Manuscrit auteur, publi dans "20ME CONGRES DE L'AFC, France (1999)"

LA PREDICTION DE FAILLITE DES ENTREPRISES TUNISIENNES PAR LA REGRESSION LOGISTIQUE

Hamadi MATOUSSI & Rim MOUELHI Institut Suprieur de Comptabilit et d'Administration des Entreprises (ISCAE) Rue des entrepreneurs Z.I. Charguia II 2035 Tunis / Tunisie Fax: 216 1- 701 270 Sayah SALAH Ecole Suprieure des Sciences Economiques et Commerciales (ESSEC) 6 Rue Abou Zakaria El Hafsi Montfleury 1089 Tunis / Tunisie Fax: 216 1- 33 35 18

halshs-00587769, version 1 - 21 Apr 2011

ABSTRACT : In this paper we attempted to modelize the probability of corporate failure from a sample of Tunisian firms. Our results suggest a good rate of classification either in the original sample (87% two years before and 91% one year before the failure) and in the control sample (94% one year before the failure). We can stress by the way the importance of cash, solvency and working capital ratios in the formation of failure probability, which is consistent with the classic financial analysis.

RESUME : Nous avons cherch dans ce papier modliser la probabilit de dfaillance des entreprises tunisiennes au terme d'une regression logistique. Il ressort des rsultats obtenus un taux de bon classement des entreprises dans leur groupe d'origine de l'ordre de 87% deux ans avant et de 91% un an avant la dfaillance. Ce taux est de l'ordre de 94% dans l'chantillon de contrle. Nous soulignons, par ailleurs, le poids des ratios de trsorerie, de solvabilit, d'quilibre et d'autonomie financire dans la dtermination de la probabilit de dfaillance ; ce qui est conforme l'analyse financire classique base sur la mthode des ratios.

I INTRODUCTION
La pratique des affaires montre que toutes les entreprises connaissent un moment ou un autre des difficults. Celles qui s'y prennent tt s'en sortent gnralement sans grand dgt ; en revanche, celles qui ne s'en rendent pas compte suffisamment tt ou ne prennent pas les mesures qui s'imposent en restent l. En effet, la dfaillance des entreprises n'est pas un vnement surprise mais obit un processus qui s'tale dans le temps des premires difficults conomiques jusqu'aux difficults financires, la faillite tant la consquence d'une cessation de paiement. Si l'entreprise russit halshs-00587769, version 1 - 21 Apr 2011 prendre conscience de ses difficults suffisamment tt, elle pourrait envisager des solutions de rechange (allant des simples recettes appropries la situation jusqu' la rvision de sa position stratgique) ; d'o l'importance de la prvision. Les tats financiers synthtisent gnralement la situation financire de l'entreprise un moment donn. L'analyse financire permet de diagnostiquer sa sant financire partir d'indicateurs (ratios). Ainsi, une bonne analyse financire peut renseigner l'avance sur les symptmes des difficults potentielles, voire sur le risque de faillite. En effet, lorsque les difficults financires sont prgnantes, il est souvent trop tard pour ragir. C'est la raison pour laquelle il est important de comprendre le plutt possible les signaux faibles des difficults. C'est l'objet des modles de prvision des difficults d'entreprise. La recherche en la matire a montr ds les annes 1960 qu'en analysant les causes de la dfaillance des entreprises, il est possible de la prdire suffisamment l'avance grce aux modles de prvision de la dfaillance. Depuis, ce domaine n'a cess de susciter l'intrt des chercheurs et des praticiens. Cet intrt grandissant peut s'expliquer par l'enjeu du phnomne de faillite. En effet, la faillite des entreprises gnre des cots normes pour tous les agents conomiques et pour la socit en gnral. La prvoir l'avance pourrait la prvenir et viter ses consquences. C'est la raison pour laquelle la demande des modles de prvision n'a cess de

crotre aussi bien de la part des banquiers, des dirigeants d'entreprises, des gestionnaires de portefeuilles que des autorits publiques. Cette question a t analyse d'une manire intense dans les pays dvelopps. En revanche, le terrain reste encore vierge dans les pays en dveloppement1. Pourtant, le besoin est plus fort tant donn la fragilit du tissu industriel et l'implication de l'Etat d'une faon directe ( travers les entreprises publiques) ou indirecte ( travers le systme fiscal et financier). La Tunisie a engag ds les annes 1970 une action de soutien aux entreprises travers le systme fiscal et le systme financier2. Des fonds de promotion de l'industrie (FOPRODI), de l'artisanat (FONAPRAM) et des exportations (FOPROTEX) ont t crs pour aider la cration halshs-00587769, version 1 - 21 Apr 2011 d'entreprises. Ces actions ont videmment contribu au dveloppement des entreprises existantes et la cration de nouvelles entits. Cependant, on assistait des entreprises fortement endettes et de plus en plus dficitaires, surtout parmi les entreprises publiques. Pour faire face cette dgradation du systme conomique et la multiplication des entreprises en difficults, les autorits publiques ont entrepris, sous la recommandation du FMI, des rformes fiscales, montaires et du march financier et se sont engags dans une action de privatisation. Une loi a mme t vote (Loi 95-34 du 17/4/1995 relative au redressement des entreprises en difficults conomiques) pour rglementer les entreprises en difficults. Nanmoins aucune tude srieuse n'a t mene pour tenter de prvoir la faillite des entreprises tunisiennes. C'est donc pour rpondre cette carence que nous avons entrepris cette tude. Plusieurs aspects seront abords. Aprs une analyse de la notion et des causes de la dfaillance des entreprises (section II), un rappel des principales tudes et de leurs conclusions fera l'objet de la section III. Les sections IV et V seront consacres la mthodologie suivie, aux tests effectus et aux rsultats obtenus. Enfin nos conclusions feront l'objet d'une dernire section.

