La fonction LOI.BINOMIALE.INVERSE est l'inverse de la loi binomiale cumulative. Elle retourne la plus petite valeur pour laquelle la distribution binomiale cumulée est supérieure ou égale à une probabilité critère donnée.
Concrètement, elle répond à des questions comme : « Combien de ventes minimum dois-je réaliser pour avoir 95 % de chances d'atteindre mon objectif ? » ou « Quel est le nombre acceptable de défauts dans mon échantillon qualité pour que mon processus reste sous contrôle ? ». Un outil indispensable pour les responsables qualité, les data analysts et les commerciaux qui doivent définir des seuils de décision fondés sur des bases statistiques.
Syntaxe de la fonction LOI.BINOMIALE.INVERSE
=LOI.BINOMIALE.INVERSE(essais; prob_succès; alpha)LOI.BINOMIALE.INVERSE retourne toujours un entier. Si alpha augmente d'un centime, le résultat peut sauter d'une unité entière : c'est la nature discrète de la distribution binomiale.
Comprendre chaque paramètre de la fonction LOI.BINOMIALE.INVERSE
Les trois arguments s'enchaînent dans cet ordre et aucun n'est facultatif : d'abord essais (combien de tentatives tu fais), puis prob_succès (la chance de réussir à chaque coup, entre 0 et 1), enfin alpha (le niveau de confiance que tu vises, lui aussi entre 0 et 1). Le piège, c'est de confondre les deux derniers : prob_succès décrit ta réalité de terrain, alpha décrit ton exigence de décision.
essais
: le nombre total d'épreuves de Bernoulli (expériences indépendantes) que tu vas réaliserC'est la taille de ton échantillon ou le nombre de tentatives.
Par exemple, si tu contrôles 100 produits en sortie de chaîne, ton nombre d'essais est 100. Si tu contactes 50 prospects, ton nombre d'essais est 50. Ce paramètre doit être un entier positif supérieur ou égal à 0.
Astuce : Plus ton nombre d'essais est élevé, plus tes résultats statistiques seront fiables. Un minimum de 30 essais est généralement recommandé pour des analyses robustes.
prob_succès
: la probabilité de succès pour chaque essai individuelCette valeur doit être comprise entre 0 et 1. Par exemple, si ton taux de conversion habituel est de 20 %, tu utiliseras 0,2. Si ton taux de défauts est de 3 %, tu utiliseras 0,03.
Cette probabilité doit rester constante pour chaque essai, c'est l'hypothèse fondamentale de la loi binomiale. Si la probabilité varie entre les essais (clients avec des profils différents, machines avec des réglages différents), la loi binomiale est une approximation.
Attention : Si tu n'es pas sûr de ta probabilité de succès, calcule-la à partir des données historiques : =NB.SI(plage; "Succès") / NBVAL(plage). Une probabilité erronée invalide toute l'analyse.
alpha
: le seuil de probabilité cumulée que tu souhaites atteindre ou dépasserCette valeur doit être comprise entre 0 et 1. Par exemple, pour un niveau de confiance de 95 %, tu utiliseras 0,95. Pour 90 %, tu utiliseras 0,90.
C'est ce paramètre qui définit ton niveau d'exigence : un alpha élevé signifie un critère plus strict. Les valeurs couramment utilisées en statistiques sont 0,90, 0,95 et 0,99.
Astuce : Teste plusieurs valeurs d'alpha (70 %, 80 %, 90 %) pour obtenir des scénarios pessimiste, réaliste et optimiste. Cela t'aide à présenter des fourchettes d'estimation plutôt qu'un seul chiffre et à mieux gérer les attentes.
Exemples pratiques pas à pas
Responsable qualité : déterminer le seuil acceptable de défauts
Tu es responsable qualité dans une usine de production. Tu contrôles quotidiennement un échantillon de 200 pièces et ton taux de défauts historique est de 2 %. Tu veux savoir combien de défauts sont acceptables pour avoir 95 % de confiance que ton processus reste sous contrôle.
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Essais | Prob. défaut | Alpha (95 %) | Résultat |
| 2 | 200 | 2 % | 95 % | 6 |
=LOI.BINOMIALE.INVERSE(200; 0,02; 0,95)La fonction part du niveau de confiance (95 %) et remonte au plus petit nombre de défauts dont la probabilité cumulée atteint ce seuil, soit 6. Concrètement, 6 défauts ou moins reste cohérent avec un processus sous contrôle ; à partir de 7, tu sors de l'intervalle de confiance et une investigation s'impose.
Astuce de pro : Crée un tableau de bord Excel qui calcule automatiquement ce seuil chaque jour en fonction du nombre de pièces contrôlées. En combinant avec une mise en forme conditionnelle, la cellule passe en rouge dès que le nombre de défauts réels dépasse le seuil calculé.
