--- title: "Prévision de trésorerie : quelle confiance accorder aux promesses de paiement ?" canonical: https://www.billabex.com/fr/blog/prevision-tresorerie-promesses-paiement/ lang: fr alternate: https://www.billabex.com/en/blog/cash-forecast-payment-promises-confidence.md updated: 2026-10-03 index: https://www.billabex.com/llms.txt --- # Prévision de trésorerie : quelle confiance accorder aux promesses de paiement ? Une promesse de paiement apporte une information que la date d'échéance ne contient pas : le client annonce une intention précise après avoir reçu votre demande. Elle mérite donc une place dans la prévision de trésorerie. Mais inscrire son montant à 100 % sur la date annoncée revient à traiter une déclaration comme un encaissement acquis. À l'inverse, ignorer toutes les promesses prive la direction financière d'une information opérationnelle utile. La bonne question est celle de la confiance à accorder à cette information, pour un horizon déterminé. Pour préparer les sorties de la semaine, vous cherchez les montants qui seront crédités avant cette limite. Pour organiser les relances, vous cherchez les engagements à vérifier et les blocages à résoudre. Ces deux usages partagent des faits, mais ne prennent pas la même décision. ## Définir ce que signifie une promesse tenue Avant de calculer un taux, définissez le résultat observé. Une promesse est-elle tenue lorsque le client émet son virement, lorsque votre banque reçoit les fonds ou lorsque le règlement est rapproché dans la comptabilité ? Pour une prévision de liquidité, la date de disponibilité bancaire est le point pertinent ; le rapprochement sert ensuite à identifier quelles factures le paiement couvre. Conservez la date annoncée initialement, le montant, les documents concernés et la date d'observation. Si le client reporte deux fois son engagement, la troisième date ne doit pas remplacer silencieusement la première dans l'historique utilisé pour évaluer sa fiabilité. Vous avez besoin des modifications pour organiser la suite et de la version initiale pour comprendre ce qui était prévisible au départ. La méthode pour [rendre une promesse vérifiable](https://www.billabex.com/fr/blog/promesse-paiement-verifiable/) constitue ce socle. Une phrase telle que « paiement en cours » ne doit pas recevoir le même statut qu'une confirmation de montant et de date. Classez l'information insuffisante comme telle, plutôt que de lui attribuer une précision artificielle pour remplir votre prévision. ## Lire l'historique avec son dénominateur Dans une simulation, vous examinez vingt promesses dont la date d'observation est passée. Seize ont été intégralement encaissées dans le délai défini : **16 ÷ 20 = 80 %**. Ce chiffre décrit ces vingt observations, selon votre définition. Il ne prouve pas que chaque nouvelle promesse a exactement 80 % de chances de se réaliser. Même dans l'hypothèse simplificatrice d'observations indépendantes et comparables, l'intervalle de Wilson à 95 % calculé pour 16 succès sur 20 est d'environ **58,4 % à 91,9 %**. La formule est documentée par le NIST ; les valeurs sont calculées pour notre exemple, pas extraites d'une enquête sur les entreprises. [NIST, intervalles pour une proportion](https://www.itl.nist.gov/div898/handbook/prc/section2/prc241.htm). Cet écart rappelle la fragilité d'un petit historique. Si quinze observations viennent du même client ou du même cycle de paiement, l'hypothèse d'indépendance devient elle-même discutable. N'affichez donc pas cet intervalle comme une certification de votre portefeuille réel. Commencez par compter les clients distincts, examiner les circonstances et préciser ce que les observations permettent raisonnablement de comparer. ## Une bonne fréquence ne garantit pas le montant attendu Les seize promesses tenues de notre simulation portent chacune sur 1 000 euros : elles produisent 16 000 euros. Les quatre autres portent chacune sur 10 000 euros et ne sont pas réglées à la date observée. Le total promis atteint 56 000 euros, mais le cash reçu dans le délai est de 16 000 euros, soit **28,6 % du montant promis**, après arrondi. Le taux de 80 % reste exact en nombre d'engagements. Il devient trompeur si on l'applique mécaniquement à tout le montant : 56 000 × 80 % donnerait 44 800 euros, soit 28 800 euros de plus que les encaissements observés. Ce calcul ne condamne pas toute pondération. Il montre que le lien entre taille des engagements et comportement de paiement doit être examiné avant de généraliser un taux. Une ventilation trop fine crée toutefois un autre problème : quatre catégories contenant chacune trois dossiers ne produisent pas forcément des probabilités plus fiables. Cherchez des différences explicables, comme un circuit de validation encore incomplet, un