II NOTION ET CAUSES DE LA DEFAILLANCE Un examen critique des tudes menes sur la notion de dfaillance montre une diversit assez marque des terminologies retenues pour qualifier l'entreprise de dfaillante. Certains auteurs considrent comme dfaillante l'entreprise dfinie comme telle par la loi. D'autres qualifient de dfaillante l'entreprise laquelle les organismes bancaires ont refus l'octroi d'un crdit. Une troisime catgorie d'auteurs juge l'entreprise comme dfaillante lorsqu'elle aura accumul des pertes importantes. Ainsi, on voit que la notion de dfaillance est assez vague et son domaine mrite d'tre circoncis. A notre sens, la notion de dfaillance recouvre au moins quatre dimensions : halshs-00587769, version 1 - 21 Apr 2011 conomique, financire, organisationnelle et juridique. D'un point de vue conomique, l'entreprise devient dfaillante lorsqu'elle n'arrive plus couler (ou assurer) normalement ses produits (services), ce qui se manifeste par des pertes structurelles ou chroniques. En effet, une telle entreprise supporte plus de charges qu'elle ne gnre de produits accumulant ainsi les dficits. Devenant non rentable, celle-ci ne contribue plus positivement l'conomie. Selon GRESSE (1994), le stade ultime de la dfaillance conomique est une valeur ajoute ngative. L'entreprise consomme alors des ressources au lieu d'en produire. D'un point de vue financier, l'entreprise est considre comme dfaillante lorsqu'elle ne peut plus honorer ses engagements et rencontre de srieux problmes de trsorerie. Cette situation est souvent consquente une situation de dsquilibre financier structurel mettant en cause sa solvabilit. Dans l'optique organisationnelle, la dfaillance est la dgradation des structures et l'inadaptation aux contingences de l'environnement. C'est le rsultat d'une perturbation de la structure organisationnelle de l'entreprise ou d'un dysfonctionnement au sommet ou d'autres

niveaux de la hirarchie. Une telle perturbation ou dysfonctionnement peut se rpercuter sur la motivation et le rendement des employs3. Enfin et d'un point de vue juridique, une entreprise est dfaillante lorsqu'elle se trouve en situation de rglement judiciaire. Ainsi, on voit que la dfaillance est une notion assez large et qu'il est difficile de lui donner une dfinition prcise. On pourrait tre tent de parler plutt de degrs de dfaillance. En ralit, la dfaillance n'est pas un vnement isol qui survient brusquement comme une catastrophe naturelle, mais un processus complexe par lequel passe l'entreprise avant d'tre dclare en faillite. En effet, lorsque les difficults financires sont prgnantes il est souvent trop halshs-00587769, version 1 - 21 Apr 2011 tard pour ragir. En gnral, les difficults financires sont prcdes de difficults conomiques, qui sont elles-mmes devances par des difficults organisationnelles (inadaptation aux contingences de l'environnement conomique ou social). Cependant, mme si la dfinition retenue pour la dfaillance ne fait pas l'unanimit, les causes qui la gnrent sont gnralement les mmes. C 'est ce qui a pouss les auteurs se pencher plutt analyser les causes de la dfaillance que le concept lui-mme. Ces derniers prtendent que la connaissance des causes de la dfaillance permet de dtecter les variables pertinentes et les modles appropris susceptibles de la prdire avec succs. Les tudes menes de par le monde mettent en relief deux principales causes de la dfaillance : - Des causes micro-conomiques dont l'origine est interne l'entreprise. Il s'agit des faiblesses lies aux diffrents aspects de l'organisation (problme li la spcificit des actifs et responsable de l'augmentation des cots de transaction relation d'agence non arbitre asymtrie de l'information non rsolue climat social dfavorable ). - Des causes macro-conomiques qui sont d'origine externe l'entreprise. Il s'agit des causes lies la conjoncture conomique sectorielle nationale (crise du secteur

mtallurgique en France des annes 1980), rgionale (crise asiatique actuelle), et internationale (crises ptrolires de 1973 et 1979).

III Les techniques de prvision de la dfaillance des entreprises :

La prvision de la dfaillance est un phnomne qui remonte aux annes 30 avec les travaux de Fitz Patrick (1932) et Merwin (1942). Depuis on a assist plusieurs gnrations de modles de prvision de la dfaillance. Mme si la mthodologie suivie et les variables danalyse nont pas beaucoup chang, cest lvolution des outils statistiques danalyse qui a fait que le phnomne est toujours dactualit4. halshs-00587769, version 1 - 21 Apr 2011 Les premiers travaux ont utilis les modles univaris. Les modles multivaris ont vu le jour avec le dveloppement de lanalyse des donnes (analyse discriminante, analyse de la survivance, modle probit et logit, partitionnement rcursif, rseaux de neurones...). III.1 - Lanalyse univarie Cette technique consiste dterminer pour chaque lment dun ensemble de variables (ratios) une valeur critique qui permet la meilleure discrimination entre entreprises saines et entreprises dfaillantes. Ltude la plus clbre ayant utilis cette mthode est celle de Beaver (1966). Dans son tude, Beaver a choisi un chantillon de 79 entreprises ayant fait faillite entre 1954 et 1964. Chaque entreprise a t couple avec une entreprise saine appartenant au mme secteur dactivit et de mme taille. Pour lensemble des entreprises, lauteur a calcul 30 ratios financiers choisis selon leur importance dans des tudes antrieures. Aprs un traitement statistique, Beaver na gard que 6 ratios qui sont : Cash flow/Total dette ; Rsultat net/Total actif ; Total dette/Total actif ; Fonds de roulement/Total actif ; Dettes court terme/Total dettes, intervalle hors crdit (non credit interval). Ces ratios ont donn les plus bas taux derreur de classement des entreprises dans leur groupe d'appartenance. A partir du ratio Cash flow/Total dette, lauteur a obtenu un taux global dentreprises bien classes gal 77%.

