Que recouvre aujourd’hui le taux d’erreur de saisie des commandes B2B par email ?

Le taux d’erreur de saisie des commandes B2B par e-mail est la part des données mal recopiées lorsqu’une commande reçue par message est ressaisie à la main dans le logiciel de gestion. Il n’existe pas de chiffre unique. Pour BMJ Open (2013), la saisie manuelle de données cliniques produit de 0,5 % à 6,4 % d’erreurs selon le champ.

Ce que mesure réellement le taux d’erreur de saisie

Le taux d’erreur de saisie rapporte le nombre de données mal transcrites au nombre total de données saisies. Pour une commande B2B reçue par e-mail, il compare ce qui figure dans le message ou sa pièce jointe à ce qui est finalement enregistré dans l’ERP. Sa valeur dépend de ce que l’on compte au dénominateur. Aucun chiffre unique ne fait donc référence.

Les unités de mesure possibles : caractère, champ, valeur, fiche

D’après le Journal of Clinical Pathology (2015), le taux d’erreur de saisie manuelle n’est pas une mesure universelle. Il change selon que l’on rapporte les erreurs au caractère frappé, au champ, à la valeur ou à la fiche complète contenant au moins une erreur. Ces quatre bases de calcul ne donnent pas le même ordre de grandeur pour un même lot de données.

Appliqué à une commande, l’écart devient concret. Une ligne de commande réunit plusieurs champs : référence, quantité, prix unitaire, date de livraison. Une faute de frappe isolée pèse peu rapportée à tous les caractères tapés dans la journée. Comptée à l’échelle de la commande, elle suffit à classer le document entier comme erroné. Un taux calculé par commande sera toujours plus élevé qu’un taux calculé par caractère.

Les fourchettes observées selon les études

BMJ Open (2013) met en avant que la comparaison entre des données saisies à la main et les mêmes données transférées électroniquement, dans un dépôt de données cliniques, a fait apparaître 2,8 % d’erreurs tous champs confondus. Le taux variait de 0,5 % à 6,4 % selon le champ considéré. Certains champs se recopient presque sans faute, d’autres concentrent l’essentiel des erreurs.

Ces mesures portent sur des données cliniques, pas sur des commandes commerciales. Elles donnent pourtant un repère utile pour toute ressaisie humaine d’un document vers un logiciel. Une commande e-mail en fait partie : un opérateur lit un texte libre, puis le transcrit dans des champs structurés. La fourchette retenue dépendra toujours de la base de calcul choisie et du type de champ observé.

Comment l’erreur apparaît-elle dans le traitement des commandes email ?

L’erreur naît au moment où une personne transpose une commande lue dans un e-mail vers les champs de l’ERP. Ce passage enchaîne lecture, interprétation et frappe, et chacune de ces opérations peut altérer une donnée. La double saisie réduit ce risque en ajoutant un contrôle croisé. Le traitement automatisé le réduit autrement, en supprimant la frappe.

La ressaisie manuelle d’un email vers l’ERP

Une commande B2B arrive rarement sous une forme normalisée. Le client écrit dans le corps du message ou joint un bon de commande en PDF, voire un tableau Excel, avec ses propres libellés de produits. Le collaborateur ADV retrouve d’abord la bonne fiche client, puis fait correspondre chaque libellé à une référence du catalogue avant de saisir les quantités. Une référence voisine ou un chiffre inversé passent alors facilement inaperçus.

Selon Behavior Research Methods (2019), une synthèse de plusieurs études situe le taux d’erreur de saisie manuelle entre 0,55 % et 3,6 %, d’après le protocole et la définition retenue de l’erreur. Rapporté à plusieurs centaines de lignes saisies par jour, même le bas de cette fourchette se traduit par au moins une erreur quotidienne dans le service.

L’apport de la double saisie ou de l’automatisation

Barchard et Pace (2011) indique que la saisie manuelle simple laisse environ 0,95 % de valeurs erronées, contre 0,027 % quand les mêmes données sont saisies deux fois puis comparées. La double saisie divise ainsi l’erreur par plus de 30. Elle mobilise en revanche deux saisies pour chaque document, ce qui la rend difficile à tenir sur un flux quotidien de commandes.

