The limitations of Excel for tracking competitor prices
Fabrice Decroo
Consulting Director
August 16, 2026
Excel n'est pas le problème tant que le volume de références, le nombre de concurrents suivis et la fréquence de mise à jour restent limités : le problème apparaît quand ce volume dépasse ce qu'un tableur partagé peut absorber sans se dégrader en silence, sur quatre points précis, fraîcheur, matching produit, gouvernance, coût caché du temps humain.
91 % des tableurs opérationnels complexes audités contiennent au moins une erreur significative, un chiffre qui doit alerter dès qu'un fichier de veille tarifaire est alimenté par plusieurs contributeurs sous pression de délai.
« On a un fichier partagé, ça suffit » est une phrase qu'on entend encore dans la majorité des comités pricing. Elle n'est pas fausse au démarrage: pour comparer les prix de trois concurrents sur une cinquantaine de références, un tableur fait le travail, et le fait bien. Le problème n'est jamais Excel en tant que tel, c'est le moment où le volume de références, le nombre de concurrents suivis et la fréquence de mise à jour dépassent ce qu'un fichier partagé peut structurellement absorber sans se dégrader en silence. Ce guide détaille les quatre limites concrètes qui apparaissent à l'échelle, fraîcheur, matching produit, gouvernance, coût caché du temps humain, et donne un seuil opérationnel pour savoir si vous les avez déjà franchies.
Why Excel Remains, Even Today, the Default Tool for Price Monitoring
Excel domine la veille tarifaire parce qu'il est déjà là, gratuit avec la licence Office déjà déployée, familier à tout collaborateur, et assez flexible pour démarrer sans projet IT ni budget dédié. Pour un category manager qui lance sa première comparaison de prix sur une ou deux catégories, un fichier partagé (référence, prix concurrent, date de relevé) est un choix parfaitement rationnel: la collecte se fait à la main, en consultant les pages produit des concurrents, en copiant les prix affichés, en les collant dans des colonnes qu'on horodate soi-même.
Ce réflexe n'a rien d'isolé ni de dépassé statistiquement, c'est, à quelques nuances près, la norme du marché.
According to the4th edition of the Global Pricing Maturity Study (EPP & Vendavo, results published in January 2023, 2022 data), some companies still manage their pricing using Excel rather than a dedicated pricing tool.
Le même baromètre observe une régression plutôt qu'un progrès: 41 % des entreprises pilotent leurs prix à un niveau de maturité basique (« level one »), soit 25 points de plus qu'en 2019. Ce n'est donc pas une résistance au changement isolée à quelques retardataires: c'est une tendance de fond qui touche des enseignes de toute taille, y compris certaines dotées d'équipes pricing structurées. La difficulté n'est pas un manque de volonté, c'est l'absence d'un déclencheur suffisamment clair pour justifier l'investissement dans un outil dédié tant que le tableur « fonctionne encore ».
Ce n'est donc pas un plaidoyer pour un remplacement systématique d'Excel, un outil flexible, sans coût de licence additionnel, que tout le monde sait déjà utiliser. C'est l'objet précis de cet article: identifier, sans dogmatisme, les quatre limites structurelles qui apparaissent quand le volume de références, le nombre de concurrents suivis et l'enjeu de la décision dépassent ce qu'un tableur peut absorber sans se dégrader en silence. (Si les notions de relevé de prix et de web scraping ne sont pas encore posées clairement, un article dédié de cette série les définit en détail.)
Limite 1, Pas de mise à jour en temps réel
Un fichier Excel est une photo, jamais un flux. Quelqu'un consulte des pages concurrentes, copie les prix affichés, les colle dans des cellules, horodate la ligne, puis le fichier reste figé jusqu'à la prochaine session de collecte manuelle. Sur une vingtaine de références et un seul concurrent, une mise à jour hebdomadaire prend une vingtaine de minutes et reste parfaitement gérable.
Le problème apparaît avec le volume: à 500 références suivies chez 5 concurrents, la même logique manuelle représente plusieurs journées de travail. Et la cadence de collecte ne reste pas stable face à cette charge, elle se dégrade, glissant du quotidien à l'hebdomadaire, puis au mensuel, exactement au moment où les catégories à forte volatilité promotionnelle (électroménager, textile en soldes, rentrée scolaire) demanderaient l'inverse.
