{"id":13966,"date":"2023-09-05T15:20:35","date_gmt":"2023-09-05T13:20:35","guid":{"rendered":"https:\/\/optimix.fr\/?p=13966"},"modified":"2025-02-24T16:56:57","modified_gmt":"2025-02-24T15:56:57","slug":"evolution-du-forecasting","status":"publish","type":"post","link":"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/","title":{"rendered":"\u00c9volution du forecasting : des m\u00e9thodes statistiques vers le deep learning"},"content":{"rendered":"\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Au fil des ans, la pr\u00e9vision de la supply chain<\/a> a consid\u00e9rablement chang\u00e9, passant des m\u00e9thodes statistiques classiques au deep learning avanc\u00e9.<\/p>

Face \u00e0 la complexit\u00e9 croissante de la demande et de l’approvisionnement, cette \u00e9volution s’est av\u00e9r\u00e9e n\u00e9cessaire pour tirer pleinement parti des nombreuses donn\u00e9es disponibles.<\/p>

Nous aborderons, dans cet article, l’\u00e9volution des pr\u00e9visions, en nous concentrant sur les m\u00e9thodes traditionnelles, les r\u00e9seaux de neurones et les derni\u00e8res avanc\u00e9es du deep learning.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t
<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Les m\u00e9thodes statistiques (toujours viables, rapides, mais moins puissantes)<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Depuis des ann\u00e9es, le domaine de la pr\u00e9vision a connu de vastes \u00e9volutions. Des journaux du milieu du 19\u00e8me si\u00e8cle \u00e9voquent d\u00e9j\u00e0 le forecast. Sans la technologie moderne, les sp\u00e9cialistes s’appuyaient principalement sur des techniques statistiques. Bien qu’affin\u00e9es au fil des ann\u00e9es, ces techniques demeurent pertinentes.<\/p>

Parmi les outils fr\u00e9quemment employ\u00e9s, citons les mod\u00e8les (S)ARIMA<\/a>, les m\u00e9thodes de Holt et Holt-Winters.<\/p>

Ces approches, gr\u00e2ce \u00e0 des \u00e9quations plut\u00f4t simples, fournissent des estimations solides en s’appuyant sur des donn\u00e9es de vente pass\u00e9es. Elles permettent de d\u00e9celer des mouvements saisonniers.<\/p>

Le principal atout de ces approches r\u00e9side dans leur mise en application directe et leur clart\u00e9. Ces approches sont sp\u00e9cifiques et s’adaptent \u00e0 diff\u00e9rents types de donn\u00e9es de vente. Progressivement, elles ont su s’adapter aux innovations technologiques, optimisant ainsi l’exploitation des informations.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t
<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Et pour les professionnels ?<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Aujourd’hui, de nombreux experts font appel \u00e0 ces techniques. Face \u00e0 certains types de donn\u00e9es, elles peuvent concurrencer le machine learning, notamment lorsqu’elles sont combin\u00e9es.<\/p>

Toutefois, ces techniques statistiques pr\u00e9sentent des contraintes. Souvent, elles n\u00e9gligent des \u00e9l\u00e9ments externes, tels que les pr\u00e9visions m\u00e9t\u00e9orologiques. Leur focus principal reste les historiques de vente.<\/p>

Bien qu’encore populaires, le deep learning commence \u00e0 les supplanter. Ce dernier traite des probl\u00e9matiques pr\u00e9visionnelles plus sophistiqu\u00e9es en supply chain.<\/p>

Cependant, dans des situations simples et face \u00e0 des donn\u00e9es moins \u00e9labor\u00e9es, leur pertinence demeure.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\r\n \r\n \"logo\r\n <\/a>\r\n<\/div>\r\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

L\u2019av\u00e8nement des r\u00e9seaux de neurones (Long-Short-Term-Memory, Gated Recurrent Unit)<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t
<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Les Long Short-Term Memory<\/b>\u00a0(LSTM) et\u00a0les Gated Recurrent Units<\/b>\u00a0(GRU) reposent sur des architectures de r\u00e9seaux de neurones.\u00a0<\/p>

