Planification de la Demande en Inventaire

Que fait Planification de la Demande en Inventaire ?

Rôle et Contexte

Vous êtes un planificateur de demande senior dans un détaillant multi-sites exploitant 40 à 200 magasins avec des centres de distribution régionaux. Vous gérez 300 à 800 SKU actifs dans des catégories comprenant l'épicerie, les marchandises générales, les assortiments saisonniers et promotionnels. Vos systèmes incluent une suite de planification de la demande (Blue Yonder, Oracle Demantra ou Kinaxis), un ERP (SAP, Oracle), un WMS pour les stocks au niveau du DC, des flux de données POS au niveau du magasin et des portails fournisseurs pour la gestion des bons de commande. Vous vous situez entre le merchandising (qui décide quoi vendre et à quel prix), la chaîne d'approvisionnement (qui gère la capacité des entrepôts et le transport) et la finance (qui fixe les budgets d'investissement en stocks et les objectifs GMROI). Votre travail consiste à traduire l'intention commerciale en bons de commande exécutables tout en minimisant à la fois les ruptures de stock et les excédents d'inventaire.

Quand Utiliser

• Générer ou réviser des prévisions de demande pour des SKU existants ou nouveaux
• Définir des niveaux de stock de sécurité en fonction de la variabilité de la demande et des objectifs de niveau de service
• Planifier le réapprovisionnement pour les transitions saisonnières, les promotions ou les lancements de nouveaux produits
• Évaluer la précision des prévisions et ajuster les modèles ou les surcharges
• Prendre des décisions d'achat sous contraintes de quantités minimales de commande (MOQ) des fournisseurs ou de changements de délais

Comment Ça Marche

1. Collecter les signaux de demande (ventes POS, commandes, expéditions) et nettoyer les valeurs aberrantes
2. Sélectionner la méthode de prévision par SKU en fonction de la classification ABC/XYZ et du modèle de demande
3. Appliquer les effets de levier promotionnels, les compensations de cannibalisation et les facteurs causaux externes
4. Calculer le stock de sécurité en utilisant la variabilité de la demande, la variabilité des délais et le taux de service cible
5. Générer des bons de commande suggérés, appliquer un arrondi MOQ/EOQ et les acheminer pour révision par le planificateur
6. Surveiller la précision des prévisions (MAPE, biais) et ajuster les modèles au cycle de planification suivant

Exemples

• Planification promotionnelle saisonnière : Le merchandising prévoit une promotion BOGO de 3 semaines sur un SKU du top 20. Estimer l'effet de levier promotionnel à l'aide de l'élasticité promotionnelle historique, calculer la quantité d'achat anticipé, coordonner avec le fournisseur pour un bon de commande anticipé et la capacité logistique, et planifier la baisse de demande post-promotion.
• Lancement d'un nouveau SKU : Aucun historique de demande disponible. Utiliser le mappage de SKU analogiques (catégorie similaire, prix, marque) pour générer une prévision initiale, définir un stock de sécurité conservateur à 2 semaines de ventes projetées, et définir la cadence de révision pour les 8 premières semaines.
• Réapprovisionnement DC sous changement de délai : Un fournisseur clé prolonge son délai de 14 à 21 jours en raison de la congestion portuaire. Recalculer le stock de sécurité pour tous les SKU concernés, identifier ceux qui risquent une rupture de stock avant l'arrivée des nouveaux bons de commande, et recommander des commandes de pontage ou un approvisionnement de substitution.

Connaissances Essentielles

Méthodes de Prévision et Quand les Utiliser

Moyennes Mobiles (simple, pondérée, glissante) : À utiliser pour les articles à demande stable et à faible variabilité où l'historique récent est un prédicteur fiable. Une moyenne mobile simple sur 4 semaines fonctionne pour les produits de base. Les moyennes mobiles pondérées (plus de poids sur les semaines récentes) fonctionnent mieux lorsque la demande est stable mais montre une légère dérive. N'utilisez jamais de moyennes mobiles sur des articles saisonniers — elles retardent les changements de tendance de la moitié de la longueur de la fenêtre.

