THSE PRSENTE

POUR OBTENIR LE GRADE DE

DOCTEUR DE
LUNIVERSIT DE BORDEAUX

COLE DOCTORALE ENTREPRISE, CONOMIE, SOCIT (ED 42)

SPCIALIT SCIENCES DE GESTION

Par Mohamed BOUAMAMA

Nouveaux dfis du systme

de mesure de la performance :
cas des tableaux de bord
Sous la co-direction de MM. Jean-Guy DEGOS, professeur
et Rachid BOUTTI, professeur

Soutenue le 15 dcembre 2015

Membres du Jury :
M. Rachid BOUTTI,
Professeur des Universits, Universit Ibnou Zohr d'Agadir, co-directeur de recherche
M. Jean-Guy DEGOS,
Professeur mrite des Universits, Universit de Bordeaux, co-directeur de recherche
M. Yves LEVANT,
Professeur des Universits, Universit de Lille 2, rapporteur
M. Grald NARO,
Professeur des Universits, Universit de Montpellier, rapporteur
M. Stphane TRBUCQ,
Professeur des Universits, Universit de Bordeaux, prsident
 Remerciements

Cette thse naurait pu tre mene bien sans le concours dun grand nombre de personnes.

Je tiens tout dabord tmoigner ma reconnaissance au Professeur Jean-Guy DEGOS, mon Directeur de
Thse, dont limplication et les rflexions ont t dcisives. Sa grande disponibilit, ses nombreux et
excellents conseils qui ma prodigu, ses critiques et ses encouragements mont en effet permis de faire
progresser mes travaux dans le sens dune plus grande clart et rigueur scientifique. Son appui pendant ces
dernires annes de rdaction aura t absolument dterminant. De mme, je souhaite exprimer ma profonde
gratitude au Professeur Rachid Boutti, qui a co-dirig cette thse avec confiance. Je tiens le remercier pour
sa patience, ses conseils prcieux et aviss, sa pdagogie, son soutien inestimable et sa gnrosit
exceptionnelle.

Je remercie galement le Professeur Stphane Trbucq, le Professeur Yves Levant, le Professeur Grald Naro
de mavoir fait lhonneur de participer ce jury et davoir, par certains de leurs travaux, inspir mes
rflexions.

Jadresse mes vifs remerciements Sami Basly, Pierre Nble et Houda Zian pour leurs soutiens
mthodologiques, leurs remarques pertinentes, et leurs conseils, qui ont contribu amliorer la qualit de
mon travail.

Je ne peux oublier de remercie tout le personnel des Bibliothques de Bordeaux, qui ma normment aid
dans mes recherches bibliographiques et de bases de donnes disponibles au niveau de lUniversit. Je
remercie galement les quipes administratives de la Bibliothque de Paris-Dauphine et de la Bibliothque
de Centrale Paris qui ont grandement facilit mes dmarches.

Je voudrais en particulier remercier les interlocuteurs de Microsoft France ayant accept de me recevoir
pendant 6 mois au dpartement finance, afin dexprimenter mes travaux.

Enfin, je tiens remercier ma famille et mes amis pour leur soutien inconditionnel dans les moments
difficiles. Merci pour les encouragements que vous avez toujours su me prodiguer.
 mes parents,
ma famille,
mes professeurs et mes amis.
 SOMMAIRE

Introduction gnrale ............................................................................................................... 6

Premire partie : Systme de mesure de la performance : revue de littrature

et cadre conceptuel ................................................................................................................. 25

Chapitre 1. Le systme de mesure de la performance .............................................................. 28

Chapitre 2. Ltude du terrain et les hypothses de la recherche ............................................. 87

Deuxime partie : Validation du modle thorique : choix mthodologique

et prsentation des rsultats empiriques ............................................................................ 141

Chapitre 3. Le tableau de bord des ETI : Mthodologie adopte et mise en uvre

de ltude empirique ............................................................................................................... 144

Chapitre 4. La validation du modle et lanalyse des rsultats .............................................. 209

Conclusion gnrale ............................................................................................................. 298

BIBLIOGRAPHIE ............................................................................................................... 309

LISTE DES TABLEAUX .................................................................................................... 346
LISTE DES GRAPHIQUES ............................................................................................... 349
LISTE DES SCHMAS....................................................................................................... 350
TABLE DES MATIRES ................................................................................................... 351
LISTE DES ANNEXES ....................................................................................................... 359
ANNEXES ............................................................................................................................. 360
 Introduction gnrale

When you can measure what you are speaking about and
express it in numbers, you know something about it 1

D epuis les vingt-cinq dernires annes, la mesure de la performance prend une

importance centrale soit auprs des chercheurs ou des praticiens (Medori et Steeple,
2000). Plusieurs travaux de recherche ont propos aux entreprises de dvelopper de nouveaux
systmes de mesure de la performance (nots SMP)2 qui contiennent des informations
financires et non financires. Kaplan et Norton (1992, 1993, 1996, 2000) recommandaient
ltablissement de Balanced Scorecard 3
alors que des auteurs comme Nanni et al. (1992)
suggraient que les entreprises devaient avoir un lien entre leurs stratgies et les indicateurs
utiliss dans les tableaux de bord (nots TB). Bien que plusieurs recherches sintressent aux
TB, les tudes sur lutilit des indicateurs de la performance (key performance indicators) et
lefficacit des systmes de mesure de performance semblent rares, notamment dans le
contexte des entreprises de taille intermdiaire (ETI4).

Actuellement, et dans un environnement daffaires incertain, plusieurs chercheurs ont critiqu

les modles comptables pour mesurer la performance des organisations (Gomes et al., 2004;
Kennerley et Neely, 2003; Said, HassabElnaby et Wier, 2003; Medori et Steeple, 2000).
Cumby et Conrod (2001) ajoutent que les limites des indicateurs financiers sont encore plus
importantes pour des entreprises innovantes, dont la valeur cre est dpendante dune faon
troite des actifs intangibles et du capital intellectuel5 (Intellectual Capital) (Amir et Lev,
1996 ; Itami, 1987).

1
Cette citation clbre du physicien britannique William Thomson, aussi connu sous le nom de Lord Kelvin
(18241907), peut tre traduite comme suit : Quand vous pouvez mesurer ce dont vous parlez et que vous
lexprimez en nombres, vous tes capable de savoir quelque chose son sujet . Ainsi, la mesure est en fait la
base du processus de connaissance scientifique. Elle est lie un travail de reprsentation des phnomnes
observs (Cf. Lord KELVIN (1891), "Lecture to the Institution of Civil Engineers", in Popular Lectures and
Addresses, vol. 1, Macmillan and Co., London & New York, p. 80).
2
Ces systmes se dclinant sous diffrentes formes (tableau de bord, Balanced Scorecard, navigateur Skandia,
etc.), ont pour fonction principale de: traduire la mission et la stratgie de lentreprise en un ensemble
dindicateurs de performance qui constituent la base dun systme de pilotage de la stratgie (Kaplan et
Norton, 1996).
3
Tableau de bord prospectif.
4
Les ETI comptant entre 250 et 5000 salaris, se trouvent ainsi entre les PME et les grands groupes.
Gnralement, ce sont des entreprises patrimoniales et familiales.
5
Edvinsson et Sullivan (1996) montrent que le capital Intellectuel se compose du capital humain qui dsigne les
connaissances, le savoir-faire, les expriences des salaris et leurs attitudes et capacits dinnovation et
dapprentissage, du capital structurel (culture dentreprise, l'innovation des produits et l'innovation des
6
De surcrot, des structures dorganisation verticales de lentreprise cdent le pas devant des
structures horizontales de type processus1. Celles-ci ont pour avantage de mieux mettre en
vidence les enchanements de tches en vue de les optimiser. Lenvironnement de
lentreprise devient de plus en plus complexe et dynamique, et linformatisation des activits
de lentreprise dpasse toutes les prvisions. Ainsi, depuis les annes 1980 de nouvelles
mthodes mergentes viennent soutenir les pratiques de mesure de la performance (la
Mthode des cots par activit Activity-Based Costing ABC , Balanced Scorecard,
indicateurs de cration de valeur,)2. En parallle, les entreprises sont de plus en plus
attentives agir de faon responsable vis--vis de leurs partenaires3. Lmergence du
dveloppement durable4 et de la performance associe RSE5 (responsabilit socitale des
entreprises) 6 devient dornavant un dfi de la mesure de la performance.

Vu ce changement considrable des pratiques en matire de mesure de la performance, la

fonction du contrle de gestion sloigne ainsi progressivement de ses missions classiques
(Berland, 2009). En parallle, les ETI font lobjet dune forte pression visant les obliger
amliorer leur performance, en particulier concernant loptimisation des ressources quelles
consomment et la richesse quelles crent.

Par ailleurs, la performance est au cur de la dcision et de llaboration stratgique de toute

une entreprise. Elle est ce titre une variable clef des quilibres conomiques, financiers et
sociaux de nimporte quelle organisation. Lorsquon considre la performance comme le sujet

processus, la communication, etc.) et du capital relationnel (les relations vers lextrieur de lentreprise avec les
actionnaires et les investisseurs, les partenaires commerciaux, les clients et les fournisseurs).
1
Lorino (2003) dfinit le processus comme un ensemble dactivits relies entre elles par des flux
dinformation ou de matire significatifs et qui se combinent pour fournir un produit matriel ou immatriel
important et bien dfini . Ce concept contribue la chane de valeur mis en vidence par Porter.
2
Pour plus de dtails, voir larticle de Bourguignon et Jenkins (2004), Changer doutils de contrle de gestion ?
De la cohrence instrumentale la cohrence psychologique. Finance Contrle Stratgie Volume 7, N 3,
septembre, p. 34.
3
Cela est l'oppos la faon de voir d'conomistes de tendance librale comme Milton Friedman, pour qui la
seule morale de l'entreprise est justement qu'elle n'a aucune morale, et que tous les moyens conduisant aux
profits sont bons.
4
Selon Nidumolu et al. (2009), les entreprises qui font de dveloppement durable un objectif atteindre
raliseront un avantage concurrentiel. Ils suggrent que le dveloppement durable est une opportunit pour
amliorer la performance et pour acqurir un avantage concurrentiel. Ce concept est considr par lauteur
comme la pierre angulaire pour repenser les modles daffaires, les produits, les technologies et les processus.
5
La plupart des SMP utiliss aujourdhui au sein des entreprises ont t implants partir de la premire version
du Balanced Scorecard qui nintgrait pas la dimension de la RSE dans son cadre danalyse et le Balanced
Scorecard dans sa forme la plus rcente ne traite que partiellement la problmatique du pilotage stratgique
de la RSE (Germain et Trbucq, 2004).
6
Les conclusions de Germain et Gates (2007), suite leur enqute ralise auprs de 79 grandes entreprises
implantes en France, indiquent que les systmes de mesure de la performance intgrent peu dindicateurs
lis la RSE.
7
incontournable de la matrise des processus de gestion1, la premire question qui se pose est
celle des facteurs qui expliquent son volution. Cest pour cela que lon cherche identifier
les sources dinformations disponibles2 pour mettre en uvre des modes de diagnostic adapts
chaque objectif danalyse. Do, limportance davoir au sein de lorganisation un systme
dinformation cohrent et efficace.

En outre, ce concept de performance des entreprises constitue un lment fondamental par

rapport lensemble de ses engagements (Caby et Hirigoyen, 2001). Aussi, suite lvolution
organisationnelle, le systme dinformation, qui est loutil principal de dcision au sein des
entreprises, aussi bien que le contrle de gestion, ont connu leur tour un dveloppement
important dans le but de mesurer efficacement les rsultats et la performance globale des
entreprises.

Dans cette optique, les systmes de mesure de la performance ont fait lobjet de nombreuses
adaptations aux stratgies concurrentielles et au dynamisme et la complexit de
lenvironnement externe de lentreprise (Lorino, 1991 ; Malo et Math, 1998 ; Bollecker,
2001). Plusieurs chercheurs recommandent aux entreprises dajouter la traditionnelle
reprsentation architecturale des systmes comptables et de contrle de gestion une
reprsentation qualitative qui se ralise par lintgration dinformations oprationnelles et non
financires (Errami, 2007). cet gard, des auteurs comme Edvinsson et Malone (1999)
proposent un tableau de bord le Skandia Navigator dont lobjectif est de mesurer la
performance socitale3 par le capital humain afin de produire des lments de contrle
managrial et de rpondre au besoin dinformations de toutes les parties prenantes
stakeholders . Neely et Adams (2001) tudient le prisme de la performance, qui prsente
un systme multidimensionnel se fondant sur lanalyse de besoins de lensemble des parties
prenantes de lorganisation (les clients, les actionnaires, le personnel, les fournisseurs et la
collectivit environnante).

En revanche, il fallait attendre jusqu 1992, que Kaplan et Norton proposent le Balanced
Scorecard. Ce systme de management de la performance stratgique est le mieux connu des

1
Le prsident de Toyota, Nate Furuta, distinguait avec sagesse quune entreprise qui amliore ses processus de
gestion progressera dans le futur. Il souligne limportance de matriser ces processus pour atteindre les rsultats
prvisionnels. (Cf. Propos rapports par Jeffrey K. Liker et Michael Hoseus (2007), Toyota Culture, McGraw
Hill, p.508.)
2
Dans son livre Levers of control: How managers use innovative control systems to drive strategic renewal ,
Simons (1995a) note que la matire premire du contrle de gestion est linformation.
3
Il est noter que des organismes indpendants nationaux ou internationaux, tels que Vigo, GRI, ISO,
proposent des listes dindicateurs pour prsenter cette performance socitale.
8
chercheurs et le plus utilis par les entreprises (Chenhall, 2005 ; Bourguignon et al., 2002). Il
consiste mesurer les activits1 dune entreprise selon quatre perspectives principales :
innovation et apprentissage organisationnel, processus internes, clients et finances (Kaplan et
Norton, 2007). Cette mthode a rvolutionn le contrle de gestion, elle se lie non seulement
aux rsultats financiers, mais galement aux questions humaines2 qui produisent ces rsultats.
Cela permet aux entreprises de se focaliser sur l'avenir et dagir dans leur meilleur intrt
long terme. Par consquent, tous les salaris doivent apporter une valeur ajoute en termes de
savoir et par la qualit des informations quils peuvent fournir. Ltude et la gestion des
3
connaissances des collaborateurs sont devenues ainsi un facteur cl du succs (FCS) des
entreprises modernes.

Ces diffrents systmes de mesures de la performance font face un dfi commun qui rside
dans lutilisation diversifie et quilibre des mesures financires et non financires et le
renforcement du lien entre la stratgie et les oprations4 (Germain, 2004). Cela reflte
limportance accrue accorde lensemble des stakeholders, contrairement aux traditionnels
indicateurs purement financiers qui se concentrent sur les intrts des actionnaires
(Charreaux, 1998; Parrat, 1999; Sharma, 2001).

Un systme de mesure de la performance bien organis peut tre le mcanisme le plus

puissant la disposition de la direction pour amliorer la probabilit de mise en uvre de la
stratgie russie (Lynch et Cross, 1991, p. 37; Fitzgerald et al., 1991, p. 3). Lorsque des
mesures financires et non financires sont incorpores dans le mme modle de performance,
les gestionnaires peuvent chercher la performance dans plusieurs domaines simultanment
afin de permettre la prise de dcision efficace et stratgique (Malina et Selto, 2001 ; Ittner et
al., 2003 ; Nanni, Dixon et Vollman, 1992, p. 9). Cette caractristique qui consiste couvrir
plusieurs dimensions de la performance est implicite dans le cas du tableau de bord.

1
Bescos et Mendosa (1994) ont dfini une activit comme un ensemble de tches homognes caractristiques
dun processus de ralisation de la chane de valeur et consommateur de ressources.
2
Il nest de richesse que dhommes : la formule de Jean Bodin (1529 - 1596) est parfaitement approprie
pour lentreprise. Selon cette formule, ce sont les hommes et les femmes de lentreprise qui vont in fine crer de
la valeur par leur travail, leur implication et leur imagination.
3
Les facteurs cls de succs sont les comptences distinctives que lentreprise doit matriser pour avoir un
avantage concurrentiel. Porter distingue dix catgories de FCS, parmi lesquelles : conomie dchelle,
apprentissage, liaisons entre activits, etc.
4
Gnralement, linformation non financire est prfre pour la gestion courante et celle financire ou
montaire, pour la gestion stratgique.
9
Cependant, elle est trs visible dans celui du Balanced Scorecard puisquelle organise
loutil en lorientant a priori vers les quatre dimensions danalyse1.

En outre, un quilibre est tabli entre les indicateurs externes, destins aux actionnaires et aux
clients, et les indicateurs internes qui sattachent aux processus internes, linnovation et le
dveloppement des comptences. Ainsi, le Balanced Scorecard assure un quilibre entre des
indicateurs objectifs et quantifis, qui traduisent des rsultats2 la performance passe , et
des indicateurs plus subjectifs, les dterminants de la performance future 3 (Lorino, 2003).
cet gard, lentreprise qui russit une performance financire sans maintenir ou amliorer la
performance oprationnelle risque de perdre sa comptitivit4. Dans un entretien de Kaplan et
Norton paru dans la revue Echanges en 2001, Norton souligne que leur approche met laccent
sur la question suivante, fondamentale dans la nouvelle conomie, comment crer de la
valeur partir dactifs immatriels ? (Kaplan et Norton, 2001b, p. 21).

Notre recherche sapplique tudier les pratiques de tableaux de bord au sein des Entreprises
de Taille Intermdiaire. Cette catgorie dentreprises a t introduite par la Loi de
Modernisation de lEconomie (LME) en 2008, sous limpulsion dASMEP-ETI5. Dans ce
cadre, les pouvoirs publics comptent sur ces entreprises afin notamment de rapprocher la
France du partenaire allemand, avec son Mittelstand6 dentreprises performantes.

Encore ignores il y a quelques annes, les ETI sont dornavant vues comme le moteur de
lconomie franaise7 et la base de la reconqute industrielle8. En 2011, la France compte

1
Tous les objectifs et tous les indicateurs des autres axes du tableau de bord prospectif doivent tre articuls
un ou plusieurs objectifs de laxe financier []. Cette articulation avec les objectifs financiers indique
clairement que lobjectif long terme de lunit est dassurer un bon rendement aux investisseurs, et que
lensemble des stratgies, des programmes et des initiatives doit permettre lunit datteindre ses objectifs
financiers (Cf. Kaplan R. S. et Norton D. P., 2007, pp. 76-77).
2
Lagging indicators, ils dterminent si un objectif a t atteint.
3
Ce que nous appelons les indicateurs avancs, leading indicator.
4
Patrick JAULENT, consultant international, prsident du club Balanced Scorecard France et ancien lve de
Robert Kaplan, a publi plusieurs articles ce sujet sur son site : http://objectifperformance.decideo.fr/
5
ASMEP-ETI est lAssociation syndicale des moyennes entreprises patrimoniales - Entreprises de Taille
Intermdiaire. Ce syndicat a t cr par Yvon Gattaz en 1994. Depuis le 25 septembre 2013, Philippe dOrnano
prsident du directoire de Sisley et Elizabeth Ducottet Prsident-Directeur-Gnral de Thuasne , ont t
lus co-prsidents de lASMEP-ETI (http://www.asmep-eti.fr).
6
Le Mittelstand dsigne les entreprises familiales de taille moyenne, majoritairement industrielles, qui ont
dvelopp un systme de management bas sur une innovation importante, une spcialisation dans des niches
de haut de gamme, un service client bien gr, une gestion des ressources humaines proche des attentes des
salaris et qui privilgie la production en Allemagne, etc. Il sagit tout simplement des PME allemandes.
7
Cf. KPMG (2013), Les ETI, leviers de la croissance en France : cinq ans aprs leur cration, quel bilan et
quelles perspectives ?, Ed. ASMEP-ETI & KPMG.
8
Pour la classe politique, reconstruire un Mittelstand la franaise est une ambition consensuelle qui fait
lunanimit. Plusieurs concepts sont apparus ces dernires annes : Made in France , redressement
productif, priorit lindustrie , comptitivit , etc.
10
environ 5 000 ETI qui reprsentent 4.9% du total des entreprises1, 23 % de l'emploi salari,
25% de la valeur ajoute, 33% des exportations de la France (Gattaz, 2010), et 61%
dentreprises cotes selon les cahiers du Fonds Stratgique dInvestissement (FSI) publi en
juillet 2012. Cette catgorie dentreprises est la moins endette. Par leur structure
gnralement patrimoniale (personnelle ou familiale) de leur actionnariat, les ETI visent
souvent une performance long terme. Ses acteurs sont impliqus en province o ils offrent
75% de lemploi total et disposent de 85% des units de production2. Face la crise de ces
dernires annes, elles rsistent3 mieux que les autres catgories dentreprises : 70% des ETI
ont augment leurs effectifs au cours des sept dernires annes et elles privilgient souvent
lemploi sur la distribution des dividendes (Cf. tude ASMEP-ETI, 2013). Ce qui leur donne
une position stratgique dans les quatre catgories d'entreprises de la France4 : TPE, PME,
ETI et GE.

