Forecast et capacity planning : prévoir une fintech au jour près
Camille Biscay · 1h26 · 3 juin 2026 · Lecture : ~11 min
Écouter l'épisodePourquoi j'ai choisi ce sujet
Quand on parle d'opérations, on pense souvent au go-to-market, la machine sales, le marketing, les outils du commercial. C'est légitime, c'est une grosse partie du métier. Mais il existe un autre versant, beaucoup moins raconté, celui du pilotage de la capacité opérationnelle. Camille fait exactement ça chez Swan, une fintech (entreprise qui mêle finance et technologie). Elle ne pilote pas des deals, elle pilote des volumes. Combien de comptes vont s'ouvrir le mois prochain, combien de cartes, combien de transactions à vérifier, et donc combien de personnes il faut avoir derrière, jour par jour. C'est un sujet qui touche au cœur de mon travail sur le pilotage commercial, prévoir pour décider au lieu de subir.
Ce qui m'a marqué dans cet épisode, c'est la rigueur. Camille accepte une variance (écart entre la prévision et le réel) de 5 % seulement. Au-delà, son plan de recrutement déraille et l'expérience client trinque. Elle a construit ses modèles à la main, dans Excel, en itérant pendant des mois. Et elle le dit clairement, un forecast (prévision) ne sera jamais parfait, le vrai talent c'est de savoir quand s'arrêter de l'affiner. C'est une leçon qui vaut bien au-delà de la fintech.
Ce que tu vas retenir de cet épisode
Un bon forecast vit sur deux mailles, la macro à 12-18 mois pour le budget et le recrutement, la micro jour par jour pour le pilotage des effectifs.
Dans une fintech, la croissance vient des clients existants, pas des nouvelles signatures. Ça change toute la logique de capacité.
Un modèle fiable n'a pas besoin d'IA. Excel, des paramètres bien tenus, et une discipline de relecture mensuelle suffisent.
Un ops sans champion en interne a un impact proche de zéro. La compétence technique ne suffit pas, il faut s'intégrer dans l'écosystème qu'on doit optimiser.
L'invitée : Camille Biscay
Camille Biscay vient d'un cursus Sciences Po et philosophie, puis d'un master en école de commerce (emlyon). Rien ne la destinait aux opérations, mais son côté structuré a pris le dessus. Elle a démarré chez Aircall en stage, puis Germinal, Batch, Pigment, en glissant à chaque fois du marketing vers le marketing ops puis le RevOps (Revenue Operations, l'alignement des opérations de revenu). Aujourd'hui, chez Swan, elle pilote ce qu'on appelle l'Ops Excellence, le forecast et le capacity planning (planification de la capacité) de tout le département des opérations.
Retrouver Camille Biscay sur LinkedInLes idées clés de l'épisode
1. Chez une fintech, la croissance vient des clients existants, pas des signatures
Camille pose d'emblée une différence de fond avec un SaaS (Software as a Service, logiciel en abonnement) classique. Chez Batch ou Pigment, une nouvelle signature fait monter l'ARR (Annual Recurring Revenue, revenu annuel récurrent). Chez Swan, non. Le revenu vient des transactions bancaires que les partenaires génèrent dans la durée. Un sales qui signe plante une graine qui ne donnera peut-être qu'au bout de deux ans.
Conséquence directe, la stratégie n'est pas de signer beaucoup, mais de signer des pépites et de les accompagner pour qu'elles grandissent. Camille cite l'exemple de Pennylane, devenu un gros client en grossissant avec Swan. À l'inverse, des gros logos sur lesquels on a beaucoup investi n'ont parfois jamais décollé.
"Un sales qui signe un nouveau client, il faut imaginer qu'il est juste en train de planter une graine et que potentiellement, c'est deux ans plus tard que cette graine va être majeure."
