PREVISION.ETS.SAISONNALITE (FORECAST.ETS.SEASONALITY en anglais) est ton outil de diagnostic avant de faire des prévisions : elle analyse tes données historiques et te retourne en un seul chiffre la longueur du cycle qui se répète. Douze pour un rythme annuel avec données mensuelles, sept pour un rythme hebdomadaire avec données quotidiennes, quatre pour un cycle annuel sur données trimestrielles.
C'est la première question à poser avant de projeter tes ventes, ton trafic ou ta production : est-ce qu'il y a vraiment un pattern qui revient, et sur quelle durée ? Elle travaille main dans la main avec PREVISION.ETS, elle lui fournit le paramètre de saisonnalité que tu peux ensuite forcer dans tes projections pour garantir des prévisions cohérentes.
Syntaxe de la fonction PREVISION.ETS.SAISONNALITE
=PREVISION.ETS.SAISONNALITE(valeurs; chronologie; [complétion_données]; [agrégation])Si la fonction retourne 1, ce n'est pas une erreur : cela signifie simplement qu'aucun cycle saisonnier significatif n'a été détecté. Dans ce cas, opte pour PREVISION.LINEAIRE plutôt que PREVISION.ETS.
Comprendre chaque paramètre de la fonction PREVISION.ETS.SAISONNALITE
Les deux premiers arguments vont toujours par paire et sont obligatoires : d'abord tes valeurs historiques, ensuite la chronologie de dates qui leur correspond, ligne pour ligne et dans le même ordre. Les deux derniers sont facultatifs et servent surtout quand tes données sont imparfaites : complétion_données décide comment combler les trous, agrégation comment fusionner plusieurs lignes tombant sur la même date.
valeurs
: tes données historiques : ventes mensuelles, visiteurs quotidiens, production hebdomadaire..Toute série de valeurs numériques dans laquelle tu cherches un cycle répétitif. Excel analysera ces valeurs en cherchant des motifs qui reviennent à intervalles réguliers.
Plus tu as de données, plus la détection est fiable. Pour qu'un cycle soit détecté, il faut au minimum deux répétitions complètes : si tu cherches une saisonnalité mensuelle (cycle de 12), il te faut au moins 24 mois de données.
Astuce : Vise au minimum 2 cycles complets dans ton historique. Pour un cycle annuel avec données mensuelles, 24 mois est le plancher, 36 mois ou plus donne des résultats beaucoup plus stables.
chronologie
: la série de dates qui correspond exactement à tes valeursCes dates doivent être espacées de manière régulière (tous les jours, toutes les semaines, tous les mois...). Excel utilise cet espacement pour comprendre le rythme de tes données et calibrer la recherche de cycles.
La première valeur doit correspondre à la première date, dans le même ordre.
Attention : Tes dates doivent être triées dans l'ordre chronologique croissant, sans doublons. Si deux lignes partagent la même date, utilise le paramètre agrégation pour indiquer à Excel comment les combiner. Une chronologie en désordre ou avec des doublons non gérés génère une erreur.
[complétion_données]
: détermine comment Excel gère les valeurs manquantes dans ton historique(facultatif)Avec 1 (valeur par défaut, ou paramètre omis), Excel comble les trous par interpolation, ce qui améliore la qualité de la détection. Avec 0, les valeurs manquantes sont traitées comme des zéros, ce qui peut fausser l'analyse en introduisant de faux creux.
Astuce : Laisse ce paramètre à sa valeur par défaut (1) dans la quasi-totalité des cas. L'interpolation automatique gère bien les petites lacunes sans distordre le signal saisonnier.
[agrégation]
: si plusieurs valeurs partagent la même date (plusieurs transactions le même jour, par exemple), ce paramètre indique à Excel comment les combiner avant d'analyser la saisonnalité(facultatif)Par défaut (1), Excel calcule la moyenne. Les autres options : 2 = NOMBRE, 3 = NBVAL, 4 = MAX, 5 = MEDIANE, 6 = MIN, 7 = SOMME.
Pour un chiffre d'affaires journalier avec plusieurs lignes par jour, utilise 7 (SOMME) pour totaliser avant l'analyse.