Cest ainsi que dans les facults de gestion est n un courant de recherche sur le thme des
ETI5 et que diverses revues commencent sintresser ce type dorganisation. Toutefois,
malgr les efforts trs importants et la qualit des rsultats obtenus, on peut affirmer que la
recherche sur les ETI en est encore ses premiers pas. Cest pourquoi il est prfrable de
multiplier les tudes empiriques et thoriques sur ce nouvel objet de recherche afin daboutir
une meilleure comprhension du fonctionnement de ce type dentreprise.

travers notre lecture de la littrature relative aux ETI, nous avons estim que ces entreprises
nintgrent pas suffisamment les contingences internes et externes dans leur systme de
mesure de la performance. Plusieurs recherches ont dmontr, dans le cadre de la thorie de la
contingence, que le contenu des TB dpend de plusieurs facteurs de contingence (Zian, 2013 ;
Elhamma, 2011 ; Germain, 2004 ; Germain, 2003). Dans ce champ de recherche, nous
tentons dexpliquer la conception des systmes dvaluation des performances des ETI par un
certain nombre de facteurs de contingence. Ensuite, nous analysons limpact de ces facteurs
sur lutilit des TB dans le pilotage de la performance travers la diversit dutilisation des
indicateurs de performance.

1
Cf. Rau et Hecquet (2013), Les grandes entreprises psent plus dans le Nord et les petites dans le Sud , Insee
Premire, avril, n1 440.
2
Source : tude ASMEP-ETI, Placer les ETI au cur de la bataille pour lemploi , Avril 2013.
3
Selon une tude ralise pour ASMEP-ETI par lObservatoire de lemploi Trendeo - mene sur les annonces
de crations et de suppressions demplois depuis le 1er janvier 2012 jusquau 31 mars 2013 : Situation de
lemploi dans les ETI 2012-2013 ; montre que les ETI jouent un rle damortisseur de la crise.
4
Cf. Coulomb . (2010), Les entreprises de taille intermdiaire, elles ont tout pour plaire !, Revue Banque,
n728.
5
Cf. Chabaud D. et Messeghem K. (2014), Les ETI. Un nouvel objet de recherche , Revue franaise de
gestion (N 244), p. 95-110.
11
 1. La formulation des questions de la recherche

Actuellement, la mesure de performance et les pratiques de pilotage de la performance sont

devenues trs courantes dans tous les secteurs dactivits (Bititci et al., 2011). Ce prsent
travail doctoral, vise rpondre la question de recherche suivante :

Quels sont les facteurs de contingence qui expliquent lutilit des indicateurs de performance
des ETI au moyen de la varit du contenu des tableaux de bord ?

Ce mmoire est ainsi loccasion pour nous de discuter et de rflchir autour de la

problmatique de recherche, et dessayer de rpondre, dans le cadre de la thorie de la
contingence, nos questions concernant linfluence des facteurs de la contingence sur le
contenu des TB , puis linfluence de ce dernier sur lutilit des indicateurs dans le pilotage de
la performance. De ce fait, lorsque les indicateurs financiers et les indicateurs non financiers
sont conus adquatement et mis jours rgulirement, ils permettent de prsenter une image
fidle et une prdiction de la performance financire de lentreprise.

Par consquent, en relation avec notre principale question de recherche, nous tudions les
trois sous questions suivantes :

- Existe-il un lien significatif entre les facteurs de contingence et la diversit

dutilisation des indicateurs de performance au sein des entreprises de taille
intermdiaire ? Autrement dit, ces facteurs impactent-ils la varit du contenu du
systme de mesure de la performance?

- Quels sont les facteurs de contingence qui permettent dexpliquer lutilit des TB dans
le pilotage de la performance ?

- La varit du contenu des TB influence-t-elle lutilit des indicateurs dans le pilotage

de la performance?

Nous tenterons dapporter des lments de rponse ces questions en nous focalisant sur la

12
thorie de la contingence. Nous allons donc analyser premirement la revue de littrature
ce sujet, puis nous procderons une tude empirique sur la base des donnes collectes
dun questionnaire administr en ligne. Cette approche de la contingence a fourni un
paradigme cohrent de lanalyse des organisations et considre actuellement comme le
courant dominant de ltude des systmes de contrle (Covaleski et al., 1996 ; Soobaroyen,
2007).

Une fois notre problmatique de recherche prsente, la section suivante permettra de

comprendre les intrts thoriques et pratiques de notre travail.

2. Les intrts de la recherche

Johnson et Kaplan (1987) ont publi leur livre pionnier intitul Relevance Lost 1
( pertinence perdue ), qui posa la premire brique de la comptabilit dactivits2 et critiqua
lexclusivit des indicateurs financiers dans les SMP : Les mesures court terme devront
tre remplaces par de multiples indicateurs non financiers qui constituent de meilleures
cibles et ont une meilleure valeur prdictive quant aux objectifs de rentabilit long terme de
lentreprise (1987, p. 259). En effet, les indicateurs financiers disent peu de choses sur la
faon dont la performance se dcline dans lentreprise jusqu ses chelons les plus bas. Sils
sont en gnral facilement comprhensibles pour les membres de la direction gnrale,
habitus utiliser de tels concepts, cest moins le cas pour les responsables oprationnels de
lentreprise, pour qui ltablissement des indicateurs non financiers3 est ncessaire pour suivre
la performance oprationnelle de lentreprise (Neely, 1999, p. 206). Dans ce cadre, Neely (op.
cit.) a identifi quentre 1994 et 1996 plus de 3600 articles ont t publis sur la mesure de
performance, il a invent l'expression la rvolution de la mesure de performance 4. Ainsi,
la mesure de performance a acquis une popularit croissante dans la pratique5 et dans la
recherche.

1
Johnson H.T. et Kaplan R.S. (1987), "Relevance Lost: the Rise and Fall of Management Accounting", Harvard
Business School Press, Boston.
2
Les diverses activits de lentreprise permettent de produire les diffrents biens et services. Do lintrt de
dcouper lentreprise par activit et non par fonction et par produit.
3
Ce sont des indicateurs avancs dune performance de plus en plus immatrielle.
4
Traduite par nos soins de lexpression anglaise the performance measurement revolution .
5
Sur le plan pratique, Johnson (1981) rappelle que les origines de la mesure de la performance rsident dans la
comptabilit en partie double qui a merg vers la fin du 13 e sicle et qui est reste inchange jusqu'
lavnement de la rvolution industrielle.
13
Dans le contexte actuel, caractris par des scandales financiers, des volatilits accrues des
marchs, une forte dcentralisation dans le processus de dcision, etc. la performance globale
des entreprises ne pourrait pas tre mesure uniquement par des mesures comptables et
financires classiques. De ce fait, des nouvelles mesures financires ont rencontr un regain
dintrt travers par exemple la valeur ajoute conomique (traduction de l'EVA 1) et des
mesures non financires ont t introduites dans des SMP (Poincelot et Wegmann, 2005).
Dans ce cadre, au cours de notre deuxime anne de thse, et pour comprendre plus
profondment laspect pratique de notre problmatique de recherche, nous avons considr
judicieux de redescendre sur le terrain et de chercher nouveaux les nouvelles pratiques de
mesure de la performance utilises au sein des ETI. Cest ainsi que nous avons intgr
Microsoft France2 en tant que business analyst pour une priode de six mois3. Ainsi, lintrt
de notre recherche se situe deux niveaux :

2.1 Les intrts thoriques

Sur le plan thorique, le thme et le problme tudis offrent notre rflexion des
aspects jusquici peu explors. Deux intrts thoriques fondamentaux trs complmentaires
sont en fait abords :
Le premier intrt thorique de notre recherche se rsume dans limportance des TB dans le
domaine de la mesure de la performance. Notre dfi de recherche, consiste intgrer
linfluence des facteurs de contingence dans les systmes de mesure de la performance, en
particulier les TB. Il sagit dun sujet dactualit dans le domaine de contrle de gestion, qui
pourrait enrichir les travaux thoriques et empiriques antrieurs.

Le deuxime intrt thorique de notre tude est relatif nos questions de recherche. Certes il
existe plusieurs travaux qui ont essay dexpliquer comment les facteurs cls influent sur le
succs ou lchec de SMP (Chenhall 2003; Franco et Bourne, 2003; Garengo et Bititci, 2007;
Hoque et James, 2000; Langfield-Smith, 1997; Otley 1999; Reid et Smith, 2000; Simons,
1995b). Cependant, notre connaissance, malgr ces travaux ou autres qui ont aboutis

1
EVA (Economic Value Added) est une marque dpose du cabinet Stern Stewart. (Cf. B. Stewart (1991), Quest
for Value, New York, Harper-Collins). Elle mesure la cration de valeur pour les actionnaires en comparant le
cot moyen pondr des capitaux engags et le retour sur le capital investi.
2
Cest une ETI qui compte 1 700 salaris et elle est installe Issy-les-Moulineaux. Ils ntaient que sept
personnes, en 1983, pour fonder, en France, lune des toutes premires filiales de Microsoft dans le monde.
3
Ce stage doctoral en contrle de gestion est le troisime au sein des ETI, le premier a t effectu dans la
Compagnie des Transports Strasbourgeois (Troisime employeur de la rgion alsacienne, avec un effectif moyen
de 1 500 quivalent temps plein ETP) en 2007, et le deuxime en 2008 au sein de Lactalis Europe du Nord
Bruxelles.
14
l'laboration des diffrents modles de mesure de la performance intgrant des facteurs de la
contingence organisationnelle (la structure organisationnelle, la taille, le secteur dactivit,
linformatisation, lincertitude de lenvironnement, etc.) et comportementale (la stratgie de
lentreprise, le type de formation du dirigeant, etc.), trs peu sont effectus en France sur
lutilit de la diversit dutilisation des indicateurs de TB dans le pilotage de la performance
(Zian, 2013 ; Komarev, 2007 ; Germain, 2004 ; Bergeron, 1996). Quant notre
problmatique, elle va explorer cette piste de recherche pour analyser linfluence de ces
facteurs sur le contenu des TB des ETI implantes en France et sur lutilit des indicateurs de
ces TB dans le pilotage de la performance. Il sagit dune contribution de notre part afin de
combler le manque de recherche dans ce domaine.

Notre deuxime aspect, pratique cette fois, consiste prsenter ci-dessous, lutilit de notre
travail dans la vie professionnelle des praticiens du contrle de gestion.

2.2 Les intrts pratiques

Sur le plan pratique, la recherche doit rpondre certaines proccupations des praticiens.

Le premier axe permet dexpliquer aux responsables financiers et contrleurs de gestion que
la prise en compte de lvolution de lenvironnement interne et externe de lentreprise,
pourrait contribuer lamlioration du suivi et de lvaluation de la performance. Ainsi, le
prsent travail permet de prsenter un modle de recherche intgrateur, qui prend en compte
les facteurs de contingence.

Le deuxime axe met en lumire linfluence de ces facteurs, mentionns dans les travaux
thoriques et empiriques antrieurs, et leur effet sur le contenu des TB et ensuite sur lutilit
des indicateurs dans le pilotage de la performance. Ainsi, les responsables financiers et les
dirigeants des ETI pourront concentrer leur effort sur les critres de performance rsidant dans
le contenu de leurs TB.

La description des pratiques comptables en ETI devrait permettre aux dirigeants et aux
responsables financiers de se situer dans un cadre de rfrence tant sur le plan des donnes
disponibles que sur le plan des donnes utilises. Ltude devrait ainsi rpondre certaines de
leurs interrogations du type comment se situe le tableau de bord de lentreprise par rapport
celui dautres ETI ?

15
Une fois les principaux intrts thoriques et pratiques souligns, nous exposons ci-dessous
les rsultats attendus de notre recherche.

3. Les rsultats attendus

Les rsultats attendus de ce travail peuvent sarticuler autour des deux axes suivants.

Sur le plan thorique, ce travail aborde un modle explicatif de la mesure de la performance

des ETI. partir de lanalyse de la littrature et afin dexpliquer la problmatique de la
recherche, nous proposons un modle intgrateur qui prend en compte plusieurs facteurs de
contingence, une variable mdiatrice et une variable expliquer.

Sur le plan managrial, notre tude propose aux dirigeants et aux responsables financiers, un
modle de recherche explicatif reposant sur un effet mdiateur, qui sinspire autant de la
thorie que de la pratique. Elle permettra aux diffrents acteurs de lentreprise de contrler la
performance en fonction des facteurs de contingence (variables indpendantes1) qui
influencent lutilit des indicateurs de TB dans le pilotage de la performance (variable
expliquer2). Lassociation ou la causalit observe entre les facteurs de contingence et lutilit
des TB dans le pilotage de la performance rsulte du fait que les facteurs de contingence
influencent la diversit dutilisation des indicateurs de TB (variable mdiatrice) qui son
tour influence l utilit des TB dans le pilotage de la performance .

Lensemble de ces considrations et de ces rsultats attendus lgitime le dveloppement dun

travail de terrain visant observer et comprendre la ralit du pilotage de la performance
grce aux TB des ETI. Cela, ncessite la mise en place dune mthodologie dobservation.
Cette tude prendra la forme dun travail empirique visant, en quelque sorte, effectuer un
ensemble de choix lis la posture pistmologique adopte et la dmarche scientifique
applique.

1
Appeles aussi variables explicatives.
2
Appele aussi variable explique ou dpendante.
16
 4. Le positionnement pistmologique, et la mthodologie de la
recherche

Cette section aborde le positionnement pistmologique retenu dans le cadre de ce travail

doctoral. Toute recherche scientifique repose sur une vision du monde, suit une mthodologie
et offre des lments de rponse (Giordano et Jolibert, 2008, p. 17 ; Perret et Sville ; 2003).
Pour simplifier son travail, le chercheur sinspire des trois courants pistmologiques en
sciences de gestion, savoir le positivisme, linterprtativisme et le constructivisme. Ainsi, le
positionnement par rapport lun deux, permet au chercheur dorganiser ses ides selon une
ligne directrice de la recherche et de contrler sa dmarche scientifique.

Nous exposons dabord brivement les caractristiques fondamentales des trois grands
paradigmes pistmologiques (4.1.), puis, nous justifions le choix de la posture positiviste
retenue (4.2). Le troisime point traite la mthodologie de la recherche (4.3). Nous terminons
cette section par une analyse de la dmarche scientifique (4.4) adopte ici.

4.1 Laperu gnral des trois principaux paradigmes

En sciences de gestion, il existe trois principaux paradigmes pistmologiques qui grent les
recherches : le positivisme (4.1.1), le constructivisme (4.1.2) et linterprtativisme (4.1.3).

4.1.1. Le positivisme

Le philosophe franais Auguste Comte (1798 - 1857) a t le premier tenant du positivisme

au XIXme sicle. Lcole positiviste repose sur une hypothse philosophique, selon laquelle la
ralit existe en soi et est indpendante du chercheur. Ce dernier emploie une approche
dductive, cest--dire quil formule dabord les hypothses quil teste ensuite sur le terrain
laide doutils de mesure tels que des questionnaires. Ainsi, la ralit peut tre mesure de
manire objective travers des mthodes de recueil de donnes statistiques reconnues
scientifiquement.

17
4.1.2. Le constructivisme

Selon le paradigme constructiviste, la ralit nexiste pas en tant que telle, mais travers les
individus qui la peroivent. Daprs les partisans de ce paradigme, la ralit est lie
lobservateur, le chercheur doit alors construire la ralit avec les acteurs qui la composent
(Giordano, 2003). Les conclusions ainsi labores sont subjectives, puisque le chercheur nest
plus extrieur ce quil tudie.

Alors, la ralit est dpendante du sujet qui lobserve, les reprsentations des individus
deviennent le centre de lanalyse des tenants du courant constructiviste.

Lenvironnement est donc form par les individus et la connaissance devient construite. La
dmarche constructiviste consiste produire des explications, qui ne sont pas la ralit, mais
un construit sur une ralit susceptible de lexpliquer (Wacheux, 1996, p. 43).

4.1.3. Linterprtativisme

Le paradigme interprtativiste a des points en commun avec le constructivisme. En effet, la

ralit dans ces deux paradigmes dpend du sujet qui lobserve alors que pour les positivistes
la ralit est indpendante du sujet. Le paradigme interprtativiste consiste interprter et
donner un sens aux faits observs : Comprendre, c'est--dire donner des interprtations aux
comportements, implique ncessairement de retrouver les significations locales que les
acteurs en donnent, c'est--dire des significations situes (dans lespace) et dates (dans le
temps). (Perret et Sville, 2003). Ainsi, linterprtation du discours des acteurs exige de bien
connatre le contexte dans lequel celui-ci sinscrit.

Pour bien grer lavancement de notre travail, nous avons adopt un positionnement
positiviste. Dans la sous-section suivante, nous prsentons les raisons majeures de ce choix.

4.2 Le positionnement positiviste

Notre positionnement pistmologique guide inluctablement lorientation et larticulation de

notre problmatique et des objectifs de notre recherche. En effet, cette tude a un double
objectif. Dune part elle consiste analyser et expliquer dune faon objective linfluence
des facteurs de contingence sur la varit du contenu de TB, puis sur lutilit des indicateurs
18
dans le pilotage de la performance des ETI. Et dautre part, elle vise tudier linfluence de la
diversit dutilisation des indicateurs de TB sur lutilit de ce dernier dans le pilotage de la
performance. Pour arriver un tel objectif, et compte tenu des dveloppements prcdents
nous considrons nous inscrire dans une philosophie plutt positiviste de la science (Martinet,
1990 ; Wacheux, 1996).

Comme mentionn prcdemment, et daprs Perret et Sville (2003), le paradigme

positiviste considre que la ralit existe en soi, elle possde une essence propre. La mission
du chercheur est de trouver cette ralit extrieure lui. Dans cet esprit de positivisme, nous
admettons la construction dune connaissance de lobjet (la ralit) de nature objective,
extrieure lindividu et indpendante du contexte dinteractions des acteurs (Perret et
Sville, 2003). La ralit peut donc tre prdite et soumise ici au critre de rfutabilit de
Popper1. En appliquant ce paradigme, nous nous employons expliquer la ralit existante de
manire objective, tout en tant indpendant de lobjet tudi et cela en administrant un
questionnaire de recherche en ligne sur le logiciel LimeSurvey.

Aprs avoir opt pour lapproche pistmologique positiviste, il convient dsormais

didentifier la mthodologie que nous mettons en uvre pour appliquer cette vision de la
science dans ltude de notre problmatique de la recherche initialement formule.

4.3 La mthodologie de la recherche

Le positionnement positiviste est bas sur une mthodologie permettant au chercheur de tester
ses hypothses scientifiques, laide dutilisation de modles souvent quantitatifs, tout en
restant indpendant par rapport son objet de recherche.

Lobjectif de cette sous-section est de prsenter la manire dont les donnes ont t prpares
et structures avant dtre analyses. Cette tape prparatoire est indispensable pour pouvoir
tester nos hypothses de recherche. Elle consiste vrifier la compltude et la cohrence des
donnes recueillies. Nous devons en effet nous assurer de la qualit de nos instruments de
mesure utiliss pour valider notre modle de recherche.

1
Pour Karl Popper ( Conjectures et rfutations , Payot, Paris, 1985) un ensemble de connaissances est qualifi
de science si, et seulement si, il doit tre vrifi, vrifiable et surtout rfutable par l'exprience. Cela est assur
par une confrontation du modle de recherche la ralit du terrain observ. Le critre de rfutabilit satisfait
deux conditions : (1) la thorie scientifique doit tre capable de faire une (des) prdiction(s), (2) cette prdiction
doit examiner une exprience nouvelle susceptible de rfuter la thorie.
19
Le traitement des donnes est effectu grce lAnalyse en Composante Principales (ACP)
qui permet de nettoyer nos chelles de mesure pour aboutir une fiabilit acceptable par
rapport lindicateur de lAlpha de Cronbach. Le but capital de cette analyse est de vrifier la
dimensionnalit des chelles mobilises dans notre recherche (Evrard et al., 1993). Une fois la
dimensionnalit vrifie, nous analysons notre modle de recherche global par le biais de trois
rgressions linaires multiples.

Il est noter que le test de fiabilit est applicable sur des chelles de mesure
unidimensionnelles (Gerbing et Anderson, 1988). Si le concept est unidimensionnel, tous les
noncs qui servent le mesurer forment un seul facteur. Lchelle est donc homogne. Dans
le cas o le construit est multidimensionnel, les items doivent tre regroups en plusieurs
facteurs, chaque facteur mesure une dimension du construit1.

Nous essayons travers cette tude de formuler des thories qui ont pour objectif dexpliquer
les enchanements des faits dans la ralit qui nous entoure, ensuite nous testons ces thories
en les rapprochant de la ralit. Pour ce faire, nous tudions, tout dabord, la littrature portant
sur la mesure de la performance. Ensuite, nous expliquons lutilit et la diversit du contenu
des TB par un ensemble de facteurs de contingence utiliss par la communaut scientifique en
contrle de gestion, tout en laborant un modle thorique de recherche et un corps
dhypothses (Ryan et al., 2002). Ce modle est ensuite test empiriquement sur un
chantillon dETI, slectionn partir de notre Base de donnes Diane , afin de mesurer
limpact de chacun des facteurs explicatifs identifis sur la variable intermdiaire et la
variable explique. Ainsi, nous utilisons ici un raisonnement hypothtico-dductif2 qui est
en adquation avec les objectifs de notre recherche, o la dmarche thorique nous permettra
dextraire des hypothses scientifiques rfutables, que nous allons tester sur la base de la
thorie de la contingence (Royer et Zarlowski, 2003), en les confrontant la ralit observe
(Charreire et Durieux, 2003 ; Evrard et al., 2003 ; Roussel et Igalens, 1998). Notre logique de
raisonnement correspond entirement notre positionnement pistmologique. En effet, celle-
ci est le type de raisonnement favoris dans une approche positiviste (Dub et Par, 2003).

