Opérations
Partie
3
10
min de lecture
Une cuisine plus rapide peut signifier plus de CA
Comment l’attente naît en cuisine, pourquoi les postes se bloquent, quand aller plus vite peut augmenter le CA et comment mesurer vos temps de traitement.

À faire dès aujourd’hui
Ce soir, mesurez vingt tickets avec du papier et une horloge.
Selon le CBS (l’office néerlandais de statistique), le chiffre d’affaires des établissements de restauration et de débit de boissons était, au deuxième trimestre 2026, supérieur de 3,5 % à celui d’un an plus tôt (restaurants : 3,2 %). Selon KHN Kompas, l’étude propre à KHN (organisation professionnelle néerlandaise de la restauration ; échantillon et période de comparaison non précisés), le chiffre d’affaires moyen par établissement a baissé de 1,3 % ce trimestre-là et le nombre de tickets a diminué de 3 %. Les deux sources ne mesurent pas la même chose et ne vont pas dans le même sens ; toutes deux portent sur un trimestre entier et non sur un seul établissement. Elles ne disent pas à quel point votre vendredi soir est chargé, et c’est de cela qu’il s’agit ici : qu’est-ce que cela signifie quand les tickets sortent plus vite de la cuisine ? Voici la partie 3 de la série Où disparaît le bénéfice de votre restaurant ? Vous lirez comment se forment les temps d’attente dans une cuisine, pourquoi les postes peuvent se bloquer mutuellement, quand une cuisine plus rapide peut signifier un chiffre d’affaires supplémentaire et quand ce n’est pas le cas, et comment mesurer vous-même vos temps de traitement. Les chiffres des exemples sont inventés, sauf lorsqu’une source est indiquée. Les données sont arrêtées au 18 novembre 2026.
Comment se forment les temps d’attente
Un temps d’attente se forme le plus souvent là où le travail arrive plus vite qu’un poste ne peut le traiter.
Des pics de tickets. Les tickets peuvent arriver par vagues, par exemple avec un groupe de douze personnes. La moyenne par heure masque la vague.
Un poste qui est le goulet d’étranglement. Le poste qui a le plus de travail par rapport à sa capacité limite le nombre de plats qui quittent la cuisine par heure. Lorsque le flux entrant s’approche de cette limite, le temps d’attente augmente, selon la théorie des files d’attente, d’abord lentement puis rapidement (Little, 2011).
Du travail qui s’accumule. Exemple chiffré : un gril termine 24 steaks par heure (un toutes les 2,5 minutes) ; en pointe, il en arrive 30. La pile grossit de 6 par heure : au bout d’une heure, le steak suivant attend 6 × 2,5 = 15 minutes avant qu’un cuisinier ne commence à le préparer.
La loi de Little. John Little a démontré en 1961 que, dans un système de files d’attente, le nombre moyen d’unités dans le système est égal au nombre moyen d’unités qui arrivent par unité de temps, multiplié par le temps moyen qu’une unité passe dans le système (sous certaines conditions, comme des moyennes finies et des processus stationnaires). Pour votre cuisine : temps de traitement = nombre moyen de tickets ouverts divisé par le nombre de tickets par minute. Si vous connaissez deux des trois nombres, vous calculez le troisième. Sur une soirée où votre cuisine commence vide et finit vide, cela se vérifie exactement pour les moyennes mesurées (Little, 2011). Il s’agit de moyennes, pas d’un seul ticket.
Exemple chiffré : s’il arrive un ticket toutes les 3 minutes (20 par heure) et qu’il y a en moyenne 5 tickets ouverts, le temps de traitement est de 5 × 3 = 15 minutes ; avec 10 tickets ouverts en moyenne, il est de 30 minutes.
Inversement : si 5 tickets restent ouverts et que le temps de traitement descend à 12 minutes, alors 5 ÷ 12 × 60 = 25 tickets par heure peuvent passer.
Pourquoi les postes se bloquent mutuellement
Une table ne reçoit généralement ses plats que lorsque le plat le plus lent est prêt : la passe de distribution attend la dernière assiette. Exemple chiffré avec des chiffres inventés : table 12, quatre clients, quatre plats principaux. Pour chaque plat, on indique combien de temps il a attendu avant qu’un cuisinier ne commence à le préparer et combien de temps la préparation a duré.