Malgr sa simplicit et les bons rsultats auxquels elle a abouti, cette technique ne permet pas de tenir compte de leffet conjoint de certains indicateurs. En outre, elle expose au risque de dboucher sur des rsultats contradictoires dans la mesure o une entreprise peut tre classe dfaillante selon un ratio et saine selon un autre. III.2 - Lanalyse discriminante : Devant les critiques adresses ltude de Beaver, lanalyse discriminante multivarie a vu le jour. Cest une mthode qui permet dapprcier et dune faon globale la situation financire de lentreprise dcrite travers une batterie de ratios. Ltude la plus connue dans le contexte anglo-saxon est celle dAltman (1968)5. En effet, Altman (1968) tait le premier utiliser plus halshs-00587769, version 1 - 21 Apr 2011 quun ratio pour prvoir la dfaillance. Son tude a port sur un chantillon de 33 entreprises tombes en faillite sur la priode de 1946-1965 auxquelles ont t associes 33 entreprises saines de mme taille et de mme secteur. A partir dune batterie de 22 ratios extraits des tats financiers (bilans et comptes de rsultat), Altman a slectionn 5 ratios au terme dune analyse discriminante. Sa fonction score se prsentait ainsi : Z = 0,012 X1 + 0,014 X2 + 0,033 X3+ 0,006X4 + 0,999X5
O: X1 = Fonds de roulement/Total des actifs ; X2 = Rserves/Total des actifs ; X3 = Bnfice avant intrt et impt/Total des actifs ; X4 = Capitalisation boursire/Total des dettes ; X5 = Chiffre daffaires/Total des actifs.

La valeur critique de Z a t fixe par Altman Z* = 2,675. Si le score d'une entreprise est infrieur 2,675 elle est juge dfaillante. Autrement elle serait considre comme saine. Sur la base de cette valeur, lauteur a obtenu les rsultats suivants : 95% de bon classement un an avant, 72% deux ans avant, 48% trois ans avant, 29% quatre avant, et 36% cinq ans avant lvnement de dfaillance. En France plusieurs tudes ont utilis lanalyse discriminante pour prvoir la dfaillance des entreprises franaises. La plus importante notre avis est celle de Conan et Holder (1979) dans la mesure o les auteurs ont pris soin de tester la multinormalit des ratios financiers utiliss et de valider le modle sur un chantillon de contrle6.

En effet, Conan et Holder ont travaill sur un chantillon de 190 entreprises dont la moiti sont en difficults. 31 ratios ont t introduits par les auteurs. La combinaison finale retenue au terme de lanalyse discriminante est la suivante : Z = 0,16 X1 - 0,22 X2 + 0,87 X3 + 0,10 X4 - 0,24 X5.7 Cette fonction a permis aux auteurs d'obtenir des pourcentages de bon classement de 67% une anne avant et de 69% deux annes avant la dfaillance. III.3 - La rgression logistique ou mthode logit La rgression logistique est une mthode probabiliste de classement qui consiste dterminer la probabilit que lvnement dfaillance se ralise pour une firme compte tenu de ses halshs-00587769, version 1 - 21 Apr 2011 caractristiques financires. Parmi les premires tudes ayant utilis lanalyse logit comme moyen de prvision de la dfaillance nous citons ltude dOhlson (1980)8. Cette tude a port sur un chantillon de 105 entreprises cotes qui ont fait faillite sur la priode 1970-1976 et un chantillon de 2058 entreprises saines choisies de faon alatoire. Les ratios financiers introduits par Ohlson sont les suivants :
R1 = Ratio taille = Log (actif total/PNB ajust) R2 = Dettes totales/Actif total R3 = Fonds de roulement/Actif total R4 = Dettes court terme/Actif circulant R5 = 1 si Dettes Totales > Actif total rel 0 autrement R6 = Rsultat net/Actif total R7 = Fonds gnrs par lexploitation/Dettes totales R8 = 1 si rsultat net < 0 pour les deux dernires annes 0 autrement R9 = (rsultat net de l'anne t - rsultat net de l'anne t-1) / (|rsultat net t| + |rsultat net t-1|)

III.4 Etudes menes en Tunisie En Tunisie, mme sil y a eu des tudes qui ont abord la question, aucune tude na port sur des entreprises rellement tombes en faillite9. En plus, ces tudes se classent dans la deuxime gnration des modles de prvision de la dfaillance puisquelles ont t bases sur lanalyse discriminante. Cependant les auteurs de

ces tudes nont pas vrifi la condition de multinormalit des ratios dune part, et nont pas valid leurs rsultats sur un chantillon de contrle dautre part.