1
Evrard et al. (2003) considrent quun indicateur dalpha compris entre 0,6 et 0,8 est acceptable dans une tude
exploratoire. Nunnally (1967), ajoute une modification et affirme que des fiabilits de 0,50 ou suprieures
suffiront.
2
Appel aussi mthodologie ou perspective post-positiviste.
20
4.4 La dmarche scientifique

Afin de rpondre notre problmatique et nos questions de recherche, nous avons dcid
dadopter la dmarche scientifique propose par Quivy et van Campenhoudt (1995). Cette
dmarche est trs explicative dans le domaine des Sciences de Gestion (Roussel et al., 2002).
Elle permet dlaborer pas pas un modle danalyse et de valider celui-ci.

Le schma ci-dessous expose les diffrentes tapes de cette dmarche.

Etape 1 : La question de dpart

Etape 2 : Lexploration

RUPTURE Les entretiens

Les lectures
exploratoires

Etape 3 : La problmatique

Etape 4 : La construction dun modle

CONSTRUCTION
danalyse

Etape 5 : Lobservation

CONSTATATION Etape 6 : Lanalyse des informations

Etape 7 : Les conclusions

Source : Quivy et van Campenhoudt (1995)

21
Dans le cadre de ce travail doctoral, nous avons suivi et respect les sept tapes proposes par
Quivy et van Campenhoudt (1995), hormis les entretiens exploratoires, inclus dans ltape 21.

Par consquent, notre problmatique de recherche est dfinie partir dune question de
recherche initiale. Celle-ci est tudie en profondeur par une revue de littrature riche et
abondante, portant essentiellement sur la mesure de la performance (tape 1, 2 et 3).

Une fois ces trois premires tapes termines, nous commencerons llaboration de notre
modle thorique (ou modle danalyse). Ce modle illustre les diffrents liens existants entre
plusieurs variables tudies (tape 4). Cest partir de ces liens que les hypothses de
recherche sont extraites. Ainsi, notre modle de recherche est bien la rponse thorique
notre question de recherche.

Notre modle danalyse est ensuite confront au terrain observ, par la mise en uvre dune
mthode quantitative base sur un questionnaire (tape 5). Ce questionnaire de recherche est
administr auprs des directeurs financiers et contrleurs de gestion des ETI. la fin de cette
tape, plusieurs analyses statistiques de type exploratoire sont effectues (tape 6) et une
synthse des diffrents rsultats obtenus est propose (tape 7).

Aprs avoir prsent nos choix pistmologiques et mthodologiques, nous abordons ci-aprs
lorganisation et le plan du prsent travail de recherche.

5. Lorganisation gnrale de la thse

En sappuyant sur la mthodologie prcdemment nonce, et pour examiner et discuter les

questions de recherche ainsi dfinies, le corps de notre thse sorganise en deux parties.

- Une premire partie, divise en deux chapitres, aborde la littrature et les fondements
thoriques portant sur le systme de mesure de la performance. Le chapitre 1
prsente, le concept et les notions de la performance, puis il expose les limites du
contrle de gestion traditionnel. Ensuite, ce chapitre dtaille les nouveaux dfis du
systme de mesure de la performance. Le chapitre 2 voque, le terrain de ltude et

1
La littrature dans le domaine de la mesure de la performance, relative notre problmatique, est riche. En
consquence, nous nous sommes appuys principalement sur lanalyse de celle-ci, pour dfinir notre
problmatique.

22
 les hypothses de la recherche. Il traite galement, travers un modle de recherche
initial, linfluence des facteurs de contingence sur lutilit des indicateurs de TB dans
le pilotage de la performance des ETI.

- Une deuxime partie prsente, le choix mthodologique et les rsultats empiriques.

Cette partie, est compose elle aussi de deux chapitres. Le chapitre 3 expose, la
mthodologie de recherche retenue, puis il discute les caractristiques des facteurs de
contingence de lchantillon via une analyse statistique. Le chapitre 4 valide, les
instruments de mesures des variables du modle thorique, ensuite il analyse les
rsultats de la recherche. Au cours de ce chapitre, afin de traiter nos donnes
collectes de notre chantillon et de prsenter une synthse, nous faisons appel de
nombreuses techniques statistiques laide du logiciel de traitement de donnes SPSS1
20.0. Pour contribuer lenrichissement du dbat scientifique ce sujet, nous
prsentons une approche comparative entre nos rsultats empiriques et ceux des
travaux thoriques et empiriques prcdents.

Enfin, pour conclure notre travail, nous discutons les apports thoriques, pratiques et
mthodologiques de notre recherche et ses limites. La conclusion sera aussi une occasion pour
dvelopper des nouvelles orientations qui pourraient proposer une suite future notre
recherche.

Cette thse suit le droulement expliqu par le schma ci-dessous.

1
Statistical Packages for the Social Sciences.
23
 LORGANISATION GNRALE DE LA THSE

CHAPITRE 1
SYSTME DE MESURE DE LA
PERFORMANCE : REVUE DE
LE SYSTME DE MESURE DE LA

LITTRATURE ET CADRE
PREMIRE PARTIE

PERFORMANCE

CONCEPTUEL

CHAPITRE 2
LTUDE DU TERRAIN ET LES
HYPOTHSES DE LA RECHERCHE
VALIDATION DU MODLE THORIQUE :

CHAPITRE 3
LE TABLEAU DE BORD DES ETI :
PRSENTATION DES RSULTATS
CHOIX MTHODOLOGIQUES ET

MTHODOLOGIE ADOPTE ET
MISE EN UVRE DE LTUDE
DEUXIME PARTIE

EMPIRIQUE
EMPIRIQUES

CHAPITRE 4
LA VALIDATION DU MODLE ET
LANALYSE DES RSULTATS

24
 Premire partie

Systme de mesure de la performance :

revue de littrature et cadre conceptuel

25
 Introduction de la premire partie

Actuellement, le changement de lenvironnement des affaires et la complexit des structures

organisationnelles ont contribu lvolution des nouvelles pratiques du contrle de gestion.
cet gard, laccroissement du rle des outils tels que le tableau de bord ou le balanced
scorecard trouve en partie son origine dans les critiques destines aux outils classiques
notamment le budget (Lning, 2004 ; Bouquin, 1994 ; Germain, 2005 ; Chiapello et Delmond,
1994). Les chercheurs et les praticiens en contrle de gestion reconnaissent ainsi que les
modles traditionnels de mesure de la performance laissent progressivement la place aux
tableaux de bord.

La premire partie de la recherche a pour objectif de dfinir le cadre conceptuel et thorique

de ltude. Il sagit de dmontrer que la problmatique aborde est reconnue par la littrature
et de former les hypothses et le modle de la recherche. Tel est lobjet de cette premire
partie qui comporte, selon une articulation classique :

- Un premier chapitre qui dfinira lancrage de la rflexion dans la littrature. Dans un

premier temps, nous essayons de dfinir le concept de la performance et de dterminer
les limites du contrle de gestion traditionnel. Nous mettons en lumire dans un
deuxime temps, lmergence des nouveaux dfis du contrle de gestion, pour tudier
ensuite le tableau de bord, comme un nouvel outil de contrle de gestion adapt une
nouvelle ralit.
- Un deuxime chapitre tudie le terrain et contribue construire les hypothses de la
recherche et le modle conceptuel. Pour atteindre un tel objectif, chaque facteur de
contingence sera dfini, et nous prsentons les travaux thoriques et empiriques qui
ont trait ainsi lhypothse de la recherche correspondante. En intgrant les facteurs de
contingence, le TB sadapte avec lenvironnement de lentreprise. De ce fait,
lutilisation des indicateurs de performance varie en fonction de linfluence de ces
facteurs sur le contenu du tableau de bord. Par consquent, la qualit du pilotage de la
performance dpend des indicateurs utiliss par les managers. Nous concluons ce
deuxime chapitre par la prsentation du modle conceptuel de recherche.

26
 PLAN DE LA PREMIRE PARTIE

CHAPITRE 1
SYSTME DE MESURE DE LA
PERFORMANCE : REVUE DE
LE SYSTME DE MESURE DE LA

LITTRATURE ET CADRE
PREMIRE PARTIE

PERFORMANCE

CONCEPTUEL

CHAPITRE 2
LTUDE DU TERRAIN ET LES
HYPOTHSES DE LA RECHERCHE
VALIDATION DU MODLE THORIQUE :

CHAPITRE 3
LE TABLEAU DE BORD DES ETI :
PRSENTATION DES RSULTATS
CHOIX MTHODOLOGIQUES ET

MTHODOLOGIE ADOPTE ET
MISE EN UVRE DE LTUDE
DEUXIME PARTIE

EMPIRIQUE
EMPIRIQUES

CHAPITRE 4
LA VALIDATION DU MODLE ET
LANALYSE DES RSULTATS

27
 Chapitre 1

Le systme de mesure de la performance

Un systme de mesure de performance est

simplement un mcanisme pour amliorer la
probabilit du succs de lentreprise
limplantation de la stratgie (Anthony, 1988).

28
La performance constitue une proccupation majeure des individus, des groupes et des
entreprises. Selon Demeestre (2002), toute organisation vise tre performante. Cela signifie
quelle sattache remplir sa mission, et quelle le fait en grant au mieux ses ressources.
Cependant, si la majorit des auteurs saccordent sur limportance du concept de performance
dans ltude des entreprises, il existe une multitude de perception de ce concept. La plus
rpandue tant la vision conomique qui ne reprsente selon De La Villarmois (1998), quune
vision singulire et incomplte de la performance organisationnelle.

Lobjet de ce chapitre est dexpliciter, en premier lieu, le concept de la performance et de

critiquer les systmes de mesure de la performance classique, en particulier le budget (section
1). Dans un deuxime temps, nous procderons lanalyse des nouveaux dfis du systme de
mesure de la performance. Puis nous ferons tat des diffrents outils de mesure de la
performance, notamment le Balanced Scorecard (section 2).

29
 PLAN DU CHAPITRE 1

1.1 Le contrle de gestion traditionnel

1.1.1 Quest-ce que la performance ?
et la mesure de la performance

1.1.2 Limites du contrle de gestion

traditionnel
1.2 Les nouveaux dfis du systme de mesure

1.2.1 mergence des nouveaux dfis du

contrle de gestion et mesure de la
performance
de la performance

1.2.2 Tableau de bord, nouvel outil de

contrle de gestion adapt une
nouvelle ralit

30
1.1 Le contrle de gestion traditionnel et la mesure de la performance

Au plan conceptuel, le contrle de gestion est le processus par lequel les managers
obtiennent lassurance que les ressources sont obtenues et utilises de manire efficace et
efficiente pour raliser les objectifs de lorganisation (Anthony, 1965). Cette conception est
aujourdhui largement remise en question pour plusieurs raisons : laugmentation de
lincertitude de lenvironnement, la ncessit de rapprocher les niveaux stratgique et
oprationnel de lentreprise, la gestion des entreprises par les processus, etc. (Bouquin, 1994).

En effet, depuis les annes 1980, lenvironnement des entreprises a radicalement chang.
Dans un contexte plus concurrentiel, un ensemble doutils innovants a t dvelopp pour
fournir aux managers linformation pertinente en temps utile. Dans ce cadre, la performance
de lentreprise est fonde sur la base valeur-cot1. Les deux notions sont indissociables car il
ne sagit pas de maximiser une notion au dtriment de lautre, mais doptimiser le rapport
entre les deux. Ainsi, toute action consistant amliorer dune faon unilatrale la valeur ou
diminuer le cot nest pas forcment une performance sauf si cela amliore le ratio
valeur/cot.

1.1.1 Quest-ce que la performance ?

Dans cette sous-section, nous procderons une analyse smantique du terme performance,
avant de proposer la dfinition que nous retiendrons dans le cadre de notre travail.

Analyse smantique de la performance

Selon Tchankam (1998), depuis son apparition, le terme performance na cess de subir des
modifications smantiques. Selon le dictionnaire franais de la fin du 17me sicle, la
performance signifie accomplissement ou rsultat rel. Au dbut du 20me sicle, son pluriel
est employ dans le domaine du chemin de fer en parlant de possibilits optimales de la
machine.

En 1867, la performance est utilise dans le domaine sportif o elle fait rfrence un rsultat
exceptionnel et lexploit. Cependant, cette vision est ensuite conteste en 1929 par les
puristes et le mot entre alors dans le langage de la psychologie. Il convient de prciser que la

1
Daprs la dfinition de lAssociation franaise danalyse de la valeur "AFAV ", le produit doit maximiser la
satisfaction (lutilit du client) et minimiser les cots (tre rentable) pour dgager de la valeur.
31
terminologie est amricaine malgr lapport des psychologues franais tels que Binet. Son
sens volue au cours du 20me sicle. Il indiquait de manire chiffre les possibilits dune
machine et dsignait par extension un rendement exceptionnel (Berland et Dohou-Renaud,
2007).

Selon Bourguignon (1995, 2000), dans le champ de la gestion, le mot performance prend des
sens variables ; mais que lon peut rattacher lun des trois sens primaires ci-dessous.
i. La performance est succs. La performance nexiste pas en soi ; elle est fonction des
reprsentations de la russite
ii. La performance est rsultat de laction. Ce deuxime sens ne contient pas de jugement
de valeur.
iii. La performance est action. Dans ce sens trs rare en franais, la performance est un
processus et non un rsultat qui apparat un moment donn dans le temps. Elle est
donc la mise en acte dune comptence qui nest quune potentialit.
Dans la plupart des usages du mot en gestion, performance contient simultanment deux de
ces sens primaires. Lassociation la plus frquente est celle du rsultat positif de laction.
Ainsi, on dsigne par contre-performance un rsultat mdiocre.

La performance peut galement se lire comme le processus, comme laction qui mne au
succs. Le mot performance est donc polysmique. Ainsi, il ny a pas vraiment de point
commun entre ses divers sens, mais il y a des ressemblances de famille entre ceux-ci, de
sorte que lon peut les ranger mentalement. En effet, chaque sens a au moins un point
commun avec un de ses voisins (laction, le rsultat, le succs). La performance ne prend
donc sens que dans un contexte spcifique et elle permet des interprtations dautant plus
variables quelle nest pas toujours explicitement dfinie.

De tout ce qui prcde, il ressort quil est vain de tenter de trouver une dfinition absolue de
la performance. Il est en effet plus judicieux de situer cette notion dans un contexte ou un
cadre conceptuel avant de la dfinir.

Proposition de dfinition de la performance organisationnelle

Selon Lebas (1995), une entreprise performante est celle qui fait mieux que ses concurrents
sur le moyen terme, dans lidal sur lensemble des paramtres dfinissant la performance. La
performance organisationnelle peut tre galement dfinie comme un rapport entre une
production de valeur et une consommation de ressources. Bourguignon (1997, 2000) dfinit

32
la performance comme la ralisation des objectifs organisationnels, quels que soient la nature
et la varit des objectifs. Cette ralisation peut se comprendre au sens strict (rsultat,
aboutissement) ou au sens large du processus qui mne au rsultat (action). La performance
est multidimensionnelle limage des buts organisationnels. Le principal avantage de la
dfinition retenue dans le cadre de notre tude est quelle reconnat explicitement la
polysmie de la performance.

Ces multiplicits de dfinitions rendent le concept de performance organisationnelle difficile

apprhender. Il est donc ncessaire dlaborer une grille danalyse et de mesure complte de
ce concept si on veut dans son analyse dpasser les barrires disciplinaires et fonctionnelles et
surmonter les obstacles poss par les prfrences personnelles.

1.1.1.1 Notions de performance

Le concept de performance est omniprsent dans la littrature de gestion. Dans la prsente

tude, nous procdons une analyse de diffrentes perceptions existant dans la littrature sur
ce concept. Analyse qui sera suivie dun essai de dfinition de la notion de performance.
Cependant, cette analyse pour tre complte se doit dtre prcde dune indispensable
interrogation sur la ncessit de ltude de ce concept.

La performance est une notion complexe apprhender. Une rapide recherche dans la
littrature montre quil existe de nombreuses dfinitions de la performance ce qui
contribue faire de la notion un mot valise qui a reu de nombreuses acceptions
(Saulquin et Maupetit, 2004 ; Saulquin et Schier, 2007, p.59). Elle met en vidence des
divergences selon les auteurs et il semble dailleurs ardu darriver a priori un
consentement autour de la dfinition de ce concept (Villarmois, 2001 ; Bouquin, 1986 ;
Bescos et al., 1993 ; Bourguignon, 1995 ; Lebas, 1995 ; Bessire, 1999). Depuis peu de temps,
cette notion est mobilise dans la littrature managriale pour valuer la mise en uvre par
lentreprise des stratgies communiques de dveloppement durable (Capron et Quairel,
2005 ; Boutti, 2010).

La notion de performance est galement volutive - les critres dvaluation et les

connaissances se dveloppant dans le temps - ce qui namoindrit pas la difficult de

33
lapprhender1. La notion de performance vue par Taylor au dbut du vingtime sicle est
bien diffrente de celle dHollnagel aujourdhui (Cambon J., 2007). Taylor associe en
effet la performance de lentreprise la division du travail, la slection scientifique des
ouvriers, au perfectionnement de leur connaissance, etc. Pour Hollnagel aujourdhui, la
performance de lentreprise sinscrit dans sa rsilience organisationnelle, cest--dire sa
capacit intrinsque sadapter aux changements et revenir un tat stable (Hollnagel et
al., 2006).

Les gestionnaires et les conomistes la dfinissent quant eux comme le produit de

lefficacit, de lefficience et de la pertinence (Mione, 2005 ; Lusthaus et al., 1999).
Lefficacit traduit la capacit dune organisation atteindre les rsultats attendus, elle est
ainsi la liaison entre les rsultats obtenus et les objectifs fixs ( lobjectif fix est-il
atteint? ). Lefficience est loptimisation des moyens afin de parvenir un rsultat2 ( les
moyens utiliss permettent-ils datteindre les rsultats ? ). Enfin, la pertinence traduit
larticulation entre les moyens allous par lorganisation et les objectifs quelle sest
fixs ( les moyens mis en uvre saccordent-ils aux objectifs? ).

Selon Bourguignon (1995, p.62 ; 2000) le mot performance a t ajout au dictionnaire

franais au 19me sicle, il provient du mot anglais performance (utilis fin du 15me sicle) qui
signifiait la ralisation dune action. Cependant cette dfinition anglaise dcoule de lancien
franais du 13me sicle parformance et qui dsignait accomplir, raliser (Mione, 2005).
Les influences anglo-saxonnes dont il a bnfici lui ont gard le sens daction3 alors que la
langue franaise (qui rintroduit ce mot de langlais au cours du 19me sicle) lui attribue le
plus souvent le sens de rsultat (Bieder, 2006).

La nature volutive de la notion, ses multiples figures, la difficult de la reprsenter, de la

dcrire font ainsi dcouler le caractre complexe du concept (ou construit ) de
performance et la difficult produite de lapprhender.

1
Cambon J. (2007). Vers une nouvelle mthodologie de mesure de la performance des systmes de management
de la sant-scurit au travail, Thse de doctorat en sciences et Gnie des Activits Risques, Ecole des Mines
de Paris, p.67
2 Benot Pig entre autres, Management et contrle de gestion, Nathan, 2008, p. 9.
3 La performance se dfinit en anglais par the action or process of performing (= accomplir, excuter) a task or
function . Cette dfinition fait plus rfrence la ralisation elle-mme quau rsultat, alors quen franais, la
performance fait plutt rfrence au rsultat (Bieder, 2006).
34
Il est nanmoins surprenant de remarquer que la plupart des recherches qui traitent,
dans la littrature, de cette notion saccordent sur certaines de ses caractristiques
(Tahon, 2003) :
- elle dpend dun rfrent : lobjectif atteindre. Comme le dfinit Lorino, est
performant, tout ce qui, et seulement ce qui, contribue atteindre les objectifs .
(Lorino, 2003);
- elle est subjective car elle dpend de la perception de celui qui la dfinit ;
- elle est difficilement observable et mesurable directement. Elle ne peut ainsi tre
apprhende comme il est souvent vu - comme un concept unidimensionnel
mesur avec un indicateur unique (Saulquin et Maupetit, 2004) : elle peut tre
considre comme un construit, observable et reprsentable laide de plusieurs
indicateurs.
- au sens strict ou latin, elle est leffet, le rsultat de laction.
- au sens large ou anglo-saxon, dans une approche considrant que le rsultat nest rien
en soi si ce nest le produit, la concrtisation des activits qui le sous-tendent, elle
peut tre considre comme laccomplissement, la ralisation dun ensemble
dactivits, dtapes logiques lmentaires de laction.

1.1.1.2 Problmatique de la performance

Selon Morin et al. (1996), la performance est une exigence pour la prennit de
lorganisation, invitablement lie aux valeurs des personnes et des groupes dintrts qui la
mesurent. Dans la documentation sur la performance, on trouve plusieurs notions qui
apparaissent synonymes telles que lefficacit, le rendement, la productivit et lefficience.
Dautres termes tels que la sant, la russite, le succs et lexcellence lui sont galement
associs.