Data analyst : définir un seuil de détection d'anomalies
Tu es data analyst et tu analyses le comportement d'utilisateurs sur un site e-commerce. Sur 500 visiteurs quotidiens, en moyenne 8 % ajoutent un produit au panier. Tu veux établir un seuil de détection : à partir de combien d'ajouts au panier peux-tu considérer avec 90 % de certitude qu'il y a une anomalie positive (pic d'intérêt inhabituel) ?
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Visiteurs | Taux ajout panier | Alpha (90 %) | Seuil anomalie |
| 2 | 500 | 8 % | 90 % | 49 |
=LOI.BINOMIALE.INVERSE(500; 0,08; 0,90)Avec un alpha de 90 %, la formule retourne 49 : c'est le plus petit nombre d'ajouts au panier dont la probabilité cumulée franchit ce niveau de confiance. Dès que les ajouts dépassent 49, le résultat sort du comportement habituel et signale une anomalie positive (campagne efficace, buzz, pic d'intérêt).
Commercial : calculer le nombre minimum de ventes probables
Tu es responsable commercial et tu planifies ton trimestre. Ton taux de conversion moyen est de 15 % et tu prévois de contacter 80 prospects ce mois-ci. Combien de ventes minimum peux-tu raisonnablement espérer avec 80 % de probabilité ?
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Prospects contactés | Taux conversion | Confiance (80 %) | Ventes min. probables |
| 2 | 80 | 15 % | 80 % | 15 |
=LOI.BINOMIALE.INVERSE(80; 0,15; 0,80)Ici, la fonction traduit le niveau de confiance de 80 % en un nombre minimum de ventes : 15. Tu peux donc annoncer à ta direction qu'avec 80 % de probabilité, tu réaliseras au moins 15 ventes ; viser 20 suppose de contacter plus de prospects ou de relever ton taux de conversion.
Astuce de pro : En calculant pour plusieurs valeurs d'alpha (70 %, 80 %, 90 %), tu construis automatiquement un tableau de scénarios : pessimiste, réaliste et optimiste. Cela rend tes prévisions beaucoup plus crédibles qu'un chiffre unique.
Envie de t'entraîner sur de vrais exercices Excel ?
M'entraîner
Les erreurs fréquentes avec la fonction LOI.BINOMIALE.INVERSE
Neuf fois sur dix, le coupable est une probabilité saisie en pourcentage entier : tu tapes 95 en pensant 95 %, et comme la fonction attend une décimale entre 0 et 1, elle renvoie #NOMBRE!. Même logique si essais devient négatif ou si prob_succès sort de l'intervalle 0–1.
Les autres pannes sont plus sournoises : un #VALEUR! quand une cellule source contient du texte au lieu d'un nombre, et surtout un résultat qui « semble faux » alors qu'il est juste, parce qu'on lit k comme « au moins k » au lieu de « au plus k ».
Erreur #NOMBRE! : paramètres hors des limites autorisées
L'erreur #NOMBRE! apparaît quand un paramètre est hors des plages valides : essais est négatif, prob_succès est inférieur à 0 ou supérieur à 1, ou alpha est inférieur à 0 ou supérieur à 1.
Solution : Vérifie que essais est un entier positif, que prob_succès et alpha sont tous les deux compris entre 0 et 1. Si ces valeurs viennent de cellules calculées, ajoute un garde-fou avec =MAX(0; MIN(1; ta_cellule)) pour maintenir prob_succès et alpha dans l'intervalle valide.
Erreur #VALEUR! : type de données incorrect
Tous les paramètres doivent être des nombres. Si tu passes du texte comme "cent" ou une référence à une cellule contenant du texte, Excel génère #VALEUR!.
Solution : Assure-toi que toutes tes cellules sources contiennent des nombres. Utilise =ESTNUM(cellule) pour vérifier, ou =CNUM(cellule) pour forcer la conversion si la cellule contient un nombre en format texte.
Confusion entre pourcentages en format décimal et entier
Une erreur fréquente consiste à entrer les probabilités sous forme de pourcentage entier (95 au lieu de 0,95). Excel attend des valeurs décimales entre 0 et 1. Avec 95, la formule génère #NOMBRE! car la valeur dépasse 1.
Solution : Divise tes pourcentages par 100 ou saisis directement la valeur décimale : 0,95 pour 95 %, 0,02 pour 2 %. Si tes cellules sources sont au format pourcentage (%), Excel les convertit automatiquement, mais si ce sont des nombres bruts, la division par 100 est nécessaire.
Résultat inattendu : le seuil semble trop élevé ou trop bas
LOI.BINOMIALE.INVERSE retourne la plus petite valeur k telle que P(X ≤ k) est supérieure ou égale à alpha. C'est un seuil « au plus k », pas « au moins k ». La confusion entre ces deux interprétations est fréquente.
