contextualiser la valeur de l'entreprise a l'aide des
TRANSCRIPT
HAL Id: halshs-00581184https://halshs.archives-ouvertes.fr/halshs-00581184
Submitted on 30 Mar 2011
HAL is a multi-disciplinary open accessarchive for the deposit and dissemination of sci-entific research documents, whether they are pub-lished or not. The documents may come fromteaching and research institutions in France orabroad, or from public or private research centers.
Lâarchive ouverte pluridisciplinaire HAL, estdestinĂ©e au dĂ©pĂŽt et Ă la diffusion de documentsscientifiques de niveau recherche, publiĂ©s ou non,Ă©manant des Ă©tablissements dâenseignement et derecherche français ou Ă©trangers, des laboratoirespublics ou privĂ©s.
CONTEXTUALISER LA VALEUR DELâENTREPRISE A LâAIDE DES INFORMATIONS
FINANCIERESCharlotte Disle
To cite this version:Charlotte Disle. CONTEXTUALISER LA VALEUR DE LâENTREPRISE A LâAIDE DES INFOR-MATIONS FINANCIERES. ComptabilitĂ© et Connaissances, May 2005, France. pp.CD-Rom. ïżœhalshs-00581184ïżœ
CONTEXTUALISER LA VALEURDE LâENTREPRISE A LâAIDE DESINFORMATIONS FINANCIERES
Charlotte DISLE, Docteur, ATER, Université Pierre MendÚs France, CERAG, UMR 5820,150 rue de la chimie, BP47 38040 GRENOBLE CEDEX 09, [email protected]ésumé
La prise en compte du contexte de lâentreprise
permet de rendre compte des conditions de
pertinence des chiffres comptables en matiĂšre
dâĂ©valuation. La prĂ©sente recherche propose de
considérer et de mesurer le niveau technologique,
les opportunités de croissance et les phases du cycle
de vie Ă partir des informations financiĂšres.
Mots clés
Chiffres comptables, approche contextuelle, valeur,
niveau technologique, opportunités de croissance,
phases du cycle de vie, analyse factorielle,
indicateurs, normes comptables
Abstract
The consideration of the firm contextual informs on
the condition of the value relevance of accounting
information. This research investigates to take the
technical level, the growth opportunity and the life
cycle stage into account by accounting information.
Key words
Accounting information, contextual approach,
value, technical level, growth opportunity, life cycle
stage, factoring analysis, proxy, accounting
standards
CONTEXTUALISER LA VALEURDE LâENTREPRISE A LâAIDE DESINFORMATIONS FINANCIERES
Charlotte DISLE, Docteur, ATER, Université Pierre MendÚs France, CERAG, UMR 5820,150 rue de la chimie, BP47 38040 GRENOBLE CEDEX 09, [email protected]ésumé
La prise en compte du contexte de lâentreprise
permet de rendre compte des conditions de
pertinence des chiffres comptables en matiĂšre
dâĂ©valuation. La prĂ©sente recherche propose de
considérer et de mesurer le niveau technologique,
les opportunités de croissance et les phases du cycle
de vie Ă partir des informations financiĂšres.
Mots clés
Chiffres comptables, approche contextuelle, valeur,
niveau technologique, opportunités de croissance,
phases du cycle de vie, analyse factorielle,
indicateurs, normes comptables
Abstract
The consideration of the firm contextual informs on
the condition of the value relevance of accounting
information. This research investigates to take the
technical level, the growth opportunity and the life
cycle stage into account by accounting information.
Key words
Accounting information, contextual approach,
value, technical level, growth opportunity, life cycle
stage, factoring analysis, proxy, accounting
standards
2
Un des rĂŽles de la comptabilitĂ© est dâinformer sur la valeur de lâentreprise. Cependant, lalittĂ©rature souligne la faiblesse de la pertinence1 des chiffres comptables. Une nouvelle voie derecherche consistant Ă considĂ©rer le contexte des entreprises peut permettre de mieuxapprĂ©hender la situation de la firme Ă lâaide des Ă©tats financiers. La prĂ©sente recherche dĂ©finitet examine lâintĂ©rĂȘt dâune approche contextuelle. De plus, cette Ă©tude essaie dâoffrir unesolution concrĂšte pour dĂ©finir des indicateurs du contexte. Il nây a pas de vĂ©ritables bases dedonnĂ©es ni de consensus pour dĂ©finir les Ă©lĂ©ments contextuels. Nous proposons de lesapprĂ©hender Ă lâaide des chiffres comptables car ceux-ci prĂ©sentent une informationdisponible et fiable. La premiĂšre section de lâĂ©tude tente de rĂ©pondre aux questions suivantes :Pourquoi contextualiser la valeur de lâentreprise ; en quoi consiste une approche contextuelleet quels Ă©lĂ©ments contextuels considĂ©rer ? La deuxiĂšme section prĂ©sente des mĂ©thodologiespermettant de dĂ©finir empiriquement les Ă©lĂ©ments contextuels suivants : le niveautechnologique, les opportunitĂ©s de croissance et les phases du cycle de vie.`
1.Pourquoi contextualiser la valeur de lâentreprise ?
1.1 Principes dâune approche contextuelle
Nous pensons que les chiffres comptables ne peuvent constituer une source dâinformationspertinentes quelles que soient les caractĂ©ristiques des entreprises qui les publient. En outre, ilapparaĂźt difficile quâun systĂšme dâinformation gĂ©nĂ©ral puisse reflĂ©ter avec le mĂȘme degrĂ© depertinence toutes les rĂ©alitĂ©s des entreprises. Lâapproche contextuelle propose dâintĂ©grer lesĂ©lĂ©ments caractĂ©ristiques de lâentreprise et de son environnement. La prise en compte ducontexte doit permettre de rendre compte des conditions de pertinence des chiffres comptablesen matiĂšre dâĂ©valuation. Lâapproche contextuelle correspond Ă une nouvelle voie de rechercheproposĂ©e par la littĂ©rature sur la pertinence des chiffres comptables et Ă une approche dĂ©jĂ exploitĂ©e par dâautres compartiments des sciences de gestion. De plus, elle permet deconsidĂ©rer lâentreprise en tant quâentitĂ© Ă©conomique et rĂ©alitĂ© complexe.
1.1.1 Une voie de recherche reconnue
Comme nous lâavons soulignĂ©, les Ă©tudes apprĂ©ciant la pertinence des chiffres comptablesaffichent en gĂ©nĂ©ral des rĂ©sultats modestes. LEV (1989) soulevait dĂ©jĂ cette interrogation et sedemandait si ces faibles rĂ©sultats provenaient de problĂšmes dâordre mĂ©thodologique ou de lanon-pertinence des variables envisagĂ©es. A la mĂȘme pĂ©riode, PATELL (1989) indiquaitclairement, que « lâerreur de mesure est fortement contextuelle »2. Les derniĂšres revues delittĂ©rature examinant les perspectives de recherches en comptabilitĂ© proposent de considĂ©rer lecontexte des entreprises pour amĂ©liorer la relation entre les chiffres comptables et la valeur.Ainsi, KOTHARI (2001) suggĂšre que les nouvelles recherches doivent :- ApprĂ©cier les dĂ©terminants Ă©conomiques comme la concurrence, la technologie,
lâefficacitĂ© du gouvernement dâentreprise, les politiques de rĂ©munĂ©ration et dâincitations ;
1 Nous entendons la notion de pertinence selon lâacceptation anglo-saxonne (value relevance). LâĂ©tude de lapertinence consiste Ă examiner si les informations comptables prĂ©sentent une relation significative avec la valeurde lâentreprise.2 « (âŠ) the term « measurement error » is highly contextual » (PATELL, 1989)
- Analyser les dĂ©terminants du processus autorĂ©gressif (LIM)3 en considĂ©rant lescaractĂ©ristiques de lâentreprise, les caractĂ©ristiques de lâindustrie dâappartenance, lesvariables macroĂ©conomiques et les variables institutionnelles internationales.
De mĂȘme, BEAVER (2002) souligne des perspectives de recherche dans la mĂȘme voie. Il meten Ă©vidence lâapport de la prise en compte du contexte pour lâĂ©tude empirique du modĂšle deFELTHAM et OHLSON (1995) et plus gĂ©nĂ©ralement pour la relation entre les chiffrescomptables et la valeur. « Les Ă©tudes empiriques appliquĂ©es au modĂšle de FELTHAM etOHLSON appliquent souvent une thĂ©orie comptable contextuelle (âŠ) pour Ă©tablir lesprĂ©visions empiriques. Une telle richesse contenue dans le contexte peut aider Ă complĂ©terune partie des informations omises par les reprĂ©sentations parcimonieuses du modĂšle deFELTHAM et OHLSON. Lorsquâest adjointe lâapproche contextuelle, la combinaison de lamodĂ©lisation parcimonieuse et de la richesse contenue dans le contexte fournit une base richepour les tests empiriques. »4. Il ajoute que : « les fondements thĂ©oriques des recherches sur lapertinence des informations comptables est une combinaison dâune thĂ©orie dâĂ©valuation etdâĂ©lĂ©ments comptables contextuels qui permettent aux chercheurs de prĂ©dire comment lesvariables comptables sont reliĂ©es Ă la valeur marchande des titres. (âŠ) Les modĂšlesdâĂ©valuation constituent la moitiĂ© du travail. Les Ă©tudes sur la pertinence des chiffrescomptables intĂšgrent typiquement les Ă©lĂ©ments comptables contextuels pour prĂ©dire larelation entre les variables comptables et la valeur de marchĂ©. »5. Enfin, il indique que« bien que lâabsence de cadre gĂ©nĂ©ral comptable puisse heurter certains chercheurs (oudâautres), les chercheurs peuvent utiliser des informations contextuels comptables afindâamĂ©liorer la prĂ©vision de la relation valeur - chiffres comptables »6.Enfin, DUMONTIER et RAFFOURNIER (2002) font le mĂȘme constat au niveau desrecherches europĂ©ennes. Ces auteurs soulignent que les derniĂšres recherches en comptabilitĂ©proposent de :- Prendre en compte lâinfluence dâautres informations afin de dĂ©finir les conditions dans
lesquelles les entreprises crĂ©eront des richesses futures. Par exemple, des approchesconditionnelles prĂ©sentent lâintĂ©rĂȘt de considĂ©rer des coefficients de rĂ©gression qui varientselon lâindustrie de lâentreprise et lâĂ©tat de lâĂ©conomie ;
- IntĂ©grer dâautres informations car les informations comptables ne parviennent pastotalement Ă reflĂ©ter la valeur de lâentreprise.
