La fonction LOI.EXPONENTIELLE.N te permet de modéliser le temps entre deux événements aléatoires indépendants. Tu travailles sur la fiabilité d'équipements, les temps d'attente en service client, ou les durées de vie de composants ? C'est la distribution à connaître.
Elle a une propriété statistique unique : elle est « sans mémoire ». Un composant qui a fonctionné 10 000 heures a exactement la même probabilité de tomber en panne dans l'heure suivante qu'un composant neuf. C'est idéal pour modéliser les défaillances aléatoires, dimensionner des stocks de pièces de rechange, ou calculer des SLA de service client à partir de données réelles.
Syntaxe de la fonction LOI.EXPONENTIELLE.N
=LOI.EXPONENTIELLE.N(x; lambda; cumulative)Le paramètre lambda est le taux d'événements, pas la moyenne. Si le temps moyen entre pannes (MTBF) est de 5 000 heures, alors lambda = 1/5000 = 0,0002. Confondre lambda avec la moyenne est l'erreur la plus fréquente.
Comprendre chaque paramètre de la fonction LOI.EXPONENTIELLE.N
Les trois arguments s'enchaînent dans un ordre fixe : la valeur x que tu testes, le taux lambda, puis le drapeau cumulative. Aucun n'est facultatif, contrairement à beaucoup de fonctions de distribution. Le piège est sur lambda : tu y mets 1/moyenne, pas la moyenne, et sur cumulative, où VRAI te donne une probabilité interprétable alors que FAUX ne sert qu'à tracer la courbe.
x
: la valeur pour laquelle tu calcules la probabilitéElle représente typiquement un temps d'attente ou une durée de vie, et doit être positive ou nulle (>= 0).
Par exemple, si tu veux savoir quelle proportion de composants tombe en panne avant 1 000 heures, x = 1000.
Attention : Si x < 0, la fonction retourne l'erreur #NOMBRE!. La loi exponentielle n'est définie que pour les valeurs positives ou nulles.
lambda
: le taux d'événements, égal à `1/moyenne`Il doit être strictement positif. Si le temps moyen entre pannes (MTBF) est de 5 000 heures, alors lambda = 1/5000 = 0,0002. Si un service répond en moyenne en 20 minutes, lambda = 1/20 = 0,05.
Tu peux entrer la formule directement : =LOI.EXPONENTIELLE.N(1000; 1/5000; VRAI) est plus lisible que =LOI.EXPONENTIELLE.N(1000; 0,0002; VRAI).
Astuce : Estime lambda à partir de tes données réelles avec lambda = 1/MOYENNE(plage). Si tu as des temps de panne de 100, 200 et 150 heures, lambda = 1/MOYENNE(100;200;150) = 1/150.
cumulative
: l'indicateur qui détermine le mode de calculVRAI retourne la fonction de répartition cumulative : la probabilité que l'événement survienne avant le temps x, soit P(X <= x). FAUX retourne la densité de probabilité f(x), utile pour tracer la courbe de distribution.
Dans la quasi-totalité des usages pratiques, tu utiliseras VRAI pour obtenir des probabilités directement interprétables.
Astuce : Utilise FAUX uniquement si tu veux tracer la forme de la distribution dans un graphique. Pour toutes les questions de probabilité (quelle proportion de composants tient plus de X heures ?), utilise VRAI.
Exemples pratiques pas à pas
Ingénieur maintenance : fiabilité d'un composant électronique
Tu gères un composant électronique avec un MTBF (temps moyen entre pannes) de 5 000 heures. Tu veux calculer les probabilités de panne à différents horizons pour planifier tes interventions de maintenance préventive.