Prenons un cas concret: une enseigne suit informellement les prix d'un concurrent sur une catégorie promotionnelle. Le concurrent lance une opération à -20 % un lundi matin. Si le relevé Excel de l'enseigne n'est mis à jour que le vendredi suivant, la quasi-totalité de la semaine commerciale s'est déroulée sur une hypothèse de prix déjà fausse dès le lundi midi. Ce n'est pas un cas rare: c'est le fonctionnement normal d'un dispositif figé sur une cadence hebdomadaire, appliqué à un marché qui, lui, bouge en continu.
L'écart qui se creuse entre le moment où un concurrent change son prix et le moment où votre fichier le reflète n'est jamais cosmétique. Chaque décision de prix prise pendant cet intervalle s'appuie sur une photo qui n'est déjà plus vraie, et personne, dans le fichier lui-même, n'indique à quel point cette photo a vieilli.
Limite 2, Pas de matching produit fiable à la main
Comparer sa propre référence à celle d'un concurrent suppose de trancher, à chaque ligne, une question qui semble triviale et ne l'est pas: est-ce vraiment le même produit? Même conditionnement, même variante, même unité de vente. Fait à la main, ce jugement fonctionne raisonnablement jusqu'à quelques centaines de références. Au-delà, il devient une source d'erreur qui échappe à toute détection, parce que rien dans une feuille de calcul ne signale qu'une comparaison est fausse.
Le risque n'est pas dans les cas évidents, il est dans les cas proches, ceux qu'un œil pressé laisse passer:
- Un pack de 6 comparé, par erreur, à un pack de 4 du même produit, l'écart de prix apparent n'existe pas, c'est un écart de conditionnement.
- A private-label brand confused with the equivalent national brand, distorting a comparison that makes no economic sense.
- A promotional price that has been raised and displayed as the regular price, making a competitor appear structurally cheaper than it actually is.
C'est là que réside le vrai danger du matching manuel à l'échelle: il ne produit pas une erreur visible dans le tableau de bord (la cellule se remplit, le chiffre a l'air normal) il produit une décision de prix prise sur la mauvaise référence. Indétectable sans audit dédié, cette erreur se propage silencieusement dans chaque arbitrage qui s'appuie dessus, sans qu'aucune alerte ne se déclenche.
Limite 3, Pas de gouvernance ni de traçabilité
Un fichier Excel partagé ne répond à aucune des questions qu'un audit interne (ou un contrôle externe) posera un jour: qui a modifié ce prix concurrent, quand, sur quelle base? Chaque enregistrement écrase la version précédente, sauf discipline manuelle de nommage des versions. Plusieurs contributeurs qui éditent le même fichier produisent des copies divergentes, envoyées par e-mail, dont personne ne sait laquelle fait foi.
À l'échelle d'un category manager isolé, ce flou reste gérable, c'est lui qui sait. À l'échelle d'un réseau multi-enseignes ou multi-pays, avec plusieurs négociateurs qui alimentent le même dispositif, ce flou devient un problème de gouvernance: aucune traçabilité fiable des décisions, aucun journal d'audit, aucune séparation des droits entre qui collecte, qui valide et qui applique le prix final.
Ce n'est pas un détail administratif. Une décision de prix contestée en interne (ou examinée dans le cadre d'un contrôle réglementaire) doit pouvoir être reconstituée: la donnée d'entrée, la date, l'auteur, la règle appliquée. À cette échelle, une organisation devrait pouvoir répondre sans hésiter à trois questions simples:
- Qui a modifié ce prix concurrent, et quand exactement?
- Sur quelle base la décision de s'aligner (ou de ne pas s'aligner) a-t-elle été prise?
- Cette modification a-t-elle été validée par la bonne personne, avec les bons droits d'accès?
Un tableur ne construit aucune de ces garanties par défaut; il faut l'imposer artificiellement, et la discipline se rompt à la première copie envoyée hors process.
Limite 4, Le coût caché du temps humain
Le temps passé à maintenir un fichier de veille prix, collecter, coller, vérifier, réconcilier les doublons entre les copies de plusieurs contributeurs, ne figure sur aucune ligne de P&L. Il est pourtant bien réel, et il concurrence directement le temps que la même équipe pourrait consacrer à l'analyse et à la décision plutôt qu'à la saisie répétitive.
des tableurs opérationnels réels audités depuis 1997 contenaient au moins une erreur significative, contre 24 % sur l'ensemble des audits recensés entre 1987 et 2000, l'écart s'explique par des méthodologies d'audit plus rigoureuses sur la période récente (Raymond R. Panko, University of Hawaii, EuSpRIG, 2000).