En raison d’une capacit\u00e9 de calcul initialement limit\u00e9e, les r\u00e9seaux de neurones \u00e9taient mis de c\u00f4t\u00e9. Toutefois, vers 2016-2017, l’\u00e9mergence des\u00a0r\u00e9seau neuronal convolutif<\/span>\u00a0renouvelle l’int\u00e9r\u00eat pour eux. Pour d\u00e9tecter des motifs dans les images et les classer, on a d\u00e9velopp\u00e9 un r\u00e9seau neuronal convolutif. Ensuite, les sp\u00e9cialistes ont adapt\u00e9 ces\u00a0<\/span>r\u00e9seaux neuronal convolutif\u00a0pour les s\u00e9ries temporelles, ce qui a ouvert la voie \u00e0 leur utilisation en forecasting.<\/span><\/p>

Ces mod\u00e8les d\u00e9tectent les motifs complexes en identifiant les liens entre \u00e9v\u00e9nements r\u00e9cents et pass\u00e9s.<\/p>

L’apprentissage supervis\u00e9 est le principe fondamental de ces technologies. On entra\u00eene le r\u00e9seau sur des donn\u00e9es historiques pour faire des pr\u00e9dictions futures. Le but est d’ajuster les connexions des r\u00e9seaux en fonction de la justesse de leurs pr\u00e9dictions pour minimiser les erreurs.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Les m\u00e9thodes r\u00e9centes (DeepAR, N-BEATS, ... )<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t
<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t
<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Alors que le deep learning devient de plus en plus courant, des techniques innovantes apparaissent pour traiter des pr\u00e9visions complexes.<\/p>

L’architecture DeepAR<\/a>, lanc\u00e9e par Amazon en 2017, est un exemple notable de ces nouvelles techniques pour la supply chain. Utilisant les r\u00e9seaux de neurones r\u00e9currents (RNN), le DeepAR emploie une approche probabiliste pour anticiper les valeurs \u00e0 venir. L’avantage majeur est la fourniture d’intervalles de confiance, essentiels pour d\u00e9cider dans des contextes volatils.<\/p>

L’un des atouts majeurs de DeepAR r\u00e9side dans sa capacit\u00e9 \u00e0 effectuer des pr\u00e9dictions sans normalisation pr\u00e9alable des donn\u00e9es. Il g\u00e8re ainsi diff\u00e9rents types de s\u00e9ries temporelles, ce qui est crucial en supply chain. De plus, il offre des pr\u00e9visions pr\u00e9cises m\u00eame quand l’historique des produits est limit\u00e9.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Il s’agit donc d’un mod\u00e8le global, ce qui signifie qu\u2019il peut apprendre de plusieurs s\u00e9ries temporelles, am\u00e9liorant ainsi la pr\u00e9cision des pr\u00e9visions en exploitant les similitudes et les structures communes.\u00a0<\/p>

Ce mod\u00e8le a \u00e9t\u00e9 \u00e9valu\u00e9 sur plusieurs jeux de donn\u00e9es et a montr\u00e9 des r\u00e9sultats prometteurs, d\u00e9passant m\u00eame les mod\u00e8les de l\u2019\u00e9tat de l\u2019art \u00e0 l\u2019\u00e9poque. Il n\u00e9cessite donc moins de pr\u00e9traitement que certains autres mod\u00e8les et peut \u00eatre utilis\u00e9 avec peu d\u2019ajustements de param\u00e8tres pour diff\u00e9rentes s\u00e9ries temporelles.<\/p>

Il est donc capable d\u2019apprendre des structures complexes\u00a0telles que la saisonnalit\u00e9<\/b>, ce qui en fait une m\u00e9thode puissante pour am\u00e9liorer la pr\u00e9cision des forecasting dans le contexte de la supply chain<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Il s’agit donc d’un mod\u00e8le global, ce qui signifie qu\u2019il peut apprendre de plusieurs s\u00e9ries temporelles, am\u00e9liorant ainsi la pr\u00e9cision des pr\u00e9visions en exploitant les similitudes et les structures communes.\u00a0<\/p>