Ces auteurs indiquent que les prochaines recherches devraient adopter une approchecontextuelle afin de mieux comprendre la pertinence des chiffres comptables. « Une autrelimite des Ă©tudes dâassociation est quâelles se concentrent essentiellement sur le rĂ©sultat sansanalyser la pertinence des autres chiffres comptables. Pourtant, plusieurs informations
3 Le ModĂšle dâinformation linĂ©aire (LIM) correspond Ă une partie de la formalisation de la valeur par les chiffrescomptables proposĂ©e par OHLSON (1995).4 « Empirical studies applying the F-O framework often append a contextual accounting theory (âŠ) to guidethe empirical predictions. Such contextual richness can help fill in some of the substance omitted from theparsimonious F-O representations. Once these contextual theories are appended, the combination ofparsimonious modeling and contextual richness provides a rich basis for empirical testing. » (p459) (BEAVER,2002)5 « the theorical foundation of value relevance studies is a combination of a valuation theory plus contextualaccounting arguments that allow researchers to predict how accounting variable relate to the market value ofequity. (âŠ) the valuation assumption is only the half the story. Value-relevance studies typically incorporatecontextual accounting arguments to predict the relation between accounting variables and market value. », p.4626 « Although the lack of a general theory of accounting can frustrate researchers (and others), researchers canuse contextual accounting arguments to aid in predicting valuation â accounting number relations », p. 462
comptables autres que le rĂ©sultat peuvent aider les investisseurs Ă dĂ©terminer les Ă©vĂ©nementspertinents en termes dâĂ©valuation qui peuvent affecter lâentreprise. Ces chiffres devraient ĂȘtreplus largement explorĂ©s. Puisque leur pertinence est probablement reliĂ©e Ă lâenvironnementde lâentreprise, les recherches futures devraient se concentrer sur la pertinence de donnĂ©escomptables spĂ©cifiques dans diffĂ©rents contextes qui caractĂ©risent les entreprises. »7. Ainsi, lâapproche contextuelle apparaĂźt, dans le cadre des recherches sur la pertinence deschiffres comptables, comme une voie de recherche permettant dâapprĂ©cier dans quellecondition les chiffres comptables sont susceptibles dâĂȘtre pertinents et dâapprĂ©hender la valeurde lâentreprise dans sa globalitĂ©.
1.1.2 La valeur de lâentreprise : une rĂ©alitĂ© contextuelle
BERNARD (1989) observe que "la limite premiĂšre de la littĂ©rature existante est le peud'explications fournies sur le message Ă©conomique vĂ©hiculĂ© par les diffĂ©rents indicateursĂ©tudiĂ©s, et sur la façon dont ce message peut varier selon les situations Ă©conomiques"8.BROWN (1998) propose de dĂ©velopper une approche contextuelle de l'analyse financiĂšre etindique, en outre, que "cette approche reconnaĂźt l'importance de l'analyse Ă©conomique etindustrielle pour Ă©valuer les chances de succĂšs d'une entreprise. De plus, elle reconnaĂźt lesavantages et les limites des Ă©tats financiers et se prĂ©serve d'une utilisation aveugle de ceux-cisans juger prĂ©alablement de leur pertinence"9.Un des objectifs de la comptabilitĂ© est dâoffrir une image de lâentreprise ; nĂ©anmoins, Ă chaque entreprise correspond une rĂ©alitĂ© particuliĂšre. Lâentreprise est une entitĂ© Ă©conomiquesinguliĂšre ; la comptabilitĂ© est au contraire un cadre gĂ©nĂ©ral qui vise Ă reflĂ©ter les situationspatrimoniales et les opĂ©rations effectuĂ©es durant lâexercice comptable des diffĂ©rentesentreprises. Aussi, un paradoxe apparaĂźt entre le caractĂšre gĂ©nĂ©ral et rigide du cadre comptableet le caractĂšre spĂ©cifique et divers de la rĂ©alitĂ© des entreprises. Nous pouvons donc nousdemander si la comptabilitĂ© permet de reflĂ©ter les diverses spĂ©cificitĂ©s de chaque entreprise etsâil nâest pas intĂ©ressant dâapprĂ©cier lâinformation apportĂ©e par les chiffres comptables selondes contextes spĂ©cifiques. Par exemple, un mĂȘme niveau de rĂ©sultat pour deux entreprises deniveau technologique, de croissance, de taille⊠diffĂ©rents nâa certainement pas la mĂȘmesignification en termes de valeur.Par ailleurs, il convient pour apprĂ©hender complĂštement la valeur de lâentreprise de considĂ©rerles caractĂ©ristiques de l'entreprise ou de l'industrie et les clĂ©s des performances de l'entreprisepour une pĂ©riode donnĂ©e. Une observation du Commissariat gĂ©nĂ©ral du plan, concernantl'appel d'offres "L'entreprise et l'Economie de l'ImmatĂ©riel", indique que les analystes ont Ă©tĂ©conduits progressivement Ă rĂ©envisager les mĂ©canismes dĂ©terminants de la croissance et Ă redĂ©finir les critĂšres de la performance Ă©conomique. Les chiffres comptables traditionnels ne
7 « Another limitation of associations studies is that they concentrate mainly on bottom-line earnings withoutanalysing the value relevance of other accounting data. Yet, several accounting numbers other than earningscan help investors perceive the value â relevant events that have affected the firm. Those number should be moreextensively explored. Since their value â relevance is likely to be related to the firm environement, futureresearch should concentrate on the value â relevance of specific accounting data under various contexts thatcharacterise firms. » (p 33) (DUMONTIER et RAFFOURNIER, 2002)
8 « The primary deficiency of the existing literature is that too little thought has been given to what economicmessage could be conveyed by a given disclosure, and how that message may vary across situations »(BERNARD, 1989)9 « This approach recognizes the importance of economic and industry analysis in assessing an individual firm'sprospects for success. In addition, it recognizes the benefits and limitations of financial statements, and avoids ablind use of them without first passing judgment on their relevance. » (BROWN, 1998)
permettraient pas Ă eux seuls de reflĂ©ter la rĂ©alitĂ© complexe de lâentreprise ; lâappel Ă dâautresvariables permettrait de considĂ©rer dâautres Ă©lĂ©ments de la valeur de lâentreprise. Lâappel auxautres sciences de gestion et lâenrichissement de lâapproche comptable peuvent permettre demieux considĂ©rer tous les Ă©lĂ©ments constitutifs de la valeur de lâentreprise.
1.1.3 Les approches contingentes de lâentreprise
BOWEN et SHORES (2000) proposent dâexploiter la littĂ©rature des thĂ©ories de lâorganisationet de la stratĂ©gie pour dĂ©finir les composants du contexte Ă©conomique qui sont probablementliĂ©s Ă la crĂ©ation de richesse de lâentreprise. Câest plus particuliĂšrement la thĂ©orie de lacontingence qui sâest appliquĂ©e Ă intĂ©grer lâinfluence du contexte sur lâorganisation. Au dĂ©butdes annĂ©es 1960, les thĂ©ories contingentes (contingency theory) se dĂ©veloppent et visent Ă intĂ©grer lâinfluence des caractĂ©ristiques de lâentreprise et de lâenvironnement surlâorganisation de lâentreprise. FondĂ©e essentiellement sur les travaux de WOODWARD(1965) et LAWRENCE et LORSCH (1973), la thĂ©orie contingente indique que lâentreprisedoit sâadapter aux caractĂ©ristiques du milieu dans lequel elle Ă©volue. LâefficacitĂ© delâorganisation rĂ©sulte de lâadĂ©quation entre la situation et la structure de lâentreprise. Ilnâexiste pas de structure idĂ©ale. Dans certaines situations, telle structure est efficace ; dansdâautres, une structure diffĂ©rente est performante. La thĂ©orie de la contingence dĂ©montre quele contexte de lâentreprise conditionne la forme dâorganisation de lâentreprise, quâon ne peutpas dĂ©finir une structure dâorganisation optimum pour lâensemble des entreprises et que toutesles structures dâorganisation ne sont pas efficaces. Cette approche vise alors Ă dĂ©terminer lesfacteurs qui poussent Ă choisir une structure donnĂ©e. Dâautres thĂ©ories des organisations sesont par la suite Ă©galement intĂ©ressĂ©es Ă lâinfluence du contexte.Il apparaĂźt intĂ©ressant dâappliquer lâapproche de la contingence au niveau de la rĂ©flexion ducontenu informatif des chiffres comptables. Nous pouvons, en outre, envisager dâĂ©tudier laquestion suivante : Est ce que les informations comptables sont identiquement pertinentespour reflĂ©ter toutes les rĂ©alitĂ©s des entreprises ? La comptabilitĂ© offre un systĂšmedâinformation permettant dâĂ©valuer les entreprises. Cependant, les entreprises relĂšvent derĂ©alitĂ©s diffĂ©rentes. Ainsi, lâapproche contextuelle se justifie par le fait que les chiffrescomptables ne sont pas identiquement pertinents pour toutes les entreprises. Il convient alorsde dĂ©finir les Ă©lĂ©ments contextuels intĂ©ressants Ă considĂ©rer pour examiner les conditions depertinence des chiffres comptables.
1.2 DĂ©finition du contexte
1.2.1 Un contexte pertinent
Le contexte, terme tirĂ© du mot latin contexere qui signifie tisser ensemble, a pour dĂ©finitiongĂ©nĂ©rale : « ensemble des circonstances qui accompagnent un Ă©vĂ©nement » (Petit Larousse).Lâapproche contextuelle de lâentreprise vise donc Ă prendre en compte lâenvironnement et lescaractĂ©ristiques de lâentreprise. Nous choisissons de limiter la dĂ©finition du contexte Ă la priseen compte des Ă©lĂ©ments caractĂ©ristiques de lâentreprise. Les caractĂ©ristiques de lâentreprisesont de plusieurs ordres : caractĂ©ristiques financiĂšres, organisationnelles, culturellesâŠLeconcept de contexte est une notion large. On peut ainsi penser, dĂšs lors que tout Ă©lĂ©ment peutamener Ă dĂ©finir un contexte spĂ©cifique, que tout est contextuel. Notre devons donc dĂ©finir lesĂ©lĂ©ments contextuels qui conditionnent significativement la pertinence des chiffrescomptables. LEV (1989) souligne que les Ă©lĂ©ments contextuels pris en compte doivent avoir
une influence qui a du sens. Lâapproche contextuelle invite Ă rĂ©pondre aux questionssuivantes :- Est-ce que les Ă©lĂ©ments contextuels considĂ©rĂ©s influencent la pertinence des chiffres
comptables ?- Permettent-ils de mieux rendre compte de la rĂ©alitĂ© de lâentreprise ?