Solution : Vérifie ton interprétation : si la formule retourne 6, cela signifie que la probabilité d'obtenir 6 succès ou moins est supérieure ou égale à ton alpha. Pour un seuil dans l'autre sens (probabilité d'obtenir au moins k succès), utilise 1 - alpha comme critère.
LOI.BINOMIALE.INVERSE vs LOI.BINOMIALE vs LOI.NORMALE.INVERSE
Choisis LOI.BINOMIALE.INVERSE quand tu pars d'un niveau de confiance pour remonter à un nombre entier de succès : un seuil de défauts acceptables, un minimum de ventes probables. Si tu fais le chemin inverse, partir d'un nombre de succès connu pour en tirer une probabilité, c'est LOI.BINOMIALE qu'il te faut.
Et dès que ta donnée n'est plus du tout-ou-rien comptable mais une grandeur continue (un poids, un délai, un chiffre d'affaires), bascule sur LOI.NORMALE.INVERSE : elle te rend une valeur réelle, pas un entier.
| Critère | LOI.BINOMIALE.INVERSE | LOI.BINOMIALE | LOI.NORMALE.INVERSE |
|---|---|---|---|
| Direction du calcul | Probabilité → nombre de succès | Nombre de succès → probabilité | Probabilité → valeur (continue) |
| Type de distribution | Discrète (entiers) | Discrète (entiers) | Continue (réels) |
| Cas d'usage | Seuils de décision (qualité, ventes) | Probabilité d'un scénario | Quantiles sur données continues |
| Résultat | Toujours un entier | Probabilité entre 0 et 1 | Valeur réelle quelconque |
Questions fréquentes sur la fonction LOI.BINOMIALE.INVERSE
Quelle est la différence entre LOI.BINOMIALE et LOI.BINOMIALE.INVERSE ?
LOI.BINOMIALE calcule la probabilité d'obtenir un certain nombre de succès (nombre → probabilité), tandis que LOI.BINOMIALE.INVERSE fait l'inverse : elle trouve le nombre minimum de succès nécessaires pour atteindre une probabilité cumulée donnée (probabilité → nombre). C'est particulièrement utile pour les contrôles qualité et les tests statistiques où tu veux définir des seuils de décision.
Comment interpréter le résultat de LOI.BINOMIALE.INVERSE ?
Le résultat représente le plus petit nombre de succès k pour lequel la probabilité d'obtenir k succès ou moins est supérieure ou égale à ton critère alpha. Par exemple, si le résultat est 7, cela signifie que la probabilité d'observer 7 succès ou moins dépasse ton seuil alpha : tout résultat supérieur à 7 est statistiquement inhabituel.
Dans quels cas utiliser LOI.BINOMIALE.INVERSE en entreprise ?
Les cas typiques sont : le contrôle qualité (déterminer le nombre acceptable de défauts dans un échantillon), les prévisions commerciales (calculer le nombre minimum de ventes avec un niveau de confiance donné), les tests A/B (définir les seuils de décision statistique), et l'analyse de risques (évaluer des scénarios critiques avec des seuils d'alerte).
Que se passe-t-il si alpha est trop proche de 0 ou 1 ?
Si alpha est très proche de 0, la formule retourne 0 ou un très petit nombre : le critère est très peu exigeant, presque n'importe quel résultat est « normal ». Si alpha est proche de 1, le résultat sera proche du nombre total d'essais : critère très exigeant. Des valeurs extrêmes d'alpha peuvent indiquer que tes critères sont trop stricts ou trop laxistes pour être utiles en pratique.
Pourquoi ma formule LOI.BINOMIALE.INVERSE retourne #NOMBRE! ?
L'erreur #NOMBRE! survient quand un paramètre est hors des limites autorisées : essais est négatif, prob_succès n'est pas entre 0 et 1, ou alpha n'est pas entre 0 et 1. Vérifie ces trois contraintes l'une après l'autre. La cause la plus fréquente est une probabilité saisie en pourcentage entier (95 au lieu de 0,95).
LOI.BINOMIALE.INVERSE fonctionne-t-elle sur Google Sheets ?
Oui, la syntaxe est identique. L'équivalent sur Google Sheets s'appelle aussi LOI.BINOMIALE.INVERSE avec le même ordre de paramètres. La seule différence peut être le séparateur d'arguments (virgule ou point-virgule selon tes paramètres régionaux).
Pour aller plus loin
Bloqué sur une formule Excel ?
Pose ta question à notre assistant Excel IA, il te sort la bonne formule en quelques secondes.
Essayer l'assistant IAGratuit · 10 questions par mois