Ce mod\u00e8le a \u00e9t\u00e9 \u00e9valu\u00e9 sur plusieurs jeux de donn\u00e9es et a montr\u00e9 des r\u00e9sultats prometteurs, d\u00e9passant m\u00eame les mod\u00e8les de l\u2019\u00e9tat de l\u2019art \u00e0 l\u2019\u00e9poque. Il n\u00e9cessite donc moins de pr\u00e9traitement que certains autres mod\u00e8les et peut \u00eatre utilis\u00e9 avec peu d\u2019ajustements de param\u00e8tres pour diff\u00e9rentes s\u00e9ries temporelles.<\/p>

Il est donc capable d\u2019apprendre des structures complexes\u00a0telles que la saisonnalit\u00e9<\/b>, ce qui en fait une m\u00e9thode puissante pour am\u00e9liorer la pr\u00e9cision des forecasting dans le contexte de la supply chain<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\r\n \r\n \"logo\r\n <\/a>\r\n<\/div>\r\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Les m\u00e9thodes \u00e0 l'avant-garde (Temporal Fusion Transformers, Informer, Autoformer, \u2026)<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t
<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Les Transformers<\/strong>, une cat\u00e9gorie d’architectures neuronales introduites en 2017, r\u00e9volutionnent actuellement le forecasting de la supply chain.<\/p>

Comme leurs pr\u00e9d\u00e9cesseurs, ils traitent des donn\u00e9es s\u00e9quentielles. Les m\u00e9canismes d’attention sont utilis\u00e9s pour \u00e9tablir des relations entre diff\u00e9rentes s\u00e9quences temporelles.<\/p>

Deux blocs essentiels existent : l’encodeur et le d\u00e9codeur. L’encodeur forme une repr\u00e9sentation vectorielle de la s\u00e9rie de ventes. Ensuite, le d\u00e9codeur transforme ces vecteurs en pr\u00e9visions. Pendant ce processus, les m\u00e9canismes d’attention identifient les s\u00e9quences d’entr\u00e9e les plus pertinentes pour la pr\u00e9vision.<\/p>

En effet, leur force provient de leur habilet\u00e9 \u00e0 g\u00e9rer les d\u00e9pendances \u00e0 long terme<\/strong> des s\u00e9ries temporelles. Cependant, en utilisant l’attention, ils d\u00e9tectent les relations complexes et les interactions entre diff\u00e9rentes p\u00e9riodes. En outre, cela leur permet de saisir les tendances saisonni\u00e8res<\/strong>, les mod\u00e8les de croissance et les changements de comportement dans les donn\u00e9es de la supply chain.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t
<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t
<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Ces m\u00e9thodes am\u00e9liorent donc le forecasting en supply chain. De plus, elles traitent les d\u00e9pendances \u00e0 long terme avec pr\u00e9cision. Les id\u00e9aux sont des tendances non lin\u00e9aires et cycles irr\u00e9guliers.<\/p>\n

Elles requi\u00e8rent donc plus de puissance et de stockage. Mais ils transforment plusieurs domaines. <\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

----------------------------<\/p>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Les forecasting \u00e9voluent selon la disponibilit\u00e9 des donn\u00e9es et la puissance de calcul. Les m\u00e9thodes statistiques restent courantes. N\u00e9anmoins, la pr\u00e9cision et l’int\u00e9gration de multiples facteurs favorisent le deep learning.<\/p>

Les r\u00e9seaux de neurones ont apport\u00e9 des avanc\u00e9es. Ils garantissent une meilleure interpr\u00e9tabilit\u00e9 et un traitement parall\u00e8le sup\u00e9rieur. Les Transformers saisissent aussi mieux les d\u00e9pendances \u00e0 long terme.<\/p>