De plus, la performance est un concept qui intresse de nombreuses disciplines linstar de

lconomie : les sciences comptables, les systmes dinformations, le management, la gestion
des oprations et de la production ainsi que les sciences de comportement pour ne citer que
certaines. Selon Morin et al. (1996), cette varit de langage entrane trs souvent un manque
de comprhension interdisciplinaire, ce qui a pour consquence le fait que les recherches
menes dans une discipline ou un champ ne contribuent pas enrichir les dcouvertes des
autres.

35
Ainsi, les diffrentes dfinitions proposes, et les diverses techniques de mesures labores
aussi complexes soient elles, ne peuvent rendre compte que dune partie de la performance
des organisations. Il apparat donc indispensable de procder une analyse des diffrentes
acceptations de la performance existant dans la littrature, afin den faire ressortir les facteurs
de performance les plus appropris dans le cadre de notre tude sur les ETI.

1.1.1.3 Nombreuses acceptations du concept de performance

Selon Payette (1988), la performance est un concept dfini de diffrentes faons, selon les
valeurs, la formation, le statut et lexprience des valuations. Ce concept na donc pas de
signification en soi, il ne peut en avoir que pour ceux ou celles qui sy rfrent dans leurs
rapports avec lorganisation. Il ne faut donc pas stonner de trouver dans la documentation
comme dans les discours, une multitude de significations attribues ce concept (Morin et al.,
1996).

Dans cette partie, nous prsenterons les principales tentatives de synthse sur ce concept.
Synthses proposes par Morin et al. (1996) et par Quinn et Rohrbraugh (1983). Toutefois, la
prsentation de ces synthses ncessite que soient examins au pralable les diffrents
niveaux dapprhension de ce concept et leurs disparits.

1.1.1.3.1 Les diffrents niveaux dapprhension de la performance et leurs

disparits

Selon Tchankam (1998), dans la littrature, plusieurs notions sont concurremment ou

indiffremment utilises pour dfinir le concept de performance. En effet, certains auteurs
lassimilent lefficacit1, la capacit2, la comptitivit3, dautres lefficience4, le

1
Cameron K.S (1986). A study of organizational effectiveness and its predictors, Management Science, vol. 32,
n1. January, p.87.
- Cameron K.S. (1986). Effectiveness as paradox: consensus and conflict in concept of organizational
effectiveness, Management Science, vol.32, n5, May, p 540 553.
- Morin E.M., Savoie A. et Beaudin G. (1994), Lefficacit de lorganisation ; thories, reprsentations et
mesures, Gatan Morin.
- Candou P. (1984). Lefficacit organisationnelle, Revue franaise de laudit interne, n69, Mars Avril, p.4.
- Lewin A.Y et Minton J.W. (1986), Determining organizational effectiveness : a multiple constituency for
research , Management Science, vol. 32, n5, May, p 514 533
2
MBA Ebene G. (1990), Performance, gestion et aspects socioculturels du management dans les PME
africaines, Thse de doctorat de sciences de gestion ; Bordeaux
3
Lesca H. (1984), Entreprise, gestion et comptitivit, chap.4, Economica, p.43
4
Dewarrat G. (1984), La mesure defficience des organisations non profits (ONP) : aspects et problmes,
Direction et Gestion, n4
36
rendement1, la productivit2, dautres encore lui associent des termes tels que la sant3, la
russite4, le succs5 et lexcellence6.

Selon le dictionnaire Larousse, la performance est lensemble des rsultats obtenus dans un
test. Alors que pour le Robert, elle est lexploit dune quipe dans une preuve. Bien que ces
dfinitions ne soient pas contradictoires, force est de constater quelles ont des significations
trs diffrentes.

La littrature montre que le client value la performance en termes de rapport qualit-prix. Le

financier au sein de lentreprise met laccent sur la rentabilit. Le responsable des ressources
humaines voit la performance comme la matrise des problmes sociaux et la productivit
maximale du personnel. Le commercial nest pas de cette opinion, il est persuad qutre
performant quivaut conqurir la confiance des clients et gagner la complicit des
fournisseurs. Le technicien sattache tirer le maximum de ses machines. (Tchankam, 1998).

Selon Tchankam (1998), cette diversit de points de vue existe pour toute activit. La pluralit
des disciplines et des champs qui sintressent la performance propose chacune dans son
langage propre, une faon de nommer, de dcrire et dexpliquer cette notion. Daprs lauteur,
en sciences conomiques, on tudie lefficience alors quen sciences de gestion, on parle
dindicateurs de performance dont celui de la rentabilit est le plus connu.

1
Desbiens J. (1988), Comment augmenter la productivit dans le secteur public ?, Gestion, Fvrier
2
Katzell R.A et alii (1975), Work, productivity and job satisfaction : an evaluation of policy related research,
New York, Psychological corporation.
- Garibian (1992), Productivit court terme ou performance long terme, Banque, p.528
3
Percerou R. (1984), Entreprise, gestion et comptitivit, Economica, Paris, p.3
4
Morin E.M., Savoie A. et Beaudin G., (op. cit.: p.13)
5
Flamholte E.G. et Cranston H.S., The problem of success, Management decision, vol.26, n5, p.17- 21
- Vasconcellos J.(1988), The impact of key success factors on company performance , Long Range Planning,
vol.21, n6, p. 56 64
- Leidecker J.K et Bruno A.V. (1984) , Identifying and using critical success factors , Long Range Planning,
vol.17, n1, p.23 32
6
Peeters T. et Waterman (1984), Le prix de lexcellence les secrets des meilleures entreprises, Inter ditions,
Paris.
37
 Tableau 1.1 : Les diffrentes perceptions de la performance
Auteurs Perceptions de la performance
Fayol H. Lorganisation performante est celle qui parvient faire mieux avec le
mme effort.
Georgopoulos B.S. La performance organisationnelle est le degr auquel une organisation
et Tannenbaum A.S en tant que systme social et compte tenu de certaines ressources et
certains moyens, atteint ses objectifs sans mettre hors dtat ses
moyens et ses ressources sans demander un effort de la part de ses
membres.
Seashore S.E. et La performance est la capacit dune organisation exploiter son
Yutchman E. environnement dans lacquisition de ressources rares et essentielles
son fonctionnement.
Mahoney T.A. et La performance est laction efficiente et productive.
Weitzel W.
Lewin K. Les groupes performants sont ceux qui sont plus cratifs que les
autres et plus productifs.
McGregor D. La performance organisationnelle svalue par latteinte des objectifs
organisationnels et par lutilisation optimale des ressources humaines.
Likert R. La performance dune organisation peut sapprcier par sa russite
conomique et par la qualit de son organisation.
Argyris C. La performance rside dans lintgration des objectifs individuels et
organisationnels.
Klein C. La performance financire est dfinie comme la conqute dune
part de march supplmentaire, la signature dun contrat international
important, le rachat dune autre socit, une politique boursire
active,en fonction de lintrt des divers agents conomiques qui
sont en cause
(Source : Tchankam (1998), p.53)

Certains chercheurs ont trouv plus pratique dvaluer la performance organisationnelle, en

utilisant des mesures fondes sur les perceptions des dirigeants dentreprises. Car une mesure
de performance exige selon eux que lon procde une valuation directe de lentreprise,
prenant en considration un nombre illimit de variables, parmi lesquelles certaines sont
difficiles mesurer avec prcision telles que le potentiel de croissance dune entreprise, sa
position sur le march, le moral et le systme de valeur de son personnel, etc.
38
Ainsi, malgr son utilisation abondante, le terme performance est trs rarement explicitement
dfini, mme dans les ouvrages dont la performance est lvidence lobjet dtude central
(Tchankam, 1998). Cependant, le manque dhomognit dans les mesures de performance
nous oblige nous interroger sur la ralit mme de ce concept.

1.1.1.3.2 Identification dune typologie gnrique de la performance

La performance est un concept polysmique ou multiforme qui peut prsenter plusieurs sens
selon son auteur ou lvaluateur. Otley (1999) ajoute que la performance est elle-mme
un terme ambigu qui ne possde pas de dfinition unique.
Llargissement des perspectives de la mesure de la performance dautres dimensions que la
seule rentabilit permet lmergence dun regard gnrique sur le concept de performance
organisationnelle. En effet, selon Giraud et al. (2002), cette question se posait dj aux
experts du management pour lesquelles la performance ne pouvait se rduire des critres de
rentabilit.

Dans la littrature, la typologie de la performance la plus rcurrente distingue :

La performance conomique et financire qui est la vision traditionnelle de la
performance et correspond lobjectif de maximisation de la rentabilit conomique et
financire1.
La performance technique qui correspond au souci dune utilisation efficient des
ressources.
La performance commerciale, rpondant aux objectifs de cration de la valeur pour le
client2 et laccroissement de parts de march.
La performance sociale rpondant au souci de satisfaction des salaris.

On est ainsi pass dune reprsentation de la performance longtemps rduite la seule

rentabilit financire et conomique pour lactionnaire, des approches plus globales incluant
dautres destinataires de la cration de valeur gnre par une entreprise et dautres buts que
la seule rentabilit financire : cest lapproche dite des parties prenantes3 ou stackholders

1
Pour Ittner et Larcker (2001) lobjectif ultime dune entreprise et par consquent du systme de contrle de
gestion qui en fait partie est laccroissement de la valeur actionnariale.
2
Aujourdhui, lentreprise doit tre capable de rpondre le plus rapidement possible aux attentes et aux
exigences des clients qui, avec le dveloppement de lInternet, deviennent des e-acteurs et interviennent
directement sur le systme dinformation de lentreprise et ses processus.
3
Les instruments de mesure tendent aujourdhui tracer la cration de valeur pour lactionnaire mais galement
pour les clients, les fournisseurs, les salaris, les partenaires et la communaut dans laquelle volue lentreprise.
39
(Atkinson et al., 1997). Selon Morin et al. (1996), les indicateurs concernant la productivit,
la rentabilit, la qualit, satisfaisant les intrts des actionnaires et ceux de la clientle sont au
centre des proccupations des gestionnaires. Ces rsultats tant critiques pour la stabilit et la
croissance de lentreprise dans son environnement. Les indicateurs sociaux ayant trait au
rendement et la fidlit des employs constituent galement des proccupations importantes
pour les gestionnaires. En dautres termes, la performance dune entreprise semble tre avant
tout une affaire de maximisation des rsultats et minimisation des cots.

La prise en compte des diffrents critres de la performance savre donc ncessaire si on

souhaite la mesurer. Plusieurs chercheurs expliquent que les dispositifs de contrle de gestion
traditionnel peuvent causer une myopie financire1 (par des reports dinvestissements
stratgiques par exemple), des slacks budgtaires (des marges de manuvres) injustifis
(Cyert et March, 1963 ; Merchant, 1985) ou aussi des manipulations de linformation
comptable (Merchant, 1990). Lutilisation dindicateurs comme le ROI (Return On
Investment) pour contrler les centres de profit encouragerait ces dysfonctionnements (David,
2006). Cest dans ce cadre que le budget a t critiqu, il est considr comme un outil
inadapt lenvironnement actuel et il est incapable dintgrer les divers facteurs cls de
succs.

1.1.2 Limites du contrle de gestion traditionnel

Actuellement, le budget se voit reprocher de ne plus pouvoir rpondre aux exigences des
entreprises confrontes un environnement en pleine mutation. Paralllement aux critiques
traditionnelles qui dnoncent la longueur et la complexit du processus budgtaire (Schmidt,
1992 ; Jordan, 1998 ; Hope et Fraser, 1999), il existe dautres reproches associes aux
fonctions mme du budget2 (Gervais et Thnet, 1998 ; Hope et Fraser, 2000; Jensen, 2001).
Alors, quelles sont les lacunes des outils classiques de la mesure de la performance,
notamment le budget? Pour apporter quelques rflexions cette question, nous allons nous
baser dans ce qui suit sur quatre points essentiels. savoir les limites du budget classique, la
difficult relier stratgie et budgets, les difficults dapplication des budgets en
environnement incertain et laspect rducteur des indicateurs comptables et financiers.

1
Elle est dfinie comme le fait de privilgier des stratgies court terme au dtriment de la rentabilit long
terme.
2
Nous pouvons citer surtout le paradoxe du slack budgtaire.
40
 1.1.2.1 Limites du budget classique

Le budget a t critiqu largement et depuis longtemps par les praticiens et les thoriciens du
contrle. Ces critiques concernent, simultanment, la capacit raliser des prvisions fiables
et pertinentes, et la possibilit dassurer un contrle objectif et quitable (Berland N. et Simon
F-X, 2010). Dans la conception classique du contrle de gestion, le budget correspond
lexpression comptable et financire des plans daction retenus pour que les objectifs viss et
les moyens disponibles sur le court terme convergent vers la ralisation des plans
oprationnels (Bouquin, 2001). Cette dfinition a t trs critiqu ces dernires annes
(Alcouffe et al., 2008 ; Schmidt, 1992 ; Hope et Fraser, 1997 ; Banham, 2000). Une de ces
critiques porte notamment sur un regard gnralement trop tourn vers le pass et sur des
contrleurs souvent dconnects des processus oprationnels de lentreprise (David, 2006).
Daprs lauteur, les contrleurs de gestion financiers, dans leur prparation du budget,
peuvent participer un processus politique o il est possible de le manipuler leur avantage:
- Les oprationnels ont tendance quelquefois sous-estimer leurs objectifs et leurs
capacits daction1.
- Ils peuvent galement louvoyer parmi les consommations de ressources et les
chiffrages en fin de lexercice comptable pour atteindre lobjectif budgtaire2. Ils
cherchent parfois prserver leur marge de libert et de tranquillit3 et surestiment
leurs prvisions4, pour satisfaire les attentes de la direction gnrale. Cest le cas, par
exemple, pour la cration de slack budgtaire (Merchant, 1985 ; Van der Stede,
2000 ; Lukka T., 1988).
- Ils peuvent prfrer ne pas dclencher de changements capitaux pour lanne suivante
(rduction des risques). Une tendance craindre le changement et prserver des
routines organisationnelles (Crozier et Friedberg, 1977) peuvent se manifester.
- Les responsables hirarchiques peuvent dcider dobjectifs complmentaires au dbut
et en cours dexercice. Cela peut nuire la motivation et la qualit de la prvision si
les objectifs deviennent hors de porte.

1
Jack Welch, ancien PDG de General Electrics de 1981 2001, nhsitait pas dire : Le budget est la peste
des entreprises amricaines. Il naurait jamais d exister Construire un budget est un exercice de
minimalisation. Vous obtenez toujours le minimum des gens, parce que le but de chacun est de ngocier pour
avoir lobjectif le plus faible .
2
Voir aussi Prendergast (2000) et Jensen (2001).
3
Doucet Y., Beth C., Lebrun O. (1998), Budgets et prvisions: pourquoi et comment associer le technique et le
politique, Echanges, Revue mensuelle des Directeurs financiers et des contrleurs de gestion, N144, encart
pp.1-8.
4
Zecri J-L. (2000), Processus budgtaire : motifs dinsatisfaction, Actes Congrs AFC Angers, pp.1018-1031.
41
 - Le contrle budgtaire peut provoquer une sparation risque des responsabilits et
des phnomnes de rejets et de luttes entre professions (marketing, financiers,
ingnieurs,).

Cest lencontre de cette conception du budget que diverses critiques ont t aussi formules
(Bescos P.-L., Cauvin E., Langevin P. et Mendoza C., 2004). Ces dernires s'organisent
autour de trois thmes principaux.
Un premier ensemble de critiques concerne la lourdeur et le formalisme exagr du budget :
l'laboration du dispositif budgtaire, puis son suivi constitueraient des activits fortement
consommatrices de temps, dnergie et de ressources (Schmidt, 1992 ; Deschamps, 1997 ;
Fortin et al, 1999 ; Jensen, 2001). Daprs les rsultats de l'enqute de Jordan (1998), la
procdure budgtaire est souvent juge trop longue et complexe. Une autre tude ralise par
le cabinet Andersen a dvoil que le processus de construction budgtaire ncessite prs de
quatre mois en moyenne et exige de multiples itrations (Guizani et Brunhes-Faure, 2002).

Un deuxime ensemble de critiques dnonce lutilit mme des budgets. Les budgets reposent
sur des provisions dont la caractristique nettement incertaine dans le contexte actuel, est
souvent reproche (Prendergast, 2000 ; Berland, 2001). Les contrleurs de gestion considrent
frquemment que les budgets labors par les oprationnels manqueraient de ralisme
(Jordan, 1998). Ainsi, la majorit des plans et des budgets ne seraient donc pas respects
(Banham, 2000).

Un troisime ensemble de critiques souligne les divers effets ngatifs rsultant de l'existence
des budgets. premire vue, il est reproch aux budgets de soutenir des attitudes
conservatrices, en constituant un frein linnovation. En effet, la philosophie du budget peut
inciter les oprationnels reproduire, chaque anne, les ralisations de l'anne prcdente
(Schmidt, 1992 ; Hope et Fraser, 1997). Daprs l'enqute dAndersen (Guizani et Brunhes-
Faure, 2002), 72 % des entreprises dclarent tablir leurs provisions en reconduisant le budget
de lanne prcdente. Dans une telle hypothse, le dispositif budgtaire ne permettrait pas
d'amliorer significativement les performances et contribuerait dvelopper des logiques de
renouvellement de l'existant et de maintien du statu quo (Pyhrr, 1973).

42
De surcrot, les travaux rfrencs dans la revue Harvard Management Update1, cits par
Savall-Ennajem C. (2011), soulignent trois dfauts des budgets traditionnels :
- le budget ne permet pas aux socits de se concentrer sur les indicateurs actuels de
performance,
- il considre encore le personnel comme un centre de cot et ne propose rien sur la
gestion de son implication,
- lentreprise est divise en petites units de gestion par le budget.

De nombreux travaux, mens surtout en contrle de gestion partir du dbut des annes 1950,
permettent de dvoiler que les systmes classiques de mesure de la performance crent des
tensions chez les utilisateurs, conduisent un climat de dfiance voire de dnonciation et
des luttes de territoires2 ainsi qu des marges de manuvre budgtaires3 . Lvaluation lie
ces systmes prsente des difficults dans la mesure o les individus ne manipulent pas tous
les paramtres qui influencent leurs performances. Certains styles budgtaires peuvent mme
conduire les responsables falsifier les donnes4.

Lenqute de KPMG Peat Marwick DFCG IFOP5 effectue en juin et juillet 1994 auprs
de 2650 entreprises dEurope latine et anglo-saxonne, rvle que 45% de ces entreprises
mettent plus de trois mois pour clturer leur budget et que dans 70% des cas, le budget tue
linitiative. Une socit sur deux juge le budget trop lourd et une sur trois le trouve trop
financier et long boucler ; 67% des grandes entreprises veulent en simplifier les procdures,
mais 90% des firmes tiennent leur budget. Berland6 sest interrog sur ces critiques
concernant le budget et notamment sur lalternative de grer sans budget 7. Nanmoins, il
semblerait que le budget soit dans plus de 50% des entreprises encore utilis malgr ses
nombreux dfauts.

1
Harvard Management Update (1999), High-performance budgeting, Harvard Management Update, vol4,
january, pp.1-3.
2
Argyris C. (1952), The Impact of Budgets on People, Controllership foundation.
3
Merchant K. A. (1985), Budgeting and the Propensity to Create Budgetary Slack , Accounting,
Organizations and Society, vol. 10, n 2, p. 201-210.
4
Hopwood A. G.( 1972), An Empirical Study of the Role of Accounting Data in Performance Evaluation,
Journal of Accounting Research, p. 156-182
5
Doblin S. et Bayon D. (1994), Budget annuel, arrtez le supplice !, LExpansion, N483, pp.92-94.
IFOP cest lInstitut Franaix dOpinion Publique, un institut denqutes et de sondages.
DFCG est lAssociation franaise des Directeurs Financiers et Contrleurs de Gestion.
6
Berland N. (2010), Le budget et ses critiques, de la rfrence la suppression, in Berland N., De Rong Y.,
Contrle de gestion, perspectives stratgiques et managriales, Pearson, pp323-334.
7
Cest le cas, par exemple, pour les entreprises Volvo, Ikea, Schlumberger, SKF, Ericsson, Asea Brown Boveri
(ABB) (Cf. Cam-I, 1999).
43
En nous appuyant sur les principaux rles du budget, nous allons numrer les critiques
respectives dans le tableau ci-aprs1 :

Tableau 1.2 : Les principaux rles du budget et leurs critiques

PRINCIPAUX RLES CRITIQUES
1. Prvision et gestion des quilibres Les prvisions budgtaires deviennent incertaines et
financiers peu fiables dans des environnements complexes et
- allocation de ressources ; instables (Berland, 2001). Elles peuvent galement
- prvisions financires (recettes et tre biaises par ceux qui les ralisent et les
dpenses) ; manipulent leur avantage (Jensen, 2001). Le budget
- gestion des flux de trsorerie ; consomme trop de temps (Bescos et al., 2004)
- contrle des cots ;
- contrle des rsultats.