Cuisine froide, salade au fromage de chèvre : 2 minutes d’attente + 4 de préparation = prêt après 6 minutes
Friteuse, fish and chips : 3 + 8 = prêt après 11 minutes
Poêle, pâtes aux crevettes : 3 + 10 = prêt après 13 minutes
Gril, steak : 6 + 12 = prêt après 18 minutes
La table reçoit son repas après 18 minutes. Un plat moyen est prêt après 12 minutes ((6 + 11 + 13 + 18) ÷ 4), mais le client en perçoit 18. La salade attend 12 minutes à la passe, les fish and chips 7 et les pâtes 5.
Que rapporte le fait d’accélérer ? Si un cuisinier commence le steak après 1 minute au lieu de 6, celui-ci est prêt après 1 + 12 = 13 minutes et la table reçoit son repas après 13 minutes : 5 minutes plus vite. Si le steak est prêt encore plus tôt, rien ne change : ce sont alors les pâtes (13 minutes) qui déterminent la table, et seul le plat le plus lent compte. Les blocages naissent aussi de cette façon :
Un plat qui passe par deux postes, comme un steak du gril avec une salade de la cuisine froide, n’est prêt que lorsque la partie la plus lente est prête.
Le travail par lots : un poste qui travaille par portions peut faire attendre le premier ticket jusqu’à ce qu’il y ait assez de tickets.
Démarrer un peu trop tôt ou trop tard : un plat qui démarre trop tôt attend à la passe ; un plat qui démarre trop tard retarde toute la table.
Quand une cuisine plus rapide peut signifier plus de chiffre d’affaires
Une cuisine plus rapide peut libérer de la capacité. Le chiffre d’affaires n’apparaît que si quelqu’un utilise cette capacité libérée : un client qui serait parti sans cela ou un groupe en attente qui obtient désormais une table plus tôt. Kimes (2004) qualifie d’heures d’affluence les heures pendant lesquelles des clients attendent une table ; dans son étude de cas d’un seul restaurant américain (Chevys Arrowhead, données de 2001), cela représentait dix heures par semaine, soit environ un tiers du chiffre d’affaires annuel. Ce n’est que pendant ces heures-là qu’un gain de temps compte pour votre chiffre d’affaires.
Voici comment faire le calcul. Exemple chiffré avec des chiffres inventés, montants hors TVA :
Places-minutes : 38 places assises × 300 minutes (la salle est utilisée de 17 h 00 à 22 h 00) = 11 400
Actuellement : durée d’occupation de 100 minutes (du moment où les clients s’assoient jusqu’à ce que la table soit de nouveau prête) : 11 400 ÷ 100 = 114 clients, en moyenne trois fois par place
Cinq minutes de moins : 11 400 ÷ 95 = 120 clients, en moyenne 3,2 fois par place. Cela n’est possible que si les tables se libèrent de façon échelonnée au fil de la soirée (voir Thompson, 2009). Avec des rotations fixes, il n’en tient que trois en 300 minutes, même à 95 minutes : 114 clients, chiffre d’affaires supplémentaire de 0 €.
Capacité supplémentaire sans rotations fixes : 120 − 114 = 6 clients (5,3 % de plus)
Chiffre d’affaires supplémentaire : la plus petite valeur entre la capacité supplémentaire et le nombre de clients en attente, multipliée par le chiffre d’affaires par client. Avec 45 € par client et au moins 6 clients en attente : 6 × 45 € = 270 € par vendredi soir. Si 2 clients attendent : 2 × 45 € = 90 €. Si personne n’attend : 0 €.
Ces cinq minutes, vous ne les gagnez pas forcément en cuisine. Chez Chevys, le délai entre la commande et le plat principal était en moyenne de 11 minutes et 31 secondes sur un repas de 53 minutes et 15 secondes, soit plus d’un cinquième (chronométrage de cent groupes lors de soirées de week-end chargées).
Considérez en outre le résultat comme un plafond. Thompson (2009) a testé ce calcul dans une simulation de 1 296 scénarios comportant uniquement des clients sans réservation. Pour une durée d’occupation plus courte de 5 %, le calcul prédit 5,3 % de chiffre d’affaires en plus ; dans la simulation, la hausse était en moyenne de 1,1 % et, dans les douze scénarios les plus favorables, de 2,1 %. La hausse du chiffre d’affaires était plus importante avec plus de demande et une pointe plus longue. Une simulation n’est pas une mesure dans de vrais établissements.