Ces chiffres ne portent pas spécifiquement sur des fichiers de veille tarifaire, ils portent sur des tableurs opérationnels en général. Mais un fichier de suivi concurrentiel alimenté par plusieurs contributeurs, croisant plusieurs sources et mis à jour sous pression de délai est précisément le profil de tableur complexe et multi-mains où ces taux d'erreur se concentrent le plus, selon cette même recherche: la même étude montre que les développeurs de feuilles de calcul sous-estiment systématiquement leur propre taux d'erreur, quel que soit leur niveau d'expérience.
Le coût caché n'est donc pas seulement le temps passé à mettre à jour le fichier, c'est ce temps, plus les erreurs que ce temps limité n'a pas permis de détecter. C'est ce double coût, temps et fiabilité, qui doit entrer dans le calcul, pas seulement le prix affiché d'un abonnement logiciel face à une licence Office déjà payée.
Excel vs solution dédiée: le comparatif
| Criterion | Excel | Dedicated Solution |
|---|---|---|
| Freshness | Still photo | Real-time + alerts |
| Matching Reliability | Human Judgment | Confidence Score |
| Governance & Traceability | No native audit | Complete audit trail |
| Scaling | Reach the limit quickly | Millions in prizes |
| Total Actual Cost | High hidden costs | Measurable ROI |
À lire ainsi: le coût affiché d'Excel (zéro, ou le coût marginal d'une licence Office déjà payée) masque son coût réel, qui inclut les heures de collecte manuelle, le temps de réconciliation entre versions, et le coût rarement chiffré mais bien réel des décisions prises sur un matching approximatif ou une donnée périmée. Une solution dédiée comme celle que Booper propose pour les relevés de prix et le webscraping a un coût d'abonnement visible et immédiat; Excel a un coût caché qui croît avec le volume, de façon non linéaire.
It's not a problem with the tool, but with the threshold
Rien dans cet article ne dit qu'Excel est un mauvais outil en soi. Le bon cadre de lecture n'est pas « Excel contre logiciel dédié »: c'est un seuil de volumétrie et d'enjeu au-delà duquel la logique manuelle change de nature. Repère opérationnel: un seul concurrent suivi sur moins d'une centaine de références reste raisonnablement gérable à la main. Au-delà de 3 à 4 concurrents, de quelques centaines de références, ou dès qu'une catégorie à rotation rapide exige une fraîcheur quotidienne, le dispositif manuel devient structurellement le mauvais choix, pas par négligence de l'équipe, mais par nature du support.
La transition ne se joue pas en basculant tout d'un coup. L'approche qui fonctionne progresse par étapes:
Identify the priority category
Celle où l'enjeu de marge est le plus élevé (forte volatilité promotionnelle ou fort impact sur le chiffre d'affaires) pas l'ensemble du catalogue d'un coup.
Automate this segment first
Data collection, matching, and alerts within this limited scope, to validate the system's reliability before expanding it more broadly.
Expand gradually, category by category
By keeping the rest of the catalog in Excel for now, as long as its size does not yet warrant a complete transition.
The complete method for structuring this seamless scaling process is covered in another article in this series, which focuses onthe large-scale industrialization of competitive intelligence.
Chez Booper, L'antithèse structurée d'Excel: gouvernance, matching et alertes en une seule chaîne
Le module GENIUS Admin apporte précisément ce qu'un tableur ne peut pas offrir par construction: gestion fine des utilisateurs et des droits, règles métier centralisées et journal d'audit complet sur chaque décision de prix. En amont, GENIUS Link automatise le matching produit par NLP avec un score de confiance par référence, et GENIUS Monitoring centralise les alertes plutôt que de renvoyer un flux brut à trier. C'est cette trajectoire (Excel, puis logique à règles, puis IA hybride, puis automatisation) que Barbotteau Group, leader de la distribution en Caraïbe française avec plus de 70 entreprises et enseignes, a engagée après des années de pilotage historiquement sur Excel, pour retrouver de la visibilité sur ses prix et ses assortiments. À une tout autre échelle, c'est la même logique de gouvernance qui permet aujourd'hui à Coopérative U de structurer plusieurs millions de prix par an sur plus de 1 700 magasins, là où le volume rendait ingérable toute analyse et toute simulation avant l'outil dédié.