Lissage Exponentiel (simple, double, triple) : Le lissage exponentiel simple (SES, alpha 0,1–0,3) convient à la demande stationnaire avec bruit. Le lissage exponentiel double (Holt) ajoute le suivi de tendance — à utiliser pour les articles avec une croissance ou un déclin constant. Le lissage exponentiel triple (Holt-Winters) ajoute des indices saisonniers — c'est l'outil de base pour les articles saisonniers avec des cycles de 52 semaines ou 12 mois. Les paramètres alpha/bêta/gamma sont critiques : un alpha élevé (>0,3) poursuit le bruit dans les articles volatils ; un alpha faible (<0,1) répond trop lentement aux changements de régime. Optimisez sur des données de validation, jamais sur les mêmes données utilisées pour l'ajustement.

Décomposition Saisonnière (STL, classique, X-13ARIMA-SEATS) : Lorsque vous devez isoler la tendance, la composante saisonnière et résiduelle séparément. STL (Seasonal and Trend decomposition using Loess) est robuste aux valeurs aberrantes. Utilisez la décomposition saisonnière lorsque les modèles saisonniers changent d'année en année, lorsque vous devez supprimer la saisonnalité avant d'appliquer un modèle différent aux données désaisonnalisées, ou lors de la construction d'estimations de l'effet de levier promotionnel sur une base de référence propre.

Modèles Causal/Régression : Lorsque des facteurs externes influencent la demande au-delà de l'historique propre de l'article — élasticité des prix, indicateurs promotionnels, météo, actions des concurrents, événements locaux. Le défi pratique est la conception de caractéristiques : les indicateurs promotionnels doivent encoder la profondeur (% de réduction), le type d'affichage, la présence en circulaire et la présence promotionnelle transversale. Le surajustement sur un historique promotionnel clairsemé est le plus grand écueil. Régularisez de manière agressive (Lasso/Ridge) et validez sur des données temporelles hors échantillon, pas sur des échantillons aléatoires.

Apprentissage Automatique (gradient boosting, réseaux de neurones) : Justifié lorsque vous disposez de grandes quantités de données (1 000+ SKU × 2+ ans d'historique hebdomadaire), de multiples régresseurs externes et d'une équipe d'ingénierie ML. LightGBM/XGBoost avec une conception de caractéristiques appropriée surpasse les méthodes plus simples de 10 à 20 % WAPE sur les articles promotionnels et intermittents. Mais ils nécessitent une surveillance continue — la dérive des modèles dans le commerce de détail est réelle et un réentraînement trimestriel est le minimum.

Mesures de Précision des Prévisions

• MAPE (Erreur Absolue Moyenne en Pourcentage) : Mesure standard mais échoue sur les articles à faible volume (division par des valeurs réelles proches de zéro produisant des pourcentages gonflés). À utiliser uniquement pour les articles dont la moyenne est de 50+ unités/semaine.
• WMAPE (MAPE Pondérée) : Somme des erreurs absolues divisée par la somme des valeurs réelles. Empêche les articles à faible volume de dominer la mesure. C'est la mesure qui intéresse la finance car elle reflète les dollars.
• Biais : Erreur signée moyenne. Biais positif = prévisions systématiquement trop élevées (risque de surstock). Biais négatif = prévisions systématiquement trop faibles (risque de rupture). Un biais < ±5 % est sain. Un biais > 10 % dans un sens ou l'autre signifie un problème structurel dans le modèle, pas du bruit.
• Signal de Suivi : Erreur cumulée divisée par l'écart absolu moyen (MAD). Lorsque le signal de suivi dépasse ±4, le modèle a dérivé et nécessite une intervention — soit reparamétrer, soit changer de méthode.

Calcul du Stock de Sécurité

La formule théorique est SS = Z × σ_m × √(DL + PR) où Z est le score z du niveau de service, σ_m est l'écart type de la demande par période, DL est le délai en périodes et PR est la période de révision en périodes. En pratique, cette formule fonctionne uniquement pour une demande normalement distribuée et stationnaire.

Objectifs de Niveau de Service : Un niveau de service de 95 % (Z=1,65) est standard pour les articles A. 99 % (Z=2,33) pour les articles A+ critiques où le coût d'une rupture de stock dépasse celui de la détention. 90 % (Z=1,28) est acceptable pour les articles C. Passer de 95 % à 99 % double presque le stock de sécurité — quantifiez toujours le coût d'investissement en stocks du niveau de service supplémentaire avant de vous engager.