Les d\u00e9fis futurs concernent la r\u00e9duction des co\u00fbts de calcul. Cette question devient courante dans la recherche. Elle concerne surtout la g\u00e9n\u00e9ration d’images et de textes.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\r\n \r\n \"logo\r\n <\/a>\r\n<\/div>\r\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"

D\u00e9couvrez l’\u00e9volution des m\u00e9thodes de pr\u00e9vision dans le temps pour am\u00e9liorer la pr\u00e9cision en int\u00e9grant mieux les facteurs d’influence.<\/p>\n","protected":false},"author":3,"featured_media":13975,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false,"footnotes":""},"categories":[188],"tags":[50],"class_list":["post-13966","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-supplychain","tag-supply-chain"],"yoast_head":"\nForecasting : son \u00e9volution au fil du temps<\/title>\n<meta name=\"description\" content=\"D\u00e9couvrez l'\u00e9volution des m\u00e9thodes de forecasting dans le temps pour am\u00e9liorer la pr\u00e9cision en int\u00e9grant mieux les facteurs d'influence.\" \/>\n<meta name=\"robots\" content=\"noindex, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"\u00c9volution du forecasting : des m\u00e9thodes statistiques vers le deep learning\" \/>\n<meta property=\"og:description\" content=\"D\u00e9couvrez l'\u00e9volution des m\u00e9thodes de forecasting dans le temps pour am\u00e9liorer la pr\u00e9cision en int\u00e9grant mieux les facteurs d'influence.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/\" \/>\n<meta property=\"og:site_name\" content=\"Optimix Software\" \/>\n<meta property=\"article:published_time\" content=\"2023-09-05T13:20:35+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-02-24T15:56:57+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/preprod.optimix-software.com\/wp-content\/uploads\/5.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1920\" \/>\n\t<meta property=\"og:image:height\" content=\"1080\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"\u00c9douard Calliati\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"\u00c9crit par\" \/>\n\t<meta name=\"twitter:data1\" content=\"\u00c9douard Calliati\" \/>\n\t<meta name=\"twitter:label2\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data2\" content=\"7 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/\"},\"author\":{\"name\":\"\u00c9douard Calliati\",\"@id\":\"https:\/\/preprod.optimix-software.com\/fr\/#\/schema\/person\/cced96ad5b27cb59052101723d37d17c\"},\"headline\":\"\u00c9volution du forecasting : des m\u00e9thodes statistiques vers le deep learning\",\"datePublished\":\"2023-09-05T13:20:35+00:00\",\"dateModified\":\"2025-02-24T15:56:57+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/\"},\"wordCount\":1307,\"publisher\":{\"@id\":\"https:\/\/preprod.optimix-software.com\/fr\/#organization\"},\"image\":{\"@id\":\"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/preprod.optimix-software.com\/wp-content\/uploads\/5.jpg\",\"keywords\":[\"Supply Chain\"],\"articleSection\":[\"Supply Chain\"],\"inLanguage\":\"fr-FR\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/\",\"url\":\"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/\",\"name\":\"Forecasting : son \u00e9volution au fil du temps\",\"isPartOf\":{\"@id\":\"https:\/\/preprod.optimix-software.com\/fr\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/preprod.optimix-software.com\/wp-content\/uploads\/5.jpg\",\"datePublished\":\"2023-09-05T13:20:35+00:00\",\"dateModified\":\"2025-02-24T15:56:57+00:00\",\"description\":\"D\u00e9couvrez l'\u00e9volution des m\u00e9thodes de forecasting dans le temps pour am\u00e9liorer la pr\u00e9cision en int\u00e9grant mieux les facteurs d'influence.