| A | B | C | D | E | |
|---|---|---|---|---|---|
| 1 | Question | MTBF | Formule | Résultat | Interprétation |
| 2 | Panne avant 1 000 h | 5000 | =LOI.EXPONENTIELLE.N(1000;1/5000;VRAI) | 0,1813 | 18% de pannes précoces |
| 3 | Panne avant 2 000 h | 5000 | =LOI.EXPONENTIELLE.N(2000;1/5000;VRAI) | 0,3297 | 33% avant 2 000 h |
| 4 | Survie après 5 000 h | 5000 | =1-LOI.EXPONENTIELLE.N(5000;1/5000;VRAI) | 0,3679 | 37% survivent au MTBF |
| 5 | Survie après 10 000 h | 5000 | =1-LOI.EXPONENTIELLE.N(10000;1/5000;VRAI) | 0,1353 | 14% survivent à 2 × MTBF |
=LOI.EXPONENTIELLE.N(1000; 1/5000; VRAI)Ici, le taux 1/5000 traduit le MTBF en lambda et la fonction renvoie la probabilité de panne avant 1 000 heures, soit 18% des composants. Pour la fiabilité (probabilité de survie), prends le complément à 1 : 37% des composants tiennent encore après un MTBF complet de 5 000 heures.
Astuce de pro : La fonction de fiabilité (probabilité de survie) vaut toujours R(t) = 1 - F(t). Pour les analyses de maintenance, c'est ce complément qui t'intéresse le plus, pas la probabilité de panne directe.
Responsable service client : analyser les temps de service pour les SLA
Ton service traite 3 clients par heure en moyenne, soit un temps de service moyen de 20 minutes par client. Tu veux évaluer les probabilités de temps de service pour définir ou valider tes SLA (accords de niveau de service).
| A | B | C | D | E | |
|---|---|---|---|---|---|
| 1 | Scénario | Taux (par min) | Formule | Résultat | Interprétation |
| 2 | Client servi en < 2 min | 3/h | =LOI.EXPONENTIELLE.N(2;3/60;VRAI) | 0,0952 | 10% servis en 2 min |
| 3 | Client servi en < 10 min | 3/h | =LOI.EXPONENTIELLE.N(10;3/60;VRAI) | 0,3935 | 39% servis en 10 min |
| 4 | Client servi en < 20 min | 3/h | =LOI.EXPONENTIELLE.N(20;3/60;VRAI) | 0,6321 | 63% servis en 20 min |
| 5 | Attente > 30 min | 3/h | =1-LOI.EXPONENTIELLE.N(30;3/60;VRAI) | 0,2231 | 22% attendent > 30 min |
=LOI.EXPONENTIELLE.N(20; 3/60; VRAI)Ici, le taux est exprimé en clients par minute (3 par heure donne 0,05 par minute) et la fonction renvoie la probabilité d'être servi en moins de 20 minutes, soit 63% des clients. C'est exactement la valeur théorique attendue au point de la moyenne. À l'inverse, 22% des clients attendent plus de 30 minutes, une donnée clé pour fixer un SLA réaliste.
Data analyst : tracer la densité de probabilité
Tu veux visualiser la forme d'une loi exponentielle pour inclure un graphique dans un rapport ou comprendre l'impact du paramètre lambda sur la distribution.
| A | B | C | D | E | |
|---|---|---|---|---|---|
| 1 | x | Lambda | Cumulative | P(X <= x) | Densité f(x) |
| 2 | 0 | 1 | VRAI | 0,0000 | 1,0000 |
| 3 | 0,5 | 1 | VRAI | 0,3935 | 0,6065 |
| 4 | 1 | 1 | VRAI | 0,6321 | 0,3679 |
| 5 | 2 | 1 | VRAI | 0,8647 | 0,1353 |
| 6 | 0,5 | 2 | VRAI | 0,6321 | - |
=LOI.EXPONENTIELLE.N(1; 1; FAUX)Avec le dernier argument à FAUX, la fonction renvoie la densité (la hauteur de la courbe au point demandé) et non une probabilité. En appliquant ce calcul à une colonne de valeurs régulièrement espacées, tu obtiens les points qui dessinent la courbe : un lambda plus élevé concentre la distribution sur les petites valeurs, un lambda plus faible l'étale.
Envie de t'entraîner sur de vrais exercices Excel ?
M'entraîner
Les erreurs fréquentes avec la fonction LOI.EXPONENTIELLE.N
Deux ennuis reviennent sans cesse, et un seul est visible. Un x négatif ou un lambda nul ou négatif font sortir un #NOMBRE! franc, facile à repérer. Le sournois ne déclenche aucune erreur : si tu saisis ta moyenne (genre 5000) à la place de 1/5000 dans lambda, la formule te rend des probabilités plausibles mais totalement fausses.