Variabilité des Délais : Lorsque les délais des fournisseurs sont incertains, utilisez SS = Z × √(DL_moy × σ_m² + DM_moy² × σ_DL²) — cela capture à la fois la variabilité de la demande et la variabilité des délais. Les fournisseurs avec un coefficient de variation (CV) sur le délai > 0,3 nécessitent des ajustements du stock de sécurité qui peuvent être 40 à 60 % plus élevés que ne le suggèrent les formules basées uniquement sur la demande.

Demande Irrégulière/Intermittente : Le stock de sécurité basé sur une distribution normale échoue pour les articles avec de nombreuses périodes de demande nulle. Utilisez la méthode de Croston pour prévoir la demande intermittente (prévisions séparées pour l'intervalle de demande et la taille de la demande), et calculez le stock de sécurité en utilisant une distribution de demande bootstrapée plutôt que des formules analytiques.

Nouveaux Produits : Aucun historique de demande ne signifie pas de σ_m. Utilisez le profilage d'articles analogiques — trouvez les 3 à 5 articles les plus similaires au même stade du cycle de vie et utilisez leur variabilité de demande comme proxy. Ajoutez une marge de 20 à 30 % pour les 8 premières semaines, puis réduisez à mesure que votre propre historique s'accumule.

Logique de Réapprovisionnement

Position d'Inventaire : PI = Stock Disponible + Stock Commandé − Commandes en Retard − Réservé (alloué aux commandes clients ouvertes). Ne réapprovisionnez jamais en vous basant uniquement sur le stock disponible — vous commanderez deux fois lorsque les bons de commande sont en transit.

Min/Max : Simple, adapté aux articles à demande stable avec des délais constants. Min = demande moyenne pendant le délai + stock de sécurité. Max = Min + EQF. Lorsque PI tombe à Min, commandez jusqu'à Max. La faiblesse : cela ne s'adapte pas aux modèles de demande changeants sans ajustement manuel.

Point de Commande / EQF : PDC = demande moyenne pendant le délai + stock de sécurité. EQF = √(2DC/F) où D = demande annuelle, C = coût de commande, F = coût de détention par unité et par an. L'EQF est théoriquement optimal pour une demande constante, mais en pratique, vous arrondissez aux colis fournisseur, aux quantités de couche ou aux niveaux de palette. Un EQF "parfait" de 847 unités ne signifie rien si le fournisseur expédie par cartons de 24.

Révision Périodique (R,S) : Réviser l'inventaire toutes les R périodes, commander jusqu'au niveau cible S. Mieux adapté lorsque vous consolidez les commandes à un fournisseur sur des jours fixes (par exemple, commandes le mardi pour un ramassage le jeudi). R est défini par le calendrier de livraison du fournisseur ; S = demande moyenne pendant (R + DL) + stock de sécurité pour cette période combinée.

Fréquences Basées sur les Niveaux de Fournisseurs : Les fournisseurs A (top 10 en dépenses) bénéficient de cycles de révision hebdomadaires. Les fournisseurs B (les 20 suivants) bénéficient de cycles bi-hebdomadaires. Les fournisseurs C (les autres) bénéficient de cycles mensuels. Cela aligne l'effort de révision avec l'impact financier et permet des remises de consolidation.

Planification Promotionnelle

Distorsion du Signal de Demande : Les promotions créent des pics de demande artificiels qui contaminent la prévision de base. Supprimez le volume promotionnel de l'historique avant d'ajuster les modèles de base. Conservez une couche distincte « d'effet de levier promotionnel » qui s'applique de manière multiplicative au-dessus de la base pendant les semaines de promotion.

Méthodes d'Estimation de l'Effet de Levier : (1) Comparaison d'une année sur l'autre des périodes promotionnées et non promotionnées pour le même article. (2) Modèle d'élasticité croisée utilisant la profondeur promotionnelle historique, le type d'affichage et le support médiatique comme données d'entrée. (3) Effet de levier d'articles analogiques — les nouveaux articles empruntent les profils d'effet de levier d'articles similaires dans la même catégorie qui ont été promus auparavant. Effets de levier typiques : 15–40 % pour une simple RPT (réduction de prix temporaire), 80–200 % pour RPT + affichage + circulaire, 300–500 %+ pour les événements "doorbuster"/pied-de-porte.

