Perdre un appel d'offres coûte cher. Vous avez passé les heures, fait les visites de site, écrit la méthodologie, et vous êtes hors course. Mais il existe une catégorie de perte d'appel d'offres encore plus frustrante : perdre parce que votre tarification était soit trop élevée pour être compétitive, soit trop serrée pour être rentable. Les deux résultats ont la même cause racine : une visibilité insuffisante sur vos propres données de coût.
Le problème de confiance dans la tarification
La plupart des entreprises FM tarifient leurs appels d'offres en combinant données historiques, jugement de l'estimateur, et une marge de sécurité qui couvre l'incertitude. Les estimateurs ont généralement raison, dans une fourchette. Mais cette fourchette est le problème. Quand vous n'avez pas de données de coût historiques propres et classifiées, deux choses se produisent : vous gonflez les marges pour couvrir l'incertitude, ce qui vous rend non compétitif, ou vous comprimez les marges sous la pression tarifaire sans données pour l'étayer.
Scénario A contre scénario B : le coût de deviner
Prenez deux entreprises FM tarifiant le même contrat de maintenance de 5 ans sur un bâtiment commercial de 50 000 m² :
Scénario A – tarification sans données propres
- 4 jours à réconcilier des exports ERP et tableurs incohérents
- Coûts CVCE non comparables entre projets en raison de structures de coût 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 à 2,25 M€.
Scénario B – tarification avec des données propres
- Données de coût historiques récupérées par type d'actif et région en 2 heures
- Les 3 derniers contrats comparables directement comparables
- Provision dimensionnée précisément sur les lignes présentant une réelle incertitude
- Prix final : 2,23 M€/an avec marge intacte
- Résultat : gagné. Marge protégée.
Ce qui ralentit les équipes d'appel d'offres
Dans la plupart des processus d'appel d'offres FM, le ralentissement n'est pas les décisions stratégiques, c'est la récupération des données. Trouver des données de coût historiques signifie envoyer des e-mails à plusieurs départements, attendre des 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 auparavant quatre jours rien que pour nettoyer les données avant même que la tarification puisse commencer. »
– Responsable commercial, entreprise FM européenne
Ce qui change avec des données de coût structurées
- La récupération devient rapide. Les références historiques sont accessibles en quelques minutes. Combien a coûté la maintenance CVC au mètre carré sur nos cinq derniers contrats a une réponse fiable immédiate.
- La simulation de marge devient réelle. Vous pouvez modéliser des scénarios de tarification par rapport à des données de coût réelles. Quel est l'impact sur la marge si nous réduisons de 3 % la ligne main-d'œuvre est un calcul, pas une supposition.
- La précision s'améliore. Quand les estimations s'ancrent dans les chiffres réels, l'écart entre coût estimé et coût réel sur les contrats gagnés se réduit, ce qui signifie moins de contrats qui érodent la marge en cours d'exécution.
L'effet cumulatif
De meilleures données d'appel d'offres n'améliorent pas seulement les offres individuelles. Chaque contrat terminé produit de meilleures données historiques pour l'offre suivante. Les estimateurs obtiennent des références plus intelligentes. Le processus devient plus rapide. Les taux de réussite sur les appels d'offres compétitifs s'améliorent, non pas parce que l'offre de service a changé, mais parce que la tarification est devenue assez 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 →Further reading
How Better Procurement Data Helps Facilities Management Companies Protect Margins During Oil Price Volatility
When oil prices rise, fuel surcharges quietly erode FM margins. Better procurement data gives teams the visibility to identify, challenge, and reduce those costs before they compound.
Read more →Data QualityWhy the same supplier has three different names across your CAFM and your ERP
The same subcontractor can sit under three names across your CAFM and ERP. Here's how that fragmentation happens, what it breaks, and how to fix it for good.
Read more →