2. Orientation des comportements Le budget est un frein linnovation parce quil

- contractualisation des engagements ; rsulte souvent dune reconduction des rsultats de
- fixation et communication des lanne prcdente (Hope et Fraser 1999 ; Guizani et
objectifs ; Brunhes-Faure, 2002 ; Chabin, 2001).
- motivation des individus; Le manque de souplesse du budget dmotive souvent
- responsabilisation des individus ; les individus (Hope et Fraser, 1999). Les responsables
- dveloppement de lapprentissage budgtaires ont souvent peu dinfluence sur la
organisationnel (via la participation dtermination de leur budget (pseudo participation au
llaboration des prvisions et le processus budgtaire) (Parker, 1979).
suivi budgtaire) ; Les budgets sont devenus des contrats dobjectifs
- mise en place de systmes rigides, labors dans un climat autoritaire de
dincitations budgtaires. dfiance et de pression (Bescos et al., 2004).
Lobissance et le contrle au sens troit priment sur
lapprentissage organisationnel (Lning, 2004)

3. Dclinaison des objectifs stratgiques Les budgets sont souvent dconnects de la stratgie
- traduction des plans oprationnels en (Mintzberg, 1994 ; Lorino, 1997).
objectifs annuels ; La frquence des reportings budgtaires incitent les
individus adopter des raisonnements court terme
plutt qu considrer les priorits stratgiques
moyen et long terme (Bunce et al., 1995).

1
Cf. Germain, C. (2005), La conception des systmes de contrle de gestion: les relations entre les budgets et les
systmes de mesure de la performance, congrs de lAFC.
44
4. Coordination des actions Le budget repose sur un dcoupage fonctionnel de
- dlgation des responsabilits ; lentreprise peu compatible avec les nouvelles
- imposition dun langage commun ; approches transversales de lentreprise (Bunce et al.,
- mise en cohrence des activits, 1995).
actions et buts ;
- mise en vidence des relations de
causalit entre activits.

5. Mesure et pilotage de la performance Le budget attire lattention sur lanalyse des carts au
- valuation des rsultats (contrle dtriment du suivi des variables cls de gestion. Il
budgtaire) ; propose une lecture financire et comptable de la
- anticipation des rsultats futurs ; performance de lentreprise peu adapte aux
problmatiques oprationnelles1 (Chiapello et
Delmond, 1994, Degos, 2011).
(Source : Germain C. (2005), pp.5-6)

Par consquent, daprs Fortin et al. (1999), pour plus de 70% des entreprises canadiennes, le
cot dlaboration des budgets reprsenterait entre 1% et 5% du chiffre daffaires et pour 18%
dentre elles, ce cot lverait jusqu 10% (ce qui parat excessif). En outre, il ne permet pas
un progrs permanent et continuel des performances de lentreprise (Drtina et al., 1996). Les
critiques adresses au budget sont classiques : trop de personnel employ engendrant un cot
lev, runions inutiles, concentration abusive sur les chiffres au dtriment des objectifs,
maquillage comptable aux dpens du futur, etc. (Boutti, 2012a).

Enfin, les budgets traditionnels, selon le courant beyond budgeting2 , correspondraient le

plus souvent un dcoupage fonctionnel de l'entreprise alors que lamlioration des
performances exigerait de privilgier une approche plus transversale et de raisonner en termes
de processus (Hope et Fraser, 2000 ; Berland et Pinon, 2002 ; Bunce et al., 1995).

1
Pour Degos (2011) la procdure budgtaire doit tre bien adapte lentreprise sinon elle devient une
contrainte inconfortable et dsagrable.
2
Le CAM-I a mis en place un groupe de travail international sur le thme Au-del du budget suites aux
critiques adresses au budget classique.
45
 1.1.2.2 Difficult relier stratgie et budgets

Traditionnellement, le systme budgtaire est conu pour faire le pont entre la stratgie et la
gestion courante. Il dcline, chronologiquement, les dimensions de choix stratgiques.
Bouquin (1992) a diffrenci trois niveaux qui s'enchanent (schma 1.1):
- celui des choix et plans stratgiques,
- celui du plan oprationnel,
- et celui des budgets.

Schma 1.1 : Plans daction, programmes et budgets

CHOIX
STRATGIQUES

PLANS
PROGRAMMES BUDGETS
DACTION

(Source : Bouquin 1992, p.28)

Chandler (1962) dfinit la stratgie par le processus de dtermination des buts et objectifs
long terme de lentreprise, dadoption de lignes daction et dallocation des ressources
ncessaires pour atteindre ces objectifs . En 1982, M. Porter1 distingue trois types de
stratgies de base : la domination par les cots, la diffrenciation de l'offre par rapport celle
des concurrents et la concentration sur une partie limite des produits et des marchs
accessibles. Ces stratgies gnriques sont mises en uvre dans un mcanisme de
planification long terme, le plan stratgique, et moyen terme (3 5 ans en gnral), le
plan oprationnel. Donc, les actions court terme doivent sinscrire dans le cadre dune
politique de long terme. Les systmes de mesure de la performance doivent contribuer au
suivi de llaboration des stratgies, et tre parties prenantes dun systme de pilotage
homogne et cohrent guidant laction en garantissant le suivi des performances court et
long terme (Cauvin E. et Neunreuther B., 2009).

Cependant, ces dernires annes, plusieurs thoriciens constatent que le systme de mesure de
performance classique, en particulier le budget, na que peu de lien avec la stratgie. Il sagit

1
Voir notamment M. Porter (1982).
46
le plus souvent, dun exercice, trs chronophage, dallocation de ressources et de gestion du
compromis entre ce que loprationnel propose et ce que lactionnariat impose (Berland,
2009). Jack Welch, ancien prsident de General Electric rsume cela ainsi : Les gens
travaillent pendant un mois sur leur tableaux et leurs prsentations budgtaires pour
annoncer la direction gnrale qutant-donn lenvironnement conomique et la situation
concurrentielle le mieux quils peuvent faire est 2. La direction gnrale leur indique alors
que les actionnaires attendent 4. On inscrit 3 au budget et chacun rentre chez soi heureux 1.

Quelquefois, les indicateurs de suivi budgtaire servent valuer la performance de

lentreprise sur des critres qui ne sont pas forcment en liaison avec les objectifs
stratgiques. En outre, la procdure budgtaire est fonde sur le modle classique, cre par
Donaldson Brown et Alfred Sloan la General Motors au dbut des annes 1920 (Alcouffe et
al., 2008) . Ce modle permet de dcliner les objectifs stratgiques de lentreprise pour les
oprationnels dans le cadre de leurs budgets. Pour les dirigeants, lobjectif suprme de
lentreprise est exprim en termes de ROI (Return On Investment) (Berland, 2009). Cet
indicateur financier est en relation troite avec la cration de valeur de lentreprise.

Dans leur modle originel, Donaldson Brown et Alfred Sloan dfinissaient un ROI de longue
priode avec des rsultats rpartis sur plusieurs mois, voire plusieurs annes. Dans ce
contexte, les responsables cherchent maximiser le rsultat de court terme aux dpens de
celui de long terme. Un des exemples de la pratique, est celui des managers qui diminuent les
dpenses de publicit pour augmenter le ROI des ventes court terme, mais au dtriment de
limage de lentreprise long terme et donc de sa performance financire (ROI) de longue
priode. La publication de rsultats trimestriels par les entreprises a encourag les dirigeants
privilgier le respect court terme des objectifs. De la mme manire, il est attirant pour un
suprieur hirarchique dvaluer un oprationnel sur des rsultats instantans sans prendre en
compte une vision future.

Plus loin de lopposition classique court terme/long terme, la difficult dcliner le budget est
apparue au cours des annes 1980. Cet outil est traduit financirement par la hirarchie, en
plan dactions. Il peut tre dclin de diffrentes faons en actions quotidiennes. titre
dexemple, la volont dun dirigeant de faire des conomies sur la masse salariale peut passer
par labandon dactivits non essentielles court terme, mais qui le sont long terme

1
Cit par Mularski Philippe (2009), Comment valuer la performance de l'entreprise ? , Vox-Fi le blog de la
DFCG, Cf. http://www.voxfi.fr/comment-%C3%A9valuer-la-performance-de-lentreprise/
47
(exemple de service dentretien), ou par larrt des augmentations salariales et la suppression
des primes.

En parallle, les oprationnels sont amen journellement faire des choix. Les choix non
routiniers sont vraisemblablement rflchis en tenant compte des orientations stratgiques de
lentreprise. Cest le cas, par exemple, dune entreprise qui ralise un plan social, elle doit
prendre en compte ce facteur au moment de llaboration de son budget. Par contre, pour les
dcisions organisationnelles routinires du travail, elles ne respectent pas, parfois, la politique
gnrale de lentreprise. Laccumulation de ces actions routinires peut provoquer, dans le
temps, une drive grave de la stratgie. Vu cet amollissement du lien stratgie/budgets/plans
dactions, la renaissance des TB essaie actuellement dassocier des variables oprationnelles
aux variables financires (Boutti, 2012b).

La difficult relier stratgie et budget est ainsi une des limites essentielles du contrle de
gestion classique, mais elle nest pas la seule. Parmi les grandes dfaillances des budgets qui
mobilisent les esprits dans les annes 1960-1980 on trouve ladaptation des budgets
lincertitude de lenvironnement (Komarev., 2007).

1.1.2.3 Difficults dapplication des budgets en environnement incertain

En 1974, Hopwood sinterroge sur les conditions dutilisation des budgets en fonction de
degr dincertitude de lenvironnement. Il constate que les budgets auraient une grande utilit
dans des environnements incertains qui ncessitent un contrle fort et permanent, et quils
sont faciles laborer dans des environnements stables et aisment prvisibles. Donc, plus les
budgets seraient utiles, plus ils seraient difficiles laborer et ventuellement moins fiables et
moins pertinents. Bescos et al., (2003) considrent que les budgets dans un environnement
turbulent ne peuvent tre utiliss comme un outil de mise en uvre dobjectifs stratgiques.
Gignon-Marconnet (2003) annonce qu une gestion budgtaire trs contraignante ne
conviendrait pas des environnements incertains . De surcrot, Berland (1999, 2000) pense
que lorsque lentreprise se trouve dans un environnement complexe, incertain et imprvisible,
il lui est ardu deffectuer des prvisions fiables sur la base des chiffres budgtaires. Exercice
qui devient trs dlicat, voire impossible.

Les changements de lenvironnement contribuent changer la vision mme de lentreprise.

Nous constatons que les entreprises abandonnent dfinitivement la vision mcaniste

48
taylorienne comme fondement thorique du contrle, pour adopter une conception
organique qui sintresse la complexit des processus dans lentreprise et la
complexit des relations entre lentreprise et son environnement. Cela met en vidence de
nouvelles proccupations comme lapprentissage individuel et organisationnel ou la gestion
des actifs immatriels.

En outre, plusieurs recherches empiriques ont montr que dans des environnements
incertains-complexes les systmes de contrle de gestion performants sont ceux qui souvrent
aux informations externes, non-financires et long terme (Boyd et Fulk, 1996; Brownell,
1985; Chenhall, 2003; Gordon et Narayanan, 1984). Dans ces conditions les TB seront
prfrs aux budgets (Choffel et Meyssonnier, 2005) et le systme budgtaire sera par
consquent dune moindre envergure. Par ailleurs, Mvellec (1994) a mis en vidence
limportance de lenvironnement dans la crise des outils de gestion actuels. Pour lui, les
problmes viennent bien plus de la difficult remodliser lenvironnement (structure des
marchs et dterminants de la valeur) que dune faiblesse de la comptabilit sadapter. Le
passage dune conomie de loffre une conomie de la demande a brusquement chang la
pertinence des pratiques comptables classiques.

Selon Hope et Fraser (1999) les budgets doivent partir . Wallander (1999), le directeur
gnral de Svenska Handelsbanken1 et ancien chercheur en conomie, dpit de la faiblesse
prvisionnelle des mthodes statistiques, pense quil nest pas utile de garder les budgets car
ils sont trop rigides pour lenvironnement actuel si turbulent (Komarev, 2007). Dans un tel
environnement le seul repre cest le positionnement par rapport la concurrence.
(Wallander, op. cit.).

La planification et le contrle sont dans le systme budgtaire deux fonctions troitement

lies : cest selon le cadre pos par la planification quon effectuera ensuite le contrle de
gestion par les budgets. Or, comment peut-on contrler quand la planification choue
systmatiquement poser un cadre relativement stable et pertinent dans un environnement
trop turbulent et en perptuelle mutation ? Linaptitude de lhomme prvoir dans un
environnement incertain (Gervais et Thenet, 1998; Wallander, 1999) rend le contenu des
budgets irraliste peu de temps aprs leur laboration. Cela entrane ensuite des problmes de
poursuite dobjectifs inexacts, des problmes de mesure des performances, des problmes de

1
Svenska Handelsbanken est l'une des plus grandes banques des pays nordiques. Actuellement elle emploie
environ 10 000 salaris. Elle a 452 agences en Sude, 54 au Danemark, 44 en Finlande, 34 en Norvge et 60 au
Royaume-Uni.
49
motivation etc. (Berland, 2002a). De plus, le rythme avec lequel changent les conditions de
lenvironnement ne correspond plus avec la priode budgtaire dun an gnralement
pratiqu. Il faudra remanier les budgets chaque trimestre et mme de temps en temps chaque
mois afin de garder la pertinence des standards. Cela reste une tche irralisable pour les
systmes budgtaires traditionnels trop lourds et trop coteux (Berland, 2002a).

Pour un environnement incertain dont les caractristiques changent de faon imprdictible, la

seule mthode de voir plus clair dans le futur, daprs Komarev (2007), est de contrler
lvolution des facteurs qualitatifs et non financiers. Car ce sont ces derniers qui dterminent
le changement des indicateurs financiers et qui sont les vrais inducteurs (" drivers ") de valeur
(Hope et Fraser, 1999; Kaplan et Norton, 2001; Wallander, 1999). Donc, dans un contexte
dincertitude de lenvironnement o les budgets deviennent moins efficaces, des outils
nouveaux de contrle fonds sur des mesures de performance non financires peuvent les
remplacer (Hoque, 2004).

En revanche, lintrt pour le calcul de cots de type ABC sexplique par le fait que cette
mthode semble plus adapte un environnement en forte mutation. Ainsi, Macintosh (1994),
citant la critique de Kaplan (1983) sur les mthodes traditionnelles de budgets, indique que,
les systmes de calculs des cots traditionnels fonds sur les hypothses de production
long terme et de standardisation des produits, avec des caractristiques et spcification
diffrentes, napparaissent pas pertinents au vu de ce nouvel environnement.

Toutes ces critiques envers les budgets se sont construites dans les annes 1990, elles sont le
produit dun processus de modernisation gnrale du contrle de gestion. Celui-ci dbutant
partir des annes 1980, vise adapter les techniques du contrle de gestion aux nouvelles
exigences de lenvironnement conomique et organisationnel des entreprises (Komarev,
2007).

1.1.2.4 Rductionnisme des indicateurs comptables et financiers

Aujourdhui, le reporting financier traditionnel, approche classique du pilotage, ne rpond

plus aux attentes organisationnelles1. Elabor dans une perspective essentiellement
comptable, le reporting financier prend peu ou pas en compte les donnes qualitatives vitales
lanalyse des enjeux oprationnels comme la gestion des actifs immatriels (Batac J.,

1
Un indicateur financier na pas de lien explicite avec laction, lorsquil se dgrade, il est souvent dj trop tard
pour redresser lentreprise.
50
Ouvrard S., 2010 ; Lacroix et Zambon, 2002). Il influence le comportement des cadres
intermdiaires, principaux relais du management vers les oprations, de faon parfois
contraire aux enjeux stratgiques de lentreprise (leurs performances et rmunrations
variables tant lies des indicateurs exclusivement financiers).

Dans la littrature, la mesure de la performance par les rsultats est gnralement compare
prcisment un conducteur qui piloterait son vhicule grce ses rtroviseurs. Lutilisation
de ces rsultats, cest comme conduire sa voiture en utilisant le rtroviseur pour savoir o
aller. Le rtroviseur donne une bonne indication do on vient, mais naide pas beaucoup
pour se diriger vers de nouvelles destinations (OBrien, 2000). Les tats financiers
traditionnels ne prsentent que la performance passe et ne permettent en aucun cas de prvoir
la performance future des entreprises (Emmanuel et Otley, 1995 ; Merchant, 1985; Kaplan et
Norton, 1996). Peter C. Lincoln, vice-prsident du fonds de pension U.S. Steel and Carnegie
Pension Fund, dit par exemple : Des indicateurs de performance non financiers, qui
mesureraient la satisfaction des clients ou la vitesse de mise sur le march des nouveaux
produits, seraient trs utiles pour les investisseurs et les analystes. Les entreprises devraient
fournir ce genre dinformation pour donner une image complte de leur activit1.

De manire gnrale, ce qui est facile mesurer repose sur des donnes financires. Or, elles
sont incompltes. Elles permettent dvaluer le bnfice distribuable aux actionnaires un
instant donn, mais pas les efforts de lentreprise en termes de satisfaction client, de qualit
ou dinnovation, par exemple. Se concentrer sur les rsultats financiers peut ainsi conduire
rduire les investissements dans linnovation, dans la qualit ou dans la productivit. Il est
vident que, sur le court terme, cette rduction dinvestissement permet damliorer la
rentabilit de lentreprise (le ROI2). Par contre, sur le long terme, cela peut amener une perte
de comptitivit. Face ces critiques, le cabinet Stern et Stewart3 a propos de remplacer le
ROI par lEVA (Economic Value Added). Ce dernier se lit plus facilement que le prcdent :
EVA = NOPART k CE

1
The AICPA Special Committee on Financial Reporting, Improving Business Reporting A Customer Focus:
Meeting the Information Needs of Investors and Creditors (New York: American Institute of Certified Public
Accounts, 1994), p.9.
2
Il existe de multiples variantes du ROI dans la littrature comptable et dans la pratique des entreprises. Par
simplicit, la dfinition du ROI que nous retenons ici est celle qui rapporte un bnfice comptable la valeur
comptable nette des actifs mis en uvre pour lobtenir. Notre ROI est alors, non pas une rentabilit pour
lactionnaire (ROE, ou Return On Equity, rentabilit sur fonds propres), mais plutt une rentabilit sur actifs nets
(RONA, ou Return On Net Assets). Pour un dbat plus pouss, voir en particulier Merchant, K. et Van der Stede,
W. (2007), Management control systems : performance measurement, evaluation and incentives, 2e dition.,
Prentice Hall, pp.435-452.
3
Stewart G. B. (1991), The quest of value, New York, HarperCollins.
51
Sachant que :
NOPAT (Net Operating Profit After Taxes) est le rsultat dexploitation aprs impts,
k est le cot moyen pondr du capital.
CE sont les capitaux employs, notamment ceux financs par les actionnaires et les
banques (cot des fonds propres + cot de la dette)
LEVA est positive si et seulement si lentreprise dgage un rsultat (ici le NOPAT) qui
permet de couvrir la rmunration attendue par les apporteurs de capitaux. Donc, lentreprise
cre de la valeur. Dans le cas contraire, lEVA est ngative et lentreprise dtruit de la valeur
(Fernandez, 2008, p.46).

Ces indicateurs financiers sont des outils basiques utiliss notamment par les directions
gnrales. Mais, ils disent peu de chose sur la faon dont la performance se dcline dans
lentreprise jusqu ces chelons les plus oprationnels. Ils sont aisment comprhensibles
pour les responsables hirarchiques, Mais pas par tous les oprationnels de lentreprise ayant
une habitude de travailler avec des non financiers.

En outre, les scandales financiers1, lorigine des nouvelles rglementations, ont dmontr la
dficience du systme financier classique de la mesure de la performance. De ce fait, la perte
de confiance gnralise, qui en dcoula, risquait de mettre rellement en pril le systme de
linformation financire. Chiapello et Delmond2, Mvellec3 et 4
critiquent ces systmes
comptables, en soulignant la lenteur et la gnralit des donnes montaires alors que les
organisations ont besoin de ractivit5. Atkinson et Kaplan6, quant eux, mettent en vidence
la modification de la composante des cots dans les organisations : ainsi, les cots directs ne
sont plus une proccupation majeure.

Par ailleurs, Le dcoupage en centres de responsabilit peut de plus produire des effets
pervers. Par exemple, si le responsable des achats fait des conomies en favorisant des
matires premires de moindre qualit : il amliore ainsi ses cots, mais risque alors de
gnrer un accroissement des rebuts lors de la fabrication, ce qui mnera le responsable du

1
Le scandale Enron, le plus mdiatique, est encore frais dans les mmoires. Les dirigeants de l'entreprise
jouaient, entre autres, sur les failles comptables de la consolidation des comptes. Les pertes taient camoufles
au sein de filiales fictives et n'apparaissaient pas dans les comptes de l'entreprise.
2
Chiapello E., Delmond M.H. (1994), Les tableaux de bord, outil dintroduction du changement, Revue
franaise de gestion, janvier-fvrier, pp.49-58
3
Mvellec P. (1990), Outils de gestion. La pertinence retrouve, Editions Comptables, 1990.
4
Mvellec P. (2005), Les systmes de cots, Paris, Dunod.
5
La ractivit est devenue une arme concurrentielle majeure. Savoir rpondre rapidement et prcisment la
demande dun client est souvent essentiel pour conqurir et conserver sa clientle.
6
Atkinson A.A., Kaplan R.S. (1989), Advanced management accounting, Prentice Hall International.
52
centre de production utiliser plus de matires premires pour effectuer sa production et
dtriorera donc la performance de ce dernier.