1.2.2 Contexte comptable et extra comptable
Le contexte doit permettre de mieux apprĂ©hender la pertinence des chiffres comptables.NĂ©anmoins, par leur signe, leur niveau, leur variation ou leur nature, les informationscomptables vĂ©hiculent Ă©galement des informations sur le contexte de lâentreprise. Ainsi, uneentreprise affichant un rĂ©sultat nĂ©gatif peut signifier que son activitĂ© ne lui permet plus decrĂ©er de richesse ou au contraire quâelle va en crĂ©er dans lâavenir. De plus, les rĂšglescomptables en reflĂ©tant une certaine apprĂ©ciation de la rĂ©alitĂ© de lâentreprise concourent Ă lâapprĂ©ciation du contexte Ă travers les chiffres comptables. Ainsi, aujourdâhui lesnormalisateurs sâintĂ©ressent davantage Ă lâenregistrement des Ă©lĂ©ments incorporels. CesĂ©lĂ©ments sont de plus en plus essentiels dans le processus de crĂ©ation de valeur des entreprisescontemporaines. Les chiffres comptables sont le rĂ©sultat dâune rĂ©alitĂ© objective delâentreprise. Aussi, il nous apparaĂźt plus intĂ©ressant dâadopter une dĂ©marche qui vise Ă dĂ©finirles contextes gĂ©nĂ©raux dont rĂ©sultent les chiffres comptables, soit le contexte extra comptablede lâentreprise. Si nous reprenons lâexemple de lâentreprise dĂ©ficitaire, nous ne considĂ©ronspas directement le signe du rĂ©sultat, mais nous dĂ©finissons les cas oĂč un rĂ©sultat nĂ©gatif peutapparaĂźtre et quels sont leurs sens. Nous apprĂ©hendons le contexte sans considĂ©rer directementdes particularitĂ©s comptables comme le signe du rĂ©sultat, la nature du rĂ©sultat... Le « contexteextra comptable » cherche ainsi Ă considĂ©rer des Ă©lĂ©ments permettant de mieux prendre encompte les rĂ©alitĂ©s traduites par les chiffres comptables. Par la suite, nous utilisons le terme contexte pour dĂ©signer le contexte extra comptable, saufprĂ©cision. De plus, nous entendons le contexte comme les Ă©lĂ©ments extra comptablescaractĂ©ristiques de lâentreprise permettant de mieux reflĂ©ter ses rĂ©alitĂ©s objectives, de donnerdu sens aux chiffres comptables quâelle publie et de rendre compte des conditions de leurpertinence.
1.2.3 Quels contextes ?
Il convient de justifier le choix des contextes quâil est opportun de considĂ©rer. En effet, uneentreprise est unique et de nombreux Ă©lĂ©ments spĂ©cifiques concourent Ă la formation de seschiffres comptable et Ă leur contenu informatif. Lâapproche contextuelle ne doit en effet pasaboutir Ă une Ă©tude spĂ©cifique de chaque entreprise. Par ailleurs, nous ne rĂ©duisons pas lacontextualisation de lâentreprise Ă la simple considĂ©ration des caractĂ©ristiques sectorielles delâentreprise. Nous suggĂ©rons de considĂ©rer le niveau technologique, les opportunitĂ©s decroissance et les phases du cycle de vie de lâentreprise. Dâune part, ces Ă©lĂ©ments contextuelspermettent de caractĂ©riser en grande partie les entreprises. Dâautre part, leur prise en compteoffre la possibilitĂ© de considĂ©rer des situations dans lesquelles la pertinence des chiffrescomptables est susceptible dâĂȘtre altĂ©rĂ©e : difficultĂ©s dâenregistrement des Ă©lĂ©mentsincorporels, caractĂšre transitoire du rĂ©sultat, impact du signe du rĂ©sultat et influence duprincipe de prudence.La part et le poids des Ă©lĂ©ments incorporels diffĂšrent selon le niveau technologique delâentreprise. Or si ces dĂ©penses sont mal apprĂ©hendĂ©es par la comptabilitĂ©, elles grĂšvent lapertinence des chiffres comptables. Le niveau technologique permet ainsi dâidentifier les
situations oĂč les chiffres comptables sont plus particuliĂšrement affectĂ©s par des difficultĂ©sdâenregistrement comptable. Les opportunitĂ©s de croissance correspondent aux possibilitĂ©spour lâentreprise dâaccroĂźtre ou de moderniser son activitĂ© ou de dĂ©velopper de nouvellesactivitĂ©s. Leur prise en compte permet de considĂ©rer lâimpact sur la pertinence des chiffrescomptables induit par la moindre persistance des chiffres comptables. Les phases du cycle devie apprĂ©hendent les diffĂ©rents Ă©tats de dĂ©veloppement de lâentreprise et nous renseignentalors sur les caractĂ©ristiques attendues de lâentreprise lors des ces phases. Nous tenons plusparticuliĂšrement compte de lâinformation concernant la nature des rĂ©sultats selon les phasesdu cycle de vie ; cette caractĂ©ristique influençant le contenu informatif des chiffrescomptables (voir DISLE 2004).
2. Comment contextualiser la valeur de lâentreprise ?
2.1 Echantillon
Nous proposons de dĂ©finir des critĂšres et une classification pour spĂ©cifier empiriquement lestrois Ă©lĂ©ments contextuels envisagĂ©s : niveau technologique, opportunitĂ©s de croissance etphases du cycle de vie. Pour ce faire, nous nous basons sur un Ă©chantillon constituĂ© de 5 978 Ă 7 092 entreprises par annĂ©e sur la pĂ©riode 1993 Ă 2002. Nous Ă©tudions 66 764 observationssur lâensemble de la pĂ©riode dâĂ©tude. Le tableau n° 1 dĂ©crit lâeffectif de lâĂ©chantillon sur lapĂ©riode Ă©tudiĂ©e.
2.2 Mesure du niveau technologique
2.2.1 Principes
Le niveau technologique est communĂ©ment dĂ©fini dans les recherches prĂ©cĂ©dentes selon deuxtypes dâapproches. Il peut ĂȘtre apprĂ©hendĂ© par lâappartenance Ă certains secteurs industrielsspĂ©cifiques qui sont considĂ©rĂ©s de façon a priori des secteurs de haute technologie. Une autreapproche consiste Ă dĂ©finir le niveau technologique Ă lâaide de donnĂ©es caractĂ©ristiques decelui-ci. Les variables gĂ©nĂ©ralement considĂ©rĂ©es sont les dĂ©penses en R&D de lâentreprise oudu secteur, la publication dâinformation sur les dĂ©penses en R&D, les informations sur lesbrevets de lâentreprise⊠La premiĂšre mĂ©thode prĂ©sente lâinconvĂ©nient dâĂȘtre uneclassification arbitraire qui nâest pas basĂ©e sur un critĂšre objectif. La limite principale de ladeuxiĂšme approche est que les Ă©chantillons disposent souvent de peu dâinformations sur larecherche et dĂ©veloppement et que cette variable dĂ©pend des pratiques comptables appliquĂ©es(dans le cadre europĂ©en). Nous proposons de retenir une classification sectorielle basĂ©e surplusieurs variables reprĂ©sentatives du niveau technologique.
TABLEAU N°1 : ECHANTILLONS DâETUDE
Années 93 94 95 96 97 98 99 00 01 02
Echantillon original 9 460 9 460 9 460 9 460 9 460 9 460 9 460 9 460 9 460 9 460
Echantillon « des actives » 9 282 9 218 9 151 9 056 8 914 8 767 8 590 8 368 8 100 7 783
Echantillon SIC 9 277 9 215 9 148 9 053 8 911 8 764 8 587 8 365 8 097 7 780
Division H, J, K 2 185 2 164 2 154 2 127 2 095 2 057 2 005 1 956 1 888 1 802
Echantillon dâĂ©tude 1
- DĂ©finition du NT -7 092 7 051 6 994 6 926 6 816 6 707 6 582 6 409 6 209 5 978
Echantillon dâĂ©tude 2
- DĂ©finition des OC -1 923 2 250 2 294 2 241 2 693 2 753 2 653 2 495 2 249 434
Echantillon dâĂ©tude 3.1
- DĂ©finition des Start Up -- - - - 34 363 419 639 714 -
Echantillon dâĂ©tude 3.2
- DĂ©finition des autres phases
-
- - - - 1 858 1 678 1 737 1 857 1 660 -
LâĂ©chantillon original comprend lâensemble des entreprises disponibles sur la base de donnĂ©es ThomsonAnalytics pour chaque annĂ©e de la pĂ©riode dâĂ©tude, tous secteurs confondus.LâĂ©chantillon « des actives » contient les entreprises exerçant une activitĂ© au 1er janvier de lâannĂ©e dâĂ©tude.LâĂ©chantillon SIC est constituĂ© des entreprises actives pour lesquelles nous disposons dâinformations sur la SIC.Les entreprises de la division H soient les entreprises du secteur financier et de lâassurance, les entreprises de ladivision J soient les administrations publiques et les entreprises de la division K soient les entreprisesinclassables en termes de secteur, sont retirĂ©es de lâĂ©chantillon SIC formant ainsi lâĂ©chantillon dâĂ©tude 1.LâĂ©chantillon dâĂ©tude 2 correspond aux entreprises de lâĂ©chantillon dâĂ©tude 1 pour lesquelles nous disposonsdes informations sur les variables permettant de dĂ©finir les opportunitĂ©s de croissance et pour lesquelles lesratios de capitalisation sont positifs.LâĂ©chantillon dâĂ©tude 3.1 correspond aux entreprises cotĂ©es sur les marchĂ©s de croissance. Afin de dĂ©finir laphase de dĂ©marrage, il convient de disposer dâinformations sur les marchĂ©s de croissance europĂ©ens. CesmarchĂ©s se sont dĂ©veloppĂ©s Ă partir de 1997. Aussi, notre pĂ©riode dâĂ©tude ne peut commencer quâĂ partir decette annĂ©e. De plus, par manque dâinformation, les entreprises de lâannĂ©e 2002 ont Ă©tĂ© ĂŽtĂ©es de lâanalyse.LâĂ©chantillon dâĂ©tude 3.2 correspond aux entreprises de lâĂ©chantillon dâĂ©tude 3.1 pour lesquelles nousdisposons des informations sur les variables permettant de dĂ©finir les phases du cycle de vie. Par cohĂ©rence,nous avons considĂ©rĂ© la mĂȘme pĂ©riode pour apprĂ©hender la phase de Start Up et les autres phases.Nous distinguons trois Ă©chantillons dâĂ©tudes car la dĂ©finition des diffĂ©rents Ă©lĂ©ments contextuels nĂ©cessite desinformations diffĂ©rentes. Nous avons choisi de ne pas Ă©tudier le mĂȘme Ă©chantillon (Ă©chantillon pour lequel ondisposerait de toutes les informations nĂ©cessaires pour la dĂ©finition de lâensemble des Ă©lĂ©ments contextuels) afinde ne pas rĂ©duire les Ă©chantillons dâĂ©tude et de ne pas les biaiser.