La question à se poser n'est donc pas « faut-il quitter Excel? » mais « à partir de quel volume mon dispositif actuel produit-il plus de risque que de visibilité? ». Découvrez comment Booper structure cette chaîne complète, de la collecte au pilotage gouverné, sur notre page relevés de prix & webscraping.
A Checklist Before Switching from Excel to a Dedicated Tool
- Do you track more than 300 to 500 products across more than 2 to 3 competitors?
- Does the time spent updating your file exceed the time spentanalyzingit?
- Can you specify exactly who changed which competitor's price, when, and on what basis?
- Is your product matching based on unquantified human judgment, without a confidence score?
- In a fast-moving category, does it take more than 24 hours from the time a competitor changes its price until that change is detected?
Frequently Asked Questions
In practice, as long as there are no more than a few hundred SKUs for a single competitor, a well-maintained shared file remains manageable: with about 20 SKUs and one competitor, a weekly update takes about 20 minutes and remains perfectly manageable.
This article establishes a more precise operational benchmark: when there are more than 300 to 500 product listings or 3 to 4 competitors being tracked simultaneously, the workload involved in manual updates and monitoring exceeds what a team can handle without compromising the timeliness or reliability of the data.
Le problème n'est pas linéaire : à 500 références suivies chez 5 concurrents, la même logique manuelle représente plusieurs journées de travail, et la cadence de collecte se dégrade mécaniquement (du quotidien à l'hebdomadaire, puis au mensuel) au moment même où les catégories les plus volatiles demanderaient l'inverse.
Ce seuil n'est donc pas arbitraire : il correspond au point où le volume dépasse structurellement ce qu'un tableur peut absorber sans se dégrader en silence, pas à un jugement sur la compétence de l'équipe qui le tient, d'où l'intérêt de bien choisir quels produits surveiller en priorité avant de multiplier les références suivies.
Parce qu'elles sont invisibles dans le fichier lui-même : la cellule se remplit, le chiffre a l'air normal, mais elle compare deux références qui ne sont pas identiques, conditionnement, variante, unité de vente.
This article details three specific cases that might be overlooked by a casual observer: a 6-pack mistakenly compared to a 4-pack of the same product, a store brand confused with the equivalent national brand, or a promotional price listed and displayed as the regular price, which makes a competitor appear structurally cheaper than it actually is.
Ce risque grandit avec le volume : fait à la main, ce jugement fonctionne raisonnablement jusqu'à quelques centaines de références; au-delà, il devient une source d'erreur qui échappe à toute détection, faute de score de confiance sur chaque comparaison.
L'erreur ne se voit jamais dans le tableau de bord : elle se voit dans une décision de prix prise sur le mauvais produit, indétectable sans audit dédié, et qui se propage silencieusement dans chaque arbitrage qui s'appuie dessus, d'où l'intérêt d'une méthode explicite pour fiabiliser le matching de ses produits, avec ou sans code EAN.
Quand au moins un de ces trois signaux apparaît : le temps de mise à jour dépasse le temps d'analyse, une catégorie à rotation rapide a besoin d'une fraîcheur quotidienne qu'Excel ne peut plus tenir, ou une décision de prix doit pouvoir être tracée (qui, quand, sur quelle base) pour un audit interne ou externe.
This article also establishes a benchmark for volume: once the number of SKUs being tracked exceeds 300 to 500 across more than 2 to 3 competitors, the nature of manual processes changes fundamentally, regardless of the quality of the team carrying them out.
The most telling sign is often the hidden cost of time: when collecting, compiling, and reconciling duplicates across contributors takes more hours than the analysis itself, the pricing team spends its time maintaining the file rather than making decisions.
Ce n'est jamais un jugement définitif sur Excel : c'est un seuil de volumétrie et d'enjeu au-delà duquel le support devient structurellement le mauvais choix, pas une question de compétence individuelle, le guide pour passer d'Excel à une solution de pricing dédiée détaille comment franchir ce cap sans casser l'existant.
Oui, et c'est souvent la meilleure façon de faire la transition sans tout casser d'un coup : cet article recommande d'identifier d'abord la catégorie prioritaire, celle où l'enjeu de marge est le plus élevé, forte volatilité promotionnelle ou fort impact sur le chiffre d'affaires.
The method consists of three steps: first, automate this portion to verify the system’s reliability; then gradually expand, category by category, while keeping the rest of the catalog in Excel until its volume warrants a complete transition.