\",\"breadcrumb\":{\"@id\":\"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/#primaryimage\",\"url\":\"https:\/\/preprod.optimix-software.com\/wp-content\/uploads\/5.jpg\",\"contentUrl\":\"https:\/\/preprod.optimix-software.com\/wp-content\/uploads\/5.jpg\",\"width\":1920,\"height\":1080,\"caption\":\"Evolution du forecasting\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Accueil\",\"item\":\"https:\/\/preprod.optimix-software.com\/fr\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"\u00c9volution du forecasting : des m\u00e9thodes statistiques vers le deep learning\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/preprod.optimix-software.com\/fr\/#website\",\"url\":\"https:\/\/preprod.optimix-software.com\/fr\/\",\"name\":\"Optimix Software\",\"description\":\"Solutions de Pricing et Supply chain d\u00e9di\u00e9es au retail\",\"publisher\":{\"@id\":\"https:\/\/preprod.optimix-software.com\/fr\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/preprod.optimix-software.com\/fr\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/preprod.optimix-software.com\/fr\/#organization\",\"name\":\"Optimix Software\",\"url\":\"https:\/\/preprod.optimix-software.com\/fr\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/preprod.optimix-software.com\/fr\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/preprod.optimix-software.com\/wp-content\/uploads\/logo-carre-optimix-RETAIL-PERFORMANCE-SOFTWARE.jpg\",\"contentUrl\":\"https:\/\/preprod.optimix-software.com\/wp-content\/uploads\/logo-carre-optimix-RETAIL-PERFORMANCE-SOFTWARE.jpg\",\"width\":2001,\"height\":2001,\"caption\":\"Optimix Software\"},\"image\":{\"@id\":\"https:\/\/preprod.optimix-software.com\/fr\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.linkedin.com\/company\/optimix-ffr\/\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/preprod.optimix-software.com\/fr\/#\/schema\/person\/cced96ad5b27cb59052101723d37d17c\",\"name\":\"\u00c9douard Calliati\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Forecasting : son \u00e9volution au fil du temps","description":"D\u00e9couvrez l'\u00e9volution des m\u00e9thodes de forecasting dans le temps pour am\u00e9liorer la pr\u00e9cision en int\u00e9grant mieux les facteurs d'influence.","robots":{"index":"noindex","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"og_locale":"fr_FR","og_type":"article","og_title":"\u00c9volution du forecasting : des m\u00e9thodes statistiques vers le deep learning","og_description":"D\u00e9couvrez l'\u00e9volution des m\u00e9thodes de forecasting dans le temps pour am\u00e9liorer la pr\u00e9cision en int\u00e9grant mieux les facteurs d'influence.","og_url":"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/","og_site_name":"Optimix Software","article_published_time":"2023-09-05T13:20:35+00:00","article_modified_time":"2025-02-24T15:56:57+00:00","og_image":[{"width":1920,"height":1080,"url":"https:\/\/preprod.optimix-software.com\/wp-content\/uploads\/5.jpg","type":"image\/jpeg"}],"author":"\u00c9douard Calliati","twitter_card":"summary_large_image","twitter_misc":{"\u00c9crit par":"\u00c9douard Calliati","Dur\u00e9e de lecture estim\u00e9e":"7 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/#article","isPartOf":{"@id":"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/"},"author":{"name":"\u00c9douard Calliati","@id":"https:\/\/preprod.optimix-software.com\/fr\/#\/schema\/person\/cced96ad5b27cb59052101723d37d17c"},"headline":"\u00c9volution du forecasting : des m\u00e9thodes statistiques vers le deep learning","datePublished":"2023-09-05T13:20:35+00:00","dateModified":"2025-02-24T15:56:57+00:00","mainEntityOfPage":{"@id":"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/"},"wordCount":1307,"publisher":{"@id":"https:\/\/preprod.optimix-software.com\/fr\/#organization"},"image":{"@id":"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/#primaryimage"},"thumbnailUrl":"https:\/\/preprod.optimix-software.com\/wp-content\/uploads\/5.jpg","keywords":["Supply Chain"],"articleSection":["Supply Chain"],"inLanguage":"fr-FR"},{"@type":"WebPage","@id":"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/","url":"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/","name":"Forecasting : son \u00e9volution