % et 14 % D. 18 % et 12 % 4. Au-delà de quel poids de demande A dépasse-t-il B ? A. 50 % B. Environ 65,91 % C. Uniquement 70 % D. 85 % 5. Quel est l’excédent mensuel de référence ? A. 43 680 GHS B. 42 000 GHS C. 1 680 GHS D. 1 248 GHS 6. Les visites baissent de 10 % et la conversion atteint 3,5 %. Résultat ? A. Déficit mensuel de 7 602 GHS B. Excédent de 1 512 GHS C. Excédent de 34 398 GHS D. Le meilleur site reste forcément viable Exercice 1 Concevez un plan d’observation et une grille pour deux sites : unités, strates, conditions, échelles et contrôle des doublons. Exercice 2 Rédigez une recommandation conditionnelle avec les scores, le seuil de 65,91 % et le scénario défavorable. Précisez les prochaines preuves à recueillir. Réponses et explications 1. C. Une autorisation indispensable ne peut pas être compensée par une bonne note. (Diapositive 2) 2. A. A : 40+18+8=66 ; B : 32,5+25,5+15=73. (Diapositive 6) 3. D. Les 30 % restants représentent cinq parts de 6 %. (Diapositive 8) 4. B. 52+28w=81−16w donne w=29/44. A gagne au-dessus. (Diapositive 9) 5. C. La contribution de 43 680 moins 42 000 de charges donne 1 680. (Diapositive 11) 6. A. 1 080×0,035×26×35−42 000 = −7 602. Classement et viabilité diffèrent. (Diapositive 14) Exercice 1 Un plan défendable observe des strates comparables, distingue personnes/passages/achats, conserve les événements inhabituels, écarte les sites non admissibles et associe mesures brutes et notes. Les critères proches ne comptent pas deux fois le même avantage. Strates comparables et dénominateur explicite Conditions vérifiables et échelles définies Traitement des visites répétées et critères corrélés Exercice 2 B est préféré initialement ; A le devient au-dessus de 65,91 % de poids pour la demande. L’exploitation produit 1 680 GHS d’excédent initial mais perd 7 602 GHS dans le scénario défavorable. Il faut donc conditionner l’investissement à un pilote de conversion ou à des engagements fixes révisés. Classement et seuil corrects Excédent et déficit correctement calculés Condition liée aux preuves, responsable et règle de décision Références UK Government — Multi-criteria analysis: a manual https://www.gov.uk/government/publications/multi-criteria-analysis-manual-for-making-government-policy Option appraisal, explicit criteria, preference weights and sensitivity analysis; all numerical cases are original hypothetical teaching examples.