IV-DONNEES ET METHODOLOGIE DE L'ETUDE

IV.1- Constitution de lchantillon : Pour la collecte des donnes, nous avons retenu une dfinition juridique de la dfaillance. En effet, les entreprises retenues dans le groupe de dfaillantes ont dpos une demande de rglement lamiable dans le cadre de la nouvelle loi 95-34 du 17 avril 1995 relative au redressement des entreprises en difficults conomiques10. Ce choix est lgitime pour deux halshs-00587769, version 1 - 21 Apr 2011 raisons : Dune part la demande de rglement lamiable est une initiative propre lentreprise, celle ci se sentant incapable dhonorer ses engagements et ayant dj senti ses difficults. Dautre part lentreprise est tenue de fournir avec sa demande de rglement amiable ses dossiers commerciaux dont notamment les tats financiers qui doivent tre approuvs par un expert comptable. Partant de cette dfinition de la dfaillance, nous avons pu collecter auprs des tribunaux, ainsi quauprs de la commission de soutien des entreprises conomiques (cre par la loi 95-34 sus mentionne), les bilans et les quatre comptes de rsultat pour 38 entreprises dfaillantes sur la priode 1992 1996. Pour 34 d'entre elles nous avons pu avoir les tats financiers un an et deux ans avant la dfaillance. Notons que certaines entreprises ont dpos leurs bilans en 1995 (anne dentre en vigueur de la loi 95-34 ), mais dont les difficults ont dj commenc depuis 1994 et les tats financiers concernaient les annes 1992 et 1993. Quant aux entreprises saines, nous avons pu collecter auprs des cabinets d'experts comptables, la bourse des valeurs mobilires de Tunis et la centrale des bilans de la banque centrale de Tunisie, les tats financiers de 50 entreprises dont 42 pour deux exercices successifs. Les entreprises retenues appartiennent des secteurs diffrents et sont de taille diffrente.

Par ailleurs nous avons construit un deuxime chantillon indpendant du premier : chantillon de contrle que nous utiliserons pour tester la pertinence de nos modles. Il sagit dun chantillon de 16 entreprises dfaillantes et 20 saines observes une anne avant la dfaillance sur la priode 94 - 96. IV.2-Selection des variables de ltude Nous avons dj signal que le nombre dindicateurs pour approcher la dfaillance est extrmement lev. Dans notre tude, nous avons retenu une batterie de 31 ratios refltant les aspects les plus importants de lactivit de lentreprise et susceptibles dexpliquer la dfaillance. Les ratios choisis sont prsents dans le tableau suivant (Tableau n1) : halshs-00587769, version 1 - 21 Apr 2011 Tableau n1 : Liste des ratios initialement retenus pour l'tude Ratios Dfinition Formule de calcul
Actif circulant Dettes court terme Valeurs ralisables & disponibles Dettes court terme Valeurs disponibles Dettes court terme Capitaux permanents Actif immobilis Dettes long et moyen terme Capitaux permanents Dettes long et moyen terme Capitaux propres Capitaux propres Dettes totales Capitaux propres Dettes court terme Chiffre d'affaires Actif total Chiffre d'affaires Immobilisations nettes Chiffre d'affaires Valeurs dexploitation Dotations aux amortissements Valeurs immobilises Frais de personnel Valeur ajoute

Ratios de liquidit et De financement R1 Liquidit gnrale R2 R3 R4 R5 R6 R7 R8 Liquidit rduite Liquidit immdiate Taux de couverture des actifs fixes par les fonds permanents Structure de financement 1 Structure de financement 2 Autonomie financire Autonomie Financire court terme

Ratios de rotation et De gestion

R9 R10 R11 R12 R13 Rotation de lactif Rotation des immobilisations Rotation des stocks Vieillissement des quipements Importance des frais de personnel

R14 R15 R16 R17

Importance des dotations aux amortissements Ratio de limportance des frais financiers Part des frais financiers dans lexcdent brut dexploitation Couverture des charges financires

Dotations aux amortissements Valeur ajoute Frais financiers Valeur ajoute Frais financiers Excdent brut dexploitation Cash-Flows Frais financiers Excdent brut dexploitation Actif Total Rsultat net + charges de financement Capitaux permanents Rsultat net Capitaux propres Cash -Flows Actif Total Immobilisation Nette Actif Total Valeurs ralisables Actif Total Valeurs disponibles Actif Total Capitaux propres Passif Total Dettes long et moyen terme Passif Total Dettes court terme Passif Total Log (Total bilan) Fonds de roulement Actif total Fonds de roulement Actif circulant Fonds de roulement Actif circulant

Ratios de rentabilit
R18 R19 R20 R21 Rendement des actifs Rentabilit des fonds permanents Rentabilit financire Ratio de rentabilit conomique

halshs-00587769, version 1 - 21 Apr 2011

Ratio de structure
R22 R23 R24 R25 R26 R27 R28 R29 R30 R31 Ratio des immobilisations Ratio des ralisables Ratio des disponibles Ratio des capitaux propres Ratio d'endettement MLT Ratio d'endettement court terme Indicateur de taille Ratio dquilibre financier 1 Ratio dquilibre financier 2 Ratio du FDR

IV.3- Analyse financire et dfaillance Dans l'analyse financire classique, les ratios sont des indicateurs de la performance de l'entreprise (rentabilit risque). Ainsi des ratios de liquidit faibles montrent que l'entreprise ne dispose pas de suffisamment de liquidit pour honorer ses engagements court terme l'instant de la mesure du ratio. Une telle situation pourrait se transformer en ralit dans le futur et devrait augmenter la probabilit de la dfaillance et inversement. Inversement, une liquidit conforte

