Le constat brutal
Sur 250+ missions Ceres, voici ce qu'on observe au baseline :
- Scale-up early (10-15M ARR) : forecast accuracy mediane 32-40 % a 90 jours
- Scale-up mid (30-80M ARR) : 45-58 %
- Scale-up late / public (100M+) : 70-85 %
Resultat : les VPs Sales atterrissent ou bien au-dessus, ou bien tres en-dessous des commits faits au board. Dans les deux cas, mauvais signal. Et les CROs vivent dans l'anxiete tous les trois mois.
La bonne nouvelle : c'est presque entierement systemique. Pas un probleme de qualite des commerciaux, mais un probleme d'ingenierie du process.
Comment definir et mesurer le forecast accuracy
Definition pragmatique : accuracy = 1 - |actual - forecast| / actual.
Si on forecast 1M et on fait 950k, accuracy = 95 %. Si on forecast 1M et on fait 1.2M, accuracy = 80 % (l'overshoot compte negativement).
On mesure typiquement a 3 horizons :
- 30 jours : tres haute precision attendue (90-95% pour un bon process)
- 90 jours : le KPI cle pour le board (objectif 80-88%)
- 180 jours : moyenne precision (60-75%)
Mesurer sur 3 trimestres glissants pour eviter la variance.
Les 7 leviers pour passer de 35 a 88 %
1. Stage criteria stricts et appliques
Chaque stage du pipeline a des criteres exit objectifs (ex. « Proposal » = devis envoye + decideur identifie). Aucun deal ne progresse sans validation. Impact : +12-15 pts.
2. Categorisation commit / best case / pipe
Les AEs categorisent leurs deals en 3 buckets. Pondere : commit 90%, best case 50%, pipe 25%. Le forecast devient un calcul, pas une intuition. Impact : +8-12 pts.
3. Pipeline coverage minimum impose
Si le coverage est < 3x au debut du trimestre, le forecast est mecaniquement biaise. Imposer un minimum + alertes. Impact : +5-8 pts.
4. Forecast IA en parallel de celui des AEs
Modele predictif (HubSpot Breeze, Salesforce Einstein, ou agent Claude via MCP) tourne en parallele. Quand les 2 sont d'accord, la confiance monte. Quand divergent, deal a examiner. Impact : +6-10 pts.
5. Detection des deals zombies
Tout deal sans activite depuis 14 jours sort du forecast automatiquement. Aujourd'hui les AEs gardent leurs deals dans le pipeline trop longtemps. Impact : +5-7 pts.
6. Accountability : forecast individuel publie
Chaque AE voit son accuracy historique. Les meilleurs sont reconnus, les autres ont du feedback. Effet conditionnement : on s'ameliore quand on est mesure. Impact : +4-6 pts.
7. Forecast weekly + drill-down par segment
Refreshed weekly (pas mensuel) avec drill-down par segment (SMB, mid, enterprise). Plus de granularite = decisions correctives plus tot. Impact : +3-5 pts.
Roadmap 6 mois de deploiement
M1-M2 : Stabiliser la base
Definir stage criteria, nettoyer le pipeline existant, mettre en place la categorisation commit/best/pipe. Cible : 50-55%.
M3-M4 : Detection et coverage
Automatisations detection deals zombies, alertes coverage, premiers dashboards individuels. Cible : 65-72%.
M5-M6 : IA et rituels
Modele IA en parallel, forecast weekly avec drill-down, refinement des rituels. Cible : 80-88%.
Les rituels qui font tenir le systeme
Sans rituels, le forecast process derive en 4-6 semaines.
- Forecast call weekly (vendredi 16h) : 45 min. AE par AE, deals commit + best case. Pas de defense, juste les faits.
- Pipeline review monthly : 90 min. Drill-down par segment, age des deals, conversion stages. Decisions correctives.
- Forecast retrospective quarterly : 2h. Comparer prediction vs actual. Identifier les patterns d'erreur (AE specifiques, segments, deals types).
- Forecast accuracy review semi-annual avec CEO : presentation de l'evolution + 1 levier prioritaire pour le H+1.
Votre forecast accuracy est sous 60 % ?
30 min avec Guillaume pour diagnostiquer ou ca casse et prioriser les 2-3 leviers a impact rapide.
Reserver un creneauContinuer la lecture