Le costing prédictif au service de votre compétitivité

« Mieux vaut avoir vaguement raison que précisément tort »,

Cette phrase attribuée à John Maynard Keynes et reprise par Warren Buffet pourrait être l’adage un peu provocateur du domaine du costing prédictif. En effet, l’art de la construction de l’outil de costing prédictif réside dans l’ajustement du couple précision-rapidité, qui va lui permettre de délivrer les bons chiffres au bon moment pour prendre des décisions éclairées.

Trop souvent, les estimations de coûts sont malmenées ou construites dans le cadre de processus laborieux et parfois obscurs. Il est alors légitime de se demander :

• Comment exploiter les données issues de multiples outils numériques pour rendre son activité plus performante ?
• Comment faire pour que cet exercice apporte une matière pertinente en un minimum de temps ?
• Comment s’appuyer sur les dernières avancées en data science pour améliorer ses prévisions et au final la conception de son nouveau produit ?

Les entreprises sachant utiliser les prédictions de coûts au cœur de leur pilotage de projets ont un avantage concurrentiel fort. En effet, le costing prédictif, en fournissant une estimation des coûts complets du futur produit et service très tôt dans un projet, permet d’éclairer l’impact des décisions potentielles, dans une période où, justement, rien n’est encore figé.

Nous rencontrons encore trop souvent des sociétés qui avancent dans leur jalonnement projet, en naviguant « à vue » sur la partie économique et constatant un peu tard et de manière douloureuse, que la marge opérationnelle attendue ne sera pas atteinte. Une erreur encore trop commune est de ne considérer les prédictions de coûts que comme un aboutissement et de les traiter comme des objets statiques. Tout l’intérêt en phase amont est, au contraire, d’exploiter ce que les chiffres peuvent et veulent nous dire, et de décloisonner l’entreprise pour créer cette dynamique collective d’exploration de scénarios, réunissant les deux dimensions du Design Thinking et du Design to Cost : celle de la pensée analytique et celle de la pensée plus créative, voire intuitive.

Cette combinaison de pensées permettra d’itérer le processus jusqu’au compromis coût-valeur optimal pour l’entreprise. Le costing prédictif déploie toute sa force lorsqu’il s’inscrit dans une démarche de pilotage agile et collaboratif. De notre point de vue, cela n’est possible que si l’outil de costing prédictif livre des résultats avec un contenu qui d’une part éclaire la compréhension et qui d’autre part stimule la curiosité et la créativité de tous.

Un bon outil de costing prédictif sera donc celui qui est compris et adopté par tous et qui servira de langage commun aux équipes opérationnelles, particulièrement dans les étapes de convergence économique.

Comment définir le costing prédictif ?

Le domaine du costing prédictif est celui de la prévision des coûts qui découle de l’exploitation d’un jeu de données disponibles. Dans les faits, il est souvent employé dans les phases amont du projet quand, à partir d’éléments très macroscopiques, les équipes projet cherchent à estimer une enveloppe de coût, à trouver un ordre de grandeur.

Les différents niveaux d’étalonnage d’un outil de costing prédictif :

1. Lien entre les inducteurs de coûts de la technologie de l’objet considéré et ses coûts.Exemple d’une pièce plastique
   Le coût d’une pièce plastique injectée va pouvoir être établi à partir des inducteurs de coûts : • de la technologie : la matière, la surface projetée de la pièce, les dimensions hors tout et l’épaisseur moyenne ; • du schéma industriel : volume, pays et nombre d’équipes de fabrication. Coût de la pièce plastique injectée = fonction (surface, matière, dimensions, épaisseur moyenne, volume de production, pays de fabrication, nombre d’équipes).
2. Lien entre les spécifications de l’objet considéré et ses coûts.Exemple d’un amortisseur
   Si l’on considère que la fonction d’un amortisseur est d’amortir et qu’il le fera de manière attendue selon deux critères principaux que sont sa raideur et sa charge maximum, on cherchera s’il est possible de construire un outil de costing prédictif prenant comme données d’entrées ces deux critères. En s’appuyant sur un jeu de données suffisamment large, l’approche consiste à entrainer un algorithme (ou une série d’algorithmes) pour faire ressortir des lois de causalité entre ces deux critères et le coût. C’est l’approche détaillée un peu plus loin dans cet article. L’avantage de ces modélisations est de permettre de challenger directement les spécifications, ce qui est selon nous l’axe le plus prometteur d’optimisation économique en amont. Coût de l’amortisseur = fonction (raideur, charge maximum, volume de production, pays de fabrication).

Idéalement l’outil de niveau 2 se base sur le niveau 1, c’est-à-dire qu’il fonctionne de la manière suivante : Spécifications → Costs Drivers de la pièce → Coûts prévisionnels. Cet intermédiaire par les costs drivers de la pièce, permettra de comprendre « physiquement » la solution retenue et en quoi un écart de spécifications génère un écart de coût, et ainsi rentrer dans la saine dynamique :

« je comprends, je m’étonne, j’optimise ».