10

diminue la probabilit de faillite. On doit donc s'attendre un signe positif de la variable liquidit dans la fonction discriminante et un signe ngatif dans la rgression logistique. L'endettement augmente les frais financiers et par consquent les cots fixes. Lorsque les tats de la nature dfavorables se ralisent, l'entreprise court le risque d'enregistrer des dficits (effet de massue), ce qui augmente la probabilit de sa dfaillance. Une bonne activit est cense se transformer en rentabilit dans le futur. Ces ratios doivent donc jouer ngativement dans la formation de la probabilit de dfaillance. Le mme raisonnement s'applique aux ratios de rentabilit. Un dsquilibre financier est cens produire le mme effet qu'un endettement. Par halshs-00587769, version 1 - 21 Apr 2011 consquent les ratios d'quilibre financier doivent jouer ngativement dans la formation de la probabilit de faillite. Cependant l'introduction simultane dans nos modles de quelques ratios refltant le mme aspect risque de fausser les rsultats. Une tude de corrlation entre les ratios est donc indispensable et simpose dans une premire tape. IV.4 - Mthodologie Afin dviter le problme de redondance au niveau de quelques ratios, nous commenons d'abord par ltude de la matrice de corrlation afin dviter d'introduire dans nos modles des ratios contenant la mme information. Nous chercherons ensuite, au terme d'une analyse discriminante, relever les ratios les plus pertinents dans lexplication et la prvision de la dfaillance des entreprises. Ce sont les ratios qui permettent une bonne discrimination entre les deux groupes (dfaillantes et saines)11. L'analyse discriminante tant la plus utilise dans les tudes de dfaillance, elle se propose de retenir la meilleure combinaison des ratios qui permet la meilleure classification. Elle consiste dterminer une fonction discriminante Z (fonction pondre de ratios) et la fixation dun seuil crique Z* qui permettra de reclasser les entreprises dans chaque groupe.

11

Toutefois le choix de Z* est dlicat puisque selon un seuil ou un autre on aurait des classements diffrents, ce qui constitue une premire critique cette mthode. Une deuxime critique concerne le fait que cette mthode suppose la normalit de la distribution des diffrents ratios, hypothse qui n'est pas toujours vrifie. En vue de dpasser ces problmes, nous complterons notre analyse par la rgression logistique. Celle ci nous permettra d'identifier les principaux dterminants de la probabilit de dfaillance. Ce qui rend la mthode encore plus intressante c'est qu'elle permet d'une part de dterminer le sens de la relation (signe des coefficients de rgression) et d'autre part de tester la significativit des ratios retenus (test de Student). halshs-00587769, version 1 - 21 Apr 2011 La rgression logistique nous fournit par ailleurs des paramtres qui nous permettent de juger du pouvoir explicatif du modle ainsi que de son pouvoir de bonne prvision.

V- Rsultats et interprtation
Lanalyse de la matrice de corrlation entre les ratios a fait apparatre des corrlations fortes en particulier entre : R1 et R2 (83%), R1 et R8 (78%), R2 et R3 (88%), R3 et R7 (90%), R3 et R8 (86%), R4 et R12 (94%), R5 et R6 (80%), R7 et R8 (95%), R9 et R11 (79%), R10 et R16 (-93%), R13 et R14 (96%), R13 et R15 (95%) et entre R14 et R15 (95%). Nous tenons ce que les ratios corrls entre eux ne figurent pas dans la mme quation. V.1 - Les rsultats de lanalyse discriminante Cette technique a abouti la fonction discriminante optimale suivante :
Z = 0,287 R1 0,370 R6 + 0,281 R7 + 0,168 R11 + 0,159 R15 + 0,109 R16 + 0,444 R17 + 0,345 R18 + 0,198 R20 + 0,506 R21 + 0,127 R22 + 0,222 R23 + 0,347 R24 + 0,293 R25 0,352 R26 0,085 R27 + 0,309 R28.

Daprs les corrlations entre la fonction discriminante et les ratios, on remarque que les ratios R21 (Cash flow/Actif total), R17 (EBE/Actif total) qui sont deux ratios de rentabilit participent le plus avec un signe positif dans la formation de la fonction discriminante. En revanche, les deux ratios R6 (DLMT/Capitaux propres) et R26 (DLMT/Actif total) qui sont deux ratios dendettement participent le plus avec un signe ngatif dans la fonction discriminante.

12

Malheureusement, aucun test nest fourni par lanalyse discriminante pour juger de la significativit statistique des ratios. Le score critique que nous avons retenu est de 0,136812. Si le score dune entreprise est suprieur cette valeur, elle est considre comme saine. Autrement, elle sera classe comme dfaillante. Sur la base de ce score nous avons obtenu un taux de bon classement de 96,6% dans lchantillon de base une anne avant la dfaillance. Nanmoins, et vu les critiques dj adresses lanalyse discriminante, entre autres la multinormalit des ratios13, nous retenons les rsultats de la rgression logistique. V.2 Les rsultats de la rgression logistique halshs-00587769, version 1 - 21 Apr 2011 Nous avons commenc par carter les ratios qui posent le problme de corrlation (multicolinarit) et nous avons introduit le reste des ratios. Un grand nombre parmi eux nont pas t significatifs dans lexplication de la dfaillance. Nous avons procd pas pas en cartant variable par variable, celles qui ne sont pas significatives et aprs un grand nombre dessais, nous avons retenu un modle 4 variables explicatives qui a fourni les meilleurs rsultats du point de vue significativit, pouvoir explicatif et taux de bon classement. Ce modle est le suivant :
Logit (P) = Log (P/1-P) = + 1R21 + 2R25 + 3R5 + 4R30.

O P est la probabilit pour qu'une firme soit dfaillante compte tenu de ses caractristiques financires (les ratios). Les paramtres et sont estims par la mthode du maximum de vraisemblance. Les rsultats de l'estimation sont les suivants (Tableau n2)14. Tableau n2 : Rsultats de l'estimation Logit Variables(ratios) Coefficients estims (,) Valeur du T de Student Constante 2,259 1,865 R21 -55,702 -2,867 R25 -6,989 -2,167 R5 6,674 2,325 R30 -1,144 -1,930 Le coefficient de dtermination (R-Squared) = 78%. Le pourcentage de bon classement est de 90,90%.