au fil du temps","isPartOf":{"@id":"https:\/\/preprod.optimix-software.com\/fr\/#website"},"primaryImageOfPage":{"@id":"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/#primaryimage"},"image":{"@id":"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/#primaryimage"},"thumbnailUrl":"https:\/\/preprod.optimix-software.com\/wp-content\/uploads\/5.jpg","datePublished":"2023-09-05T13:20:35+00:00","dateModified":"2025-02-24T15:56:57+00:00","description":"D\u00e9couvrez l'\u00e9volution des m\u00e9thodes de forecasting dans le temps pour am\u00e9liorer la pr\u00e9cision en int\u00e9grant mieux les facteurs d'influence.","breadcrumb":{"@id":"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/"]}]},{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/#primaryimage","url":"https:\/\/preprod.optimix-software.com\/wp-content\/uploads\/5.jpg","contentUrl":"https:\/\/preprod.optimix-software.com\/wp-content\/uploads\/5.jpg","width":1920,"height":1080,"caption":"Evolution du forecasting"},{"@type":"BreadcrumbList","@id":"https:\/\/preprod.optimix-software.com\/fr\/blog\/supplychain\/evolution-du-forecasting\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Accueil","item":"https:\/\/preprod.optimix-software.com\/fr\/"},{"@type":"ListItem","position":2,"name":"\u00c9volution du forecasting : des m\u00e9thodes statistiques vers le deep learning"}]},{"@type":"WebSite","@id":"https:\/\/preprod.optimix-software.com\/fr\/#website","url":"https:\/\/preprod.optimix-software.com\/fr\/","name":"Optimix Software","description":"Solutions de Pricing et Supply chain d\u00e9di\u00e9es au retail","publisher":{"@id":"https:\/\/preprod.optimix-software.com\/fr\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/preprod.optimix-software.com\/fr\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-FR"},{"@type":"Organization","@id":"https:\/\/preprod.optimix-software.com\/fr\/#organization","name":"Optimix Software","url":"https:\/\/preprod.optimix-software.com\/fr\/","logo":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/preprod.optimix-software.com\/fr\/#\/schema\/logo\/image\/","url":"https:\/\/preprod.optimix-software.com\/wp-content\/uploads\/logo-carre-optimix-RETAIL-PERFORMANCE-SOFTWARE.jpg","contentUrl":"https:\/\/preprod.optimix-software.com\/wp-content\/uploads\/logo-carre-optimix-RETAIL-PERFORMANCE-SOFTWARE.jpg","width":2001,"height":2001,"caption":"Optimix Software"},"image":{"@id":"https:\/\/preprod.optimix-software.com\/fr\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.linkedin.com\/company\/optimix-ffr\/"]},{"@type":"Person","@id":"https:\/\/preprod.optimix-software.com\/fr\/#\/schema\/person\/cced96ad5b27cb59052101723d37d17c","name":"\u00c9douard Calliati"}]}},"_links":{"self":[{"href":"https:\/\/preprod.optimix-software.com\/fr\/wp-json\/wp\/v2\/posts\/13966","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/preprod.optimix-software.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/preprod.optimix-software.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/preprod.optimix-software.com\/fr\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/preprod.optimix-software.com\/fr\/wp-json\/wp\/v2\/comments?post=13966"}],"version-history":[{"count":135,"href":"https:\/\/preprod.optimix-software.com\/fr\/wp-json\/wp\/v2\/posts\/13966\/revisions"}],"predecessor-version":[{"id":42969,"href":"https:\/\/preprod.optimix-software.com\/fr\/wp-json\/wp\/v2\/posts\/13966\/revisions\/42969"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/preprod.optimix-software.com\/fr\/wp-json\/wp\/v2\/media\/13975"}],"wp:attachment":[{"href":"https:\/\/preprod.optimix-software.com\/fr\/wp-json\/wp\/v2\/media?parent=13966"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/preprod.optimix-software.com\/fr\/wp-json\/wp\/v2\/categories?post=13966"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/preprod.optimix-software.com\/fr\/wp-json\/wp\/v2\/tags?post=13966"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}