Perdre un tender est coûteux. Vous avez passé des heures, effectué les visites de site, rédigé la méthodologie – et vous êtes éliminé. Mais il existe une catégorie de pertes de tender encore plus frustrante : perdre parce que votre prix était soit trop élevé pour être compétitif, soit trop serré pour être rentable. Les deux résultats ont la même cause profonde : une visibilité insuffisante sur vos propres données de coûts.
The pricing confidence problem
La plupart des entreprises de FM fixent le prix des tenders en utilisant une combinaison de données historiques, du jugement de l'estimateur et d'une marge de sécurité qui tient compte de l'incertitude. Les estimateurs ont généralement raison – dans une certaine fourchette. Mais cette fourchette est le problème. Lorsque vous ne disposez pas de données de coûts historiques propres et classifiées, deux choses se produisent : vous augmentez les marges pour couvrir l'incertitude, ce qui vous rend non compétitif ; ou vous réduisez les marges sous la pression des prix sans données pour le justifier.
Scenario A vs Scenario B: the cost of guessing
Considérez deux entreprises de FM qui fixent le prix du même contrat de maintenance de 5 ans pour un bâtiment commercial de 50 000 m² :
Scénario A – tarification sans données propres
- 4 jours pour réconcilier des exports ERP et des feuilles de calcul incohérents
- Coûts M&E incomparables d'un projet à l'autre en raison de structures de coûts différentes
- Marge forfaitaire de 14 % appliquée pour couvrir l'incertitude des données
- Prix final : 2,4 M€/an
- Résultat : deuxième place. L'offre gagnante était de 2,25 M€.
Scénario B – tarification avec des données propres
- Données de coûts historiques récupérées par type d'actif et par région en 2 heures
- Les 3 derniers contrats comparables directement comparables
- Marge de prévision dimensionnée précisément aux lignes présentant une incertitude réelle
- Prix final : 2,23 M€/an avec une marge intacte
- Résultat : gagné. Marge protégée.
What slows bid teams down
Dans la plupart des processus d'offres FM, le ralentissement ne vient pas des décisions stratégiques – il vient de la récupération des données. Trouver des données de coûts historiques signifie envoyer des e-mails à plusieurs départements, attendre les exports de différents systèmes et réconcilier des chiffres qui ne correspondent pas parce qu'ils ont été catégorisés différemment par différentes personnes à différents moments.
« Le temps de préparation prenait quatre jours juste pour nettoyer les données avant même que la tarification ne puisse commencer. »
– Responsable Commercial, entreprise de FM européenne
What changes with structured cost data
- La récupération devient rapide. Les benchmarks historiques sont accessibles en quelques minutes. Quel a été le coût de la maintenance HVAC par mètre carré sur nos cinq derniers contrats a une réponse fiable immédiatement.
- La simulation de marge devient réelle. Vous pouvez modéliser des scénarios de tarification par rapport aux données de coûts réelles. Quel est l'impact sur la marge si nous réduisons de 3 % la ligne de main-d'œuvre est un calcul, pas une supposition.
- La précision s'améliore. Lorsque les estimations sont basées sur des données réelles, l'écart entre le coût estimé et le coût réel sur les contrats gagnés se réduit – ce qui signifie moins de contrats qui érodent la marge lors de l'exécution.
The compounding effect
De meilleures données de tender n'améliorent pas seulement les offres individuelles. Chaque contrat achevé produit de meilleures données historiques pour la prochaine offre. Les estimateurs obtiennent des benchmarks plus intelligents. Le processus s'accélère. Les taux de réussite sur les tenders compétitifs s'améliorent – non pas parce que l'offre de services a changé, mais parce que la tarification est devenue suffisamment précise pour être compétitive sans être irresponsable.
Richard Wallace
Co-founder, Pearstop
Richard brings deep commercial experience in hard services and FM. He works with clients to design data quality programmes that translate directly into procurement performance and contract accuracy.
LinkedIn →