2.2.2 CritĂšres : indicateurs du niveau technologique
Parmi les variables envisageables : dĂ©penses en R&D, nombre de brevets dĂ©posĂ©s, faisabilitĂ©technologique, ⊠il nous semble quâune information directe sur les dĂ©penses en R&D est lavariable la plus satisfaisante dâun point de vue thĂ©orique et empirique. La Recherche etDĂ©veloppement (R&D) se dĂ©finit comme un processus rationnel qui assure la transformationet lâapplication de la connaissance Ă la rĂ©alisation technique. Les activitĂ©s de R&D permettantde diffuser le progrĂšs technique sont donc logiquement considĂ©rĂ©es pour apprĂ©cier le niveautechnologique de lâentreprise. Il peut cependant exister un dĂ©calage important entre lesdĂ©penses en R&D et les bĂ©nĂ©fices escomptĂ©s. De plus, les bĂ©nĂ©fices escomptĂ©s des R&D sontparfois difficiles Ă apprĂ©hender. Le brevet peut alors permettre dâapprĂ©cier le rĂ©sultat de laR&D. Cet indicateur prĂ©sente nĂ©anmoins quelques problĂšmes : tous les projets de R&D nesont pas brevetĂ©s et tous les brevets nâont pas la mĂȘme portĂ©e technique ni la mĂȘmesignificativitĂ© Ă©conomique (GRILICHES - 1990 et HALL et al. - 2000). Par ailleurs, beaucoupdâinventions ou innovations sont introduites longtemps aprĂšs le brevet alors que dâautres
apparaissent avant le brevet (HIRSCHEY et al - 1998). Nous choisissons de dĂ©finir le niveautechnologique Ă partir des dĂ©penses en R&D. Lâinformation sur la R&D des entreprises estpeu disponible ; nous proposons de considĂ©rer la R&D du secteur de lâentreprise pourapprĂ©cier son niveau technologique10. Les secteurs sont apprĂ©hendĂ©s selon la StandardIndustry Classification (SIC) Ă deux chiffres11.Nous considĂ©rons trois critĂšres pour caractĂ©riser les dĂ©penses de R&D sectorielles : lâintensitĂ©de lâactivitĂ© de R&D du secteur, la publication des dĂ©penses en R&D du secteur et laprogression de lâactivitĂ© de R&D du secteur. LâintensitĂ© de lâactivitĂ© de R&D du secteur estmesurĂ©e par la moyenne des dĂ©penses en R&D rapportĂ©es au chiffre dâaffaires de chaquesecteur. Ce ratio est calculĂ© Ă partir des dĂ©penses des R&D des entreprises du secteur quidivulguent de lâinformation sur la R&D. Ce critĂšre sâavĂšre insuffisant dans le cas de secteursnâinformant pas sur leur activitĂ© de R&D. Nous considĂ©rons Ă©galement la publication desdĂ©penses en R&D pour chacun des secteurs. Celle-ci est mesurĂ©e Ă travers le nombredâentreprises publiant leurs dĂ©penses de R&D dans un secteur rapportĂ© au nombredâentreprises de ce secteur. Selon lâĂ©tude de DUMONTIER et BAH (2001), les secteurs dontles dĂ©penses en R&D sont faibles et qui divulguent le moins dâinformations sur la R&D sontconsidĂ©rĂ©s de basse technologie. Inversement, ceux qui communiquent davantage sur la R&Dtout en prĂ©sentant un faible niveau de R&D ne sont pas pris en compte dans lâĂ©tude.Cependant, nous pouvons aussi penser quâun secteur qui affiche de faibles dĂ©penses en R&Dmais aussi un fort taux de publication tĂ©moigne alors dâautant plus dâun faible niveautechnologique. Plus lâinformation est divulguĂ©e, plus lâintensitĂ© de R&D, Ă©tablie sur lesinformations disponibles, reflĂšte les pratiques des secteurs. Il semble cependant que ce cas soitplutĂŽt marginal. La caractĂ©risation du niveau technologique des entreprises prĂ©sentant unefaible intensitĂ© en R&D nâest pas clairement dĂ©finie. La prise en compte de la publication desdĂ©penses en R&D du secteur ne permet pas non plus de conclure de façon nette sur le niveautechnologique. Nous proposons de considĂ©rer un troisiĂšme critĂšre : la progression desdĂ©penses en R&D. Celle-ci correspond Ă la variation de lâintensitĂ© de R&D du secteur. NouscaractĂ©risons les secteurs qui affichent de faibles dĂ©penses en R&D Ă partir de la publicationet du signe de la variation de ces dĂ©penses. Si la communication en matiĂšre de R&D est faibleet que les dĂ©penses en R&D diminuent, nous caractĂ©risons le secteur de basse technologie. Sila publication est Ă©levĂ©e et que les dĂ©penses en R&D augmentent, nous caractĂ©risons lesecteur de haute technologie.
2.2.3 Classification : dĂ©finition des groupes dâentreprises de haute et de bassetechnologie
Comme les Ă©tudes prĂ©cĂ©dentes, nous considĂ©rons de haute technologie les secteurs dontlâintensitĂ© de lâactivitĂ© de R&D est supĂ©rieure Ă 5 %. Pour les secteurs dont lâintensitĂ© delâactivitĂ© de R&D est infĂ©rieure Ă 5 %, la classification est moins nette. Nous tenons compte
10 Comme le souligne VAUBOURG (2002), cette dĂ©marche prĂ©sente cependant des limites. Une entrepriseappartenant Ă un secteur de haute technologie nâest pas forcĂ©ment elle-mĂȘme de haute technologie. NĂ©anmoins,nous pouvons penser que les dĂ©penses en R&D de lâentreprise sont corrĂ©lĂ©es avec celles de son secteur. LEV etSOUGIANNIS (1996) mesurent un coefficient de corrĂ©lation de 0,65 pour 4 secteurs sur 6. LEV etSOUGIANNIS (1996) et VAUBOURG (2002) soulignent de surcroĂźt que les problĂšmes dâenregistrement deR&D qui peuvent apparaĂźtre au niveau de lâentreprise (absence ou mauvaise comptabilisation) sont attĂ©nuĂ©s auniveau sectoriel.11 Nous avons Ă©galement envisagĂ© dâautres classifications sectorielles (General Industry Classification, DowJones Industry Group). Il apparaĂźt cependant que la SIC nous fournit une dĂ©finition des niveaux technologique laplus robuste.
des deux autres critĂšres : la progression de lâintensitĂ© de lâactivitĂ© de R&D et la publicationdes dĂ©penses en R&D. Les entreprises sont caractĂ©risĂ©es selon le signe de la variation delâintensitĂ© de R&D et selon la position du ratio caractĂ©risant la publication des dĂ©penses enR&D (segmentation en quintile). Un secteur affichant des dĂ©penses en R&D infĂ©rieures Ă 5 %, avec un haut niveau de publication des dĂ©penses en R&D et connaissant une progressionpositive de son activitĂ© de R&D est considĂ©rĂ© de haute technologie. Inversement, uneentreprise appartenant Ă un secteur affichant des dĂ©penses en R&D infĂ©rieures Ă 5 %, avec unfaible niveau de publication des dĂ©penses en R&D et connaissant une baisse de son activitĂ© deR&D se caractĂ©rise par un faible niveau technologique. Dans les autres cas, nous considĂ©ronsquâil nâest pas possible de juger du niveau technologique. Ces secteurs inclassables sontexclus de lâanalyse. Le tableau n° 2 rĂ©capitule les critĂšres et la mĂ©thodologie de classification.
TABLEAU N°2 : DEFINITION DES GROUPES DE HAUTE ET BASSE TECHNOLOGIE
- CLASSIFICATION ANNUELLE -CritĂšres de classification
Intensité R&D Progression R&D Publication R&D
Classification
â„ 5 % Non-prise en compte Non-prise en compte Haute technologie
< 5 % Positive 4e interquartile Haute technologie
NĂ©gative 1er interquartile Basse technologie
Positive 1er, 2e et 3e interquartile Inclassable
NĂ©gative 2e, 3e et 4e interquartile Inclassable
Le 1er quartile comprend le quart des entreprises dont la fréquence de publication est la plus faible.
Cette analyse est effectuĂ©e pour chaque secteur et pour chaque annĂ©e sur toute la pĂ©riodedâĂ©tude. Nous considĂ©rons que le niveau technologique du secteur doit ĂȘtre identique pourlâensemble de la pĂ©riode Ă©tudiĂ©e. Nous proposons, alors, de dĂ©finir un niveau technologiquegĂ©nĂ©ral sur lâensemble de la pĂ©riode pour chacun des secteurs. Pour ce faire, nous apprĂ©cionslâoccurrence de la classification annuelle sur la pĂ©riode dâĂ©tude. Ce calcul consiste Ă rapporterle nombre dâannĂ©es oĂč le secteur est de haute technologie ou de basse technologie au nombredâannĂ©es de la pĂ©riode dâĂ©tude. Un secteur est dĂ©fini de haute technologie sâil nâest jamaisqualifiĂ© de basse technologie sur la pĂ©riode et sâil se rĂ©vĂšle de haute technologie pour 80 % dela pĂ©riode12. La dĂ©finition des entreprises de basse technologie nâĂ©tant pas si nette, nousproposons de considĂ©rer trois dĂ©finitions :- (1) Un secteur est dĂ©fini de basse technologie sâil nâest pas considĂ©rĂ© de haute technologie
sur lâensemble de la pĂ©riode (selon la dĂ©finition ci-dessus) ;- (2) Un secteur est dĂ©fini de basse technologie sâil nâest pas considĂ©rĂ© de haute technologie
pour aucune des annĂ©es dâĂ©tudes ;- (3) Un secteur est dĂ©fini de basse technologie sâil nâest pas considĂ©rĂ© de haute technologie
pour aucune des annĂ©es dâĂ©tudes et sâil se rĂ©vĂšle de basse technologie13 pour 60 % de lapĂ©riode.