13

Dun point de vue statistique, les rsultats sont satisfaisants dans le sens o tous les coefficients sont statistiquement significatifs 5% (sauf pour le R30 qui est significatif 10%). Par ailleurs le pouvoir explicatif des ratios introduits (autrement dit la probabilit de dfaillance explique) est de lordre de 78%. Le modle estim et test sur les donnes de lchantillon de base a permis de reclasser les entreprises 87% deux annes avant et 91% une anne avant la dfaillance (pour un seuil de probabilit de 0,5)15. On a aussi dtermin le pourcentage de bon classement pour un seuil de probabilit de 0,7 pour tester le pouvoir du modle bien identifier les entreprises dfaillantes. Nous avons halshs-00587769, version 1 - 21 Apr 2011 obtenu les rsultats suivants (Tableau n3) : Tableau n3 : Rsultats de classement dans l'chantillon de base un an avant la dfaillance % de bon classement
Groupe

P = 0,5
Classement dans les groupes dorigine 89,47% 92% 90,90% classement dans les groupes du modle 89,47% 92% 90,90%

P = 0,7
classement dans les groupes dorigine 81,57% 98% 90,90% Classement dans les groupes du modle 96,87% 87,50% 90,90%

dentreprises Dfaillante Saines Globales

A partir de ces rsultats on remarque que le modle permet de bien classer 89,47% des entreprises dfaillantes et 92% des entreprises saines pour P = 0,5. Ces pourcentages sont respectivement de 81,57% et 98% pour P = 0,7. Cependant, certains auteurs tels que Saint-Sever (1987) et Dumontier (1991) considrent que cette faon de procder permet de calculer le pourcentage de bon classement des entreprises mais ne permet pas dvaluer la qualit prdictive du modle. Ils proposent de calculer, en outre, le rapport entre entreprises bien classes dans un groupe et le total class par le modle dans ce groupe. Nous l'avons appel dans notre tude taux de bon classement dans les groupes du modle. Le modle a retenu 38 entreprises comme dfaillantes pour P=0,5 dont 34 sont

14

rellement dfaillantes, soit un taux de bon classement de 89,47% un an avant lvnement. De lautre ct le modle a retenu saines 50 entreprises de lchantillon dont 46 sont rellement saines, soit un pourcentage de bon classement de 92%. Pour P = 0,7, le modle a retenu 32 entreprises comme dfaillantes dont 31 sont rellement dfaillantes, soit un taux de bon classement de 96,87% un an avant lvnement. De lautre ct le modle a retenu comme saines 56 entreprises de lchantillon dont 49 sont rellement saines, soit un pourcentage de bon classement de 87,5%. Cette manire de procder nous parat plus logique pour tester la capacit prdictive du modle puisquelle donne des pourcentages de bon classement relatif au modle. halshs-00587769, version 1 - 21 Apr 2011 Nous avons test notre modle deux ans avant la dfaillance sur lchantillon de base et un an avant la dfaillance sur lchantillon de contrle. Nous avons obtenu les rsultats suivants (Tableau n4 et tableau n5) : Tableau N4 : Validation du modle 2 ans avant la dfaillance sur l'chantillon de base Groupe daffectation Dfaillante Groupe dorigine s Dfaillantes 26 Saines 2 Total 28 % de bon de classement 92,85% = dans les groupes du modle 26/28 Saines 8 40 48 83,33% = 40/48 Total 34 42 76 86,84% = 26+40/76 % de bon classement dans les groupes dorigine 76,47%(=26/34) 95,23%(= 40/42) 86,84%(=[26+40]/76) -

Tableau N 5 : Validation du modle un an avant la dfaillance sur lchantillon de contrle Groupe daffectation Dfaillantes Saines Total % de bon classement Groupe dorigine dans les groupes dorigine Dfaillantes 14 2 16 87,5%(=14/16) Saines 1 19 20 95%(=19/20) Total 15 21 36 93,75%(=[19+14] /36) % de bon de classement 93,33% = 86% = 93,75% = dans les groupes du 14/15 19/21 (19+14)/36 modle V.3 Interprtation conomique des rsultats : L'analyse mene nous permet de tirer quelques enseignements intressants.

15

Premirement, les rsultats statistiques surtout au niveau de la rgression logistique (mthode robuste) montrent que l'approche de l'analyse financire classique est confirme. En effet, pour apprcier la situation financire d'une entreprise on mne une analyse en terme de rentabilit-risque. L'entreprise est saine lorsque la rentabilit est bonne et le risque est faible et vice versa. La rgression logistique met en vidence cet enseignement puisque le ratio de rentabilit (R21) contribue ngativement et celui du risque financier (R5) positivement la formation de la probabilit de dfaillance. Deuximement, le ratio de rentabilit retenu par la regression logistique mesure en fait la trsorerie puisqu'il rapporte le cash flow par l'actif total. Ainsi on voit que la trsorerie a plus de halshs-00587769, version 1 - 21 Apr 2011 poids dans la prvision de la dfaillance que la rentabilit. Ceci est logique et conforme la ralit puisque le dpt de bilans des entreprises n'est jamais caus par les dficits enregistrs, mais plutt par un problme de trsorerie (incapacit d'honorer ses engagements). Troisimement, les contributions ngatives des ratios des capitaux propres (R25) et du Fonds de Roulement (R30) la formation de la probabilit de faillite, constitue une confirmation du poids du risque. En effet, l'importance des capitaux propres dans le passif total reprsente une garantie pour les tiers et rduit la vulnrabilit financire de l'entreprise. Quant au ratio du Fonds de Roulement, il montre que l'quilibre financier demeure le meilleur garant de la bonne sant financire de l'entreprise. Le signe ngatif de ces deux ratios signifie qu'un accroissement de ces deux variables rduit le risque de dfaillance ; c..d que l'entreprise dont les deux ratios sont plus levs (par rapport une autre) est moins expose au risque de faillite.