Selon Bollecker (2001), la revue de la littrature sur la rnovation des systmes de contrle de
gestion fait merger le fait que, dans des environnements instables et complexes, les
indicateurs financiers et comptables dans les systmes de contrle de gestion traditionnels
sont inadquats.

Aprs avoir prsent les limites du contrle de gestion traditionnel, nous aborderons dans la
section suivante les nouveaux dfis du systme de mesure de la performance des entreprises
de taille intermdiaire franaises. Nous cherchons galement comprendre si la mesure de la
performance est prte sadapter avec ce nouveau contexte caractris par le dveloppement
des outils informatiques, lincertitude de lenvironnement, le rle capital de la stratgie, le
dveloppement de la mthode des cots par activits et lmergence des nouveaux TB
notamment le Balanced Scorecard.

1.2 Les nouveaux dfis du systme de mesure de la performance

la suite de la turbulence de lenvironnement conomique, technologique et concurrentiel,

les entreprises ont t confrontes de nouveaux dfis. Afin de suivre cette mutation, le
contrle de gestion a d voluer pour continuer jouer son rle au sein de lentreprise. De
nouveaux outils ont t conus (mthode ABC, Balanced Scorecard), et un nouveau pont
entre le langage oprationnel et sa traduction financire est en cours de construction (Berland
N., De Rong Y., 2010).

1.2.1 mergence des nouveaux dfis du contrle de gestion et mesure de la

performance

Le renouveau du contrle de gestion est pass par une rflexion stratgique pour mieux
prendre en compte les souhaits des clients, les processus internes, linnovation et
lapprentissage organisationnel. Cela entrane une remise en cause de lorganisation et des
systmes de pilotage. De ce fait, les systmes de mesure de la performance ont introduit des
indicateurs physiques ou oprationnels ct des indicateurs financiers ou comptables. Pour
atteindre cet objectif, les contrleurs de gestion devraient davantage matriser les nouveaux
outils informatiques daide la dcision, intgrer lincertitude de lenvironnement et la
53
dcentralisation du pouvoir de dcision dans le systme de mesure de la performance, aligner
la stratgie avec les indicateurs et dvelopper les nouvelles mthodes de contrle, telle que
ABC.

1.2.1.1 Contribution des outils informatiques dans le systme de mesure de la

performance

Au cours de lre industrielle, les entreprises ont constat que leur besoin de mesurer la
performance ne cesse daugmenter, particulirement pour valuer les niveaux de production
de masse. Mais cest suite lavnement de lre de linformation et des nouvelles
technologies dans les annes 1980, que la mesure de la performance a connu un vritable
essor dans les entreprises (OBrien, 2000). La mesure de la performance fait dornavant
partie de toutes les activits de lentreprise: production, maintenance, finance, ventes et
achats, relations avec la clientle, qualit, environnement, ressources humaines, etc.
(OBrien, op. cit.).

En effet, lutilisation des outils informatiques (ERP Entreprises Ressource Planning1, outils de
Business Intelligence / dcisionnel / reporting, outils de planification budgtaire, outils de
consolidation, outils de bureautique) entrane des changements dans les processus de gestion
amenant la prise de dcision. Linformatisation des activits de lorganisation augmente, en
fonction notamment dun nombre plus lev de donnes collectes, de possibilits de
traitement de linformation plus tendues et plus rapides, ainsi que dune communication plus
facile entre les individus. La participation au processus de dcision concerne dornavant
davantage dacteurs dots de comptences diverses (Desanctis et Poole, 1994). La mmoire
organisationnelle saccrot galement travers les systmes de gestion de bases de donnes et
permet un recours plus frquent aux connaissances stockes grce la simplification des
procdures de consultation. La rapidit et la qualit de prise de dcisions sont ainsi constates,
dans la proposition o elles reposent sur des informations plus pertinentes.

Dans la mme veine, alors que l'informatique des annes 1960-1970 aidait une efficacit
locale selon les besoins spcifiques des utilisateurs, le mouvement doptimisation des outils
informatiques des annes 1990 sert une efficacit globale (Reix, 2000). Cette efficacit
permet une intgration croissante des systmes d'information. Dans ce sens, les systmes
clients-serveurs constituent une amlioration remarquable (Boitier, 2002a). En termes

1
Enterprise Resource Planning : Progiciels de Gestion Intgrs.
54
d'applications (software), pour le contrle de gestion1, les systmes de gestion de base de
donnes (SGBD) multidimensionnels marquent un progrs technologique trs important. D'un
point de vue fonctionnel, l'intgration des systmes comptables "vise organiser de manire
optimale les liens entre les diffrents sous-systmes ddis aux multiples besoins
d'information" (Tort, 1998, p.35).

Par ailleurs, le dveloppement des systmes de gestion intgrs a facilit la conception, la

mise en uvre et lexploitation des systmes dinformations de gestion (Turki, 2006).
Lutilisation des technologies de l'information a accompagn celle de toutes les fonctions qui
s'appuient sur un systme d'information sophistiqu2. De ce point de vue, le systme
d'information du contrle de gestion est un systme par nature "intgr", centralisant des
informations issues des diffrents systmes de gestion (du systme de comptabilit financire,
mais aussi des systmes de gestion de production, de gestion des stocks, etc.) (Boutti, 2011).
Les volutions technologiques (allant dans le sens de l'intgration automatise) contribuent
donc lamlioration de la performance dun systme d'information du contrle de gestion
(Boitier, 2002b ; Turki, 2006). De ce fait, avec les ERP par exemple, lentreprise abandonne
la vision verticale et le cloisonnement par mtier puisque lobjectif de lERP est de raisonner
par des processus transversaux suivant des rfrentiels communs. Ce changement est
accompagn par la cration des bases de donnes uniques et partages et qui permet aux
responsables financiers, notamment aux contrleurs de gestion, dassurer une cohrence de
linformation. Cependant en cas derreur dans les donnes, lERP permet de trouver la source
laide de la traabilit des informations quil prsente et propose ainsi aux contrleurs de
gestion la possibilit de corriger les erreurs ventuelles (Autissier, 2003 ; Turki, 2006).

En revanche, les implications des outils informatiques en matire de pilotage de la

performance se situent diffrents niveaux. Pour Daft (1992), les outils informatiques
permettent la fois une certaine efficience oprationnelle, une efficience au niveau des
processus de gestion et contribuent galement l'efficacit stratgique de la fonction de
contrle de gestion. Concernant leurs implications oprationnelles, les outils informatiques
contribuent rendre certaines tches et activits plus automatiques. Notamment, les tches de
saisies multiples et rptitives ont disparu. De surcrot, ils facilitent la standardisation des
donnes et par consquent la consolidation et la remonte des informations (Boitier, 2002b).

1
Pour un point de synthse plus exhaustif sur l'ensemble des outils informatiques au service de la fonction
contrle de gestion, voir Ducrocq C. (2000).
2
Un systme dinformation sophistiqu et performant est capables de communiquer en temps rel des
informations essentielles sur les clients et les processus aux salaris qui doivent prendre des dcisions et agir.
55
Nanmoins, le dfi de l'implantation d'une technologie informatique est surtout d'amliorer la
gestion des processus et de trouver une efficacit du contrle en termes stratgiques.

Paralllement, les outils informatiques permettent le suivi d'un nombre d'indicateurs

important. Ces indicateurs sont tudis soigneusement par le contrleur, qui dispose a priori
de plus de temps1 pour une contribution au processus d'mergence stratgique (Miller et
Friesen, 1982 ; Siegel, 1999). Les outils informatiques peuvent contribuer ainsi au
dveloppement d'un contrle interactif2 (Simons, 1990 ; Simons, 1995a), car ils donnent en
temps rel un tat des lieux des indicateurs cls et facilitent ainsi la communication entre le
sommet stratgique et les managers oprationnels qui alimentent la base de gestion (Boitier,
2002b).

Grce ce progrs de linformatique, le contrleur de gestion consacre moins de temps la

collecte des donnes, accde plus facilement des informations externes afin de gagner plus
de temps pour les analyses approfondies et les interprtations (Siegel, 1999). Il soccupe
dornavant plus du traitement et de lanalyse des informations. Tandis que les logiciels lui
fournissent des rsultats financiers. Il tend galement, optimiser le rendement des effectifs
associs la gestion des routines comptables. Il pourrait par exemple proposer la direction
de rduire les effectifs ou de diminuer les dlais de livraison de linformation. Le contrleur
de gestion doit aussi se porter garant de la fiabilit des informations et du respect des
chances (Bouquin et Pesqueux, 1999). Cest dans ce contexte que Siegel et Sorensen (1999)
remarquent que 74% des contrleurs de gestion reconnaissent le changement de leur rle de
technicien vers celui de conseiller, en particulier aux technologies de linformation.

Par contre, Boitier (2002b) a interrog un contrleur de gestion qui souligne que "le systme
dinformation est tellement structur que lon a peu de marges de libert pour faire ressortir
un nouvel indicateur. On doit suivre et commenter des choses qui sont dj dfinies." Ce point
de vue permet dexpliquer, daprs lauteur, certaines rigidits l'usage du systme
dinformation, qui limitent la possibilit de faire merger de nouveaux indicateurs de
performance.

1
Le temps qui tait consacr auparavant la saisie et au traitement des donnes.
2
Le contrle interactif est dfini comme une dimension du contrle qui utilise le systme de contrle et de
planification de manire moins formelle et systmatique, pour favoriser une communication entre les managers
et les oprationnels dans le sens d'une "mergence stratgique".
56
Enfin, la contribution des outils informatiques dans le systme de mesure de la performance
doit tre comprise dans une perspective de complmentarit des diffrentes activits de la
fonction de contrle de gestion. D'une part, le contrle de gestion participe un contrle
programm et les outils informatiques contribuent l'efficacit d'un tel systme de contrle.
Cest ainsi que dans les dernires annes, les ERP (Enterprise Resource Planning) par
exemple ont permis de concevoir des TB dont la remonte dinformation est rapide, fiable, et
partage. D'autre part, en librant du temps consacr auparavant au traitement et la
consolidation des donnes, les outils informatiques rendent le contrleur plus disponible pour
des analyses et des interactions en dehors de la gestion du systme d'information standard.
L'influence des outils informatiques, comme supports d'une plus grande efficacit du
contrleur de gestion, correspond l'idal type prsent par les concepteurs. Mais l'influence
relle sur le travail du contrleur semble en partie diffrente (Boitier, 2002b).

1.2.1.2 Intgration de la dcentralisation du pouvoir de dcision dans le systme

de mesure de la performance

La centralisation ou la dcentralisation se comprend exclusivement en termes de pouvoir sur

les dcisions prises dans les organisations (Mintzberg, 1979, p. 173 ; Mintzberg, 2010).
Une structure est donc centralise lorsque tous les pouvoirs de dcision se situent un seul
point dans lorganisation (Mintzberg, 1979, p. 173). Par contre, elle est dcentralise
lorsque le pouvoir est dispers entre de nombreuses personnes (Mintzberg, op. cit., p.173;
Ziadi J., 2006). Autrement dit, la dcentralisation essaie de dterminer dans quelle mesure le
pouvoir dcisionnel est diffus dans les niveaux infrieurs de lorganisation. Actuellement,
face des organisations dsormais plus complexes et qui se trouvent obliges de ragir un
environnement de plus en plus incertain, le nombre dentreprises ayant cherch favoriser
une plus grande dcentralisation ne cessent daugmenter. Ces entreprises accordent aux
responsables dunit des marges de manuvres accrues en matires dinitiative et de prise de
dcision (Barabel et Meier, 2010 ; Josien et Landrieux-Kartochian, 2013).

De ce fait, le dirigeant qui prfre recourir lexprience et aux conseils de ses collaborateurs
pour quils prennent des dcisions a recours la dcentralisation, ce qui amne un
dplacement de la prise de dcision vers les subordonns. Cela permet aussi au dirigeant de se
concentrer sur des questions stratgiques (Barabel et Meier, 2010). Dans lhypothse
contraire, un dirigeant qui prfre compter sur ses propres forces et ses expriences augmente
la centralisation se fiant principalement son jugement (Gurard S., 2003).

57
La notion de dcentralisation prend gnralement deux formes (Meier, 2009) : la
dcentralisation verticale et horizontale1. Alors que la dcentralisation verticale est lie la
dispersion du pouvoir formel vers le bas de la ligne hirarchique 2 (Mintzberg, 1979, p.
173 ; Monereau, 2008), la dcentralisation horizontale3 se dfinit comme tant le passage
du contrle des processus de dcisions des personnes situes en dehors de la ligne
hirarchique (Mintzberg, 1979, p. 173), cest--dire des analystes de la technostructure ou
des fonctionnels de support logistique4 (Mintzberg, 1982 ; Monereau, 2008 ; Roth, 2012).

Mintzberg (2010) donne trois raisons majeures la dcentralisation :

1. Les pouvoirs de dcision se situent l o les individus peuvent comprendre la situation
et y rpondre judicieusement. Le pouvoir est plac l o est le savoir.
2. Permettre de ragir vite aux conditions locales.
3. Cest un moyen de motivation : les personnes inventives et intelligentes ont besoin
dune marge de manuvre tendue.

Les diffrents travaux que nous avons tudis dvoilent que les critres non financiers sont
dominants lorsque la structure organisationnelle est dcentralise (Poincelot et Wegmann,
2005). De mme, selon Brikley et al (1997, p.178), un mouvement de dcentralisation dans
une organisation peut sexpliquer par un accroissement de l'incertitude de lenvironnement,
une stratgie damlioration de la qualit ou de la satisfaction des clients. Lutilisation de
critres non financiers accompagne ce mouvement (Poincelot et Wegmann, op. cit.). Nous
pouvons, donc, estimer quun fort niveau de dcentralisation ncessite de multiplier les
variables de contrle et de pilotage, ce qui inciterai aussi lutilisation dindicateurs
diversifis et notamment non financiers (Poincelot et Wegmann, op. cit.).

En outre, le SMP salimente principalement, laide des outils informatiques, par des
informations rtrospectives et qui correspondent un mode de gestion centralis, il aide ainsi
le sommet stratgique prendre les bonnes dcisions (Marsal et Travaill, 2006). Par contre,
il ne contribue pas significativement dans la prise de dcision des autres dcideurs. Lorsque

1
Daprs Henry Mintzberg, il existe deux autres modes de diffusion du pouvoir de dcision, il sagit de la
dcentralisation slective (certaines dcisions sont prises localement, dautres au sommet en fonction de la
nature du problme pos) et de la dcentralisation globale (lentreprise met en uvre une dcentralisation la
fois horizontale et verticale). Ces deux modes ne seront pas traits dans notre recherche.
2
Dans ce cas, les pouvoirs formels de dcision descendent du sommet stratgique vers le centre oprationnel
tout en restant dans la ligne hirarchique.
3
On insiste ici sur le pouvoir informel.
4
Lorganisation de type taylorien reprsente un exemple de la dcentralisation horizontale vers une
technostructure de techniciens de lorganisation du travail.
58
ce systme est mis au service dun mode de gestion dcentralis, il devient plus dynamique. Il
joue alors un rle la fois dinformation, daide la dcision et de contrle des dlgations
(Marsal et Travaill, op. cit.). Selon cette vision, il existe des SMP pour chaque dcideur de
lorganisation. Dans notre tude, cette deuxime acception sera privilgie car cest surtout
dans le cadre de la dcentralisation que lorganisation du systme dinformation est
problmatique pour la mise en uvre dun SMP efficace.

Ainsi, la dcentralisation permet de dlguer une partie des pouvoirs des dirigeants aux
acteurs de lentreprise. De ce fait, les dirigeants gagnent une partie de leur temps qui peut
donc tre utilise pour dautres analyses et dcisions dordre stratgique (Travaill D. et
Marsal C., 2007). En adoptant une structure organisationnelle dcentralise, la diffusion de
linformation samliore, lagrgation des informations se facilite et la prise de dcision se
dcentralise et se coordonne (Travaill D. et Marsal C., op. cit.). Par consquent, le SMP
utilise plus dindicateurs non financiers par rapport un SMP dans une organisation
centralise.

1.2.1.3 Intgration de lincertitude de lenvironnement dans le systme de

mesure de la performance

Les entreprises oprent aujourdhui dans des environnements complexes ; il est donc vital
quelles connaissent parfaitement leurs objectifs et la manire de les atteindre.
Lenvironnement externe a t toujours un des premiers paramtres contextuels tre voqu
par les recherches sur la contingence des systmes de contrle (Chenhall, 2003; Luft et
M.D.Shields, 2003). Dans ce cadre, Khandwalla (1972) est un des premiers avoir tudi
linfluence de lenvironnement sur le contrle de gestion.

En rponse la libralisation des conomies, les entreprises deviennent ouvertes sur leur
environnement extrieur et deviennent obliges de tenir compte des lments externes (Turki,
2006). En particulier, les informations lies lconomie, la technologie, aux
comportements des clients et des concurrents. Bien grer ces informations aide les entreprises
piloter leur performance et permet aux managers de prendre des dcisions adquates au
changement de lenvironnement. Cela nest possible qu travers un meilleur fonctionnement
interne des activits de lentreprise ; des objectifs, programmes et actions mettre en uvre.
Ces informations devraient respecter au moins certains critres tels que la prcision,
lexhaustivit, la fiabilit et la pertinence. En outre, les prises de dcisions sont amplement

59
influences par les systmes dinformation, notamment par celui qui est anim par le contrle
de gestion.

Paralllement, Haldma et Laas (cits par Nobre T. et Riskal D, 2003) ont dcouvert que le
besoin dune information dtaille et pertinente (68%) est considr comme lune des
principales raisons ayant entran le changement des pratiques de mesure de la performance.
En effet, le systme dinformation doit sadapter au changement et lincertitude de
lenvironnement. Il doit tre capable dintgrer, de comprendre et de prendre en considration
les nouveaux besoins de lorganisation pour permettre tous les acteurs de mieux
apprhender les imprvus et la complexit environnementale (Turki, 2006 ; Degos, 1992).

De ce fait, le dynamisme et la complexit de lenvironnement dans lequel volue les

entreprises ont entrain lmergence dune fonction de contrle de gestion de plus en plus
intgre (Raymond, 1995). Elle dispose doutils spcifiques permettant la fois le contrle
oprationnel et le pilotage stratgique, dans une approche de gestion permanente et relle des
risques internes et externes (Gervais, 2000 ; Merchant, 1997 ; Van Caillie et Arnould, 2001).
En consquence, lefficacit des outils traditionnels de gestion diminue et la recherche
dautres outils, tel que le tableau de bord, devient une vraie alternative complmentaire pour
la mesure de la performance de lentreprise (Turki, 2006).

Le troisime dfi est ressorti de la volont de retrouver une traabilit satisfaisante des flux
internes ainsi que du dsir de rintroduire des liens de causalit dans le calcul de cot des
produits qui ont conduit les praticiens vers une nouvelle mthode de calcul : la comptabilit
par activit.

1.2.1.4 Dveloppement de la mthode des cots par activit ABC

Face aux dfis conomiques et concurrentiels, lentreprise nest plus perue comme un
ensemble de ressources regroupes en units administratives dont il suffit de maximiser
lefficience, indpendamment les unes des autres, pour avoir du succs. Elle est dsormais
reprsente comme un ensemble dactivits lies, qui constituent des rseaux appels
processus auxquels clients et fournisseurs peuvent tre rattachs (Cauvin E. et Neunreuther
B., 2009 ; Schonberger, 1990).

60
La mthode de lActivity-Based costing (la mthode des cots par activit1) apparue vers la
fin des annes 1980 est une technique de la comptabilit analytique qui approfondit lanalyse
et la matrise des cots (Bouquin, 2006), en prcisant la nature des cots indirects et des frais
gnraux selon le type dactivit (Savall-Ennajem C., 2011 ; Cooper et Kaplan, 1988 ;
Johnson, 1988). Elle a t promue grce aux recherches effectues dans le cadre du Cam-i2,
tout comme les travaux raliss par des universitaires de Harvard.

Les changements de lenvironnement, et la progression des technologies et des systmes

productifs avaient rendu plus sensible le problme de lhomognit des cots (Wegmann G.,
2011). Pareillement, lapproche traditionnelle de la mthode des cots complets entranait
dans bien des cas des dformations lors de lallocation des cots indirects aux objets de cots.
Do lide de rpartir ces cots indirects dans des ensembles plus adquats, les activits, au
sein desquelles les cots seraient plus homognes et en utilisant des cls de rpartition plus
fines que les units duvre, les inducteurs3 (Wegmann G, op. cit.). De ce fait, laffectation
des cots avec lABC postule que toute activit consomme des ressources et que tout produit
ou service (objet de cot) consomme des activits (Cauvin E., 2000 ; Cauvin E. et
NeunreutherB., 2009; Alcouffe S. et Malleret V., 2002).

Mvellec (1995, p.47) et Alcouffe et Malleret (2002) soulignent quil nexiste pas de
dfinition normalise de ce quest une activit. Cette notion reste assez vague. Les auteurs ont
essay de comparer les diffrentes dfinitions dune activit (cf. tableau 1.4).

