Deux PME subissent le même incident.
Dans la première, la conséquence suivante apparaît dans trois jours.
Dans la seconde, dans trente minutes.
Le risque n’est pas le même.
Prenons un exemple simple.
Un outil nécessaire à la préparation des offres devient indisponible.
Au début, quelques devis sont retardés.
Puis les commandes commencent à se décaler. La charge future diminue. Les entrées de trésorerie suivent.
Une perturbation commerciale est devenue progressivement financière.
Mais tout dépend d’une variable souvent oubliée :
Combien de temps s’écoule entre chaque étape ?
Quelques minutes ? Quelques heures ? Plusieurs semaines ?
Ce délai détermine aussi la possibilité d’agir.
Une recherche publiée en 2026 dans Reliability Engineering & System Safety modélise précisément les réseaux dans le temps : propagation d’une perturbation, redistribution des charges et capacité de récupération.
Les résultats montrent que la résilience ne dépend pas uniquement de la structure du réseau. Elle dépend aussi de la manière dont les capacités et les possibilités de récupération évoluent dans le temps.
Pour une transmission, cela change la manière de regarder une dépendance.
Il ne suffit pas de demander : « Que se passe-t-il si cette ressource disparaît ? »
Il faut aussi demander :
J+0 : que s’arrête-t-il immédiatement ?
J+1 : quelle autre fonction commence à être touchée ?
J+7 : quelle nouvelle conséquence apparaît ?
Et avant chaque étape : avons-nous encore le temps d’intervenir ?
Parce qu’une cascade lente laisse parfois le temps de construire une réponse.
Une cascade très rapide peut atteindre plusieurs fonctions avant même que l’entreprise ait compris l’incident initial.
La continuité ne dépend donc pas seulement de ce qui peut casser. Elle dépend aussi du temps disponible avant que la rupture suivante ne se produise.
Référence académique
Shi, J., Tang, Z., Zhan, X.-X. & Liu, C. (2026). Temporal modeling and resilience analysis of supply chain networks under cascading failures. Reliability Engineering & System Safety, 266, 111763.
https://doi.org/10.1016/j.ress.2025.111763
Publié initialement sur LinkedIn le 21.09.2026.