Le tableau n°3 prĂ©sente la classification gĂ©nĂ©rale trouvĂ©e pour lâensemble de la pĂ©riode. Celle-ci est Ă©tablie sur une pĂ©riode de 10 annĂ©es (1993/2002), en considĂ©rant une classification Ă partir des codes SIC Ă deux chiffres et selon la dĂ©finition la plus stricte des entreprises debasse technologie (dĂ©finition 3). La classification opĂ©rĂ©e semble cohĂ©rente. En effet, la nature
12 Pour ĂȘtre de haute technologie, le secteur ne doit jamais ĂȘtre dĂ©fini de basse technologie pour chacune desannĂ©es et au moins considĂ©rĂ© de haute technologie huit annĂ©es (pĂ©riode dâĂ©tude de 10 annĂ©es).13 Nous avons choisi un seuil dâoccurrence plus faible pour la dĂ©finition des secteurs de basse technologie car ladistinction entre le groupe basse technologie et inclassable est moins nette que la frontiĂšre entre le groupe hautetechnologie et inclassable.
des secteurs dâactivitĂ© ainsi classĂ©s semble logique et correspond Ă ce quâon aurait puimaginer a priori. Les secteurs de haute technologie sont des secteurs de lâindustrie chimique,Ă©lectronique ou Ă©lectrique et de services comme la santĂ©. Les secteurs de basse technologiesont des secteurs de lâagriculture, sylviculture ou pĂȘche, de transports, commerces de dĂ©tails etautres services gĂ©nĂ©raux comme les services juridiques, sociaux ou culturels.
TABLEAU N°3 : COMPOSITION SECTORIELLE DES SOUS-ĂCHANTILLONS
DâENTREPRISES DE HAUTE ET BASSE TECHNOLOGIE
Niveau technologique Code SIC(Ă 2 chiffres)
Secteur
Basse Technologie
1 Productions agricoles, rĂ©coltes7 Services aux productions agricoles8 Sylviculture9 Chasse et pĂȘche10 Extraction de mĂ©taux15 Entrepreneurs de bĂątiments gĂ©nĂ©raux16 Construction lourde, BĂątiment24 Charpente et menuiserie41 Transports urbains de voyageurs42 Transports routiers entreposage44 Transports par eau45 Transports par air46 Canalisations exceptĂ©es gaz naturel54 Magasin dâalimentation55 Concessionnaire et stations services58 Restauration et bar59 Vente aux dĂ©tails divers70 HĂŽtels et autres hĂ©bergements touristiques72 Services personnels75 RĂ©parations de vĂ©hicules automobiles, services et stationnement76 RĂ©parations diverses, services78 Films cinĂ©matographiques79 Divertissement et services rĂ©crĂ©atifs81 Services juridiques83 Services sociaux84 MusĂ©e, botaniques, jardins zoologiques86 ActivitĂ©s associatives89 Services, NEC
Haute Technologie
28 Produits chimiques et dĂ©rivĂ©s35 Machines industrielles et Ă©quipements36 Electroniques et autres Ă©quipements Ă©lectroniques38 Instruments et produits connexes73 Services pour les entreprises80 Services de santĂ©87 Services de gestion et dâengineering
La dĂ©finition des entreprises de basse technologie est Ă©tablie Ă partir des donnĂ©es de lâensemble de la pĂ©riode etselon la dĂ©finition (3) des entreprises de basse technologie.Apparaissent en grisĂ© les secteurs Ă©galement considĂ©rĂ©s de basse technologie si on applique une dĂ©finition pluslarge (dĂ©finition 1).
2.3 Mesure des opportunités de croissance
2.3.1 Principes
LittĂ©ralement, une opportunitĂ© renvoie Ă un Ă©vĂ©nement favorable et propice Ă venir. LesopportunitĂ©s de croissance correspondent aux Ă©ventualitĂ©s pour lâentreprise dâaccroĂźtre sonactivitĂ© dans le futur. La littĂ©rature assimile souvent les opportunitĂ©s de croissance et lesopportunitĂ©s dâinvestissement. Nous considĂ©rerons Ă©galement ces deux termes similaires
puisque lâentreprise doit dĂ©velopper des investissements pour capturer les opportunitĂ©s decroissance. Par ailleurs, les entreprises innovantes ou de haute technologie sont Ă©galementsouvent assimilĂ©es Ă des entreprises bĂ©nĂ©ficiant dâopportunitĂ©s de croissance, cependantlâinnovation ou la technologie ne sont pas les seuls Ă©lĂ©ments Ă lâorigine de telles opportunitĂ©s.Ainsi, lâentreprise peut assurer son dĂ©veloppement futur en rĂ©alisant des investissementsdiffĂ©renciĂ©s, en mettant en place des barriĂšres Ă lâentrĂ©e pour assurer une position dominanteet profiter de rentes de situation, en dĂ©veloppant des Ă©conomies dâĂ©chelleâŠDe façon gĂ©nĂ©rale,une opportunitĂ© de croissance sâanalyse comme une option sur des investissements rentables Ă venir. ConcrĂštement, elle vient aussi bien de projets dâinnovation que de projets dâextensionou de modernisation des capacitĂ©s de production. Elle vient aussi de la possibilitĂ© delancement de nouveaux produits, de croissance externe et de consolidation des moyens ouremplacement des actifs existants⊠(KESTER, 1984, GAVER et GAVER, 1993).Lâensemble des opportunitĂ©s de croissance constitue lâEventail des OpportunitĂ©sdâInvestissement, dĂ©signĂ© par le sigle EOI14 et les entreprises bĂ©nĂ©ficiant dâEOI sont qualifiĂ©esde valeurs de croissance.Par dĂ©finition, les opportunitĂ©s de croissance sont difficilement Ă©valuables car elles sontinobservables et non informĂ©es dans les Ă©tats financiers. Il convient donc de dĂ©finir desvariables subrogatoires pour les apprĂ©cier. Mais, comme le soulignent GAVER et GAVER(1993), il nâexiste pas de vĂ©ritables consensus dans la littĂ©rature quant Ă la dĂ©finition de cesindicateurs : « Les opportunitĂ©s dâinvestissement sont inobservables et aucun consensus ne sedĂ©gage de la littĂ©rature comptable et financiĂšre au sujet dâun proxy appropriĂ©. »15.DiffĂ©rentes mesures sont communĂ©ment proposĂ©es : valeurs de marchĂ© rapportĂ©es Ă desmesures comptables ou inversement, coefficients de capitalisation des bĂ©nĂ©fices et indicateurssimilaires, intensitĂ© en R&D, mesures de risques etc. Chacune de ces mesures permet Ă safaçon de prendre en compte les opportunitĂ©s de croissances et chacune prĂ©sente des avantageset des inconvĂ©nients (voir DISLE 2004). La plupart des Ă©tudes utilise une seule mesure,notamment les ratios de capitalisation. NĂ©anmoins, comme le soulignent GAVER et GAVER(1993), chaque mesure est insatisfaisante16. LâĂ©tude dâADAM et GOYAL (2002) proposedâĂ©tudier la performance de diffĂ©rents proxies Ă lâaide dâune analyse de rĂ©gression17. Le ratiode capitalisation des actifs apparaĂźt comme le meilleur proxy. Il prĂ©sente le meilleur contenuinformatif relatif et marginal, mĂȘme sâil sous-estime les opportunitĂ©s de croissance. Le ratiode capitalisation des fonds propres et le PER sont eux aussi corrĂ©lĂ©s aux opportunitĂ©s decroissance mais ils ne contiennent pas dâinformations supplĂ©mentaires par rapport au ratios decapitalisation. LâintensitĂ© dâinvestissement nâest pas reliĂ© de façon significative auxopportunitĂ©s de croissance. Un facteur commun dĂ©fini Ă partir dâune analyse factorielle nefournit pas un meilleur proxy. GAVER et GAVER (1993) puis PIOT (2001) proposentnĂ©anmoins une analyse factorielle des diffĂ©rentes mesures des opportunitĂ©s de croissance pour
14 Traduction de lâexpression Investment Opportunity Set (IOS) adoptĂ©e par la littĂ©rature anglo-saxonne.15 « The investment opportunity set is unobservable and no consensus has emerged in the accounting and financeliteratures concerning an appropriate proxy variable. », p130, GAVER et GAVER (1993)16 « Les opportunitĂ©s de croissance sont par nature inobservables et certainement imparfaitement mesurĂ©es parune seule variable subrogatoire empirique. » « The investment opportunity set is inherently unobservable and islikely to be imperfectly measured by any single empirical proxy. », p 133, GAVER et GAVER (1993)17 Les auteurs proposent dâĂ©tudier le secteur particulier des mines car pour ce secteur la SEC oblige lesentreprises Ă publier la nature, la grandeur et la qualitĂ© des gisements. Ainsi il est possible par une approche enoption rĂ©elle de valoriser les opportunitĂ©s de croissance. A partir de la valeur estimĂ©e des opportunitĂ©s decroissance, lâĂ©tude apprĂ©cie le contenu informationnel relatif et marginal des diffĂ©rents proxies Ă lâaide derĂ©gressions.
dĂ©terminer un index synthĂ©tisant lâinfluence commune de lâensemble des facteurs. GAVER etGAVER (1993) dĂ©finissent un facteur construit sur six variables : ratio de capitalisation desactifs et des fonds propres, intensitĂ© en R&D, risque de lâentreprise et nombre de fondsmutuels de croissance dans lesquels apparaĂźt lâentreprise. PIOT (2001) dĂ©termine deuxfacteurs Ă partir de quatre mesures : ratio de capitalisation des actifs et des fonds propres,risque dâexploitation et risque total et spĂ©cifie un index Ă partir du premier facteur dĂ©fini surles quatre mesures et reprĂ©sentant essentiellement les ratios de capitalisation et dans unemoindre mesure le risque total18. A partir de ces indices, les entreprises sont classĂ©es en deuxgroupes : entreprises bĂ©nĂ©ficiant ou non dâopportunitĂ©s de croissance en dĂ©coupantlâĂ©chantillon en quantile19 ou Ă lâaide dâune analyse typologique.Nous proposons de considĂ©rer lâensemble des mesures prĂ©citĂ©es ci-dessus. A partir de cesmesures, nous dĂ©finissons des indicateurs synthĂ©tiques Ă lâaide dâune analyse factorielle etidentifions les entreprises bĂ©nĂ©ficiant dâopportunitĂ©s de croissance en les classant Ă partir desindicateurs dĂ©terminĂ©s.