16

VI CONCLUSION
Dans cette tude, nous nous sommes fix un objectif double : proposer d'abord un modle de prvision de la dfaillance pour les entreprises tunisiennes et relever d'autre part les dterminants du risque de dfaillance. Pour rpondre aussi bien au premier qu'au second objectif, nous avons eu recours aux techniques multivaries : l'analyse discriminante et la rgression logistique. Au vu des rsultats de la rgression logistique, mthode plus robuste (plus adapte aux petits chantillons, ne supposant pas la multinormalit des facteurs et offrant la possibilit de halshs-00587769, version 1 - 21 Apr 2011 tester la significativit des variables retenues), quatre facteurs (ratios) se sont avrs pertinents dans la formation de la probabilit de dfaillance des entreprises. Les ratios de solvabilit et d'quilibre financier influencent ngativement la probabilit de dfaillance, alors que ceux de rentabilit (ou plus exactement de trsorerie) et d'autonomie financire exercent plutt une influence positive sur la probabilit de dfaillance. Ces rsultats sont conformes aux enseignements de l'analyse financire classique qui prconise qu'une entreprise affichant une rentabilit faible et un risque lev n'a pas une situation financire saine. Le modle retenu a permis, par ailleurs, de reclasser les entreprises dfaillantes dans leur groupe d'origine avec un taux de bon classement de 87% deux annes avant et de 91% une anne avant la dfaillance. Ce taux est de 94% dans l'chantillon de contrle. Malgr les bons rsultats de notre modle en termes d'explication et de capacit prdictive de la dfaillance, notre recherche n'a pas abord d'autres questions importantes : La spcificit de l'chantillon utilis (entreprises tunisiennes) suggre qu'il faille complter notre effort par des recherches plus approfondies (qualitatives) pour comprendre le comportement des dirigeants et donc enrichir les explications de l'approche strictement financire (quantitative).

17

Il existe des seuils (effet de cliquet) qui provoquent une acclration des difficults, toutes choses tant gales par ailleurs.

Il y a une diffrence entre la nature relle de la crise et la perception qu'en ont les dirigeants (reprsentation) et pour comprendre le processus, il faut s'intresser aux actes des praticiens (dans le temps).

Enfin, les donnes chiffres permettent peut tre de reprer les spcificits des entreprises un instant donn, mais pas les processus managriaux.

En effet, mme s'il y a eu quelques tentatives, les tudes menes sont restes l'chelle locale et n'ont pas fait l'objet de diffusion l'chelle internationale. 2 On cite les lois 72-38 relative aux entreprises exportatrices et 74-74 relative aux entreprises manufacturires. En plus et jusqu' l'adoption du Plan d'Ajustement Structurel en 1986, la Tunisie tait plonge dans une conomie d'endettement avec des taux d'intrt qui sont rests longtemps ngatifs. 3 L'approche socio-conomique initie par Henri Saval (1975) qualifie les cots conscutifs un dysfonctionnement de cots cachs. 4 En effet, les ratios sont la matire premire de toute tude et lchantillon danalyse est toujours compos dentreprises saines et dentreprises tombes en difficults. Tous les modles cherchent classer les entreprises dans leur classe initiale avec le pourcentage derreur le plus faible 5 Dautres tudes menes aux Etats Unis ont utilis lanalyse discriminante pour prvoir la faillite : Deakin (1972), Blum (1974), Dambolena et Khoury (1980)... 6 Dautres tudes ont t menes en France telles que : Altman, Margaine, et al (1974), Collongue (1977), Chaibdera (1979), Zollinger (1982), Micha (1984), Bardos (1984) Pour cette dernire, elle t mene dans le cadre des cahiers de recherche de la banque de France. Son originalit est quelle portait sur trois groupes dentreprises: Saines, dfaillantes et marginales qui prsentaient la fois des signes de dfaillance et de vulnrabilit 7 X1 = (Valeurs ralisables + disponibles) / Actif total ; X2 = Capitaux propres / Passif total ; X3 = Frais financiers / CAHT ; X4 = Frais de personnel / valeur ajoute et X5 = Excdent brut dexploitation / Total des dettes. 8 Dautres tudes ont utilis la mthode logit telles : Zavgren (1985), Zmijewski (1985), Keasy (1990), Platt et Platt (1990)... 9 On peut citer ltude de Mamoughi (1984) et ltude de Helal (1995). La premire a port sur un faible chantillon et a oppos 17 entreprises juges dfaillantes par les banques parce quelles nont pas rembours leur crdit 17 autres tires au hasard auprs de la centrale des bilans de la banque centrale de Tunisie sur la priode 1976-1982. Ltude de Helal (1995), quant elle a port sur un chantillon plus grand (125 entreprises), mais dont aucune na rellement t dfaillante. Il sagit dun chantillon choisi du secteur textile sur la priode 1985-1988 sur le quel lauteur a appliqu la mme dmarche suivie par la banque de France en 1984 (voir Bardos 1984). 10 Journal Officiel de la Rpublique Tunisienne (JORT) du 25 avril 1995. 11 Nous avons volontairement cart les techniques univaries et opt pour les techniques multivaries parce qu'elles renferment le risque de classer la mme entreprise dans deux groupes diffrents selon les ratios retenus. 12 En fait nous avons obtenu ce score en procdant de la mme faon qu'Altman (1968) et d'autres auteurs ayant utilis l'analyse discriminante. 13 Le test de multinormalit a rejet la normalit pour tous les ratios sauf pour le ratio de taille R28. 14 Voir annexe n1. 15 Dans lanalyse logit, la procdure se fait en estimant pour chaque entreprise la probabilit de ralisation de l'vnement dfaillance et de la reclasser selon que cette probabilit est suprieure ou infrieure une valeur critique retenue par le dcideur. Pour les logiciels statistiques, la valeur critique est gnralement de 0,5. Rappelons par ailleurs que la fonction logit scrit comme suit : Logit (p) = LOG(P / 1-P) = 2.259 + 6,674R5 55,702R21 6,989R25 1,144R30. Ainsi, la probabilit de dfaillance P est gale : P = eLogit (P) / 1+ eLogit (P)

