L’importance d’une analyse granulaire de l’incidence des coûts de transport

Les contrats de transport et les contrats de prestation de services logistiques peuvent prendre des formes très différentes pour définir la rémunération des entreprises qui assurent la distribution et le transport des marchandises d’un donneur d’ordre.

Le tarif peut être construit par unité de charge transportée, par expédition, par ligne de transport, selon la distance parcourue, le poids, le volume, les conditions de chargement et de déchargement ou encore, dans certains cas, en pourcentage de la valeur de la marchandise transportée.

Quelle que soit la méthode retenue, un principe reste essentiel : il faut suivre dans le temps le coût du transport, non seulement en valeur absolue, mais aussi en rapport avec la valeur des marchandises expédiées.

L’un des indicateurs les plus simples est ainsi l’incidence du coût de transport :

Incidence du coût de transport = Coût du transport / Valeur des marchandises transportées × 100

Ce KPI permet de suivre l’évolution de la performance transport et constitue un premier point de départ pour identifier des dérives et engager des actions d’amélioration.

La moyenne mensuelle est-elle suffisante ?

À ce stade apparaît une question essentielle : quel doit être le degré de granularité des données analysées ?

Une analyse mensuelle du coût du transport est relativement simple à construire et correspond souvent au rythme de facturation des transporteurs. Elle présente toutefois une limite importante : la moyenne peut masquer la variabilité du processus.

Deux mois peuvent par exemple présenter exactement la même incidence moyenne du coût de transport tout en correspondant à des situations opérationnelles très différentes.

Dans le premier cas, les valeurs quotidiennes peuvent être très proches de la moyenne. Dans le second, le même résultat mensuel peut provenir d’une alternance de journées très performantes et de journées extrêmement coûteuses.

La moyenne mensuelle ne permet donc pas, à elle seule, de distinguer ces deux situations.

Aller au-delà de la moyenne

Dans une logique Six Sigma, et notamment dans les phases Measure et Analyze du cycle DMAIC, l’objectif n’est pas seulement de connaître la valeur moyenne d’un indicateur, mais aussi de comprendre sa dispersion et les causes de sa variabilité.

Il est donc utile de reconstruire l’incidence du coût de transport à un niveau plus fin, par exemple quotidien, puis d’en analyser la distribution.

Un histogramme permet de visualiser la fréquence des différentes valeurs observées. Cette représentation peut être complétée par des indicateurs statistiques tels que :

• l’étendue ;
• la variance ;
• l’écart type ;
• les percentiles ;
• la fréquence de dépassement d’une limite de spécification.

L’écart type, généralement représenté par la lettre grecque σ, mesure la dispersion des observations autour de leur moyenne.

Plus cette dispersion est importante, plus il devient probable d’observer des journées où l’incidence du coût de transport s’éloigne fortement de la valeur attendue.

Un exemple concret

Prenons une entreprise qui mesure chaque jour l’incidence du coût de transport sur la valeur des marchandises expédiées.

Sur un mois, elle constate une incidence moyenne de :

2,0 %

Pris isolément, ce résultat pourrait sembler satisfaisant.

L’analyse de la dispersion montre cependant un écart type égal à :

0,3 point de pourcentage

L’entreprise considère par ailleurs qu’une incidence supérieure à :

2,2 %

constitue un dépassement de la limite admissible.

La question n’est donc plus seulement : « Quelle est notre moyenne ? », mais plutôt :

À quelle fréquence dépassons-nous réellement la limite acceptable ?

En reconstruisant la distribution des valeurs journalières, on peut par exemple constater qu’environ 25 % des observations dépassent 2,2 %.

Une moyenne mensuelle de 2,0 % cachait donc un phénomène opérationnel beaucoup plus critique : une journée sur quatre environ se situe hors de la limite fixée.

Comment interpréter correctement le niveau sigma ?

Lorsque l’on utilise une seule limite supérieure de spécification, la distance entre la moyenne et cette limite peut être exprimée en nombre d’écarts types.

La relation s’écrit :

Z = (USL − μ) / σ

où :

• USL est la limite supérieure de spécification ;
• μ est la moyenne du processus ;
• σ est l’écart type.

Dans notre exemple :

Z = (2,2 − 2,0) / 0,3 ≈ 0,67

La limite de spécification se situe donc à environ 0,67 écart type au-dessus de la moyenne.

Si la distribution peut raisonnablement être assimilée à une loi normale, une telle distance correspond à approximativement 25 % des observations au-dessus de la limite.

Cette hypothèse de normalité ne doit toutefois pas être considérée comme automatique. Elle doit être vérifiée avant d’utiliser la loi normale pour estimer les probabilités de dépassement. Lorsque les données ne suivent pas une distribution normale, l’analyse empirique des fréquences ou d’autres méthodes statistiques peuvent être plus appropriées.