C'est précisément la trajectoire suivie par Barbotteau Group, leader de la distribution en Caraïbe française avec plus de 70 entreprises et enseignes : Excel, puis logique à règles, puis IA hybride, puis automatisation, une montée en charge progressive après des années de pilotage historiquement sur tableur.
Cette approche par paliers limite le risque du projet : on démontre la valeur sur un périmètre maîtrisé avant d'exposer l'ensemble du catalogue à un nouveau dispositif, en suivant une méthode structurée de surveillance des prix concurrents, objectif, périmètre, fréquence, gouvernance.
C'est la capacité à savoir, à tout moment, qui a pris quelle décision de prix, quand, sur quelle donnée d'entrée et selon quelle règle, avec des droits d'accès différenciés entre qui collecte, qui valide et qui applique.
This article raises three questions that an organization should be able to answer without hesitation: Who changed this competitor’s price and when? On what basis was the decision to match (or not match) the price made? And was this change approved by the right person with the appropriate access rights?
A shared spreadsheet does not provide any of these safeguards by default: each record overwrites the previous version—unless users follow a strict naming convention—and when multiple contributors edit the same file, they create divergent copies, and no one knows which one is the authoritative version.
Le module GENIUS Admin décrit dans cet article illustre ce que la gouvernance apporte concrètement : gestion fine des utilisateurs et des droits, règles métier centralisées et journal d'audit complet sur chaque décision de prix, un pilier d'une organisation pricing aux rôles clairement définis.
They do not specifically address fare monitoring files, but rather complex operational spreadsheets in general: this article cites the seminal research on the subject, by Prof. Raymond Panko (University of Hawaii), which has documented these error rates since the 1990s.
Le chiffre est frappant : 91 % des tableurs opérationnels réels audités depuis 1997 contenaient au moins une erreur significative, contre 24 % sur l'ensemble des audits recensés entre 1987 et 2000, un écart que la recherche attribue à des méthodologies d'audit plus rigoureuses sur la période récente.
Un fichier de suivi concurrentiel correspond exactement au profil de tableur où ces taux se concentrent le plus : alimenté par plusieurs contributeurs, croisant plusieurs sources, mis à jour sous pression de délai, le profil type du tableur complexe et multi-mains identifié par cette recherche.
Cette même étude ajoute un signal d'alerte supplémentaire : les développeurs de feuilles de calcul sous-estiment systématiquement leur propre taux d'erreur, quel que soit leur niveau d'expérience, un biais qui touche donc aussi les équipes pricing les plus rigoureuses, et qui rejoint un constat plus large sur le vrai plafond de verre de la donnée en pricing.
Also in this series
- What is price monitoring or web scraping in retail?
- Web scraping, field audits, consumer panels: what are the differences?
- How to Scale Up Competitive Intelligence on a Large Scale
Sources: 4th Global Pricing Maturity Study, EPP & Vendavo, 2022 · Spreadsheet Errors: What We Know. What We Think We Can Do., Raymond R. Panko, EuSpRIG, 2000 · Bringing Discipline to Pricing, McKinsey Quarterly, 2000.
Seven criteria distinguish a competitor pricing monitoring tool that simply generates a table of price differences from one that actually drives decisions: coverage, recency, product matching, alerts, governance, integration, and compliance. The listed cost is only part of the total cost: manual reclassification, maintenance of in-house development, and the opportunity cost of a poorly informed decision often outweigh the subscription fee.
Une veille tarifaire concurrents complète repose sur 5 briques indissociables : collecte, matching, alertes, restitution et gouvernance, une seule brique manquante suffit à la rendre inopérante. Le retail est le secteur qui révise ses prix le plus souvent (mensuel à quotidien selon les catégories), ce qui impose un dispositif capable de suivre cette cadence.
Beaucoup d'organisations reçoivent chaque matin un tableau d'écarts de prix concurrents, mais peu ont une véritable stratégie. La différence tient à trois questions posées avant de lancer le dispositif : pourquoi collecter cette donnée, sur quoi précisément, et pour décider quoi une fois l'écart constaté.
Point de repère : les key value items (KVI) (les références dont les clients retiennent le prix) représentent généralement 15 à 25 % des ventes d'une catégorie. Concentrer l'effort de surveillance sur ce noyau restreint est plus rentable que de vouloir tout suivre avec la même intensité.