halshs-00587769, version 1 - 21 Apr 2011

18

BIBLIOGRAPHIE Altman, E.I. (1968) Financial ratios, discriminant analysis and the prediction of corporate bankruptcy, the Journal of Finance, Vol. 23, 589-609. Altman, E.I., M. Margaine, M. Scholosser et P.Vernimmen (1974) statistical credit analysis in the textile industry : A French experience, Journal of Financial and Quantitative Analysis, Vol. 9, 195-211. Bardos, M. (1984), le risque de dfaillance dentreprise, Banque de France, cahiers conomiques et montaires N19. Beaver, W.H. (1966), Fnancial ratios as predictors of failure, Empirical Research in Accounting : Selected Studies, Supplement to volume 5, Journal of Accounting Research, 179199. halshs-00587769, version 1 - 21 Apr 2011 Beaver, W.H. (1968), Market prices, financial ratios and the prediction of failure, Journal of Accounting Research, Autumn, 179-192. Blum M. (1974) Failing company discriminant analysis, journal of accounting research spring, 1-25. Chaibdderra, M. (1980) la prvision des dfaillances des entreprises industrielles rgionales par lapplication dune analyse factorielle discriminante : Une note Cahier du CERIFIA universit de Rennes I. Collongues Y. (1977) Ratios financiers et prvision des faillites des petites et moyennes entreprises, Revue Banque, N 365, 963-970. Conan J. et M. Holder (1979) variables explicatives de performances et contrle de Gestion dans les PMI Thse de doctorat dEtat. Universit Paris Dauphine. Dambolena, I.G. et S.J.Khoury (1980) Ratio stability and corporate failure, The Journal of Finance, Vol. 35, 1017-1026. Deakin E.B. (1972) A discriminant analysis of predictors of business failure, Journal of Accounting Rsearch, Spring 1972, 167-179. Dumontier P. (1991) vices et vertus des modles de prvision de dfaillance, Banque 514, 275-282. Fitzpatrick P.I. (1932) A comparison of the successful industrial entreprise with those of failed companies, The Accountants Publishing Company. Gresse C. (1994) Lentreprise en difficult, Economica Paris. Helal M. (1995) Le risque crdit et la dfaillance dentreprise : Une prsentation thorique et une valuation empirique, Finance et dveloppement au Maghreb, N13, 66-96. N

19

Keasey. K., P. Mc Guiness et H. Short(1990) Multilogit approach to predicting corporate failure : Further analysis and the issue of signal consistency, Omega, Vol.18, No1, 85-94 Loi N95-34 du 17 avril 1995 relative au redressement des entreprises en difficults conomiques, publie au journal officiel de la rpublique tunisienne du 25 avril 1995. Malecot J.F. (1988) Prvision statistique de la dfaillance : Questions de mthodes et questions pratiques Banque, N 479 janvier, 8-12. Mamoughli C. (1984) La prvision du risque de dfaillance des entreprises tunisiennes, Thse de Doctorat Paris IX dauphine. Merwin C.L. (1942) Financing small corporations in five manufacturing industries : 19261936, National Bureau of Economic Research. Micha B. (1984) Analysis of business failures in France, Journal of Banking and finance Vol. halshs-00587769, version 1 - 21 Apr 2011 8, 281-291. Ohlson, J.A (1980), Financial ratios and the probabilistic prediction of bankruptcy, Journal of Accounting Research, Spring, pp.109-131. Platt H.P. et M.B. Platt (1990) Development of a class of stable predictive variables : The case of bankruptcy prediction, Journal of Business Finace and Accounting, Vol. 17 N1, 31-51. Saint-Sever P. (1987) Les mthodes de scores sont-elles efficaces ? La Revue Banque N 475, 795-798. Saval H. (1975) Enrichir le travail humain Economica 1975. Zavgren C.V. (1985) Assessing the vulnerability to failure of American industrial firms. A logistic analysis, Journal of Business Finance and Accounting, Vol. 12, N1, 19-45. Zmijewski M.E. (1984) Methodological issues related to the estimation of financial distress prediction models, Studies on current Econometric Issues in Accounting Research, pp. 59-82. Zollinger M. (1982) LAnalyse multicritre et le risque de crdit aux entreprises, Revue franaise de Gestion, avril, 56-66.

20

ANNEXE N 1

MULTINOMIAL LOGIT ESTIMATION CHOICE 0 1 FREQENCY PERCENT 50 56.8182 38 43.1818

(COEFFICIENTS NORMALIZED TO ZERO)

DEPENDENT VARIABLE : Y LOG OF LIKELIHOOD FUNCTION NUMBER OF CASES NUMBER OF CHOICES SUM OF SQUARED RESIDUALS R - SQUARED PERCENT CORRECT PREDICTIONS halshs-00587769, version 1 - 21 Apr 2011 Standard Error 1.21132 19.4274 3.22534 2.86964 0.593093

= = = = = =

-13.9044 88 176 4.70258 0.782253 0.909091

Parameter C1 R211 R251 R51 R301

Estimate 2.25968 -55.7025 -6.98940 6.67436 -1.14499

t statistic 1.86547 -2.86721 -2.16703 2.32585 -1.93054

21