De l’utilité des prédictions invariantes

Dans la construction d’une stratégie d’entreprise, établir une prédiction raisonnable du prix des matières premières, est un exercice souvent incontourbnable. Depuis quelques années la montée en puissance du GDP Chinois, la récente instabilité du marché des devises et la difficile extrapolation du devenir de l’économie américaine, rendent ce type de prédiction hautement hasardeux…

accelerate - innovation copilots - www.icopilots.com

Dans la construction d’une stratégie d’entreprise, établir une prédiction raisonnable du prix des matières premières, est un exercice souvent incontourbnable. Depuis quelques années la montée en puissance du GDP Chinois, la récente instabilité du marché des devises et la difficile extrapolation du devenir de l’économie américaine, rendent ce type de prédiction hautement hasardeux.

Dans un article du 21 juillet du New York Times, Justin Wolfers s’amuse à démonter les idées reçues touchant à ce type de prédiction. Il explique par exemple que pour le prix du pétrole, sur une période d’un mois, d’un trimestre ou même d’un an, il est très facile de réaliser de meilleures prédictions que les experts. Cela semble difficile à croire ? Peut-être. Mais le résultat est là : toutes les méthodes “expertes” de projection du prix du pétrole (à base de modèle économétriques, d’analyse mathématiques des marchés financiers de matières premières, d’analyse géo-politique) échouent à faire mieux, que de simplement prédire que le prix du pétrole demain sera identique à ce qu’il est aujourd’hui !

On parle pour ce type de résultat de “no-change forecast” ou de prédiction invariante.

Si vous conservez quelques souvenir de vos humanités, vous vous rappelerez peut être qu’un professeur de statistique vous avait déjà dit que pour prévoir le temps qu’il fera demain, rien ne vaut la simple description du temps qu’il fait aujourd’hui. Et bien pour le prix du pétrole, cela semble aussi vérifié. La prédiction invariante a été l’an dernier 34% meilleure que les prédictions d’une douzaine d’experts sur une période d’un mois, et 18% meilleure sur un trimestre. Cet exemple a ces limites bien entendu. Ce n’est pas parce qu’un modèle de ce type a fonctionné par le passé, qu’il assure sa fiabilité dans le futur. Loin de là. Et les boursicoteurs apprennent en général vite à se méfier des statistiques. Mais le résultat reste tout de même embarrassant pour beaucoup d’experts.

Au-delà de cette petite polémique contre-intuitive et amusante, le point intéressant sur lequel je souhaite insister est que dans la construction d’une vision stratégique il est louable de vouloir comprendre tous les facteurs externes qui vont influer sur nos choix. Mais il recommandé de ne pas passer trop de temps à modéliser finement des fluctuations futures comme le prix des matières premières, et élaborer plusieurs scénarios complexes pour en tenir compte. Généralement une prédiction invariante : “dans un an le prix des matières premières utilisées sera le même” permet de bâtir sa stratégie. Une prédiction pessimiste est aussi nécessaire : “ce prix va augmenter de 30%”. Elle définira un scénario de rupture, de repli ou de changement, nécessaire à la survie de l’entreprise en cas de coup dur.

Par rapport à ces deux situations un surcroît d’expertise ne va que probablement faire perdre beaucoup de temps et brouiller la vision…

(Ceux qui souhaitent se plonger dans la démonstration mathématique en anglais peuvent télécharger “What Do We Learn from the Price of Crude Oil Futures?”)

Author: Philippe

Philippe has been training 200-300 startups a year since 2007, consulted for dozens of multinationals on rupture innovation or corporate incubation, and was directly involved in more than 150 startups building their market fit and scaling up their business. He also teaches business model innovation in key MBA programs whether they are in Paris or Shanghai. And since 2017, Philippe is now living in Amsterdam, one of the best European business hub around.