Tableau 1.3 : Comparaison des dfinitions et des exemples donnes pour le concept
d activit (Cf. Alcouffe et Malleret, 2002)
Auteur(s) Dfinition Exemples
Mvellec Une activit permet de traduire ce que lon fait Rception des
(1990) dans les organisations . Va constituer une livraisons,
activit ce que lanalyste dcidera de considrer magasinage,
comme une activit (p. 115). montage.

1
La notion dactivit, dfinie comme une combinaison de personnes, de technologies, de matires premires,
de mthodes et denvironnements qui permet de produire un produit ou un service donn, est au cur de la
dmarche ABC (Claude Alazard et Sabine Spari, 2013).
2
Cet acronyme signifiait au dpart Computer-Aided Manufacturing International pour devenir ensuite
Consortium for Advanced Management International. Cest une cooprative de rflexion en Grande-Bretagne
qui regroupe les responsables financiers dune trentaine de grandes entreprises internationales, des consultants et
des universitaires qui contribuent tous au dveloppement de la gestion dentreprise.
3
Lidentification des inducteurs de cots (facteurs dterminants des cots) dote les acteurs dune capacit
danticipation sur lvolution future des dpenses.
61
Lebas (1991) Lactivit est dfinie par un ensemble dactions Manutention,
ou de tches qui ont pour objectif de raliser, plus magasinage,
ou moins court terme, un ajout de valeur lobjet lancement dune
ou de permettre cet ajout de valeur (p. 51). production.
Lorino (1991) Les activits cest tout ce que lon peut dcrire Recouvrer, facturer,
par des verbes dans la vie de lentreprise : tourner, valoriser les stocks,
fraiser, assembler, ngocier un contrat, qualifier un mettre des
fournisseur (...) . Une activit est donc un demandes dachat.
ensemble de tches lmentaires : ralises par un
individu ou un groupe, faisant appel un savoir-
faire spcifique, homognes du point de vue de
leurs comportements de cot et de performance,
permettant de fournir un output (...), un client
interne ou externe, partir dun panier dinputs .
Les activits, cest tout ce que les hommes de
lentreprise font, (...) tous ces faire qui font
appel des savoir-faire spcifiques (pp. 39-
40).
Bouquin (1993) Lorganisation est compose dentits, qui, pour Approvisionner,
remplir leurs missions, effectuent des tches rceptionner les
lmentaires multiples, qui s'articulent entre elles, livraisons, facturer.
de sorte qu'elles forment des processus
lmentaires, appels aussi activits. Lactivit est
un ensemble cohrent de tches (p. 70).

Bescos et Une activit est dfinie comme une combinaison Assemblage,

Mendoza de personnes, de technologies, de matires changement des
(1994) premires, de mthodes et denvironnements qui rglages, gestion de
permet de produire un produit ou un service donn. lusine.
Lactivit dcrit ce que lentreprise fait : la faon
dont le temps est utilis et les rsultats (outputs)
obtenus (p. 35).

62
Par ailleurs, les tenants de la mthode ABC proposent que les systmes de cot traditionnels
doivent tre affins pour tenir compte de la complexit des processus des entreprises1
(Berland, 2009). En synthse, la mthode ABC poursuit un triple objectif : amliorer la
traabilit des cots, modliser les variables cls de la performance (les inducteurs) et
dvelopper des systmes de pilotage des cots stratgiques et transversaux (Wegmann, 2011).

Une meilleure comprhension des lois de consommation des cots indirects par les produits
est obligatoire afin de dcider de manire convenable comment les rpartir (Berland, 2009).
Cest justement ce point que la mthode ABC cherche aborder (Cooper et Kaplan, 1988 ;
Wegmann, 2009) et contribue ainsi faciliter lexactitude du cot et mieux les piloter
(Berland, 2009 ; Berliner et Brimson, 1988 ; Jonhson, 1992 ; Mvellec, 2009 ; De Rong et
Levant, 2010).

Enfin, une baisse durable des cots de lentreprise passe par une cartographie claire du rseau
de cots. Ce qui permettra de faire rduire les cots nest pas la mthode de calcul utilise
mais plutt son aptitude encourager de bonnes ractions chez les managers (Berland N.,
2009).

Cependant, la mise en place de lABC au sein des entreprises sest solde dans nombreux cas
par un chec total. Gervais et Lesage (2006) abordent, au-del de la complexit de mise en
place (lourdeur parfois excessive, cot lev, mthodologie difficile appliquer dans les
secteurs des services), les limites techniques de la mthode. Cest pourquoi les
mthodologies progressent en permanence et lon peut dnombrer aujourdhui plusieurs
manires de mettre en uvre de lABC, en fonction des contextes (Wegmann G., 2006) :
agrandissement du primtre danalyse des cots aux clients (Customer Relationship
Management, Bouquin, 2006, p. 228-229), aux fournisseurs (management inter-
organisationnel des cots, Cooper et Slagmulder, 2004) ou simplification de lABC lorsque
la situation le permet comme le prsentent Kaplan et Anderson (2008) avec le Time-driven

1
Plusieurs ouvrages ont trait la mthode ABC. Le lecteur peut consulter par exemple :
- Bescos P.L. et Mendoza C. (1994), Le management de la performance, Editions comptables
Malesherbes, Paris.
- Bouquin H. (2003), Comptabilit de gestion, Economica, Paris.
- Lorino P. (2001), Mthodes et pratiques de la performance, Editions dorganisation, Paris.
- Mvellec P. (1991), Outils de gestion. La pertinence retrouve, Editions comptables Malesherbes,
Paris.
- Mvellec P. (2009) Comptabilit par activits, sous la direction de Colasse B, Encyclopdie de
comptabilit, contrle de gestion et audit, 2me dition , Economica, Paris, p.463.
63
ABC (TDABC1). Le principe gnral du TDABC est dexpliquer les cots des diffrents
inducteurs en quivalents temps (heures de travail), modifiables lorsque les conditions de
production sont modifies (Wegmann G. et Nozile S., 2010).

Gervais M., Levant Y.et Ducrocq C. (2010) soulignent que le TDABC est n suite aux
critiques faites lABC. Lobjectif de base de cette mthode est la surveillance du temps de
travail. De ce fait, Kaplan et Anderson (2008) confirment la diffrence entre les deux
mthodes par le fait que, dans lABC, pour lier les cots aux activits, on questionne les
salaris sur les temps quils ont passs ces diffrentes activits, tandis quen TDABC on a
seulement estim le temps des tches lmentaires que lon a multipli par le nombre de
tches excutes, puis par le cot horaire.

Dans ce cadre, lquation de temps de TDABC est compose des lments (ou modalits) qui
crent des variations importantes de dure dans laccomplissement de lactivit de base. Ces
lments constituent les variables explicatives du temps pass et sont appels time drivers ou
inducteurs de temps (Gervais M. et al., 2010). Par ailleurs, Kaplan et Anderson (2003, 2004,
2007/2008) critiquent le fait de demander aux salaris destimer le pourcentage de temps
pass leurs diffrentes activits. Par contre, puisquil existe des capacits inexploites, le
total de ces pourcentages est souvent biais la hausse, et par consquent les cots des
inducteurs eux aussi sont biaiss. Les auteurs prfrent calculer prcisment le temps
ncessaire pour raliser les tches par une estimation directe en minutes ou en heures rsultant
dobservations directes, dinterviews et de recoupements de linformation. Cela permet
destimer efficacement le temps dexcution des activits (Gervais M. et al., op. cit.).

Contrairement cette affirmation de Kaplan et Anderson, Cardinaels et Labro (2008)

constatent, laide dune analyse exprimentale2, quun calcul du temps en minutes conduit
une surestimation importante du temps pass et quune estimation en pourcentage de temps
semble prfrable une valuation en minutes. Les biais de surestimation peuvent atteindre
35 %.

Lambition de Kaplan et Anderson (2003, 2004, 2007/2008) tait de proposer une volution
de lABC, pour rpondre des critiques ayant parfois caus son abandon. La vraie valeur
ajoute apporte par le TDABC est la proposition dune solution diminuant la complexit des

1
Le Time-Driven Activity-Based Costing ou la mthode ABC pilote par le temps.
2
Les participants cette exprience accomplissent un nombre de tches pour lesquelles ils fournissent plus tard
des estimations de temps. Un ordinateur calcule prcisment le temps pass chacune de ces tches.
64
oprations avec des quations de temps permettant de prendre en considration de faon
simple et peu onreuse linfluence de phnomnes complexes sur les cots (Gervais M.,
Levant Y. et Ducrocq C., 2010).

De plus, Il faut souligner que ce nouvel outil complte naturellement le Balanced Scorecard,
en tant que mthode de calcul de cots permettant de dterminer simplement et rapidement la
courbe de rentabilit des clients (Kaplan et Anderson, 2007, p. XI-XII).

1.2.1.5 Alignement de la stratgie et mesure de la performance

Les systmes de mesure de la performance traduisent la mission et la stratgie de lentreprise

travers des indicateurs de performance qui forment la base dun systme de pilotage de la
stratgie. De ce fait, de nombreuses tudes ont recommand le lien entre la stratgie et les
indicateurs de la performance (Eccles, 1991 ; Gosselin, 1997 ; Epstein et Mindoza, 1997 ;
Kaplan et Norton, 1993, 1996, 2000, 2007). Bouquin (1982, 1996), souligne que la stratgie
est lun des facteurs, entre autres, qui peuvent influencer le contrle de gestion. Selon
lauteur, les systmes de pilotage ne peuvent en aucun cas tre dconnects de la stratgie,
mais doivent au contraire tre relis elle par des liens forts, explicites et systmatiques.
Dornavant, les chefs dentreprises soucieux davoir une gestion oriente vers le futur devront
disposer dun systme dinformation intgr la stratgie plutt que doutils isols qui, pour
linstant, ont surtout servi retracer le pass (Drucker P.F., 1999).

cette nouvelle conception du contrle de gestion, Lorino (1997) parat associer une logique
de pilotage diffrente de la logique financire associe au contrle de gestion traditionnel .
Dans cette optique, il ne sagit plus de partir dun objectif financier global pour aboutir
des objectifs financiers analytiques, par dsagrgation, mais de partir dobjectifs stratgiques
pour aboutir des objectifs oprationnels par lanalyse causes-effets (Lorino, 1997). En
outre, plusieurs crits se basent sur le modle de tableau de bord prospectif (Rharmili, 2007).
Les deux fondateurs de cet outil, Kaplan et Norton, prsentent les diverses caractristiques de
ce tableau de bord : ils soulignent notamment ses contributions traduire la stratgie,
communiquer1, fixer des objectifs2, mettre en cohrence les initiatives des acteurs et les

1
Lorsque la stratgie est dvoile aux salaris, les concurrents en ont trs vite connaissance, par des employs
trop bavards, des managers quittant lentreprise, voire de simples conversations entre des salaris peu habitus
avoir accs des informations confidentielles. Rvler trop tt la nouvelle stratgie peut permettre aux
concurrents de la contrer.
2
Lorsque les grandes lignes de la stratgie ont t communiques et comprises, les salaris et les quipes
peuvent dfinir leurs propres objectifs en fonction des objectifs densemble de lentreprise.
65
objectifs de lorganisation (Zian, 2013). Le tableau de bord prospectif ou quilibr fait
ressortir linsuffisance des indicateurs financiers piloter lactivit de lentreprise (Norton et
Kaplan, 1992,1996). Il prsente quatre dimensions de la performance. Chaque dimension est
construite sur la base de la vision et la stratgie de lentreprise. Les indicateurs de
performance dans chaque dimension doivent tre fonds sur la stratgie et lis entre eux afin
de permettre lorganisation datteindre la performance financire et crer de la valeur aux
actionnaires.

En revanche, Johnson et Kaplan (Chapitre 11 : Des systmes de mesure des performances

pour le futur, 1987) avancent lide, lissue de leurs observations sur ltat du contrle de
gestion, que les critres non financiers peuvent faciliter la dclinaison de la stratgie dune
organisation et la validation de ses choix stratgiques. Ainsi, les indicateurs ont pour objectif
de dcliner la stratgie (Kaplan et Norton, 2004, p. 32). Cest pourquoi lexcution de la
stratgie consiste introduire les mesures de la cration de valeur et communiquer aux
oprationnels les objectifs atteindre en relation avec la stratgie1.

Cette dmarche dalignement stratgique stablit au travers de ce que Kaplan et Norton

intitulent des Cartes Stratgiques2 (Poincelot E. et Wegmann G., 2005). Pour cela, le
Balanced Scorecard a t conu dune faon permettant de piloter quatre axes de
performance ; le dernier est celui de la performance financire qui dpend de la satisfaction
des clients, lie elle-mme la bonne ralisation des processus de lentreprise, et qui dpend
finalement de la mobilisation efficiente de lactif immatriel tel que les ressources humaines
et la qualit du systme dinformation de lentreprise, comme le prsente le schma 1.2.

Schma 1.2 : La dclinaison de la stratgie selon le Balanced Scorecard

Rsultats financiers

Satisfaction des clients

Processus internes

Innovation et apprentissage organisationnel

1
Mularski Philippe (2009), Comment valuer la performance de l'entreprise ? , Vox-Fi le blog de la DFCG,
Cf. http://www.voxfi.fr/comment-%C3%A9valuer-la-performance-de-lentreprise/
2
La carte stratgique est un outil de dclinaison de la stratgie permettant de dmontrer des liens de causes
effets entre diffrentes axes de la performance.
66
Paralllement ces relations de causes effets, Nanni et al. (1992) suggraient que les
entreprises devaient avoir un lien entre leurs stratgies et les indicateurs utiliss dans la
construction des systmes de mesure de performance. Donc, chaque entreprise doit avoir son
propre systme de mesure de performance en fonction de sa stratgie (Norton et Kaplan,
1996, 2000 ; Rharmili, 2007).

Ainsi, nous pourrons dire que le systme de mesure de la performance, et en particulier le

tableau de bord prospectif, place la stratgie au centre et non le contrle. Il dfinit des
objectifs et veille ce que tous les comportements soient adapts ces objectifs. Les
indicateurs sont conus pour amener les individus la vision globale (Chandelier, 2004 ;
Rharmili M. 2007).

1.2.2 Tableau de bord, nouvel outil de contrle de gestion adapt une nouvelle
ralit

Le pilotage de la performance est devenu la priorit numro 1 des entreprises. Pourtant, les
systmes de mesure de la performance sont inadapts la ralit de lentreprise (Alain
Fernandez, 2008). Alors que le Balanced Scorecard est considr comme une nouveaut pour
le monde anglo-saxon, il y a dj presque soixante-dix ans le mme principe a vu le jour en
France sous le nom de tableau de bord (Mric, 2003). Daprs Malo J.-L. (2000), ce sont Satet
et Voraz qui ont russi, en 1946, dcrire pour la premire fois lensemble du dispositif
utilis par un gestionnaire travers une analogie avec le tableau de bord dun pilote.

Selon des tudes rcentes, les diffrences entre les deux outils apparaissent essentiellement
dans leur mise en uvre : les TB peuvent tre plusieurs et de nature trs diverse alors que le
Balanced Scorecard est un seul (Mendoza et Zrihen, 1999). Nanmoins, le Balanced
Scorecard a deux ressemblances conceptuelles principales avec les TB: primo il est un outil
de dclinaison de la stratgie au niveau oprationnel, secundo il contient des indicateurs non
comptables et non financiers qui expliquent des facteurs cls de succs (Bourguignon et al.,
2004; Mendoza et Zrihen, 1999 ; Komarev, 2007).

1.2.2.1 Tableaux de bord et mesure de la performance

Le tableau de bord a vu le jour au dbut du vingtime sicle, particulirement l'avnement

de l're industrielle. cette poque, la premire mission des TB fut de rpondre aux

67
exigences oprationnelles pour piloter les activits d'usine, notamment celle de la production
(Zian, 2013). Dans les annes 1950, lexpansion des mthodes de gestion amricaines,
introduisant entre autres la notion de centre de responsabilit, a augment la varit des TB.
Chaque centre possde un TB contenant des donnes budgtaires. Jusqu'aux annes 1980,
cette tendance permet au tableau de bord dassurer son rle en tant quun outil de reporting.
Cependant, au dbut des annes 1990, le TB volue vers un suivi dtaill du plan d'actions qui
a donn naissance la mthode OVAR (Objectifs, Variables dAction, Responsables)1.

En outre, le tableau de bord est dfini comme un ensemble dindicateurs construits pour
permettre au dcideur dtre inform sur ltat pass et actuel des activits sous sa
responsabilit et lui permettre de reprer les tendances qui pourraient affecter ces activits
dans le futur (Bergeron, 1996). Comme il peut couvrir un large ventail de donnes, il est
ncessaire, dans une perspective doprationnalisation, de mieux circonscrire les lments
tudier lintrieur du tableau de bord. Bouquin (2001), dfinit le systme de tableau de bord
comme un instrument daction dans lequel un ensemble dindicateurs peu nombreux (cinq
dix) [sont intgrs] pour permettre aux gestionnaires de prendre connaissance de ltat et de
lvolution des systmes quils pilotent et didentifier les tendances qui les influenceront sur
un horizon cohrent avec la nature de leurs fonctions (Bouquin, 2001, pp. 397-398). Pour
Selmer (2003), les TB rassemblent plusieurs indicateurs et informations essentiels
permettant davoir une vue densemble, de dceler les perturbations et de prendre des
dcisions dorientation de la gestion pour atteindre les objectifs issus de la stratgie .

Daprs Lebas (1995), la performance nexiste que si on peut la mesurer, cest--dire quon
peut la prsenter par un ensemble de mesures (ou dindicateurs) plus ou moins complexes. La
mesure est un des fondements du dveloppement scientifique des TB, elle devient ainsi
indissociable la bonne gestion (Berland, 2008).

1.2.2.1.1 Dfinition des indicateurs de performance

Plusieurs dfinitions ont t proposes ces dernires annes concernant les indicateurs de
performance. Lorino (2003, p.132) a dfini un indicateur de performance comme tant une

1
Dans la mthode OVAR, ltablissement du tableau de bord est une approche descendante (dite top-down),
autrement dit le management initie la construction du tableau de bord suivant des objectifs stratgiques :
Objectifs et Variables d'Action. Les Responsabilits sont ensuite dclines aux niveaux hirarchiques infrieurs
en cascade. Donc, chaque manager oprationnel choisit ses variables d'action, ce qui permet daugmenter la
dcentralisation structurelle de lentreprise. Gnralement chaque objectif et variable d'action est suivi par au
moins un indicateur de performance.
68
information devant aider un acteur, individuel ou plus gnralement collectif, conduire le
cours dune action vers latteinte dun objectif ou devant lui permettre den valuer le
rsultat .

travers cette dfinition, nous pouvons dire que lindicateur nest pas une mesure
objective , mais il est construit par lacteur, en fonction de la nature daction quil conduit
et les objectifs quil poursuit. Lindicateur peut prendre plusieurs formes informationnelles
dont celles des chiffres.

Lutilisation des indicateurs de performance permet de fournir des informations spcifiques

sur les performances, car lobjectif principal de la mise en uvre de tel outil consiste
augmenter la performance de lentreprise court et long terme (Bergeron, 2002). Pour
mesurer la performance, Gandhaue (2001) distingue trois sortes dindicateurs : indicateurs de
rsultats, indicateurs de processus et indicateurs denvironnement. Dans la mme logique,
Mlse (1990) a class les indicateurs en trois catgories selon le rle quils jouent pour le
dcideur:
- Des indicateurs dalerte informant un tat anormal du systme demandant une
intervention court terme, des actions rparatrices . A contrario, leur silence
indique un tat normal. Dans lentreprise, lindicateur dalerte pourra signaler une
hausse dun cot de production donne, ou une baisse de qualit ponctuelle pour un
type de produit.
- Des indicateurs dquilibre permettant de suivre lavancement de lorganisation vers
lobjectif. Ces indicateurs, servant particulirement maintenir le cap, pourront tre
lorigine dactions correctives sils indiquent une dviation. titre dexemple, ce type
dindicateur pourra mesurer la fiabilit des dlais et comparer avec lobjectif fix
et les ralisations prcdentes.
- Des indicateurs danticipation assurant une vision un peu plus large pouvant induire
des changements de stratgie et dobjectif. titre dexemple, ils pourront afficher les
avis des commerciaux de lentreprise sur lvolution de la part de march des produits
concurrents.

En gnral, les indicateurs de performance ont pour rle de mesurer une situation et de
dclencher une raction du dcideur en fonction de lobjectif cibl. Ils sont les tmoins (les
vital signs daprs Hronec S.M. (1995)) de ltat de sant de lentreprise, au sens o ils
indiquent aux membres de lentreprise quel est leur rle, comment ils le tiennent et sils vont

69
dans la mme direction que le groupe. Ils diffusent dans toute lentreprise un message sur ce
qui est important : ils communiquent jusquaux niveaux hirarchiques infrieurs la stratgie
dfinie par la direction, font remonter vers lquipe dirigeante la performance de la base,
refltent des contrles et des amliorations au sein dun processus.