Exemples pratiques pas à pas
Data analyst : détecter les cycles de ventes e-commerce
Tu es data analyst dans une boutique en ligne. Avant de construire des prévisions pour l'année à venir, tu veux vérifier objectivement si tes ventes suivent un cycle saisonnier et quelle est sa périodicité. Tu disposes de 24 mois de ventes mensuelles.
| A | B | C | |
|---|---|---|---|
| 1 | Mois | Ventes (€) | Détection saisonnalité |
| 2 | 2022-01-01 | 45 000 | |
| 3 | 2022-02-01 | 42 000 | |
| 4 | 2022-03-01 | 48 000 | |
| 5 | ... | ... | |
| 6 | 2022-12-01 | 89 000 | |
| 7 | 2023-01-01 | 47 000 | |
| 8 | ... | ... | |
| 9 | 2023-12-01 | 95 000 | =PREVISION.ETS.SAISONNALITE(B2:B25; A2:A25) |
=PREVISION.ETS.SAISONNALITE(B2:B25; A2:A25)La fonction analyse l'autocorrélation de la série : elle cherche les décalages pour lesquels tes données ressemblent le plus à elles-mêmes. Le résultat 12 confirme un cycle annuel marqué, avec des pics en fin d'année et des creux en été. Tu peux maintenant forcer ce paramètre dans PREVISION.ETS pour des prévisions cohérentes.
Astuce de pro : Une fois le cycle connu, force-le explicitement dans PREVISION.ETS : =PREVISION.ETS(date_cible; valeurs; chronologie; 12). Cela accélère les calculs et garantit que chaque prévision utilise le même cycle de référence.
Contrôleur de gestion : confirmer les patterns budgétaires trimestriels
Tu es contrôleur de gestion dans une entreprise B2B. Tu remarques que tes chiffres d'affaires trimestriels semblent suivre un pattern, mais tu veux le confirmer avant de construire ton modèle budgétaire. Tu disposes de 3 ans d'historique trimestriel, soit 12 trimestres.
| A | B | C | |
|---|---|---|---|
| 1 | Trimestre | CA (k€) | Analyse |
| 2 | 2021-Q1 | 380 | |
| 3 | 2021-Q2 | 420 | |
| 4 | 2021-Q3 | 350 | |
| 5 | 2021-Q4 | 510 | |
| 6 | 2022-Q1 | 410 | |
| 7 | 2022-Q2 | 450 | |
| 8 | 2022-Q3 | 370 | |
| 9 | 2022-Q4 | 545 | |
| 10 | 2023-Q1 | 435 | |
| 11 | 2023-Q2 | 480 | |
| 12 | 2023-Q3 | 395 | |
| 13 | 2023-Q4 | 580 | =PREVISION.ETS.SAISONNALITE(B2:B13; A2:A13) |
=PREVISION.ETS.SAISONNALITE(B2:B13; A2:A13)Le résultat 4 confirme un cycle de 4 trimestres, soit un cycle annuel avec des variations trimestrielles prévisibles : Q3 systématiquement plus faible (vacances d'été), Q4 systématiquement plus fort (clôtures budgétaires clients). Cette information te permet d'ajuster tes objectifs trimestriels en tenant compte de cette structure saisonnière.
Commercial : analyser un pipeline de leads jour par jour
Tu gères un pipeline de leads et tu te demandes si ton taux de conversion suit un pattern hebdomadaire. Tu as collecté 8 semaines de données quotidiennes, soit 56 points.
| A | B | C | |
|---|---|---|---|
| 1 | Date | Conversions | Détection cycle |
| 2 | 2024-01-01 (Lun) | 23 | |
| 3 | 2024-01-02 (Mar) | 28 | |
| 4 | 2024-01-03 (Mer) | 32 | |
| 5 | 2024-01-04 (Jeu) | 30 | |
| 6 | 2024-01-05 (Ven) | 26 | |
| 7 | 2024-01-06 (Sam) | 12 | |
| 8 | 2024-01-07 (Dim) | 8 | |
| 9 | ... | ... | |
| 10 | 2024-02-25 (Dim) | 9 | =PREVISION.ETS.SAISONNALITE(B2:B57; A2:A57) |
=PREVISION.ETS.SAISONNALITE(B2:B57; A2:A57)Le résultat 7 confirme un cycle hebdomadaire : les conversions sont meilleures en milieu de semaine et chutent le week-end. Fort de cette information, tu peux ajuster ta stratégie : programmer tes relances pour mardi-mercredi, faire arriver tes propositions en début de semaine, et ne pas compter sur des signatures le week-end dans tes prévisions.