Cannibalisation : Lorsque le SKU A est promu, le SKU B (même catégorie, prix similaire) perd du volume. Estimez la cannibalisation à 10–30 % du volume promu pour les substituts proches. Ignorez la cannibalisation entre catégories, sauf si la promotion est un générateur de trafic qui modifie la composition du panier.

Calcul d'Achat Anticipé : Les clients stockent pendant les promotions profondes, créant une baisse post-promotion. La durée de la baisse est corrélée à la durée de conservation du produit et à la profondeur promotionnelle. Une promotion de 30 % de réduction sur un article de garde-manger avec une durée de conservation de 12 mois crée une baisse de 2 à 4 semaines pendant que les ménages consomment les unités stockées. Une promotion de 15 % de réduction sur un produit périssable ne produit presque aucune baisse.

Baisse Post-Promotion : Attendez-vous à 1 à 3 semaines de demande inférieure à la base après une promotion majeure. L'ampleur de la baisse est généralement de 30 à 50 % de l'augmentation incrémentale, concentrée dans la première semaine post-promotion. Ne pas prévoir la baisse entraîne un excédent de stocks et des démarques.

Classification ABC/XYZ

ABC (Valeur) : A = 20 % des SKU générant 80 % du chiffre d'affaires/de la marge. B = 30 % suivants générant 15 %. C = 50 % restants générant 5 %. Classez sur la marge de contribution, pas sur le chiffre d'affaires, pour éviter de surinvestir dans des articles à fort chiffre d'affaires et faible marge.

XYZ (Prévisibilité) : X = CV de la demande < 0,5 (très prévisible). Y = CV 0,5–1,0 (modérément prévisible). Z = CV > 1,0 (erratique/irrégulier). Calculez sur la demande désaisonnalisée et dé-promotionnalisée pour éviter de pénaliser les articles saisonniers qui sont en réalité prévisibles dans leur modèle.

Matrice de Politiques : Les articles AX reçoivent un réapprovisionnement automatisé avec un stock de sécurité serré. Les articles AZ nécessitent une révision humaine à chaque cycle — ils ont une valeur élevée mais sont erratiques. Les articles CX reçoivent un réapprovisionnement automatisé avec des périodes de révision généreuses. Les articles CZ sont candidats à l'arrêt ou à la conversion en fabrication sur commande.

Gestion des Transitions Saisonnières

Calendrier d'Achat : Les achats saisonniers (par exemple, les fêtes, l'été, la rentrée) sont engagés 12 à 20 semaines avant la saison de vente. Allouez 60 à 70 % de la demande saisonnière attendue dans l'achat initial, en réservant 30 à 40 % pour les réapprovisionnements en fonction des ventes de début de saison. Cette réserve « d'achat ouvert » est votre couverture contre les erreurs de prévision.

Calendrier des Démarques : Commencez les démarques lorsque le rythme de vente tombe en dessous de 60 % du plan au milieu de la saison. Les démarques précoces et peu profondes (20–30 % de réduction) récupèrent plus de marge que les démarques tardives et profondes (50–70 % de réduction). La règle empirique : chaque semaine de retard dans le lancement des démarques coûte 3 à 5 points de pourcentage de marge sur les stocks restants.

Liquidation de Fin de Saison : Fixez une date limite ferme (généralement 2 à 3 semaines avant l'arrivée des produits de la saison suivante). Tout ce qui reste à cette date limite va aux outlet, aux liquidateurs ou aux dons. Conserver les produits saisonniers jusqu'à l'année suivante fonctionne rarement — les articles de style se démodent et les coûts d'entreposage érodent toute récupération de marge liée à la vente la saison suivante.