2. Deux niveaux de forecast, la macro pour le budget, la micro pour le staffing
Camille fait tourner deux modèles. Le premier est macro, une trajectoire de volumes mois par mois à 12-18 mois. Il sert à dire combien de personnes il faudra, ce que ça coûte, et à caler le plan de recrutement avec la finance et les RH. Le second est micro, elle décortique le forecast mensuel jour par jour, pour produire un planning hebdomadaire actualisé toutes les deux semaines, sur 13 streams d'opérations (les files de traitement).
Au niveau micro, c'est du workforce management (gestion des effectifs) très précis. Elle sait, jour par jour, le volume attendu, le staffing disponible, et si elle est dans le rouge ou dans le vert sur chaque file. Le mois de mai est sa bête noire, ponts, jours fériés, congés. Le business continue mais l'effectif peut tomber à 30 % un jour férié, et un backlog mal anticipé peut mettre huit semaines à se résorber. Voir aussi la fonction RevOps.
3. La variance de 5 %, le garde-fou du modèle
Tous les mois, Camille compare ce qui s'est passé avec ce qu'elle avait prévu. Elle s'autorise une variance de 5 % au-dessus ou en dessous. Au-delà, c'est un signal d'alerte. Trop de volume non prévu, il faut le staffer en urgence, et recruter 50 personnes en interne ne se fait pas en deux semaines. Trop peu, c'est un problème de revenu.
Pour tenir cette variance, elle demande aux account managers de récolter les forecasts de leurs clients tous les trois mois, via un template. Quand un gros client donne des chiffres qui partent dans tous les sens, elle entre directement dans le call pour le challenger.
"J'accepte une variance de 5 % en-dessus, 5 % en-dessous. Au-delà, c'est problématique."
4. Le BPO, l'arme de flexibilité quand le pic arrive vite
L'interne a une limite, recruter prend du temps, environ deux mois. Quand Camille voit un pic arriver à trois semaines, c'est trop court pour l'interne. C'est là qu'interviennent les BPO (Business Process Outsourcing, sous-traitance de processus métier), des prestataires capables de mettre des effectifs en place en trois semaines, avec une obligation de résultat.
L'avantage de Swan, c'est la fiabilité de ses forecasts. La plupart des clients de ces prestataires leur donnent des prévisions peu fiables, donc impossibles à staffer. Swan, lui, donne une prévision fiable, ce qui permet au BPO de caler exactement les effectifs. La maîtrise passe par une gouvernance très détaillée, indicateurs de qualité, de vélocité, de productivité, documentation complète, et alignements jusqu'au niveau analyste contre analyste.
5. Le forecast s'est fait à la main, et l'IA n'a pas pris la place
Les modèles tournent en continu, mais ce ne sont pas des modèles d'intelligence artificielle. Ce sont des Excel, avec des import ranges, que Camille a construits elle-même et qu'elle ajuste tous les mois. Elle a testé l'IA pour optimiser ses modèles, trop simpliste, jamais au niveau de complexité atteint en itérant seule.
En revanche, elle utilise l'IA comme partenaire de réflexion, pour repérer des angles morts ou challenger sa logique quand elle n'a personne avec qui faire du ping-pong. L'avantage de construire le modèle soi-même, dit-elle, c'est de le connaître de A à Z, pas une boîte noire.
"La création du modèle de A à Z, non. Ou alors je passerais autant de temps à créer le prompt de l'IA qu'à créer le modèle."
6. L'ops sans champion en interne a un impact nul
C'est son conseil le plus fort pour évoluer. Un ops seul, sans relais, n'est pas écouté, son impact tombe à zéro. La clé, c'est de trouver des champions, des business partners (partenaires d'affaires internes) qui te font entrer dans le bon écosystème.
Camille s'est greffée au Head of Account Managers à son arrivée, comme une consultante interne, puis à la direction générale quand elle est montée d'un cran. Ce sont ces personnes qui pensent à t'ajouter dans la boucle et qui te poussent sur les bons sujets. Rester dans son équipe RevOps, c'est ne rien apprendre de l'environnement qu'on doit optimiser.