Méthode Taux d’erreur Base de calcul Source
Saisie manuelle simple 0,95 % Valeurs Barchard et Pace, 2011
Double saisie 0,027 % Valeurs Barchard et Pace, 2011
Saisie manuelle, synthèse d’études 0,55 % à 3,6 % Selon le protocole Behavior Research Methods, 2019
Saisie manuelle face au transfert électronique 2,8 % Tous champs BMJ Open, 2013

L’automatisation déplace le travail humain de la frappe vers la vérification. Vistaflow, logiciel qui extrait les champs des commandes B2B reçues par e-mail et les transmet à l’ERP, indique une validation de 10 à 20 secondes par commande, contre 2 à 5 minutes en ressaisie manuelle. Ce gain ne supprime pas le contrôle : le taux d’erreur final dépend alors de la justesse de l’extraction et de la rigueur de cette relecture, à mesurer comme on mesurait la saisie.

La ressaisie manuelle pèse aussi sur la charge de travail des équipes. Pour Emelive Varee, responsable ADV chez Texdecor : « […] Le gain de temps est tel qu’au sein de l’équipe, nous nous demandons régulièrement comment nous faisions avant ! » et Nafissa Mardi, responsable service clients chez GROHE, d’ajouter « L’outil s’est parfaitement adapté à notre contexte métier. L’équipe projet a réalisé un travail remarquable […] »

Vérification manuelle d'un carton et de son étiquette de livraison pour limiter les erreurs de commande

Où ces erreurs de saisie se traduisent-elles concrètement en entreprise ?

Une erreur de saisie de commande se voit rarement à l’ADV : elle apparaît plus tard, à l’entrepôt ou chez le client. Son coût dépend du champ touché et du moment où elle est découverte. Une quantité fausse repérée avant la préparation se corrige facilement. La même erreur découverte à la livraison déclenche un retour de marchandise, puis l’émission d’un avoir.

Les cas typiques suivent le parcours de la commande, du choix du client jusqu’à la facture :

  • Mauvaise quantité : un zéro en trop ou un carton saisi au lieu d’une pièce, et le client reçoit un surstock à retourner.
  • Mauvaise référence : une couleur ou une taille voisine dans le catalogue, et le produit livré n’est pas celui commandé.
  • Mauvaise adresse : un client à plusieurs sites voit sa marchandise partir vers le mauvais dépôt de livraison.
  • Mauvais prix : la facture ne reprend pas la condition tarifaire négociée, le client la conteste et un avoir suit.
  • Mauvaise date : une livraison trop tardive bloque l’activité du client, une livraison trop précoce encombre son stock.
  • Mauvais compte client : la commande est rattachée à un client homonyme et facturée au mauvais destinataire.

Les pièces jointes ajoutent une étape de lecture avant toute saisie. Un bon de commande en PDF scanné ou un tableau Excel aux colonnes réorganisées obligent l’opérateur à retrouver l’information avant de la transcrire. Plus le format s’écarte de la structure de l’ERP, plus l’interprétation intervient, et c’est là que se glissent les confusions de référence ou d’unité.

Les pics d’activité amplifient le phénomène. Lors d’une période de forte demande ou pendant l’absence d’un collaborateur, le volume traité par personne augmente et le temps consacré à la relecture diminue. Une erreur coûteuse ayant abouti à un litige figure d’ailleurs parmi les raisons qui poussent un distributeur à revoir l’organisation de son traitement des commandes.

Dans un service ADV, le suivi le plus parlant consiste à rattacher chaque avoir et chaque retour à sa cause. Ceux qui proviennent d’une erreur de saisie donnent une mesure par commande, la plus exigeante des bases de calcul. Ils traduisent aussi un taux abstrait en coût visible pour la direction, ce qui facilite l’arbitrage entre relecture renforcée et changement de méthode.