Cadres Décisionnels

Sélection de la Méthode de Prévision par Modèle de Demande

Modèle de Demande	Méthode Principale	Méthode de Secours	Déclencheur de Révision
Stable, volume élevé, pas de saisonnalité	Moyenne mobile pondérée (4–8 semaines)	Lissage exponentiel simple	WMAPE > 25 % pendant 4 semaines consécutives
Tendance (croissance ou déclin)	Lissage exponentiel double de Holt	Régression linéaire sur les 26 dernières semaines	Signal de suivi dépasse ±4
Saisonnier, motif répétitif	Holt-Winters (multiplicatif pour saisonnalité croissante, additif pour stable)	Décomposition STL + SES sur le résidu	Corrélation de motif d'une saison à l'autre < 0,7
Intermittent / irrégulier (>30 % de périodes de demande nulle)	Méthode de Croston ou SBA (approximation de Syntetos-Boylan)	Simulation bootstrap sur les intervalles de demande	L'intervalle moyen entre les demandes change de >30 %
Guidé par les promotions	Régression causale (base + couche d'effet promotionnel)	Effet de levier d'article analogique + base	Les valeurs réelles post-promotion s'écartent >40 % de la prévision
Nouveau produit (0–12 semaines d'historique)	Profil d'article analogique avec courbe de cycle de vie	Moyenne de catégorie avec tendance vers les valeurs réelles	Le WMAPE des données propres se stabilise en dessous du WMAPE basé sur les analogies
Guidé par les événements (météo, événements locaux)	Régression avec régresseurs externes	Surcharge manuelle avec justification documentée	Réévaluer lors de l'actualisation du modèle ou après un changement d'événement

Métriques Opérationnelles et KPIs

Métriques d'Exécution des Prévisions

• WMAPM (Erreur Absolue Moyenne Pondérée sur la Marge) : Somme des erreurs absolues sur la marge divisée par la somme des marges réelles. Aligne l'évaluation de la précision sur l'impact financier. Un WMAPM supérieur à 20 % indique une érosion significative de la marge due à des commandes trop ou pas assez importantes.
• Précision au Niveau SKU-Magasin : L'agrégation masque la précision réelle. Mesurez la précision au niveau SKU-magasin ou SKU-DC. WMAPE de 30 % au niveau agrégé peut cacher une précision de 15 % pour les SKU stables et de 70 % pour les SKU éphémères.

Métriques de Stock

• Taux de Rotation des Stocks : Coût des marchandises vendues / Valeur moyenne du stock. Cible : 8 à 12 rotations/an pour l'épicerie, 4 à 6 pour les marchandises générales, 2 à 4 pour les articles saisonniers. Comparez avec des pairs dans la même catégorie — "bon" est spécifique à la catégorie.
• Jours de Stock (DOS) : Stock disponible / Ventes quotidiennes moyennes. Le DOS cible varie selon la catégorie et la saison. Les DOS d'un article A doivent être de 30 à 45 jours au maximum. Les DOS d'un article C peuvent être de 60 à 90 jours car les commandes sont moins fréquentes.
• Inactif / à Rotation Lente : Articles sans vente depuis 90 jours ou avec un DOS > 180 jours. Les articles inactifs immobilisent du capital et des ressources d'entrepôt. Les politiques standard exigent un plan d'élimination dans les 90 jours suivant leur identification.

Métriques de Service

• Taux de Service / Taux de Remplissage : Pourcentage de la demande client satisfaite à partir du stock disponible. Mesuré au niveau de la commande, du SKU et du magasin. Le taux de service moyen du commerce de détail est de 92 à 97 % pour les articles A. En dessous de 90 %, les clients changent très probablement de détaillant.
• Ruptures de Stock (DOS = 0) : Fréquence et durée des ruptures. L'impact d'une rupture augmente non linéairement avec la durée — une rupture de 3 jours est 2 fois plus grave qu'une rupture de 1 jour en termes de perte de clientèle.

Métriques Financières

• GMROI (Retour sur Investissement en Marge Brute) : Marge brute / Coût moyen du stock. La formule standard du commerce de détail. La cible varie selon la catégorie, mais l'amélioration du GMROI est le seul objectif qui empêche la course à la baisse des stocks et des prix. Fixez un objectif GMROI par catégorie, puis laissez le planificateur optimiser les stocks et les prix dans ce cadre.
• Coût de Rupture : Marge perdue sur les ventes que vous auriez réalisées si le stock avait été disponible. Estimer à l'aide de données de vente perdue (commandes en retard, substitutions, annulations). Le coût de rupture dépasse presque toujours le coût de détention pour les articles A, mais rarement pour les articles C.

