Newsletter Coût/Bénéfice No69. Le RSI qui n’arrive jamais. La face sombre des conjectures.
La première cause d’échec des évaluations de RSI est l’attention excessive que les gestionnaires accordent aux cotes de « décaissement », au détriment d’une mesure et d’une gestion plus grandes des cotes de « probabilité ». Bien analyser les risques et la sensibilité des hypothèses qui sous-tendent vos prévisions, vous permet d’attacher autant d’importance aux deux types de cotes.
De 70 à 80% de toutes les propositions de projets majeurs concernant les IT dans le monde de l’industrie nécessitent aujourd’hui une analyse du retour sur investissement (RSI) avant de s’interroger sur le financement. Les données varient et dépendent de l’analyste auquel vous vous fiez, mais il ne fait aucun doute que le taux « requis » de RSI est élevé et sera de plus en plus élevé (Voir la newsletter No 28, « Tous les yeux fixés sur le RSI ».).
Les mêmes analystes font alors un constat qui vient presque annuler le premier : plus de la moitié de ces projets n’aboutissent jamais au RSI escompté. Il y a plusieurs années, par exemple, Nucleus Research a publié une étude aujourd’hui célèbre, après avoir interviewé des clients de référence SAP. Nucleus en a conclu que 57% d’entre eux n’avaient pas obtenu de RSI positif. Cependant, pendant des années, SAP avait fait du retour sur investissement (ou, « retour sur information ») une pièce centrale de sa stratégie marketing et de sa stratégie des ventes.
Peut-être vous demandez-vous « Pourquoi donc les décideurs continuent-ils à se focaliser sur le RSI, quand un grand nombre de prévisions du RSI ne se réalisent pas? Si le RSI ne peut pas faire mieux, ne revient-il pas plutôt à générer de mauvaises décisions qu’à les prévenir ? »
Deux types de cotes
Le terme de « cotes » signifie deux choses différentes pour les parieurs. Les parieurs sérieux savent qu’il faut mettre en balance deux types de cotes, pour maximiser les chances de sortir vainqueur.
Sur le champ de courses, les « cotes » (1) sont les ratios des gains réalisés à partir de l’investissement mis dans un pari (exactement comme un Simple RSI !). Un pari gagnant, avec une mise de 2$ à 20 contre 1, met 40$ dans vos poches. La clé pour bien parier est de savoir comment les cotes gagnantes se placent par rapport aux autres types de cotes, (2) connaître la probabilité réelle de gagner.
Un regard sur le tableau fourre-tout vous suffit pour juger des cotes actuellement gagnantes. (Un regard sur la dernière ligne de votre feuille de calcul du RSI pour vous rendre compte des rendements attendus sur votre investissement financier, si tout marche comme prévu).
Cependant, si vous vous rendez au champ de courses, regardez simplement le travail forcené des parieurs calibrés, essayant d’estimer jusqu’à la dernière minute, jusqu’à ce que le guichet des paris ne ferme, la probabilité des chances. Ils visitent les stalles et testent de l’œil les chevaux. Ils fondent sur les formulaires de courses et les fiches, et travaillent, encore et encore sur leurs calculs. Autrement, ils vous diront, que tout cela n’est rien d’autre qu’un « coup de chance », rien de plus.
Si le parieur estime qu’un cheval a une chance sur cinq de l’emporter (20% de chances de gagner), mais si la cote de décaissement est de 20 contre 1 pour la victoire, cela reste « un bon pari » (en termes statistiques). Si seulement les hommes d’affaires suivaient le même raisonnement.
Je pense que les évaluations de RSI en finances manquent souvent de chance, parce que les gestionnaires accordent trop d’attention aux cotes de décaissement et trop peu d’attention aux cotes de probabilité.
Très peu savent comment maximiser le RSI en mesurant et gérant l’incertitude.