paiement partiel déjà reçu ou plusieurs échéances manquées. Décrivez les éléments disponibles et gardez une catégorie « historique insuffisant » lorsque les données ne permettent pas une estimation solide. ## Séparer probabilité, date promise et montant encaissable La documentation Microsoft Dynamics 365 Finance illustre cette distinction : sa fonction de prédiction attribue aux factures des probabilités de paiement à temps, en retard et très en retard. Il s'agit d'une estimation issue de données historiques, différente de l'engagement exprimé par un client. [Microsoft, prédictions de paiement, 25 juin 2026](https://learn.microsoft.com/en-us/dynamics365/finance/finance-insights/payment-insights-overview). Dans votre propre tableau, une probabilité doit toujours préciser l'événement visé. « 80 % » signifie-t-il paiement complet avant vendredi, réception d'un premier acompte ou règlement éventuel dans le mois ? Ces événements ne produisent pas la même trésorerie disponible. Un score dont l'horizon et le montant ne sont pas définis peut donner une impression de rigueur sans aider à préparer une sortie bancaire. Vérifiez également la fraîcheur du dossier. Un avoir accepté hier peut réduire le montant à attendre, et un règlement déjà reçu doit quitter la liste des entrées futures. Le contrôle d'une [synchronisation comptable en retard](https://www.billabex.com/fr/blog/synchronisation-comptable-retard-suspendre-relances/) reste donc nécessaire avant d'interpréter une promesse encore visible. Une prévision actualisée ne doit pas compter deux fois la même somme sous des statuts différents. ## Utiliser des scénarios que la direction peut réellement discuter Prenons un second exemple simulé. Deux engagements portent sur 6 000 et 4 000 euros avant vendredi. Pour une analyse de sensibilité, la direction choisit des coefficients hypothétiques de 80 % et 50 %. Le montant pondéré est **6 000 × 80 % + 4 000 × 50 % = 6 800 euros**. Ces coefficients sont des hypothèses de travail, pas les performances observées d'un outil. Si chaque facture est réglée entièrement ou pas du tout dans l'horizon, les montants effectivement reçus peuvent être zéro, 4 000, 6 000 ou 10 000 euros. Ils ne sont jamais exactement 6 800 euros dans ce modèle simplifié. Le montant pondéré résume une attente ; il ne représente pas une entrée bancaire certaine que l'on peut engager sans examiner le scénario défavorable. La dépendance entre paiements compte également. Si les deux factures passent par le même ordre de virement, leur réalisation peut être liée. Dans une variante où les 10 000 euros arrivent ensemble avec une probabilité supposée de 80 %, l'espérance est de 8 000 euros, mais les résultats possibles restent zéro ou 10 000 euros. Additionner les montants pondérés ne crée pas la diversification absente du circuit réel. ## Ajuster une prévision sur un fait nouveau, pas sur le besoin de cash Hyndman et Athanasopoulos recommandent de justifier les ajustements de prévision par des informations supplémentaires pertinentes et de documenter les modifications. Leur discussion souligne notamment les limites des petits ajustements optimistes. Ce principe méthodologique s'applique utilement à l'examen d'une promesse client. [Forecasting: Principles and Practice, section 6.7](https://otexts.com/fpp3/judgmental-adjustments.html). Une confirmation d'approbation par le client est une information nouvelle à examiner. Le fait que votre paie tombe vendredi ne rend pas la promesse plus probable. Gardez donc distincts le scénario d'encaissement, le besoin de financement et la décision prise pour couvrir l'écart. Le [test d'impact du retard d'un grand client sur la paie](https://www.billabex.com/fr/blog/retard-client-principal-impact-paie/) aide à traduire cette incertitude en besoin opérationnel. Le [suivi des promesses dans Billabex](https://www.billabex.com/fr/produit/suivi-promesses/) rassemble les engagements à vérifier dans la relation client. Pour les intégrer à votre prévision, conservez leur contenu, leur historique et leur rapprochement avec les fonds reçus. La confiance devient alors une hypothèse explicable et révisable, accompagnée d'un scénario de trésorerie que votre équipe peut décider de supporter ou de couvrir. ## Sources - [NIST, intervalle de confiance d'une proportion](https://www.itl.nist.gov/div898/handbook/prc/section2/prc241.htm), formule de Wilson appliquée à une simulation. - [Microsoft, Customer payment predictions, 25 juin 2026](https://learn.microsoft.com/en-us/dynamics365/finance/finance-insights/payment-insights-overview), probabilités par horizon de retard. - [Hyndman et Athanasopoulos, ajustements de prévisions, section 6.7](https://otexts.com/fpp3/judgmental-adjustments.html), méthode et limites du jugement.