Questions fréquentes

Pourquoi les taux d’erreur de saisie varient-ils autant selon les études ?

Les études ne comptent pas la même chose. Certaines rapportent les erreurs au caractère frappé, d’autres au champ, à la valeur ou à la fiche entière. Le type de donnée joue aussi : selon BMJ Open (2013), le taux variait de 0,5 % à 6,4 % d’un champ à l’autre dans un même dépôt de données. Le protocole et la définition retenue de l’erreur ajoutent leurs propres écarts.

La double saisie élimine-t-elle complètement les erreurs ?

Non, elle les réduit fortement sans les supprimer. Selon Barchard et Pace (2011), le taux d’erreur passe d’environ 0,95 % des valeurs en saisie simple à 0,027 % en double saisie. Une erreur subsiste lorsque les deux saisies concordent sur une même mauvaise lecture, notamment quand la donnée d’origine est ambiguë. La méthode impose en outre deux passages pour chaque document.

Quelles erreurs de saisie coûtent le plus cher à une entreprise B2B ?

Les erreurs qui atteignent le client avant d’être repérées coûtent le plus cher. Une mauvaise référence ou une mauvaise adresse de livraison entraînent un transport retour et une nouvelle préparation. Une erreur de prix se découvre à la facturation et peut ouvrir un litige commercial. À l’inverse, une erreur corrigée avant la préparation ne coûte que le temps de la rectification.

Comment un service ADV peut-il mesurer son propre taux d’erreur ?

Le plus simple consiste à comparer un échantillon de commandes saisies à leurs documents d’origine, champ par champ. Le service choisit d’abord sa base de calcul : par champ pour repérer les zones fragiles, par commande pour estimer l’impact sur le client. Le relevé régulier des avoirs et des retours liés à la saisie complète cette mesure dans le temps.

Les pièces jointes comme les PDF ou les fichiers Excel augmentent-elles le risque d’erreur ?

Oui, en général, car elles ajoutent une étape de lecture et d’interprétation avant la saisie. Un PDF scanné peut être peu lisible, un fichier Excel peut utiliser des colonnes ou des libellés propres à chaque client. L’écart varie d’après le format et l’expéditeur : il se mesure en classant les erreurs relevées selon le type de document reçu.

Un taux d’erreur faible signifie-t-il qu’il n’y a plus de contrôle humain nécessaire ?

Non. Un taux faible reste un taux : sur un volume élevé, quelques dixièmes de pour cent représentent plusieurs commandes erronées. Le contrôle humain se concentre alors sur les cas incertains plutôt que sur chaque ligne. Certains outils d’automatisation attribuent un score de confiance à chaque champ extrait pour orienter cette vérification vers les données à risque.

Sources et références

Statistiques et données officielles :

  • BMJ Open, « Error rates in a clinical data repository: lessons from the transition to electronic data transfer » (2013).

    https://bmjopen.bmj.com/content/3/5/e002406

  • PMC (NIH), Journal of Clinical Pathology, étude sur le taux d’erreur par frappe lors de la saisie manuelle de données de laboratoire (2015).

    https://pmc.ncbi.nlm.nih.gov/articles/PMC501008/pdf/jclinpath00274-0063.pdf

  • Springer, Behavior Research Methods, synthèse de données citant Barchard & Pace, Bateman et al., Kozak et al. (2019).

    https://link.springer.com/article/10.3758/s13428-019-01207-3

  • Barchard & Pace, étude publiée sur PMC (NIH), « Quality of Data Entry Using Single Entry, Double Entry, and Automated Form Processing » (2011).

    https://pmc.ncbi.nlm.nih.gov/articles/PMC3320865/

Les plus plébiscités

5 Min Read Divertissement

Quelles photos choisir pour créer un album personnalisable ?

La réalisation d'un album photo représente un art délicat qui demande une sélection minutieuse des images…

4 Min Read News

Comment se faire livrer du fioul domestique en France?

Le fioul fait partie des produits pétroliers qui ont pour avantage de produire rapidement de la…