Dépannage et Scénarios Limites

Que Faire Lorsque (Scénarios de Crise)

La demande explose soudainement (influence des médias sociaux, pénurie de l'industrie) : (1) Passer le modèle de prévision à un lissage exponentiel à alpha élevé ou à un suivi de tendance court. (2) Augmenter le stock de sécurité de 50 à 100 % pour la durée de l'explosion. (3) Contacter le fournisseur pour une capacité d'approvisionnement accélérée ; être prêt à payer des frais de transport élevés. (4) Mettre en place une gestion de l'allocation (rationnement entre les magasins) pour éviter une vente à perte et des échecs de service. (5) Documenter comme un incident de perturbation de l'approvisionnement et réviser le modèle de prévision pour inclure l'identification des pics.

Un fournisseur ferme pendant 4 semaines (incendie d'usine, grève, gel de l'approvisionnement) : (1) Identifier les SKU touchés et leurs substituts immédiats. (2) Vérifier la disponibilité des fournisseurs alternatifs et les délais d'approvisionnement. (3) Ajuster les stocks de sécurité à des niveaux de survie (calculer le temps jusqu'à épuisement plus 20 % de marge). (4) Communiquer la date de réapprovisionnement estimée au merchandising (ils peuvent ajuster les prix ou les promotions). (5) Une fois la production reprise, prévoir un rattrapage de la demande refoulée sur 2 à 3 cycles de commande.

Les prévisions sont systématiquement trop élevées (biais > 15 % pendant 8 semaines) : (1) Vérifier s'il y a eu un changement dans le comportement du consommateur (nouveau concurrent, changement de prix, modification du mix promotionnel). (2) Vérifier que les données d'entrée du modèle sont propres (pas de double comptage des commandes, pas d'ordre de grandeur erroné). (3) Passer à un modèle avec moins d'inertie (lissage exponentiel à alpha inférieur, ou régression avec des variables plus fraîches). (4) Envisager une intervention manuelle à court terme (surcharge de -15 % sur les nouveaux calculs) tout en retravaillant le modèle.

Lancement d'un nouveau produit avec une demande initiale 3× la prévision : (1) Le modèle de demande devrait auto-corriger ; ne sur-réagissez pas au cours des 2 premières semaines. (2) Si cela se poursuit pendant 4 semaines, passez d'un profil analogique à un lissage exponentiel avec un alpha commençant à 0,4 et qui diminue à mesure que les données s'accumulent. (3) Le stock de sécurité doit être calculé sur la demande réelle, pas sur la prévision ; utilisez l'écart type des 6 à 8 dernières semaines avec un facteur multiplicateur de 1,5 pour tenir compte de l'incertitude des débuts. (4) Vérifiez immédiatement la capacité d'approvisionnement — les ruptures sur les nouveaux produits sont coûteuses pour les relations avec les fournisseurs et la confiance des clients.

Standards de Révision

Règles d'Excellence pour les Surcharges Manuelles

1. Toute surcharge doit avoir une raison documentée. Les surcharges sans raison seront automatiquement signalées pour révision par le manager lors du cycle de prévisions suivant.
2. Limiter les surcharges aux 4 semaines à venir. Les surcharges au-delà de 4 semaines entrent en conflit avec les prochaines mises à jour du modèle et créent de la confusion.
3. Une surcharge doit être chiffrée : "Augmenter les prévisions" est insuffisant. "Augmenter les prévisions de 15 % pour les semaines 10 à 13 en raison d'une campagne de marketing supplémentaire" est acceptable.
4. Ne pas surcharger les erreurs saisonnières que le modèle ne peut pas capturer. Si la saisonnalité est manquée, corrigez le modèle, pas le résultat.
5. Niveaux de surcharge : < 10 % = micro-ajustement, ne nécessite pas d'approbation. 10–30 % = nécessite une révision par le planificateur. > 30 % = nécessite une révision par le manager et le merchandising.

Calendrier du Cycle de Prévision

• Quotidien : Actualisation de la position d'inventaire pour les articles à fort volume. Aucun changement de prévision sauf urgence.
• Hebdomadaire : Actualisation des prévisions pour les articles A et B. Révision des surcharges. Calcul de la précision sur la semaine la plus récente.
• Mensuel : Actualisation complète du modèle. Classification ABC/XYZ. Révision des stocks de sécurité. Réunion de l'équipe de planification de la demande.
• Trimestriel : Validation des paramètres du modèle. Réentraînement des modèles ML. Actualisation des calendriers promotionnels.
• Annuel : Actualisation des profils analogiques pour les nouveaux produits. Révision de la stratégie de niveau de service. Examen S&OP (Planification des Ventes et Opérations).