2.3.2 CritÚres de mesure : indicateurs des opportunités de croissance
Le tableau n° 4 rĂ©capitule les variables envisagĂ©es et prĂ©cise leurs dĂ©finitions. Nousenvisageons de dĂ©finir un indicateur agrĂ©gĂ© des opportunitĂ©s de croissance Ă lâaide dâuneanalyse factorielle20. Nous rĂ©sumons ci-aprĂšs les Ă©tapes et les rĂ©sultats de la dĂ©finition desindicateurs de croissance (voir tableau n° 5). Les opportunitĂ©s de croissance se dĂ©finissent Ă partir de trois indicateurs : lâintensitĂ© dâinvestissement, le ratio de capitalisation et le risqueĂ©conomique et financier. Le premier facteur regroupe les variables reflĂ©tant les dĂ©penses eninvestissement. Lâindicateur intensitĂ© dâinvestissement est dĂ©fini selon les annĂ©es par lâun desdeux ratios investissement sur actifs ou chiffre dâaffaires ou conjointement par les deux ratios.Le deuxiĂšme facteur caractĂ©rise les ratios de capitalisation. Il sâexprime selon les annĂ©es, autravers du ratio de capitalisation des actifs ou / et du ratio de capitalisation des bĂ©nĂ©fices. LetroisiĂšme facteur permettant de dĂ©finir les opportunitĂ©s de croissance est le risque Ă©conomiqueet financier. Selon les annĂ©es, cet indicateur est formĂ© du seul risque Ă©conomique ouĂ©galement du risque financier.
18 Les deux facteurs expliquent 75 % de la variance ; le premier facteur explique la moitiĂ© de la variance etsynthĂ©tise lâinfluence essentiellement des ratios valeur de marchĂ© et valeur comptable et de façon moinssubstantielle lâinfluence du risque totale ; le deuxiĂšme facteur caractĂ©rise essentiellement le risque dâexploitation.19 Par exemple, pour GAVER et GAVER (1993), considĂ©ration du premier et dernier quintile et pourPIOT (2001), dĂ©composition de lâĂ©chantillon Ă partir de la mĂ©diane.20 La dĂ©finition de lâindicateur doit ĂȘtre identique pour lâensemble des annĂ©es. Nous avons menĂ© lâanalysefactorielle pour chacune des annĂ©es de la pĂ©riode Ă©tudiĂ©e et pour la pĂ©riode dans son ensemble. Les indicateursse sont avĂ©rĂ©s identiques.
TABLEAU N° 4 : INDICATEURS DES OPPORTUNITĂS DE CROISSANCE
Variables Mesures Items Thomson AnalyticsRatio de capitalisation Ratio de capitalisation des actifs
Ratio de capitalisation des bénéficesPrice to book ratio closePER ratio close
IntensitĂ© de lâactivitĂ©dâinvestissement
Investissement (en immo.) par ventesInvestissement (en immo.) par actifs
Capital expenditure / salesCapital expenditure / total assets
Risque (1) Risque Ă©conomique
Risque financier
Ï (return on assets) ouÏ (return on invested capital)Ï (return on equity)
Performances prévisionnelles (2) Prévision du taux de rentabilitéfinanciÚre moyen
ib. ROE mean curr FYR1 (prévisionannuelle de la rentabilité financiÚre)
(1) LâĂ©cart -type est calculĂ© sur une pĂ©riode de 6 ans : lâannĂ©e dâĂ©tude et les cinq annĂ©es prĂ©cĂ©dentes.(2) Les performances prĂ©visionnelles sont fournies par IBES et sont rĂ©coltĂ©es dans la base de donnĂ©es deThomson Analytics. Cette variable a par la suite Ă©tĂ© Ă©cartĂ©e, car nous ne disposions pas assez dâinformations.
TABLEAU N° 5 : ETAPES ET RESULTATS DE LâANALYSE FACTORIELLE PERMETTANT DE DEFINIR LES INDICATEURS DES EOI
Contraintes MĂ©thodes et critĂšresChoix de la mĂ©thodedâanalyse factorielle
âą Etude de lâobjectif de lâanalyse âą Application de lâACP permettant derĂ©sumer les critĂšres
Conditions dâapplicationpropres aux variables etindicateurs statistiques Ă respecter21
âą Nombre dâobservations supĂ©rieur de30 Ă 50 au nombre de variables
⹠Matrice de corrélation⹠Test de sphéricité de BARTLETT⹠Test de KAISER, MEYER etOLKIN
⹠2 200 entreprises - année en moyenne > 7variables définissant les opportunités decroissance⹠Coefficients satisfaisants⹠Signification : 0,000⹠Indice KMO > 0,5
DĂ©termination du nombre defacteurs Ă retenir22
âą RĂšgle de KAISERâą Courbe des valeurs propresâą Restitution minimum
âą Valeur propre > 1 â 3 facteursâą Screen test â 3 facteursâą Variance expliquĂ©e > 50 % â 3 facteurs
Structure des facteurs23 ⹠Qualité de représentation desvariables⹠Rotation des axes
âą Coefficient dâextraction > 0,5 â VĂ©rifiĂ©e leplus souventâą Varimax
Interprétation24 ⹠Etude des scores factoriels⹠Etude de la composition desfacteurs et de la signification desfacteurs
âą Scores factoriels > 0,5 â trĂšs significatifsâą DĂ©finition de trois facteurs :- IntensitĂ© dâinvestissement- Ratio de capitalisation- Risque Ă©conomique et financier
Validité ⹠Validité interne, qualité globale,qualité propre à chaque variable⹠Validité externe
âą Respect des conditions et test statistiques
⹠Cohérence des facteurs obtenus (littérature)
2.3.3 Classification : dĂ©finition des groupes dâentreprises Ă fortes opportunitĂ©s decroissance et Ă faibles dâopportunitĂ©s de croissance
Nous appliquons une classification basĂ©e sur des hypothĂšses concernant la position desindicateurs des opportunitĂ©s de croissance. Nous segmentons lâĂ©chantillon en deux groupes -les entreprises bĂ©nĂ©ficiant dâopportunitĂ©s de croissance et les firmes nâen bĂ©nĂ©ficiant pas - Ă partir des mĂ©dianes des scores factoriels des indicateurs. Nous considĂ©rons conjointement lestrois facteurs et proposons deux segmentations :
21 Les conditions sont respectĂ©es pour chacune des annĂ©es Ă©tudiĂ©es22 Le nombre de facteur dĂ©terminĂ© est le mĂȘme pour chacune des annĂ©es Ă©tudiĂ©es.23 La structure des facteurs est identique pour chacune des annĂ©es Ă©tudiĂ©es.24 On retrouve les mĂȘmes facteurs pour chacune des annĂ©es Ă©tudiĂ©es ; la composition est nĂ©anmoins pas toujoursidentique.
- Selon une segmentation stricte, les entreprises dont les scores factoriels des troisindicateurs sont supĂ©rieures Ă la mĂ©diane sont supposĂ©es bĂ©nĂ©ficier dâopportunitĂ©s decroissance, inversement si les scores factoriels sont infĂ©rieurs ;
- Selon une segmentation moins stricte, on admet quâune entreprise bĂ©nĂ©ficiedâopportunitĂ©s de croissance si les scores factoriels de deux indicateurs sont supĂ©rieurs Ă la mĂ©diane. De mĂȘme, on considĂšre quâune entreprise ne bĂ©nĂ©ficie pas dâopportunitĂ©s decroissance si les scores factoriels de deux indicateurs sont infĂ©rieurs Ă la mĂ©diane.
2.4 DĂ©finition des phases du cycle de vie
2.4.1 Principes
Il nây a pas de consensus ni de mĂ©thodes opĂ©rationnelles clairement dĂ©finies pour dĂ©terminerles phases du cycle de vie de lâentreprise. Les diffĂ©rentes mĂ©thodologies partent cependant dumĂȘme constat : « le concept de cycle de vie intĂšgre une sĂ©rie de caractĂ©ristiques financiĂšresdes entreprises propres Ă la phase du cycle de vie. (âŠ) Ainsi, les caractĂ©ristiques financiĂšresassociĂ©es aux phases du cycle de vie sont utilisĂ©es pour classer les entreprises, par annĂ©e,selon leurs phases du cycle de vie. »25. Nous proposons de distinguer les entreprises selonquatre phases : dĂ©marrage ou start-up, croissance, maturitĂ© et dĂ©clin. Nous dĂ©finissons cesphases en deux temps. Nous dĂ©terminons dans un premier temps de façon singuliĂšre lesentreprises en phase de dĂ©marrage. Les entreprises cotĂ©es sur les marchĂ©s boursiers destinĂ©saux start-up sont censĂ©es ĂȘtre en phase de dĂ©marrage. Dans un second temps, nousdĂ©terminons les autres phases. Pour ce faire, nous considĂ©rons les variables Ă©voquĂ©es par lalittĂ©rature pour caractĂ©riser les phases du processus de dĂ©veloppement des entreprises. Afin dedĂ©finir des indicateurs agrĂ©gĂ©s, nous appliquons une analyse factorielle. Puis, nousdĂ©terminons les phases en Ă©tablissant des hypothĂšses sur la position des indicateurs selon lesphases.
2.4.2 Définition des entreprises en phase de démarrage
Nous dĂ©finissons de façon distincte la phase de dĂ©marrage. BLACK (1998) propose deconsidĂ©rer lâĂąge pour distinguer les entreprises Start Up. Nous proposons de ne pas utilisercette variable. Le concept de cycle de vie nâinduit pas que lâentreprise va suivre de façoncontinue et hiĂ©rarchique les diffĂ©rentes phases du cycle. Ainsi, aprĂšs un dĂ©clin de son activitĂ©principale, une entreprise peut se relancer dans une activitĂ© Ă fort potentiel de dĂ©veloppement.Cette firme peut ĂȘtre considĂ©rĂ©e en phase de dĂ©marrage alors quâelle existe depuis plusieursannĂ©es. Inversement, une entreprise dans ses premiĂšres annĂ©es nâest pas forcĂ©ment en phasede dĂ©marrage. Il se peut que son activitĂ© ne dĂ©marre jamais et quâelle soit directement endĂ©clin, par exemple. Il convient de ne pas confondre premiĂšres annĂ©es de vie de lâentreprise etphase de dĂ©marrage. Nous proposons de dĂ©finir les entreprises en phase de dĂ©marrage commeles entreprises cotĂ©es sur les marchĂ©s boursiers destinĂ©s essentiellement Ă des sociĂ©tĂ©s dehaute technologie et Ă des sociĂ©tĂ©s en pleine expansion qui souhaitent franchir un nouveauseuil de croissance. Par exemple, en France, le Nouveau marchĂ©, ouvert en fĂ©vrier 1996, estun marchĂ© qui sâadresse Ă des sociĂ©tĂ©s europĂ©ennes, jeunes, innovatrices, Ă fort potentiel decroissance et qui ont un besoin de capitaux important pour financer leur dĂ©veloppement. LeNouveau marchĂ© fait partie du rĂ©seau Euro-NM regroupant ses principaux Ă©quivalents
25 « The life cycle concept captures a common set of financial characteristics for firm in a life cycle stage. (âŠ)Financial characteristics associated with corporate life-cycle stages are used to classify firm-years into life-cycle stages », BLACK, 1998, p3 et 4
europĂ©ens comme le Neuer Mark (nouveau marchĂ© allemand26) ou le Nmax (nouveau marchĂ©hollandais). Lâinformation sur les entreprises cotĂ©es sur les marchĂ©s de croissance a Ă©tĂ©obtenue auprĂšs de chacune des places financiĂšres des diffĂ©rents pays.
