L’analyse traditionnelle des déterminants de la défaillance

Etude de cas spss école 2ème année master- HBF oujda

L’analyse traditionnelle des déterminants de la défaillance repose principalement sur l’analyse des données comptables et financières. Elle vise à apprécier la solidité de l’entreprise et à mesurer le risque financier à travers l’examen des données bilancielles.

Toutefois, ces informations financières peuvent, dans certains cas, ne pas représenter fidèlement la situation réelle des entreprises. Ce peut être le cas lorsque les dirigeants d’entreprise recourent à des opérations de « window dressing » afin de présenter une image plus favorable de leurs comptes. En effet, la date de clôture étant purement arbitraire, les entreprises peuvent être parfois tentées d’avancer ou de retarder la comptabilisation de certaines charges ou produits pour modifier le niveau de résultat ou présenter, par exemple, un recours à l’endettement plus favorable.

Ce peut être aussi le cas lorsqu’un certain nombre de menaces externes ou internes font planer un risque sur la survie de l’entreprise, sans pour autant avoir déjà compromis ses résultats.

L’intégration de données qualitatives permet donc de compléter l’analyse financière en enrichissant l’analyse du risque financier d’un risque plus économique, intégrant notamment des variables de positionnement de l’entreprise sur son marché en termes d’activité, de maîtrise des coûts de revient ou d’appréciation de la qualité de gestion de l’entreprise.

Dans la pratique, les données qualitatives représentent un instrument indispensable à l’analyse financière. Elles sont ainsi largement utilisées par les banques, les agences de notation, les sociétés de bourse... En revanche, il n’existe pas, à l’image des techniques de scoring ou de l’analyse normative par les ratios financiers, de modèle de risque de défaillance établi sur les seules données qualitatives. Cette absence doit être essentiellement reliée à la difficulté des chercheurs à disposer d’une base de données qualitatives suffisamment représentative du comportement de la défaillance, plutôt qu’à un manque d’intérêt pour cette recherche.

L’objet de la présentation qui suit est précisément de montrer l’apport des données qualitatives en tant qu’outil complémentaire à la détection du risque de défaillance.

En effet, l’exploitation des données Sesame a permis de construire un score qualitatif prédictif de la défaillance.

La base de données Sesame est constituée de variables « qualitatives » (par opposition aux bases financières ou « quantitatives ») sur les PME de l’industrie manufacturière française dont les effectifs sont compris entre 20 salariés et 500 salariés. Elle est alimentée par voie d’enquêtes assistées par ordinateur menées par des agents de la Banque de France spécialement formés à cet effet. Tous les ans, pendant les quatre premiers mois de l’année civile, 1 300 chefs d’entreprise sont questionnés. En contrepartie de leur adhésion volontaire à cette démarche, il leur est remis un dossier d’analyse stratégique (DAS) leur présentant, sous forme d’indicateurs, leur environnement concurrentiel et leur positionnement stratégique au sein de leur secteur d’activité (classe NAF).

Les campagnes d’enquêtes s’organisent selon un rythme triennal. Au total, sur trois ans, ce sont quelque 4 000 PME qui sont enquêtées, représentant environ 20 % des effectifs employés par l’ensemble des entreprises de l’industrie manufacturière de la même tranche de taille. Le questionnaire, conçu en collaboration avec des universitaires spécialistes de la stratégie d’entreprise, permet de recueillir une information unique et très riche sur les comportements économiques et stratégiques des PME de l’industrie manufacturière française et d’étendre ainsi le domaine de l’expertise.

1) Construction du score

L’approfondissement de la connaissance sur les processus de défaillance passe par le rapprochement des données de la base Sesame avec les informations sur les ouvertures de procédures judiciaires. Aussi est-il possible de scinder la population des entreprises enquêtées via Sesame en deux groupes : les entreprises défaillantes ayant connu l’ouverture d’une procédure judiciaire postérieurement à la date de l’enquête et les entreprises non défaillantes n’ayant connu aucune ouverture de procédure judiciaire. S’agissant d’opposer et de différencier les comportements des entreprises défaillantes et non défaillantes, la technique statistique requise est l’analyse discriminante, déjà utilisée pour la construction du score BDFI sur données comptables et financières. Toutefois, compte tenu de la nature des informations, la technique statistique utilisée diffère puisqu’elle doit être adaptée à l’utilisation de variables qualitatives définies en modalités. La méthode Disqual qui a été choisie est largement utilisée par des organismes de prêts aux particuliers, mais également pour les prêts aux entreprises.

2) Définition des échantillons :

Pour disposer d’un échantillon suffisant, le travail de recherche s’est effectué sur les bases cumulées 1999 et 2000, qui ont permis de regrouper 148 entreprises défaillantes. Toutefois, le nombre d’entreprises défaillantes étant naturellement faible par rapport aux entreprises non défaillantes, une analyse discriminante menée sur des échantillons aussi déséquilibrés aurait risqué de favoriser le classement du groupe le plus nombreux.

C’est pourquoi, afin de mieux identifier les critères de défaillance, la population des entreprises non défaillantes a été divisée en quinze échantillons aléatoires de taille identique à celle de la population des entreprises défaillantes.( 149 entreprises non défaillantes).

3) Présentation des données :

Récapitulatif du traitement des observations

Observations

Valide Manquante Total

N Pourcent N Pourcent N Pourcent

taux d'utilisation

...