Fonction ORDONNEE.ORIGINE ExcelGuide Complet 2026 avec Exemples

C'est ton tableau ou ta plage de valeurs dépendantes (axe vertical, axe des ordonnées). Ces valeurs représentent les résultats ou les observations que tu cherches à prédire ou expliquer. Par exemple : les ventes, les coûts totaux, le nombre de conversions, etc.

Techniquement, ce paramètre accepte une plage de cellules comme B2:B10, un tableau nommé, ou même des valeurs directes séparées par des points-virgules. Les cellules vides sont ignorées automatiquement.

C'est ton tableau ou ta plage de valeurs indépendantes (axe horizontal, axe des abscisses). Ces valeurs représentent les variables explicatives ou prédictives qui influencent tes résultats. Par exemple : le nombre d'unités produites, les mois écoulés, le budget publicitaire investi, etc.

Important : Les deux plages doivent avoir exactement la même taille. Si x_connus contient 10 valeurs, y_connus doit aussi en contenir 10. Sinon, Excel retournera l'erreur #N/A.

Erreur #N/A – Plages de tailles différentes

C'est l'erreur la plus fréquente avec ORDONNEE.ORIGINE. Elle survient lorsque tes plages y_connus et x_connus n'ont pas le même nombre d'éléments. Excel ne peut pas calculer une régression si les paires (x, y) ne correspondent pas.

Solution : Utilise la fonction NBVAL pour vérifier le nombre de valeurs dans chaque plage avant d'écrire ta formule. Assure-toi que tes données sont bien alignées, sans lignes manquantes.

Erreur #DIV/0! – Valeurs X constantes

Si toutes tes valeurs x_connus sont identiques (par exemple, toutes égales à 5), Excel ne peut pas calculer une régression linéaire car il n'y a pas de variation. Une droite de régression nécessite au moins deux valeurs X différentes pour calculer une pente.

Solution : Vérifie que ta variable X varie vraiment. Si toutes les valeurs sont identiques, la régression linéaire n'a pas de sens pour tes données.

Données non linéaires – Résultats trompeurs

ORDONNEE.ORIGINE suppose toujours une relation linéaire entre X et Y. Si tes données suivent une courbe exponentielle, logarithmique ou polynomiale, le résultat sera mathématiquement correct mais statistiquement non pertinent. Tu obtiendras une "ligne droite moyenne" qui ne représente pas bien tes données.

Solution : Vérifie toujours le coefficient de détermination avec COEFFICIENT.DETERMINATION(y_connus; x_connus). Si le résultat (R²) est inférieur à 0,7, ta relation n'est pas suffisamment linéaire. Considère une transformation logarithmique de tes données ou utilise CROISSANCE pour les modèles exponentiels.

Extrapolation dangereuse hors de la plage de données

L'ordonnée à l'origine prédit Y quand X = 0. Si tes données ne couvrent pas de valeurs proches de zéro, cette prédiction peut être totalement irréaliste. Par exemple, si tu analyses la relation entre la taille (150-190 cm) et le poids, estimer le poids d'une personne de 0 cm n'a aucun sens physique.

Solution : Interprète l'ordonnée à l'origine avec prudence. Si elle tombe en dehors de ta plage de données observées, considère-la comme un paramètre mathématique de ton modèle plutôt qu'une prédiction réelle. L'extrapolation est statistiquement risquée.

Quelle est la différence entre ORDONNEE.ORIGINE et PENTE ?

ORDONNEE.ORIGINE retourne le point d'intersection avec l'axe Y (la constante b dans y = ax + b), tandis que PENTE retourne le coefficient directeur (le a). Les deux fonctions sont complémentaires : tu as besoin des deux pour définir complètement ta droite de régression et faire des prévisions précises.

Comment interpréter l'ordonnée à l'origine dans mes analyses ?

L'ordonnée à l'origine représente la valeur de Y quand X vaut zéro. En analyse de coûts, c'est tes frais fixes (coûts quand tu ne produis rien). En analyse de ventes, c'est ton niveau de base avant l'effet d'autres variables. C'est le point de départ de ton modèle.

Que se passe-t-il si mes plages x_connus et y_connus ont des tailles différentes ?

Excel retournera l'erreur #N/A si les deux plages n'ont pas exactement le même nombre de valeurs. Les tableaux doivent avoir des dimensions identiques pour que la régression linéaire fonctionne. Vérifie toujours que tes données sont bien alignées.

ORDONNEE.ORIGINE fonctionne-t-elle avec des données non linéaires ?

ORDONNEE.ORIGINE calcule toujours une régression linéaire, même si tes données suivent un pattern courbe. Le résultat sera la meilleure approximation linéaire, mais pourrait ne pas être pertinent. Vérifie le coefficient de corrélation (COEFFICIENT.CORRELATION) pour t'assurer que tes données sont bien linéaires avant d'utiliser cette fonction.

Comment combiner ORDONNEE.ORIGINE avec PENTE pour faire des prévisions ?

Utilise la formule : Prévision = PENTE(y;x) * nouvelle_valeur_x + ORDONNEE.ORIGINE(y;x). Par exemple, si PENTE retourne 2,5 et ORDONNEE.ORIGINE retourne 100, ta prévision pour x=10 sera : 2,5*10 + 100 = 125. Cette formule reconstruit l'équation complète de ta droite.