2.4.3 Définition des entreprises en phase de croissance, maturité et déclin
2.4.3.1 CritĂšres : indicateurs des phases du cycle de vie
Nous considĂ©rons les variables envisagĂ©es par PASHLEY et PHILIPPATOS (1990),ANTHONY et RAMESH (1992) et les caractĂ©ristiques des phases du cycle de vie mises enĂ©vidences par BLACK (1998). Nous avons choisi de ne pas prendre en compte de variablesstructurelles comme la taille ou lâĂąge car nous pensons que ces variables sont plusdifficilement interprĂ©tables. Le tableau n° 6 prĂ©sente les variables considĂ©rĂ©es.
TABLEAU N° 6 : VARIABLES CARACTERISTIQUES DES PHASES DU CYCLE DE VIE
Variables Mesures Définition Thomson Analytics⹠Structure financiÚre⹠Structure financiÚre⹠Capacité de remboursement
⹠Liquidité
âą Poids dettes CTâą Levier financierâą Poids des charges dâintĂ©rĂȘts
⹠Ratio de liquidité
âą (Total debt â total LT debt) / total debtâą Total debt / common equityâą Interest expense on debt / Earningbefore interest and taxesâą Current ratio
âą Distribution des dividendes âą RapportĂ© au rĂ©sultat et au titre âą Dividend payout per shareâą â RĂ©sultat netâą â RĂ©sultat dâexploitation
âą â Marge netteâą RentabilitĂ© Ă©conomiqueâą RentabilitĂ© Ă©conomiqueâą RentabilitĂ© financiĂšre
âą Croissance du rĂ©sultat netâą Croissance du rĂ©sultatdâexploitationâą Croissance de la marge netteâą Rendement de lâactifâą Rendement sur capitaux investisâą Rendement des fonds propres
âą Net income 1 year growthâą Operating income 1 year growth
âą Net margin 1 year growth âą Return on assetsâą Return on invested capitalâą Return on equity per share
âą â Chiffre dâaffairesâą PĂ©nĂ©tration du marchĂ©âą â PĂ©nĂ©tration du marchĂ©
âą Croissance du chiffre dâaffairesâą Part de marchĂ©âą Croissance relative de la part demarchĂ©
âą Sales 1 year growthâą Sales / industry salesâą Sales 1 year growth / industry sales 1year growth
âą Part de la main dâĆuvreâą Part des actifsâą GĂ©nĂ©ration de flux
⹠Ventes par employé⹠Ventes par actif⹠Flux généré par ventes
âą Sales per employeeâą Sales / assetsâą Cash flow / sales
âą Investissement en immo.âą Investissement en immo.âą Investissement en incorporels
âą Investissements (immo) par ventesâą Investissements (immo) par actifâą Part des incorporels dans les actifs
âą Capital expenditure / salesâą Capital expenditure /assetsâą Intangibles / Total assets
A lâaide dâune analyse factorielle, nous proposons de dĂ©terminer des facteurs synthĂ©tiques.Les indicateurs doivent logiquement ĂȘtre communs pour les diffĂ©rentes pĂ©riodes. Nouseffectuons lâanalyse sur lâensemble de la pĂ©riode dâĂ©tude27. Celle-ci est mise en Ćuvre souscertaines conditions et Ă travers des Ă©tapes prĂ©sentĂ©es dans le tableau n° 7.
26 Avant sa disparition en 2003.27 Des analyses factorielles effectuĂ©es distinctement sur les diffĂ©rentes annĂ©es de la pĂ©riode dâĂ©tude ont conduit Ă des rĂ©sultats similaires.
TABLEAU N° 7 : ETAPES ET RESULTATS DE LâANALYSE FACTORIELLE PERMETTANT DE DEFINIR LES INDICATEURS DES PHASES DE CYCLE DE VIE
Contraintes MĂ©thodes et critĂšresChoix de la mĂ©thodedâanalyse factorielle
âą Etude de lâobjectif de lâanalyse âą Application de lâACP permettantde rĂ©sumer les critĂšres
Conditions dâapplicationpropres aux variables etindicateurs statistiques Ă respecter
âą Nombre dâobservations supĂ©rieur de30 Ă 50 au nombre de variablesâą Matrice de corrĂ©lationâą Test de sphĂ©ricitĂ© de BARTLETTâą Test de KAISER, MEYER et OLKIN
⹠6 480 entreprises - année enmoyenne > 21 variables définissantles EOI⹠Coefficients satisfaisants⹠Signification : 0,000⹠Indice KMO = 0,520 > 0,5
DĂ©termination du nombrede facteurs Ă retenir
⹠RÚgle de KAISER⹠Courbe des valeurs propres⹠Restitution minimum⹠Interprétabilité
âą Valeur propre > 1 â 7 facteursâą Screen test â 7 facteursâą Variance expliquĂ©e > 50 % â 5facteursâą Prise en compte de 9 facteursinterprĂ©tables
Structure des facteurs ⹠Qualité de représentation des variables
âą Rotation des axes
âą Coefficient dâextraction > 0,5 âSeul une variable a un coefficient <0,5 (=0,437) mais sâinterprĂšte trĂšsbien avec les autres variables.âą Varimax
Interprétation28 ⹠Etude des scores factoriels
âą Etude de la composition des facteurs etde la signification des facteurs
âą Scores factoriels > 0,5 â trĂšssignificatifsâą DĂ©finition de neuf facteurs :- Croissance du rĂ©sultat- RentabilitĂ©- Performance- IntensitĂ© dâinvestissement- Croissance du chiffre dâaffaires- Structure financiĂšre court terme- CapacitĂ© de remboursement- Dividendes- Structure financiĂšre long terme
Validité ⹠Validité interne, qualité globale,qualité propre à chaque variable⹠Validité externe
⹠Respect des conditions et teststatistiques⹠Cohérence des facteurs obtenus(littérature)
Les variables investissement en Ă©lĂ©ments incorporels, chiffre dâaffaires par actif, flux deliquiditĂ© rapportĂ© aux chiffres dâaffaires, croissance du rĂ©sultat dâexploitation et rentabilitĂ© suractifs ont Ă©tĂ© retirĂ©es de lâĂ©tude car elles prĂ©sentaient une faible qualitĂ© de reprĂ©sentation(<0,529) ou perturbaient lâanalyse et rendaient difficile lâinterprĂ©tation des facteurs. La variablepĂ©nĂ©tration du marchĂ© a Ă©tĂ© conservĂ©e malgrĂ© un coefficient dâextraction lĂ©gĂšrement infĂ©rieurĂ 0,5 car cette variable forme avec dâautres Ă©lĂ©ments un facteur interprĂ©table et reconnu pourdĂ©finir les phases du cycle de vie. Enfin, nous avons choisi de considĂ©rer neuf facteurs plutĂŽtque sept car ces facteurs sont prĂ©sents dans la littĂ©rature et ont du sens pour expliquer lesphases du cycle de vie. Lâanalyse factorielle est trĂšs satisfaisante puisque les facteurs dĂ©finispermettent dâexpliquer environ 78 % de la variance. Neufs indicateurs permettent dedistinguer les phases du cycle de vie de lâentreprise (voir tableau n° 7) :- Croissance du rĂ©sultat : ce facteur est composĂ© des variables croissance annuelle du
résultat net et croissance annuelle de la marge nette. La croissance du résultat est un des
28 On retrouve les mĂȘmes facteurs pour chacune des annĂ©es Ă©tudiĂ©es ; la composition est nĂ©anmoins pas toujoursidentique.29 Test KMO, voir annexe n° 6.1
facteurs essentiels pour définir les phases du cycle de vie (score factoriel = 0,979). Cefacteur a été évoqué par la littérature ;
- RentabilitĂ© : ce facteur est composĂ© des variables rentabilitĂ© Ă©conomique et financiĂšre ;citĂ© aussi dans dâautres Ă©tudes. Câest Ă©galement un des facteurs essentiels dans ladĂ©finition des phases du cycle de vie (score factoriel = 0,969) ;
- Performance : sont regroupĂ©es sous ce facteur, les variables informant sur le chiffredâaffaires, la productivitĂ© salariale et la pĂ©nĂ©tration du marchĂ©. Il regroupe ainsi diffĂ©rentsfacteurs envisagĂ©s dans la littĂ©rature : taille, capacitĂ© productive et positionconcurrentielle ;
- IntensitĂ© dâinvestissement : ce facteur est composĂ© de deux variables mesurant lesinvestissements : les dĂ©penses en investissement rapportĂ©es aux actifs et aux chiffresdâaffaires ;
- Croissance du chiffre dâaffaires : sont comprises dans ce facteur la croissance annuelleabsolue du chiffre dâaffaires et la croissance annuelle relative du chiffre dâaffaires, câest-Ă -dire rapportĂ©e Ă la croissance du chiffre dâaffaires des entreprises du secteur delâentreprise. Ce facteur a Ă©tĂ© utilisĂ© par dâautres Ă©tudes (ANTHONY et RAMESH, 1992ou BLACK, 1998) pour dĂ©finir en partie les phases du cycle de vie des entreprises ;
- Structure financiÚre court terme : ce facteur correspond à la combinaison du ratio deliquidité et du poids des dettes court terme. Ces deux variables agissent en sens inversepour définir cet indicateur ;
- CapacitĂ© de remboursement : ce facteur est dĂ©fini par une seule variable soit le ratiocharges dâintĂ©rĂȘts sur rĂ©sultats avant impĂŽts et charges ;
- Dividende : cet indicateur est Ă©galement dĂ©fini Ă lâaide dâune seule variable soit lesdividendes rapportĂ©s au rĂ©sultat. Dâautres Ă©tudes se sont basĂ©es en partie sur la politiquede dividendes pour dĂ©finir les phases des cycles de vie des entreprises ;
- Structure financiĂšre long terme : ce facteur sâexprime Ă travers le levier financier.