Les chiffres clés de l'épisode
| Indicateur | Chiffre |
|---|---|
| Variance acceptée sur le forecast | 5 % au-dessus, 5 % en dessous |
| Horizon du forecast macro | 12-18 mois |
| Streams (files) d'opérations pilotés | 13 |
| Effectif total Swan | plus de 300 personnes |
| Délai de staffing via un BPO | 3 semaines |
| Délai de recrutement en interne | environ 2 mois |
| Effectif présent un jour férié | environ 30 % |
Termes à connaître
Forecast (prévision)
La projection des volumes d'activité futurs, ici mois par mois et jour par jour, sur 12-18 mois, validée tous les mois contre le réel.
Capacity planning (planification de la capacité)
La traduction du forecast en plan d'effectifs et de recrutement, pour s'assurer qu'il y a toujours le bon nombre de personnes en face du volume attendu.
Workforce management (gestion des effectifs)
Le pilotage très précis, jour par jour et file par file, de qui travaille où, pour ne jamais se retrouver dans le rouge sur une file critique.
Ce qui fait rater un forecast opérationnel
Vouloir un modèle parfait dès le départ. Il faut commencer simple, à petite échelle, puis ajouter des couches.
Chercher la précision absolue. Un forecast ne sera jamais juste à 100 %. À trop bidouiller les paramètres, on finit par casser le modèle.
Mettre à jour le modèle au moindre soubresaut. Une grosse variation peut être un simple bug. Mieux vaut laisser passer un mois pour voir si la tendance se confirme.
Faire confiance aveuglément aux chiffres du client. Les clients donnent souvent un objectif déguisé en prévision. Les account managers doivent être formés à les challenger.
Ne pas documenter le modèle. Un modèle non documenté est un point de fragilité majeur pour la boîte.
Ce que j'en retiens, par Julien Maslard
Ce qui me frappe chez Camille, c'est qu'elle a construit une fonction qui n'existait pas, par glissements successifs. Elle est arrivée par le CS Ops, elle a vu un pont à faire entre la finance qui voulait forecaster du revenu et les account managers qui avaient l'info terrain, et elle s'est positionnée pile au bon endroit. Personne ne lui a dessiné ce poste. C'est un schéma que je retrouve souvent chez les meilleurs profils ops, ils vont chercher le sujet que personne ne prend.
L'autre leçon, c'est la discipline sur l'imperfection. Une variance de 5 %, c'est assez serré pour être utile et assez souple pour rester tenable. Trop de gens se brûlent à viser la perfection sur un modèle qui, par nature, ne sera jamais juste à 100 %. Savoir s'arrêter d'affiner, c'est une compétence en soi, et c'est rare.
Enfin, son point sur les champions internes résonne avec tout ce que j'entends sur ce métier. Un ops qui reste dans son coin technique ne sert à rien. La valeur naît quand on s'intègre dans l'écosystème qu'on doit aider, quand on a la confiance des bonnes personnes, et quand cette fonction est portée par la direction.
Checklist
Construire le modèle
Démarrer simple, à petite échelle, puis ajouter de la complexité par couches.
Construire soi-même pour maîtriser de A à Z, éviter la boîte noire.
Fixer une variance cible raisonnable, 5 % chez Swan, comme garde-fou.
Tenir le forecast dans le temps
Comparer chaque mois le réel au prévu, et ne pas surréagir à une variation isolée.
Récolter les forecasts clients régulièrement via un template, et les challenger.
Vérifier les hypothèses produit, automatisations, temps de traitement, avant de les intégrer.
Faire vivre la fonction ops
Se greffer aux bons champions internes pour entrer dans l'écosystème.
Se rendre visible, partager le modèle ouvertement pour qu'il soit challengé.
Documenter le modèle pour ne pas être un point de fragilité unique.
Les questions supplémentaires que j'aurais pu poser...
Pour aller plus loin
Retrouvez l'épisode complet sur Engrenages et suivez Camille Biscay sur LinkedIn.
Engrenages ⚙️ est le podcast de Julien Maslard consacré aux équipes Ops, Sales Ops, CS Ops, RevOps, qui font tourner la machine commerciale des startups et scale-ups françaises.