Le troisième cas n'est pas un bug d'Excel mais un mauvais choix de loi : l'exponentielle suppose un taux de panne constant, donc elle ne modélise ni l'usure ni le rodage.
Paramètres hors limites retournent #NOMBRE!
x < 0 ou lambda <= 0 déclenchent #NOMBRE!. La loi exponentielle n'est définie que pour les valeurs positives de x et un taux strictement positif.
Solution : Assure-toi que x >= 0 et que lambda > 0. Si tu calcules lambda = 1/MOYENNE(...) et que ta plage contient des zéros, filtre-les d'abord pour éviter une division par zéro.
Résultats faux parce que lambda est confondu avec la moyenne
Entrer directement la moyenne comme lambda (par exemple 5000 pour un MTBF de 5 000 heures au lieu de 1/5000) inverse complètement la distribution et donne des probabilités absurdes.
Solution : Rappelle-toi : lambda = 1/moyenne. Si le MTBF est 5 000 heures, lambda = 1/5000 = 0,0002. Écris la formule directement avec la division : =LOI.EXPONENTIELLE.N(x; 1/5000; VRAI) pour éviter toute confusion.
Mauvais contexte : la loi exponentielle ne modélise pas l'usure
La loi exponentielle suppose que le taux de panne est constant (propriété sans mémoire). Elle ne convient pas pour modéliser l'usure mécanique, le vieillissement progressif, ni la mortalité infantile des composants.
Solution : Si ton taux de panne évolue dans le temps (croissant pour l'usure, décroissant pour la mortalité infantile, en baignoire), utilise la loi de Weibull (LOI.WEIBULL). L'exponentielle est un cas particulier de Weibull avec beta = 1.
Questions fréquentes sur la fonction LOI.EXPONENTIELLE.N
Quelle est la relation entre LOI.EXPONENTIELLE.N et la loi de Poisson ?
Si les événements suivent un processus de Poisson de taux lambda (nombre d'événements par unité de temps), alors le temps entre deux événements successifs suit une loi exponentielle de ce même paramètre lambda.
Par exemple, si les appels arrivent à 4 par heure (Poisson), le temps entre deux appels suit une loi exponentielle avec lambda = 4. Les deux distributions sont complémentaires : l'une modélise le nombre d'événements, l'autre l'intervalle entre eux.
Comment interpréter la propriété sans mémoire ?
La propriété sans mémoire signifie que P(X > t+s | X > t) = P(X > s). En clair, un composant qui a survécu t heures a exactement la même probabilité de survivre s heures de plus qu'un composant neuf.
Cette propriété modélise bien les défaillances aléatoires (courts-circuits, surtensions) mais pas l'usure progressive. Pour l'usure, utilise plutôt la loi de Weibull.
Comment estimer lambda à partir de données empiriques ?
lambda = 1/MOYENNE(données). Si tu as des temps de panne de 100, 200 et 150 heures, lambda = 1/MOYENNE(100;200;150) = 1/150 ≈ 0,0067.
Assure-toi que tes données sont bien des durées entre événements (temps inter-pannes) et non des dates absolues. La qualité de l'estimation dépend de la taille de ton échantillon : avec moins de 30 observations, l'incertitude est élevée.
Quand utiliser la loi de Weibull plutôt que la loi exponentielle ?
Utilise la loi de Weibull si le taux de panne n'est pas constant : croissant (usure mécanique), décroissant (mortalité infantile, composants qui « s'améliorent » en rodage), ou en forme de baignoire (les deux).
L'exponentielle est un cas particulier de Weibull avec beta = 1. Si tu n'es pas sûr, teste d'abord l'exponentielle : si le résidu est systématique, passe à Weibull.
Quelle différence avec la fonction LOI.EXPONENTIELLE (ancienne version) ?
LOI.EXPONENTIELLE est l'ancienne syntaxe disponible jusqu'à Excel 2007. LOI.EXPONENTIELLE.N est la version moderne introduite dans Excel 2010, avec une syntaxe cohérente avec les autres fonctions de distribution (suffixe .N).
Les résultats sont identiques. Microsoft recommande d'utiliser LOI.EXPONENTIELLE.N dans les nouvelles feuilles car l'ancienne version pourrait ne plus être disponible dans les futures versions d'Excel.
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