Disponibilité, stock de sécurité et quantité minimale de commande — une lecture mesurée de la résilience d'approvisionnement

Le constat. Une rupture de stock ne se mesure jamais à son seul prix de revient. Elle se paie en vente perdue, en client qui change d'adresse, et en confiance entamée. Pourtant, la résilience d'approvisionnement reste souvent traitée comme un sujet de coût logistique plutôt que comme une discipline d'ingénierie du risque. Or les travaux fondateurs de la recherche en supply chain — depuis l'effet coup de fouet décrit par Lee, Padmanabhan et Whang en 1997 jusqu'aux modèles classiques de stock de sécurité — disent tous la même chose : la disponibilité n'est pas le fruit de la chance, c'est le résultat d'hypothèses explicites sur la demande, le délai et la variabilité.

Le stock de sécurité n'est pas un coussin, c'est un calcul

Le stock de sécurité couvre l'incertitude conjointe de deux grandeurs : la demande pendant le délai de réapprovisionnement, et le délai lui-même. La formule classique relie le niveau de service visé (exprimé par un facteur de sécurité issu de la loi normale), l'écart-type de la demande et celui du délai. La leçon contre-intuitive est que la variabilité du délai pèse souvent plus lourd que celle de la demande : un fournisseur qui livre tantôt en deux semaines, tantôt en six, impose un coussin bien plus coûteux qu'un fournisseur lent mais régulier. La régularité vaut parfois mieux que la rapidité.

Le niveau de service, ensuite, n'est pas linéaire. Passer de 95 % à 99 % de taux de service ne coûte pas 4 % de stock supplémentaire mais bien davantage : la queue de la distribution se paie très cher. C'est pourquoi l'APICS — devenue ASCM — recommande de différencier les objectifs de service par classe d'article (analyse ABC), plutôt que d'appliquer un taux uniforme qui surstocke les références lentes et sous-stocke les références critiques.

L'effet coup de fouet : la variabilité s'amplifie en remontant la chaîne

L'article de Lee, Padmanabhan et Whang, paru dans Management Science en 1997, a formalisé un phénomène observé de longue date : une variation modeste de la demande finale s'amplifie à chaque maillon en amont. Quatre causes principales sont identifiées — le traitement par lots des commandes, les jeux de rationnement en cas de pénurie, les fluctuations de prix promotionnelles, et surtout la mise à jour des prévisions par chaque acteur isolément. Chaque maillon sur-réagit au signal qu'il reçoit, et transmet un signal encore plus bruité.

La conséquence opérationnelle est nette : plus une chaîne compte de maillons indépendants qui ne partagent pas l'information de demande réelle, plus le stock total immobilisé pour un même niveau de service est élevé. La mutualisation de l'information — et non l'empilement de coussins locaux — est le premier levier de résilience.

Quantité minimale de commande : l'économie cachée du lot

La quantité minimale de commande (MOQ) et la quantité économique de commande (EOQ, formule de Wilson, 1913) tirent dans des sens opposés. L'EOQ arbitre entre le coût de passation d'une commande et le coût de possession du stock ; elle suggère une taille de lot optimale. La MOQ, imposée par le fournisseur ou par les contraintes de production, force souvent à commander davantage que l'optimum théorique. L'écart entre les deux se traduit en stock dormant, en risque d'obsolescence, et en trésorerie immobilisée.

Lorsqu'une même référence est sourcée auprès de plusieurs entités — usines, intermédiaires ou entités juridiques distinctes — chaque source apporte sa propre MOQ. Additionnées, ces contraintes peuvent gonfler le stock total bien au-delà de ce qu'un sourcing consolidé exigerait. C'est le paradoxe du multi-sourcing : il réduit le risque de défaillance d'un fournisseur unique, mais peut alourdir le besoin en fonds de roulement si les lots ne sont pas coordonnés.

Mono-source, double-source, multi-source : un arbitrage de risque

La littérature sur la gestion du risque fournisseur — abondante depuis la pandémie de 2020 et les ruptures de semi-conducteurs — converge sur un principe : la diversification des sources réduit le risque de rupture corrélée, au prix d'une complexité de coordination accrue. Le double-sourcing (dual sourcing) est souvent présenté comme l'optimum pragmatique : une source principale compétitive, une source secondaire qualifiée et prête à monter en cadence. Mais la diversification n'a de valeur que si les sources sont réellement décorrélées — deux fournisseurs qui dépendent de la même matière première ou de la même région portuaire ne diversifient rien.

La fragmentation du sourcing entre entités juridiques distinctes ajoute une couche : chaque entité tient ses propres stocks, ses propres délais et ses propres prévisions. Sans visibilité partagée, l'effet coup de fouet se rejoue à l'intérieur même du groupe. La parade n'est pas la centralisation forcée, mais la transparence de la donnée de demande et de stock d'un bout à l'autre — ce que la recherche appelle la visibilité de bout en bout.

Ce que cela exige

Construire une chaîne résiliente n'est ni surstocker par prudence, ni courir après le zéro-stock. C'est rendre explicites les hypothèses : quel niveau de service par classe d'article, quelle variabilité de délai par fournisseur, quelle MOQ subie et quel écart à l'optimum économique. C'est aussi accepter que la donnée de demande se partage plutôt qu'elle ne se devine maillon par maillon. La résilience est une propriété du système entier, pas d'un entrepôt isolé.

Où nous nous situons

Montandor opère sur une base d'approvisionnement à plusieurs entités, ce qui nous place exactement face à ces arbitrages. Notre travail consiste à rendre lisibles les délais, les lots minimaux et les niveaux de service, afin que la décision de commande repose sur des hypothèses nommées plutôt que sur l'habitude. Nous ne publions ici aucun chiffre interne : ce qui se partage, c'est la méthode, pas le carnet de commandes.

« On ne juge pas une chaîne d'approvisionnement les jours où tout va bien. On la juge le jour de la rupture — et ce jour-là, ce sont les hypothèses posées des mois plus tôt qui parlent. Une maison sérieuse écrit ses hypothèses avant d'en avoir besoin. »
— Wouter Meijboom, CEO, Montandor Andorra.

Sources

• Lee, H. L., Padmanabhan, V., Whang, S. — Information Distortion in a Supply Chain : The Bullwhip Effect, Management Science, vol. 43, 1997.
• Harris, F. W. — modèle de quantité économique de commande (EOQ / formule de Wilson), 1913.
• ASCM / APICS — Dictionary et corpus de référence sur le stock de sécurité, l'analyse ABC et les niveaux de service.
• Silver, E. A., Pyke, D. F., Peterson, R. — Inventory Management and Production Planning and Scheduling (référence classique sur le stock de sécurité et la variabilité du délai).
• McKinsey & Company / Bain & Company — analyses sur la résilience des chaînes d'approvisionnement et le dual sourcing post-2020.
• Eurostat — statistiques industrielles et indicateurs de stocks dans l'industrie manufacturière de l'UE.

Recherche menée par Sanne Bakker (Supply Chain & Demand Forecasting), en collaboration avec Margaux Lefèvre (CTO), Mihail Ivanov (Integration Engineer) et Lev Marchuk (Data Scientist). Publié le 13 mai 2026 par l'équipe Montandor.