Supposition, supposition, supposition
Toute estimation du RSI ou tout business case repose sur une pile de suppositions et d’hypothèses. Il ne peut d’ailleurs pas en aller autrement, car le dossier prédit le futur. Tout ce qui concerne l’avenir n’est que supposition. Un dossier détaillé pour un investissement financier majeur peut nécessiter des douzaines, voire des centaines d’hypothèses, comme celles qui suivent :
- Volume d’affaires
- Actions des concurrents
- Parts de marché
- Prix du pétrole
- Législation du gouvernement
- Durée du développement du software
- Augmentations de salaires
- Améliorations de la productivité
- Coûts de mise en œuvre
- Pression du temps
- Besoins en main d’œuvre
- Prix des matières brutes
Certaines hypothèses sont entourées de très grande certitude, d’autres de très grande incertitude. Mais toutes viennent ajouter un peu plus d’incertitude à la somme inscrite sur la dernière ligne, ou à l’estimation de RSI. Il peut être tentant de réunir tous ces facteurs en un seul chiffre de risque.
Ce qu’il faut pour gérer son investissement de façon à minimiser le risque et à maximiser les rendements, ce n’est pas de traiter le risque comme un facteur unique, mais au contraire de peser prudemment tous les facteurs de risque, un à un, afin de déterminer:
- Quelles sont les hypothèses qui ont le poids le plus important dans la marche vers le succès ?
Qu’arrive-t-il aux résultats si l’on ne gère pas les facteurs critiques de succès aux niveaux clés ?
L’analyse de la sensibilité s’intéresse à des questions de ce genre.
- Quelle est la probabilité d’obtenir des résultats autres que le résultat le plus attendu ?
A quels facteurs de risques doit-on faire particulièrement attention, eux qui indiquent qu’il faut revoir les prévisions ?
L’analyse de risques répond à ce type d’interrogations.
L’un de nos clients, par exemple, proposait de commencer l’installation d’un système ERP majeur. La prévision de la dernière ligne indiquait un gain incrémentiel de trésorerie de 19,5 millions de $ en cinq ans. Cela semblait annoncer un bon « R » sur « I » d’environ 3 millions de $.
Voici, néanmoins, une explication partielle de ce qui est arrivé au cours d’une analyse de sensibilité des hypothèses personnelles :
Le tableau montre la corrélation qui existe entre chacune des hypothèses et l’ensemble des prévisions de résultats. Tout ceci s’appuie sur la simulation de Monte-Carlo, avec le même modèle financier que celui qui a prédit les 19,5 millions de dollars de gains.
Quelques signes avant-coureurs ont alerté ici l’équipe de gestion. Le modèle de RSI faisait l’hypothèse que le système d’ERP permettrait de réduire de 30% la durée de développement du nouveau produit. La forte corrélation entre cette hypothèse et les résultats financiers montre à quel point ce séduisant RSI dépend de ce que, pour réussir, on atteigne la cible. Dans ce cas, une réduction de seulement 15% de la durée de développement (au lieu des 30%) rabaissait la prévision des gains à 5 millions de $.
Le modèle de RSI faisait également l’hypothèse que le système ERP serait entièrement installé en 2 ans (50% d’installation par an). En clair, rater cet objectif des 2 ans aurait indéniablement des conséquences sur le rendement de cet investissement. Etendre l’installation à 4 ans augmenterait les coûts et réduirait les bénéfices, voire aboutirait à un gain net de zéro.
Une chose est de connaître grossièrement l’importance du temps d’installation et de la réduction de la durée du développement. Une autre, entièrement différente, est de pouvoir bénéficier pour son propre compte et de façon concrète de ces facteurs importants. Si vous savez à l’avance où se trouvent les risques, vous pouvez les gérer (ou du moins les surveiller) et éviter des surprises désagréables en cours de route.
A vous de jouer! Apprenez-en davantage lors d’un séminaire business case ou bien lisez le Guide du Business case.
Marty Schmidt
Le tableau ci-dessus provient d’un des nombreux écrans de production Monte Carlo de Crystal Ball, un outil de sensibilité et de prévision des risques, créé par Decisioneering (www.crystalball.com). Crystal Ball ® est une marque déposée par Decisioneering, Inc.
© Copyright Solution Matrix Ltd. 2004 - 2007