La vraie granularité ne se limite pas au temps

Reconstruire la donnée quotidiennement constitue une première étape, mais une analyse réellement exploitable doit aller plus loin.

Une journée présentant une incidence anormale indique qu’un événement s’est produit. Elle ne permet pas encore d’en comprendre la cause.

Pour transformer le KPI en outil de décision, il devient utile de segmenter les coûts selon plusieurs dimensions :

• client ;
• origine et destination ;
• région ou département ;
• transporteur ;
• type de véhicule ;
• poids ou volume transporté ;
• nombre de palettes ;
• kilomètres parcourus ;
• taux de remplissage ;
• type de service : standard, express ou urgent ;
• surcharge carburant ou énergétique.

C’est à ce niveau que l’analyse devient véritablement opérationnelle.

Supposons par exemple que 70 % des dépassements du seuil de 2,2 % soient concentrés sur les expéditions inférieures à cinq palettes vers certaines destinations. L’entreprise dispose alors d’une information directement exploitable : elle peut analyser les règles de consolidation, les fréquences de départ, les tarifs appliqués ou encore les conditions négociées avec les transporteurs.

Pourquoi cette analyse est particulièrement importante en France

Pour une entreprise opérant sur le marché français, l’analyse interne des coûts de transport doit également être rapprochée des indicateurs externes qui décrivent l’évolution économique du transport routier de marchandises.

Le Comité national routier (CNR) publie régulièrement des indices et des analyses détaillées sur l’évolution des principaux postes de coût du transport routier : carburant, personnel de conduite, maintenance, matériel et charges de structure.

À titre d’exemple, le CNR a estimé qu’en 2025 les coûts d’exploitation du transport routier de marchandises, hors carburant, avaient progressé en moyenne de 2,4 %. Cette évolution n’est pas uniforme : chaque composante du coût peut suivre une dynamique différente.

Comparer la performance interne de l’entreprise avec les indices appropriés du CNR permet donc de distinguer deux phénomènes :

• une augmentation provenant du marché et de l’évolution générale des coûts du transport ;
• une dérive propre à l’organisation, au plan de transport ou aux conditions d’exploitation de l’entreprise.

Cette distinction est essentielle. Une hausse du coût de transport n’implique pas nécessairement une perte d’efficacité interne ; inversement, une évolution conforme à un indice général peut masquer des poches importantes d’inefficacité sur certains clients, certaines lignes ou certains types d’expédition.

Le contexte français donne par ailleurs une importance particulière aux indices énergétiques. L’article L3222-2 du Code des transports prévoit, dans certaines situations contractuelles, une révision du prix du transport liée à l’évolution des coûts des produits énergétiques et fait explicitement référence aux prix et indices publiés par le CNR.

Pour approfondir :

• Comité national routier – Évolutions des coûts du TRM : bilan 2025 et perspectives 2026
• Code des transports – Article L3222-2

De la mesure à l’action

L’objectif final d’une analyse granulaire n’est pas de produire davantage de statistiques.

Il consiste à suivre une chaîne logique :

Mesurer → Identifier la variabilité → Segmenter → Rechercher les causes → Agir → Vérifier le résultat

Une entreprise peut ainsi découvrir qu’une incidence élevée provient principalement :

• d’un faible taux de remplissage ;
• d’expéditions urgentes trop fréquentes ;
• d’un fractionnement excessif des commandes ;
• d’un mauvais choix de transporteur selon les destinations ;
• d’une mauvaise adéquation entre poids, volume et véhicule utilisé ;
• de suppléments tarifaires récurrents ;
• d’un schéma de distribution devenu inadapté.

À partir de cette analyse, les actions peuvent concerner la consolidation des commandes, les jours de départ, le taux de remplissage, le choix du transporteur, la renégociation des tarifs ou encore la conception du réseau de distribution.

Conclusion : aller au-delà du KPI moyen

La moyenne de l’incidence du coût de transport reste un KPI utile, mais elle ne constitue qu’un premier niveau de lecture.

Pour réellement maîtriser les coûts, il faut comprendre leur dispersion, identifier les dépassements significatifs et déterminer où, quand et pourquoi ils se produisent.

Une analyse granulaire permet ainsi de passer d’un simple reporting financier à un véritable outil de pilotage du transport.

Pour les entreprises françaises, cette analyse gagne encore en valeur lorsqu’elle combine :

• les données opérationnelles internes ;
• la segmentation par client, destination, transporteur et type d’expédition ;
• l’analyse statistique de la variabilité ;
• les indices externes du Comité national routier.

La question n’est donc plus seulement de savoir combien coûte le transport, mais de comprendre ce qui explique ce coût et quelles décisions permettent de le maîtriser.