On exporte un graphique de ventes trimestrielles, on trace une courbe, et le directeur demande : « c’est quoi la tendance ? ». À ce stade, ajouter une ligne droite sur le graphique ne suffit pas. Encore faut-il choisir le bon modèle, vérifier qu’il tient la route et ne pas raconter n’importe quoi avec un R² flatteur. Voici comment construire des courbes de tendance fiables dans Excel ou d’autres outils, en partant de situations concrètes.
Vérifier le nuage de points avant de tracer une courbe de tendance
Avant d’ouvrir le menu « Ajouter une courbe de tendance », on regarde les données. Un nuage de points (graphique XY) est le point de départ obligatoire. Sans lui, on risque de plaquer un modèle linéaire sur des données qui forment un plateau, changent de direction ou regroupent plusieurs populations distinctes.
Lire également : Dans quelles tâches l’IA est-elle mauvaise ?
Concrètement, on sélectionne les deux colonnes de valeurs (variable X et variable Y), on insère un nuage de points, puis on observe. Si les points dessinent une forme de banane ou présentent deux grappes séparées, une droite de tendance masquera la réalité au lieu de l’éclairer.
Les valeurs aberrantes méritent aussi un examen. Un seul point extrême peut tirer la pente d’une droite vers le haut ou le bas et fausser toute l’analyse. On note ces points, on vérifie s’ils correspondent à une erreur de saisie ou à un événement exceptionnel, puis on décide de les conserver ou non avant l’ajustement.
A découvrir également : Comment savoir si un drone me filme ?
Ajouter une courbe de tendance linéaire dans Excel
Le cas le plus fréquent : les données suivent une progression régulière (hausse ou baisse constante). On travaille alors avec un modèle linéaire.
Procédure pas à pas
- Créer un graphique (nuage de points ou courbe) à partir des données, puis cliquer sur un point de la série pour la sélectionner.
- Clic droit sur la série, puis sélectionnez « Ajouter une courbe de tendance ». Dans le panneau qui s’ouvre, choisir « Linéaire ».
- Cocher « Afficher l’équation sur le graphique » et « Afficher le coefficient de détermination (R²) » pour évaluer la qualité de l’ajustement.
- Si l’objectif est de prolonger la tendance, utiliser l’option « Prévision » en indiquant le nombre de périodes vers l’avant ou vers l’arrière.
L’équation affichée prend la forme y = ax + b. La valeur de « a » donne la pente, donc le rythme de progression par unité de temps ou par unité de X. C’est cette pente qui répond à la question « ça monte ou ça descend, et à quelle vitesse ? ».
Quand le modèle linéaire ne convient pas
Si le R² est faible (loin de 1) ou si les résidus (écarts entre les points réels et la droite) forment un motif en U ou en vague, le modèle linéaire est inadapté. On passe alors à un autre type de courbe.
Choisir entre modèle logarithmique, polynomial et exponentiel
Excel propose plusieurs types de courbes de tendance au-delà du linéaire. Le choix dépend de la forme du nuage de points, pas d’une préférence esthétique.
Le modèle logarithmique fonctionne quand les données augmentent vite au début puis ralentissent (forme de courbe qui s’aplatit). On le retrouve souvent dans les courbes d’apprentissage ou d’adoption d’un produit.
Le modèle exponentiel correspond à une croissance (ou décroissance) qui s’accélère. Typique des phénomènes de viralité ou de dégradation rapide. Attention : ce modèle devient vite irréaliste en projection.
Le modèle polynomial (degré 2, 3 ou plus) s’adapte aux données qui changent de direction. Un polynôme de degré 2 capture un virage, un degré 3 capture deux virages. Plus le degré monte, plus la courbe colle aux données existantes, mais un polynôme de degré élevé prédit très mal au-delà des données connues.
La moyenne mobile, disponible aussi dans Excel, n’est pas un modèle d’ajustement mais un lissage. Elle sert à filtrer le bruit pour voir la direction générale, sans équation sous-jacente.
Interpréter le coefficient R² et les résidus
Le coefficient de détermination R² est la première métrique que l’on regarde. Plus il est proche de 1, plus la courbe épouse les données. Un R² proche de 0 signifie que le modèle n’explique quasiment rien.
Mais un R² élevé ne garantit pas que le modèle est bon. On peut obtenir un ajustement visuellement convaincant qui repose sur une coïncidence ou sur un sur-ajustement (overfitting avec un polynôme de degré trop élevé).
Pour aller plus loin, on examine les résidus. Dans Excel, il faut calculer manuellement l’écart entre chaque valeur réelle et la valeur prédite par la formule. Si ces résidus sont répartis aléatoirement autour de zéro, le modèle est correct. S’ils dessinent un motif (courbe, entonnoir), le modèle choisi ne capture pas la structure réelle des données.
Pièges courants avec les courbes de tendance sur données temporelles
Quand on travaille sur des séries temporelles (chiffre d’affaires mensuel, trafic web hebdomadaire), deux pièges reviennent souvent.
Le premier : confondre une rupture de niveau avec une tendance. Un changement de méthode de collecte, un nouveau paramétrage d’outil analytics ou une campagne ponctuelle peut créer un saut brutal dans les données. Plaquer une droite sur l’ensemble donne une pente artificielle. On segmente alors la série en deux parties, avant et après la rupture, et on analyse chaque segment séparément.
Le second : une tendance visible peut disparaître si on modifie la fenêtre d’observation. On obtient une belle pente haussière sur six mois, mais en élargissant à deux ans, la courbe est plate. Tester la stabilité de la pente sur plusieurs périodes avant de conclure évite de bâtir une stratégie sur un artefact.
Les retours varient sur ce point, mais une bonne pratique consiste à recalculer la courbe de tendance en décalant la date de début d’au moins un quart de la période totale. Si la pente change de signe ou d’ordre de grandeur, la tendance n’est pas robuste.
Construire une courbe de tendance prend deux minutes dans Excel. La rendre utile demande de vérifier le nuage, choisir le bon modèle, lire les résidus et tester la stabilité. Sans ces étapes, on décore un graphique au lieu de l’analyser.