Chef de produit SaaS : vérifier l'absence de saisonnalité
Tu es chef de produit pour un logiciel en SaaS. Contrairement aux produits physiques, tu penses que ton revenu mensuel récurrent (MRR) ne suit pas de saisonnalité marquée. Tu veux le vérifier avant de choisir ton modèle de prévision : PREVISION.ETS ou PREVISION.LINEAIRE ?
| A | B | C | |
|---|---|---|---|
| 1 | Mois | MRR (€) | Test saisonnalité |
| 2 | 2023-01-01 | 142 000 | |
| 3 | 2023-02-01 | 147 000 | |
| 4 | 2023-03-01 | 151 000 | |
| 5 | 2023-04-01 | 149 000 | |
| 6 | 2023-05-01 | 156 000 | |
| 7 | 2023-06-01 | 158 000 | |
| 8 | 2023-07-01 | 161 000 | |
| 9 | 2023-08-01 | 159 000 | |
| 10 | 2023-09-01 | 165 000 | |
| 11 | 2023-10-01 | 168 000 | |
| 12 | 2023-11-01 | 172 000 | |
| 13 | 2023-12-01 | 176 000 | =PREVISION.ETS.SAISONNALITE(B2:B13; A2:A13) |
=PREVISION.ETS.SAISONNALITE(B2:B13; A2:A13)Le résultat 1 confirme l'hypothèse : le MRR suit une croissance linéaire régulière sans cycle répétitif. Dans ce cas, PREVISION.LINEAIRE ou TENDANCE suffisent et sont plus simples à interpréter (tu économises de la complexité sans perdre en précision).
Astuce de pro : Un résultat 1 n'est pas un bug. C'est une information utile : ton phénomène n'a pas de saisonnalité exploitable avec les données disponibles. Utilise PREVISION.LINEAIRE pour des projections plus robustes.
Envie de t'entraîner sur de vrais exercices Excel ?
M'entraîner
Les erreurs fréquentes avec la fonction PREVISION.ETS.SAISONNALITE
Ici tout se joue sur la chronologie : des dates en désordre, des doublons non gérés ou un espacement irrégulier suffisent à fausser ou bloquer la détection, parce qu'Excel a besoin d'un rythme stable pour repérer un cycle. L'autre faux pas n'est pas technique mais humain : prendre le résultat 1 pour un bug alors que c'est une réponse valide qui dit simplement "pas de saisonnalité détectée".
Chronologie en désordre ou avec doublons
Excel exige que tes dates soient triées dans l'ordre chronologique croissant, sans doublon. Si deux lignes ont la même date sans paramètre agrégation configuré, la fonction retourne une erreur.
Solution : Trie d'abord ta plage de dates en ordre croissant. Si plusieurs lignes partagent une même date, ajoute le paramètre agrégation (par exemple 7 pour additionner) afin qu'Excel sache comment les fusionner avant l'analyse.
Résultat 1 alors qu'un cycle semble évident
Trois causes possibles : historique insuffisant (moins de 2 cycles complets), données trop bruitées masquant le signal, ou cycle trop irrégulier pour que l'autocorrélation le détecte.
Solution : Étends ton historique pour couvrir au moins 2 cycles complets (24 mois pour un cycle annuel mensuel, 14 jours pour hebdomadaire). Si possible, filtre ou lisse les valeurs aberrantes qui introduisent du bruit dans la série avant de relancer la détection.
Espacement irrégulier entre les dates
Si l'espacement entre les dates varie (parfois 7 jours, parfois 10), la détection de saisonnalité est faussée car Excel ne peut pas identifier un rythme stable.
Solution : Assure-toi d'avoir une chronologie à espacement constant. Si des points manquent, laisse le paramètre complétion_données à 1 pour que l'interpolation comble les trous automatiquement sans casser le rythme.
Confondre le résultat 1 avec une erreur de formule
La valeur 1 est un résultat valide, pas une erreur. Elle signifie simplement qu'aucun cycle saisonnier significatif n'a été trouvé dans les données.