Plus rapide n’est pas non plus toujours mieux pour le client. Dans une étude américaine auprès de 151 clients de restaurants avec service à table (échantillon de convenance, expériences remémorées ; Noone et al., 2009), la satisfaction à l’égard du repas était la plus élevée lorsque le rythme perçu se situait entre trop lent et trop rapide ; elle diminuait des deux côtés. Une cuisine plus rapide peut améliorer l’expérience client, tant que les clients ne se sentent pas pressés.
Plus de chiffre d’affaires, ce n’est pas encore plus de bénéfice : des clients supplémentaires coûtent aussi en achats et en heures de travail. Vous lirez comment le calculer dans la partie 2 ; le taux de rotation des tables, comme chiffre de suivi régulier, est abordé dans la partie 4.
Comment mesurer les temps de traitement
Combien de temps un ticket reste dans votre cuisine, vous ne le savez que lorsque vous le mesurez. Chez Chevys, un étudiant a noté les temps de cent groupes ; vous, vous commencez par vingt tickets.
Choisissez votre pointe. Mesurez vingt tickets d’affilée pendant l’heure de pointe d’une soirée chargée, et éventuellement une heure calme à titre de comparaison.
Notez pour chaque ticket l’heure d’arrivée et l’heure de sortie (le dernier plat de la table quitte la passe ; lorsque le repas est servi en plusieurs services, mesurez service par service, à partir du lancement). Si vous voulez savoir où passe le temps, notez aussi, pour chaque poste, quand il a commencé et quand il a terminé.
Calculez pour chaque ticket : temps de traitement = heure de sortie moins heure d’arrivée. Par poste : temps d’attente = heure de début moins heure d’arrivée ; temps de préparation = heure de fin moins heure de début.
Moyenne : tous les temps de traitement additionnés, divisés par le nombre de tickets.
90e percentile : triez les temps de traitement du plus court au plus long. Pour vingt tickets, c’est la 18e valeur (0,9 × 20 = 18) : le temps le plus long qui reste lorsque vous écartez les deux tickets les plus lents.
Exemple chiffré avec des chiffres inventés. Vingt temps de traitement en minutes, triés : 9 ; 10 ; 10 ; 11 ; 11 ; 12 ; 12 ; 12 ; 13 ; 13 ; 14 ; 14 ; 14 ; 15 ; 16 ; 16 ; 18 ; 25 ; 31 ; 38. Moyenne : 314 ÷ 20 = 15,7 minutes. 90e percentile : la 18e valeur, 25 minutes (une fonction de tableur qui interpole donne 25,6). La moyenne semble rassurante, mais deux tables sur vingt ont attendu plus d’une demi-heure (31 et 38 minutes). Supposons que, pour quatre des cinq tickets les plus longs, le gril ait été le dernier poste à envoyer son plat : c’est là que vous commencez.
Vingt tickets donnent une première image, pas une certitude ; répétez la mesure un autre soir. Nous n’avons pas trouvé de norme fixe pour le temps entre le ticket et l’assiette : elle varie selon le concept. Choisissez donc votre propre objectif, par exemple un maximum pour le 90e percentile, et mesurez si vous l’atteignez.
Erreurs fréquentes
Ne regarder que la moyenne. Elle masque les tables qui attendent longtemps.
Mesurer une heure calme. Les files d’attente se forment surtout en pointe.
Compter les plats mis volontairement en attente. Un plat principal qui n’a pas encore été lancé n’est pas un retard.
Supposer que plus rapide signifie toujours plus de chiffre d’affaires. Sans clients en attente, cela ne rapporte aucun chiffre d’affaires supplémentaire.
À faire dès aujourd’hui
Ce soir, mesurez vingt tickets avec du papier et une horloge. Pour chaque ticket, notez le numéro, l’heure à laquelle le ticket est arrivé et l’heure à laquelle le dernier plat de la table a quitté la passe, en commençant par l’heure de pointe. Après le service, calculez la moyenne (tous les temps de traitement additionnés, divisés par vingt) et écrivez les cinq plus longs l’un sous l’autre. D’après notre estimation, cela prend quelques secondes par ticket pendant le service, puis environ dix minutes de calcul ; vous n’avez besoin d’aucun achat ni d’aucun système.