2.4.3.2 Classification : Définition des entreprises en phase de croissance, maturité et déclin
Nous dĂ©finissons les phases de croissance, maturitĂ© et dĂ©clin Ă partir des facteurs dĂ©terminĂ©s Ă lâaide de lâanalyse factorielle. Nous effectuons cette typologie pour chaque annĂ©e de lapĂ©riode dâĂ©tude car une entreprise peut changer de phases au cours de la pĂ©riode. Nous avonsadoptĂ©, tout comme ANTHONY et RAMESH (1992), une classification des entreprises Ă partir de la position des variables caractĂ©ristiques des phases. Cette dĂ©marche est intĂ©ressantecar elle repose sur des hypothĂšses Ă©laborĂ©es Ă partir de constats et de rĂ©sultats mis en Ă©videncepar des Ă©tudes antĂ©rieures. Nous supposons que :- Une entreprise en phase de croissance affiche le plus haut taux de croissance du rĂ©sultat et
du chiffre dâaffaires et que le niveau de performance (taille, capacitĂ© productive, positionconcurrentielle) est le plus Ă©levĂ© comparativement aux autres phases. Elle sâillustre par unniveau de rentabilitĂ©, une intensitĂ© dâinvestissement, une capacitĂ© de remboursement etdes ratios de structure financiĂšres positifs mais infĂ©rieurs Ă ceux quâelle peut connaĂźtre enphase de maturitĂ©. Elle ne distribue pas de dividendes.
- Une entreprise en phase de maturitĂ© affiche dans lâensemble des indicateurs positifs etmoyens. Durant cette phase, lâentreprise connaĂźt une croissance de son rĂ©sultat et de sonchiffre dâaffaires ainsi quâun niveau de performance et de rentabilitĂ© positif mais infĂ©rieurĂ ceux qui sont connus en phase de croissance. Par contre, elle connaĂźt ses meilleursconditions en matiĂšre de structure financiĂšre et de capacitĂ© de remboursement. Elle
dĂ©veloppe une politique de distributions de dividendes. Cependant, une entreprise maturene rĂ©alise plus dâinvestissement.
- Une entreprise en phase de dĂ©clin prĂ©sente les indicateurs les plus dĂ©favorables. LarentabilitĂ©, la croissance du rĂ©sultat et du chiffre dâaffaires ainsi que la capacitĂ© deremboursement peuvent ĂȘtre nĂ©gatifs. Le niveau de performance et les ratios de structurefinanciĂšre demeurent positifs mais sont les plus faibles que peut connaĂźtre lâentreprise. Lafirme dĂ©sinvestit et ne distribue pas de dividendes.
Les entreprises sont classĂ©es selon la position des scores factoriels par rapport aux quantilesdâordre 1/3 et 2/3 des scores factoriels pour chaque annĂ©e de la pĂ©riode dâĂ©tude30 et pourchacune des entreprises. Nous considĂ©rons cinq facteurs sur neuf31. Le tableau n° 8 prĂ©cise noshypothĂšses sur la position des indicateurs en terme de quantile. Nous classons les entreprises Ă partir de lâensemble des positions des facteurs. Une entreprise est catĂ©gorisĂ©e dans une phasede cycle de vie donnĂ©e si au moins trois des indicateurs sur cinq sont caractĂ©ristiques de laphase32.
TABLEAU N° 8 : POSITION DES SCORES FACTORIELS SELON LES PHASES DU CYCLE DE VIE
Croissance Maturité Déclin
Croissance du résultat Q3, Q4 Q2 Q1
Rentabilité Q2 Q3, Q4 Q1
Performance Q3, Q4 Q2 Q1
IntensitĂ© dâinvestissement Q3, Q4 Q2 Q1
Croissance du chiffre dâaffaires Q3, Q4 Q2 Q1
Q1 : quantile dâordre 1/3 ; Q2 : quantile dâordre 2/3 des scores factoriels sur 5 annĂ©es
La valorisation de lâentreprise Ă©tant conditionnĂ©e par les caractĂ©ristiques de celle-ci,lâapproche contextuelle souligne que la pertinence des chiffres comptables est influencĂ©e parle contexte de lâentreprise. Lâapplication de cette approche nĂ©cessite de dĂ©finir empiriquementdes Ă©lĂ©ments contextuels. Nous proposons de considĂ©rer le niveau technologique, lesopportunitĂ©s de croissance et les phases du cycle de vie et de les apprĂ©hender Ă lâaide dediffĂ©rentes informations comptables : dĂ©penses en R&D, montant des investissements, ratiosde capitalisation, niveau de risques, croissance du chiffre dâaffaires, niveau de dettes et defonds propres⊠Cette Ă©tude a pour intĂ©rĂȘt de proposer des mĂ©thodologies empiriques pourdĂ©finir les Ă©lĂ©ments contextuels de lâentreprise. De plus, cette Ă©tude corrobore une dĂ©marcheappliquĂ©e en pratique par les professionnels en matiĂšre dâĂ©valuation. Enfin, cette recherchesâinscrit dans lâĂ©volution actuelle de la comptabilitĂ©. En effet, les Ă©tats financiers visent Ă offrir dâautres informations pour mieux contextualiser lâentreprise et ainsi mieux mesurer savaleur. NĂ©anmoins, cette recherche nâest pas exempte de limites. Lâapproche contextuelle estliĂ©e au choix des Ă©lĂ©ments contextuels considĂ©rĂ©s, Ă la pertinence des indicateurs des Ă©lĂ©mentscontextuels ainsi quâaux mĂ©thodologies de classification.
Références bibliographiques
30 La pĂ©riode dâĂ©tude est rĂ©duite Ă cinq ans car nous considĂ©rons la pĂ©riode utilisĂ©e pour dĂ©finir la phase dedĂ©marrage : 1997-2001.31 Les cinq facteurs permettent dâexpliquer plus de 50 % de la variance. De plus, ceci permet de ne pas ĂȘtre enprĂ©sence de groupes qui prĂ©sentent des caractĂ©ristiques de diffĂ©rentes phases ou de rĂ©duire la taille des groupes.32 Une classification plus stricte consiste Ă classer une entreprise dans une phase de cycle de vie donnĂ©e silâensemble des indicateurs sont caractĂ©ristiques de la phase. Cette approche est plus juste mais nous conduit Ă dĂ©finir des Ă©chantillons trop restreints.
ADAM AND GOYAL, (2002), " The Investment Opportunity Set and its Proxy Variables : Theory and Evidence", Working Paper, Hong Kong University of Science & Technology â Department of Finance and Hong KongUniversity of Science & Technology â Department of Finance
ANTHONY J.H. AND K. RAMESH, (1992), " Association between accounting performance measures and stockprices : a test of the life-cycle hypothesis ", Journal of Accounting and Economics , Vol. 15, n° 2-3, pp. 203-227
BEAVER (2002), " Perspectives on recent capital market research ", The Accounting Review, Vol. 77, n° 2,avril, pp. 453 â 474.
BERNARD, V. L., (1995), " The Feltham-Ohlson Framework : Implications for Empiricists ", ContemporaryAccounting Research, Vol. 11, n° 2, (Spring), pp. 733-747
BLACK, E. L., (1998), " Life-cycle Stage Impacts on the Incremental Value Relevance of Earnings and CashFlows Measures ", The Journal of Financial Statement Analysis, Vol. 4, n° 1, pp. 40-57
BOWEN, R. M. AND D. SHORES, (2000), " Economic Context and the Value Relevance of Accounting Data ",Working Paper, University of Washington
BROWN, P. R., (1998), " A model for effective financial analysis ", The Journal of Financial StatementAnalysis, Vol. 3, n° 4, pp. 60-65
DISLE C., (2004), " Pertinence des chiffres comptables et valeur de lâentreprise : une approche contextuelle ",ThĂšse pour lâobtention du Doctorat en Sciences de Gestion, CERAG
DUMONTIER ET BAH (2001), " R&D intensity and corporate financial policy : some international evidence ",Journal of Business Finance & Accounting, Vol. 28, n° 5 & 6, Juin, Juillet, pp. 3 - 24
DUMONTIER ET RAFFOURNIER (2002), " Accounting and capital markets : a survey of the europeanevidence ", The European Accounting Review, Vol. 11, n° 1, mars, pp. 119 - 151
FELTHAM G. AND J. OHLSON, (1995), " Valuation and clean surplus accounting for operating and financialactivities " , Contemporary Accounting Research, Vol. 11, n°2, (Spring), pp. 689-731
GAVER J. and K. GAVER, (1993), " Additional evidence on the association between the investment opportunityset and corporate financing, dividend and compensation policies ", Journal of Accounting and Economics, vol.16, n° 1-2-3, pp. 125-160
GRILICHES, Z., (1990), " Patent Statistics as Economic Indicators ; a survey ", Journal of Economic Literature,Vol.28, n° 4, pp. 1661-1709
HALL, B., A. JAFFE AND M. TRAJTENBERG, (2000), " Market Value and Patent Citations: A First Look. "NBER Working Paper 7741. Cambridge, MA.
HIRSCHEY, M., V. J. RICHARDSON AND S. W. SCHOLZ, (1998), " Value Relevance of NonfinancialInformation : The Case of Patent Data ", Working Paper, University of Kansas
KESTER W.C., (1984), " Todayâs options for Tomorrowâs Growth ", Harvard Business Review, Vol. 62, n°2,pp. 153-160
KOTHARI (2001), " Capital Markets Research in Accounting ", Journal of Accounting & Economics, Vol. 31,n° 1 â 3, Septembre, pp. 105 - 231
LAWRENCE P. and J. LORSCH, (1973), " Organization and environment, managing differentiation andintegration ", Irwin, Homewod
LEV. B., (1989), " On the usefulness of earnings and earnings research : lessons and directives from two decadesof empirical research ", Journal of Accounting Research, Vol. 27, Supplement, pp. 153-201
PASHLEY, M. M., AND G. C. PHILIPPATOS, (1990), " Voluntary Divestitures and Corporates Life Cycle :Some Empirical Evidence ", Applied Economics, Vol. 22, n° 9, pp. 1181-1196
PATELL, J. M., (1989), " Discussion of On the Usefulness of Earnings Research: Lessons and Directions fromTwo Decades of Empirical Research ", Journal of Accounting Research, Vol. 27, Supplement, pp. 193-201
PIOT C., (2001), " Audit de lâinformation financiĂšre et relations dâagence ", ThĂšse pour l'obtention du Doctoraten Sciences de Gestion, CERAG
WOODWARD J., (1965), " Industrial organization : theory and practice ", Oxford University Press, 288 p.