Solution : Utilise PREVISION.LINEAIRE au lieu de PREVISION.ETS si 1 est retourné. PREVISION.ETS reste utilisable avec 1, mais elle n'apporte pas de valeur ajoutée par rapport à la prévision linéaire dans ce cas.
Astuces avancées avec PREVISION.ETS.SAISONNALITE
Teste plusieurs segments pour détecter une saisonnalité évolutive
Lance =PREVISION.ETS.SAISONNALITE sur des sous-segments de tes données (première année, deuxième année, etc.). Si tous les segments retournent le même résultat, ton cycle est stable dans le temps. Si les résultats varient, ta saisonnalité évolue et il faudra en tenir compte dans tes projections.
Connaître la stabilité du cycle est au moins aussi précieux que sa longueur.
Valide le résultat avec ton expertise métier
Si la fonction retourne 7 alors que ton activité n'a aucun rythme hebdomadaire connu, méfie-toi : c'est peut-être un faux positif lié au bruit dans les données. L'algorithme d'autocorrélation est puissant, mais il peut détecter des coïncidences statistiques sans réalité opérationnelle.
Ton expertise métier reste indispensable pour valider ou contester le résultat.
Combine avec PREVISION.ETS.STAT pour évaluer la qualité du modèle
Après avoir obtenu la longueur du cycle, utilise =PREVISION.ETS.SAISONNALITE en tandem avec =PREVISION.ETS.STAT qui retourne des métriques de qualité (erreur quadratique moyenne, coefficients de lissage). Si la qualité du modèle est faible malgré un cycle détecté, envisage de forcer manuellement la valeur de saisonnalité dans PREVISION.ETS.
Cela te permet de décider en connaissance de cause si la détection automatique est exploitable.
Questions fréquentes sur la fonction PREVISION.ETS.SAISONNALITE
Quelle différence entre cette fonction et le paramètre de saisonnalité dans PREVISION.ETS ?
PREVISION.ETS.SAISONNALITE te retourne un nombre : la longueur du cycle détecté. C'est un outil de diagnostic, pas de prévision. PREVISION.ETS fait les prévisions en se servant de cette saisonnalité. Utilise SAISONNALITE d'abord pour comprendre tes données, puis PREVISION.ETS pour les projeter.
Que signifie un résultat de 12, de 7 ou de 4 ?
Un résultat de 12 indique un cycle annuel avec des données mensuelles (12 mois par cycle). Un résultat de 7 indique un cycle hebdomadaire avec des données quotidiennes. Un résultat de 4 sur des données trimestrielles indique un cycle annuel de 4 trimestres. Si la fonction retourne 1, aucune saisonnalité exploitable n'a été détectée.
Comment Excel détecte-t-il la saisonnalité automatiquement ?
Excel utilise l'autocorrélation : il compare tes données à elles-mêmes décalées de 1, 2, 3... périodes et cherche le décalage pour lequel la corrélation est la plus forte. Si tes ventes de janvier ressemblent systématiquement à celles de janvier de l'année précédente, le décalage de 12 donnera une forte corrélation et Excel retournera 12.
Que faire si la fonction retourne 1 alors qu'il y a visiblement de la saisonnalité ?
Trois pistes : l'historique est trop court (moins de 2 cycles complets), les données sont trop bruitées (valeurs aberrantes masquant le signal), ou le cycle est trop irrégulier. Allonge l'historique, filtre les outliers ou lisse la série avant de relancer la détection.
Peut-on utiliser cette fonction pour des données non temporelles ?
Non. PREVISION.ETS.SAISONNALITE est conçue exclusivement pour des séries temporelles. Pour analyser des patterns dans d'autres types de données, il faut utiliser d'autres outils comme l'analyse de corrélation ou des approches statistiques différentes.
Faut-il toujours utiliser la détection automatique ou vaut-il mieux forcer la saisonnalité ?
La détection automatique convient dans la majorité des cas. Forcer manuellement la saisonnalité est utile quand tu disposes de moins de 2 cycles d'historique mais que tu connais le cycle métier (par exemple, tu sais que c'est annuel car ton secteur l'est). Dans ce cas, indique directement 12 dans PREVISION.ETS plutôt que de te fier à la détection automatique sur un historique trop court.
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