Ce que cela calcule

La valeur cible parcourt un modèle à l'envers. Au lieu de demander quel résultat produit un jeu d'hypothèses, elle demande quelle valeur une entrée doit prendre pour que le résultat atteigne un objectif : le prix d'équilibre, le taux de croissance permettant d'atteindre un objectif de chiffre d'affaires, la remise qui préserve encore un plancher de marge.

Méthode de calcul

Définissez le résultat visé, la cellule à résoudre et la valeur souhaitée. Le solveur itère : il évalue le modèle, mesure l'écart à l'objectif, ajuste l'entrée et recommence jusqu'à ce que l'écart entre dans la tolérance. La plupart des relations financières étant monotones - augmentez le prix et le chiffre d'affaires augmente - la recherche converge rapidement, généralement par dichotomie ou par un pas de type Newton.

Comment lire le résultat

La réponse n'a de sens que si l'entrée requise est atteignable. Une valeur cible renvoyant un taux de croissance de 340 % vous a indiqué que l'objectif est hors de portée, ce qui constitue une réponse utile et non un calcul raté. Confrontez toujours la valeur obtenue aux contraintes réelles : capacité, taille de marché, acceptabilité pour les clients. Notez enfin qu'elle n'ajuste qu'une entrée et suppose donc implicitement que tout le reste demeure constant, ce qui est rarement vrai aux extrêmes.

Exemple chiffré

Avec des charges fixes de 500 000, un coût variable de 50 par unité et un volume de 20 000 unités, en résolvant le prix donnant 200 000 de résultat : le chiffre d'affaires requis est de 500 000 + 1 000 000 + 200 000 = 1 700 000, soit un prix de 85,00. Si le marché n'accepte pas 85, l'objectif est inatteignable à ce volume.

Questions fréquentes

Quelle différence entre valeur cible et solveur d'optimisation ?

La valeur cible résout une entrée pour atteindre un objectif exact. Un optimiseur maximise ou minimise une fonction objectif en ajustant plusieurs entrées à la fois, sous contraintes. Utilisez la première pour une question unique du type combien cela doit-il valoir, et l'optimiseur pour des problèmes d'allocation avec arbitrages.

Pourquoi la convergence échoue-t-elle parfois ?

Généralement parce qu'aucune solution n'existe dans la plage explorée, parce que la relation n'est pas monotone et présente plusieurs croisements ou aucun, ou parce que le modèle contient une référence circulaire rendant le résultat instable. Élargir la plage ou rompre la circularité règle normalement le problème.

Peut-elle renvoyer une valeur négative ou absurde ?

Oui. C'est de l'arithmétique, pas du jugement : elle renverra sans hésiter un effectif négatif ou un prix inférieur au coût variable si cela satisfait l'équation. Borner la plage de recherche et vérifier la plausibilité du résultat relève de l'utilisateur.