Là où la technologie aide
Une partie de ce que vous faites ci-dessus avec du papier et une horloge peut aussi se faire sur un écran. Les écrans cuisine de Guestit (Kitchen OS) sont destinés à rendre ces temps visibles. Chaque plat est dirigé vers un poste (gril, friteuse, cuisine froide, bar ou dessert) ; un plat destiné à deux postes affiche les deux tâches. La passe de distribution montre, par service, ce qui est prêt, ce qu’il attend encore et depuis combien de temps. Si vous choisissez deux étapes (d’abord « Tout démarrer », puis « Prêt »), le temps de préparation est mesuré avec précision. À l’écran figurent notamment le temps moyen par ticket par rapport à votre objectif, les commandes en retard et le poste le plus lent, et vous réglez pour chaque poste des seuils pour Attention et En retard. Regardez, comme ci-dessus, non seulement la moyenne mais aussi les tickets en retard. L’écran montre les temps ; ce que vous en faites détermine si quelque chose change.
Comment nous avons préparé cet article
Documents lus : Little (2011) via une copie de l’University of Massachusetts ; Kimes (2004), Thompson (2009) et le manuscrit d’auteur de Noone et al. (2009 ; nous n’avons pas pu lire les tableaux et les figures) via le dépôt eCommons de Cornell ; les articles d’actualité du CBS et de KHN (pour KHN, seulement le résumé public ; l’analyse complète demande un compte KHN Kompas). De Little (1961), nous n’avons lu que le résumé, via Crossref. Dans Crossref, interrogé par DOI le 18 novembre 2026, aucun des articles de revue ne signale de correction ni de rétractation. Les études sur les restaurants sont américaines ou simulées et ne s’appliquent pas nécessairement aux Pays-Bas. Non vérifiables et donc omis : des études sur le temps d’attente et la satisfaction dans les restaurants néerlandais, une norme pour le temps entre le ticket et l’assiette, et la théorie des contraintes de Goldratt (nous n’avons ouvert aucune source).
L’image de cet article est une illustration (générée par IA), et non une photo d’un établissement réel ni une capture d’écran de Guestit.
Sources
CBS, Omzet horeca groeit in tweede kwartaal 2026 met ruim 2 procent (1er septembre 2026)
KHN, Horeca blijft overeind, maar vraag en rendement staan onder druk (5 août 2026, mis à jour le 27 août 2026 ; résumé public de l’étude propre à KHN, KHN Kompas, échantillon et période de comparaison non précisés)
Little, A Proof for the Queuing Formula: L = λW, Operations Research, INFORMS (1961 ; seul le résumé a été lu, via Crossref)
Little, OR Forum: Little's Law as Viewed on Its 50th Anniversary, Operations Research, INFORMS (2011 ; texte lu, via une copie de l’University of Massachusetts)
Kimes, Restaurant Revenue Management: Implementation at Chevys Arrowhead, Cornell Hotel and Restaurant Administration Quarterly, SAGE (2004 ; un seul restaurant aux États-Unis ; texte lu, via Cornell eCommons)
Thompson, (Mythical) Revenue Benefits of Reducing Dining Duration in Restaurants, Cornell Hospitality Quarterly, SAGE (2009 ; étude par simulation ; texte lu, via Cornell eCommons)
Noone, Kimes, Mattila et Wirtz, Perceived service encounter pace and customer satisfaction: An empirical study of restaurant experiences, Journal of Service Management, Emerald (2009 ; échantillon de convenance aux États-Unis ; manuscrit d’auteur lu, sans les tableaux et figures, via Cornell eCommons)
À propos de Guestit
Guestit est un système unique pour réserver, commander, préparer et payer.
Envie de voir cela fonctionner dans votre établissement ?
Planifiez une présentation et nous regarderons ensemble lesquelles de ces idées conviennent à votre établissement. Si Guestit ne convient pas, nous vous le dirons.

Le système d’exploitation de la restauration. Il relie chaque étape du parcours client aux processus en coulisses.
© 2026 Guestit
Confidentialité · Conditions