Ainsi, un indicateur de performance indique, quantitativement, si les activits dun processus

ou les rsultats du processus lui-mme rpondent ou non lobjectif fix. Ces mesures
doivent tre dfinies au plus haut niveau de la hirarchie puis diffuses dans lentreprise
jusqu la base et former un conducteur entre les stratgies, les ressources et les processus.
Reynaud (2003) a dcompos la performance globale en trois axes principaux : la
performance conomique, la performance environnementale et la performance sociale. Ces
dimensions rsultent de lapproche financire et de lapproche non financire de la
performance.

1.2.2.1.1.1 Indicateurs financiers

Depuis longtemps, la performance des entreprises est mesure classiquement par les rsultats
financiers. Au dbut du XXe sicle, de nouvelles mthodes comme le calcul du retour sur
investissement, les budgets de fonctionnement et la gestion de trsorerie, ont pris une large
part la prosprit de groupes comme DuPont et General Motors1. Aprs la Seconde Guerre
mondiale, la diversification des activits a fait apparatre dans les entreprises un besoin de
suivi et dvaluation de la performance des divisions ou des units. Cette pratique sest
largement rpandue dans de grands groupes comme General Electric, mais lexemple le plus
connu reste celui du systme rigoureux de prsentation et de contrle des donnes financires
tabli par Harold Geneen chez International Telephone and Telegraph (ITT)2.

Piloter la performance de lentreprise grce au contrle de gestion exige tout dabord de

mesurer la performance financire (Berland et De Rong, 2010). Celle-ci aide estimer le
succs stratgique et fournit des orientations sur les actions entreprendre. Sa dfinition ne
va pourtant pas de soi. Malgr ces difficults conceptuelles, les managers de lentreprise
doivent oprationnaliser la performance et en proposer des modalits de calcul, sous la forme

1
Johnson et Kaplan (1987), Controlling the vertically integrated firm: The Du Pont Powder Company to
1914, chap.4, et Controlling the Multidivisional Organization: general Motors in the 1920s, chap.5, dans
Relevance Lost.
2
En 1996, la socit mre changea son nom en ITT Industries, puis en ITT Corporation en 2006.
70
dindicateurs qui serviront alimenter des TB et faire de reporting1. Lindicateur financier
le plus clbre est le rsultat net (RN) directement issu de la comptabilit2. Cependant, il
existe dautres indicateurs donnant une meilleure ou une autre image de la performance
financire.

Traditionnellement, dans la littrature les diffrentes typologies de la performance

organisationnelles sont orientes vers la finance. En effet, celles-ci sont gnralement lies
des systmes comptables et financiers des entreprises et ne prennent en compte que des
critres financiers. Cependant, malgr la prcision et lobjectivit des mesures qui en
dcoulent, on saccorde reconnatre de nos jours que ces critres ne permettent pas une
comprhension globale du concept de performance. Comprhension qui passe
inluctablement aujourdhui par la prise en compte des critres non financiers. Comme le
citent Lning et al. (2003), Les mesures court terme devront tre remplaces par de
multiples indicateurs non financiers qui constituent de meilleures cibles et ont une meilleure
valeur prdictive quant aux objectifs de rentabilit long terme de lentreprise (Lning et
al., 2003, p. 158).

Ces dernires annes les indicateurs traditionnels de la mesure de la performance financire

laissent progressivement la place des indicateurs de cration de valeur (Caby et Hirigoyen,
2001 ; Berland et De Rong, 2010 ; Degos et Ouvrard, 2012). cet gard, lEVA qui a t
popularise par le cabinet Stern3, a entran derrire elle une srie de nouveaux ratios :
ROE4 ou Return On Equity (taux de rentabilit financire), ROCE (Return On Capital
Employed), EBIT5 (Earning Before Interests and Taxes), EBIDTA6 (Earning Before Interests,
Taxes, Depreciation and Amortization), MVA (Market Value Added), qui justifient
limportance dun comportement shareholder dans un contexte de recherche de cration de
valeur (Levratto et Paulet, 2005). La thorie actionnariale, consiste maximiser le bnfice de
lentreprise de manire servir les intrts des actionnaires (Levratto et Paulet, op. cit.).

1
Le reporting est une remonte dinformation visant, pour un agent, informer les niveaux hirarchiques
suprieurs laide dune srie dindicateurs.
2
En pratique, en plus du RN il existe une batterie dindicateurs traditionnels, tels que : le rsultat dexploitation
(RE), lexcdent brut dexploitation (EBE), le Return On Investment (ROI) ou "retour sur investissement" qui
permet de calculer le pourcentage de rentabilit d'un investissement : ROI = (Revenu net/Cot
dinvestissement)*100, le free cash flows (ou flux de trsorerie disponible), la marge brute, etc.
3
http://www.sternstewart.com
4
Le ROE mesure la rentabilit des capitaux employs d'une organisation. Cet indicateur traduit le montant des
profits raliss pour un euro investi en capital. Il est gal au rapport du rsultat net sur les capitaux propres.
5
Pour profit avant impts et taxes, il est proche du rsultat oprationnel.
6
Pour profit avant impts, taxes, amortissements et provisions, il est proche de lEBE.
71
Les travaux de Cauvin et Bouin1 ont mis en vidence quant eux, une certaine prennit et la
prfrence de lutilisation dindicateurs financiers malgr lapparition des indicateurs non
financiers. Par contre, les critiques adresses aux indicateurs financiers ont pouss un grand
nombre dauteurs proposer de les remplacer ou de les complter par des indicateurs non
financiers qui mesurent mieux le phnomne de la concurrence actuelle (Berland, 2009).
Ainsi, la prise en compte de la performance est suppose tre plus quilibre et globale en
tenant compte de ses multiples facettes.

1.2.2.1.1.2 Indicateurs non financiers

Dans un environnement caractris par une acclration des volutions technologiques et par
la diminution du cycle de vie des produits, marqu galement par le rle fondamental accord
maintenant au savoir et dautres actifs incorporels, les performances financires futures sont
souvent mieux values par des indicateurs non financiers que par des indicateurs financiers
(Cauvin E. et Neunreuther B., 2009 ; Gasse et Garand, 2000 ; Kaplan et Norton, 1996). Pour
Lacroix (1998), les immatriels faisant de plus en plus partie des activits conomiques, il
devient ncessaire de les reprsenter dans les systmes comptables.

Les TB et le balanced scorecard en particulier, ont permis de relancer des rflexions sur la
place des indicateurs non-financiers. Ce modle de mesure de la performance permet de
construire un pont entre dun ct, la performance non financire mesure pour les
stakeholders (parties prenantes), et dautre ct, la performance financire mesure pour les
shareholders (actionnaires). Ittner et Larker (1998b) voquent trois catgories de raisons
justifiant ainsi la monte des indicateurs non financiers :

1) Les limites des indicateurs comptables et financiers :

- ils se tournent vers le pass et permettent dassurer une gestion rtroviseur,
- ils ne contribuent pas prvoir correctement la performance future,
- ils rcompensent des comportements court-termistes ou incorrects,
- ils ne fournissent pas dinformation sur les causes des phnomnes,
- ils sont trop agrgs pour aider les managers,
- ils sintressent aux fonctions plus quaux processus,
- ils ne permettent pas dvaluer limmatriel.

1
Cauvin E., Bouin X. (2010), Lvaluation des performances : la prfrence des managers en faveur des
indicateurs financiers, in Berland N., Simon F-X, Le contrle de gestion en mouvement-Etat de lart et
meilleures pratiques, Eyrolles, Paris.
72
 2) La pression concurrentielle : le dynamisme de lenvironnement conomique des
entreprises entrane un besoin dlargir la mesure de la performance.
3) Le dveloppement de systmes concurrents : les programmes de qualit totale
(TQM ou Total Quality Management), la supply chain (gestion de la chane
logistique), le CRM (Customer Relationship Management ou gestion de la relation
client) sont des systmes de mesure de performance qui ont largement dfi le systme
comptable.

Les indicateurs non financiers valuent le poids dinvestissement dans les actifs intangibles,
ils prsentent un caractre prdictif de la performance financire et compltent les indicateurs
financiers dans la dmarche de la mesure de la performance (DTTI1, 1994 ; Kaplan et Norton,
1996 ; Bughin, 2006 ; St-Pierre, Lavigne, et Bergeron, 2005 ; Vanhamme, 2002 ; Lacroix,
1998 ; Berland et Simon, 2010). Par exemple, une entreprise qui dcide dinvestir dans une
stratgie de dveloppement de march et qui met laccent sur la qualit de la relation avec sa
clientle, pourrait voir son bnfice net comptable rduit, dans lespoir que cet investissement
immatriel aura des retombes positives moyen terme sur la rentabilit. En outre, les propos
de Jack Welch, ex-patron de General Electric considr comme le pre de la valeur
actionnariale, ont critiqu son propre dogme. Il a indiqu dans une interview au Financial
Times2 que si on regarde les choses en face, la valeur actionnariale est lide la plus
stupide du monde : il sagit dun rsultat, pas dune stratgie en soi, car votre vritable force
reste vos employs, vos clients et vos produits.

Par ailleurs, Banker et al. (2000) confirment que les mesures non financires, notamment
celles de la satisfaction de la clientle, sont clairement associes la performance financire
future et quelles contiennent de linformation supplmentaire qui ne se retrouve pas dans les
mesures financires classiques3. Said et al., (2003) dmontrent que lutilisation des
indicateurs non financiers est attache au degr dinnovation de lentreprise et son
orientation stratgique en termes de qualit.

Par consquent, un pourcentage lev dentreprises listes dans diverses tudes attache une
grande importance des indicateurs de performance qui ne sont pas issus des tats financiers
et que lon associe la performance non financire (Fernandez, 2000). Ce raisonnement a

1
Deloitte Touche Tohmatsu International.
2
Cf.: Francesco Guerrera (2009), Welch rues short-term profit obsession , Financial Times, 12 March.
3
Une relation trs faible entre la satisfaction des clients et la performance financire a t dtecte par Ittner et
Larcker (1998) alors que cette relation est significativement positive dans une tude rcente de Bughin (2006).
73
dailleurs amen certains chercheurs soutenir lide selon laquelle linformation non
financire pouvait expliquer la valeur dune entreprise (Said et al., 2003 ; Wallman, 1995 ;
Edvinsson et Malone, 1997 ; Stewart, 1997).

Nanmoins, les indicateurs financiers ou les indicateurs non financiers ne permettent pas seuls
de prvoir limpact global dune dcision (Cauvin et Bescos, 2004). La complexit de
lobtention de la performance en entreprise, ne pourrait pas tre suivie par un seul indicateur.
Par consquent, les indicateurs non financiers ne se substituent pas aux indicateurs financiers
et vice versa, mais ils sont considrs plutt comme des complments qui ont des liens de
cause effet (Nortan et Kaplan, 1996, 2000 ; Poincelot et Wegmann, 2005 ; Amir et Lev,
1996 ; Lorino, 1997, 2003).

1.2.2.1.2 Exigences des tableaux de bord daujourdhui

Les mthodes traditionnelles de mesure de la performance servent principalement au contrle.

Les indicateurs de performance ayant comme rfrences les critures comptables sont
incapables dexpliquer des investissements. Car les chiffres financiers fonds sur les rsultats
sont utiliss afin de mesurer les consquences des dcisions prises plutt que pour donner des
indications sur la performance future (Candelier, 2004). Johnson et Kaplan (1987) affirment
galement que depuis les annes 1930 aucune innovation considrable dans les mthodes de
calcul des cots nest apparue. Ces dernires sont devenues inadaptes la nouvelle ralit
que connait lentreprise daujourdhui (Evraert et Mvellec, 1990 ; Saghroun et Eglem, 2008 ;
Degos, 2010). De surcrot, laccroissement de limportance des relations avec les clients et les
fournisseurs, lexigence dvaluer la qualit, de contrler le niveau technologique, doptimiser
les processus internes et de se placer par rapport la concurrence appellent au dveloppement
de mesures non financires de performance (Kaplan, 1983).

Cest dans ce cadre que, les TB daujourdhui ont une tendance intgrer simultanment les
mesures financires et non financires. Ces derniers valuent la satisfaction des clients, le bon
droulement des oprations, la performance du personnel, lintgration dans la communaut
et la prservation de lenvironnement, ou encore le degr plus ou moins innovant de
lentreprise. Ces dimensions sont capitales aujourdhui pour la performance de nombre
dentreprises (Berland et De Rong, 2010). Toutefois, Berland (2009) montre que plusieurs
entreprises continuent accorder lessentiel de leur attention aux indicateurs financiers (56%
des indicateurs), suivi par les indicateurs clients (19%), les indicateurs de processus (12%),

74
 les indicateurs innovation et apprentissage (5%) et dautres indicateurs (9%). Dans la mme
logique, une tude1 de Lingle et Schiemann (1996) rvle que les mesures financires sont de
loin les plus importantes pour les managers, malgr les discours. Mais, la satisfaction client
prend de plus en plus de place (Cf. Tableau 1.4) :

Tableau 1.4 : Usage et pertinence des indicateurs financiers et non financiers

Indicateurs
Indicateurs sur la Communaut Innovation
Indicateurs Satisfaction
En % sur les performance et et
financiers clients
oprations du environnement changement
personnel
Est-ce une
information 82 85 79 67 53 52
importante?
Avez-vous
confiance
dans
61 29 41 16 25 16
les
informations
fournies ?
La mesure
est-elle
92 48 68 17 25 13
clairement
dfinie ?
Source : Cit par Berland N. et De Rong Y. (2010), Contrle de gestion. Perspectives
stratgiques et managriales, Paris, Pearson, 2010, p.395.

En outre, un des dfis des nouveaux TB est de dfendre les relations entre les fonctions de
lentreprise (Boutti, 2005). Or, en pratique, les TB dominante financire ne permettent pas
datteindre cet objectif. Les indicateurs de ce type de tableau de bord prsentent
majoritairement les rsultats de lorganisation et ils ne sintressent qu la performance
passe dune fonction et non aux relations entre fonctions (Candelier, 2004).

Ces dernires annes, les managers continuent de voir le tableau de bord, en particulier celui
de la direction gnrale, comme un outil sans effet sur un plan dcisionnel (Beldi et Chefchi,
2007). Il sagit des systmes de management classiques reposant essentiellement sur un cadre
financier2, gnralement le modle du ROI (Return On Investment )3 cr par DuPont. Ces

1
Cite par Ittner C.D. et Larker D.F. (1998b).
2
Dans lapproche financire classique, la valeur cre est gale la rente reue par les actionnaires ; Cf.
Charreaux G. et Desbrires P. (1998). Gouvernance des entreprises : valeur partenariale contre valeur
actionnariale, Finance Contrle Stratgie, Volume 1, n2, juin, p. 60.
3
Sous sa forme gnrique, le ROI est un taux de rentabilit, exprim en pourcentage : ROI = Profit / Actifs nets.
75
systmes sont tourns vers le pass1 ; or il faut aux entreprises un dispositif de mesure
pour aller de lavant . En plus, ils ne prsentent pas les facteurs lis lincertitude de
lenvironnement, lvolution de lactivit (cycle de vie du produit, phases du projet
dinvestissement ou de production, etc.), et ils se concentrent sur lexactitude des chiffres au
dtriment de laide la dcision. Dans ce contexte, Kaplan a travaill sur un projet de
renouvellement des outils de contrle. Il est lorigine de deux mthodes innovantes dans le
domaine : la comptabilit par activits (Cooper et Kaplan, 1988; 1992) et le Balanced
Scorecard (Kaplan et Norton, 1992; 1996, 1998; 2001). Ces derniers (1998, 2001) ont
prsent dans la premire moiti des annes 1990 des tableaux de bord stratgiques2. Lun des
dfis importants pour cet outil est dintgrer et de mesurer les actifs incorporels de plus en
plus importants aujourdhui. Le Balanced Scorecard ncarte pas totalement les mesures
financires du systme de management, mais il les intgre dans un ensemble plus quilibr
qui associe la performance oprationnelle aux objectifs stratgiques long terme (Berland,
2009 ; Cauvin, 2004 ; Kaplan et Norton, 1992, 1993, 1996).

Pour McNair et al. (1990), les faiblesses des systmes dvaluation des performances ne
tiennent pas lutilisation extrme des indicateurs financiers, mais plutt la difficult de
relier les mesures non financires aux performances financires. Ainsi, les nouveaux TB en
gnral, et le Balanced Scorecard en particulier, sont considrs comme des modles plus
globaux de mesure et de gestion de la performance (Ampuero et al., 1998), ils deviennent des
systmes dinformation dont lobjectif est de mettre en relation les effets (aussi appels les
objectifs organisationnels), tels que le niveau de profit attendu, avec les causes, telles que la
satisfaction des clients ou du personnel (Cauvin, 2004).

1.2.2.2 Balanced Scorecard, un nouveau systme de mesure de la performance

Les origines du tableau de bord prospectif remontent 1990, anne o le Nolan Norton
Institute, lunit de recherche de KPMG, a sponsoris une tude de douze mois, ralis dans
plusieurs entreprises, sur le thme Mesurer la performance dans lentreprise de futur .
Lide de cette tude tait venue dun constat : les systmes traditionnels de mesure de la
performance, essentiellement fonds sur des indicateurs financiers, ne sont plus adapts
lentreprise moderne. Les participants taient convaincus que ces systmes dfavorisent la

1
De nos jours, il est encore habituel de trouver des entreprises qui persistent suivre leur stratgie en tenant
compte dun tableau de bord quasi exclusivement financier ou focalis sur l'utilisation des capacits de
production existantes.
2
Quon appelle aussi des tableaux de bord quilibrs ou prospectifs.
76
capacit des entreprises crer une valeur conomique long terme. David Norton, PDG de
Nolan Norton, a dirig ltude, conseill par Robert Kaplan.

Depuis les vingt-cinq dernires annes, le pilotage de la performance est devenu un important
sujet trait dans la littrature et dans la pratique. La performance dfinie selon une approche
financire est insuffisante (Kaplan et Norton, 1996). Elle devient globale et sa mesure doit
tenir compte de ses multicritres.

Le systme de balanced scorecard, est bti autour de quatre axes : des indicateurs financiers,
des indicateurs de performance vis--vis des clients, des indicateurs sur les processus internes
et des indicateurs dinnovation et dapprentissage organisationnel (qualit des systmes
dinformation, comptences des salaris, etc.). Le nom du systme a t choisi clairement
pour indiquer lquilibre recherch entre les objectifs court et long terme, entre les
indicateurs financiers et oprationnels, entre les indicateurs retards et les indicateurs
prospectifs.

Les expriences de Kaplan et Norton ont collabor affiner les corrlations tablies entre les
indicateurs et la stratgie oprationnelle (Poincelot et Wegmann, 2008 ; Kaplan R.S., Norton
D.P., 1993), en dmontrant quil suffisait de 20 25 indicateurs, sur les quatre axes du
Balanced Scorecard, pour communiquer et mettre en uvre une stratgie cohrente. La
corrlation des indicateurs avec la stratgie a permis de relier les indicateurs dans une srie de
relations de causes effets1 appeles galement carte stratgique . La dmarche dcrite
par Kaplan et Norton a pour base les objectifs financiers qui permettent de dterminer le
contenu de laxe client, lui-mme satisfait par les processus internes lintrieur desquels
linnovation et linfrastructure de lentreprise se dveloppent.

Le schma ci-aprs fournit aux dirigeants une visibilit complte pour traduire les objectifs
stratgiques de lentreprise en une batterie cohrente dindicateurs de la performance. Le
Balanced Scorecard met au centre de la rflexion la stratgie de lentreprise, il permet,
partir des quatre axes dfinis, de dcrire la performance globale dune organisation.

1
Ces relations dcrivent la trajectoire stratgique de lentreprise, c'est--dire lamlioration sensible de la
performance financire qui ressorti des investissements dans le dveloppement des comptences des salaris,
dans les systmes dinformation, dans linnovation au niveau des produits et des prestations.

77
 Schma 1.3 : Architecture du Balanced Scorecard

Rsultats financiers
Que faut-il apporter aux
actionnaires?

Vision Processus internes

Clients et Quels sont les processus
Que faut-il apporter aux stratgi essentiels la satisfaction
clients? e des actionnaires et des
clients?

Apprentissage
organisationnel
Comment piloter le changement et
l'amlioration?

Source: Kaplan R. S. et Norton D. P. (1996), The balanced Scorecard, Harvard business

School Press, p. 21.

Comme le montre le schma1.3, quatre questions permettent dapprhender la performance

globale dune organisation (Kaplan et Norton2007) :

- Quapporte lentreprise aux actionnaires ?

La rponse cette premire question correspond la dimension financire de la performance.
Lentreprise essaye de mesurer lefficacit et lefficience des actions menes. Le but est
dactualiser chaque fois les interactions entre les rsultats financiers et la ralisation de la
stratgie.

- Quapporte lentreprise aux clients ?

Ce deuxime axe se concentre sur la satisfaction des clients, souvent considre comme une
variable indispensable du succs stratgique. Lentreprise cherche ici mesurer un
phnomne qualitatif et subjectif (Berland et De Rong, 2010). Il existe des tudes qui ont
amplement confirm quinvestisseurs et actionnaires attachent une importance croissante aux
mesures non financires lorsquils valuent des entreprises (Ernst & Young, 1997) 1 : les

1
Selon cette tude, pour 70% des investisseurs questionns, 35% de la dcision dinvestissement sappuient sur
des donnes non financires (innovation, part de march, qualit du produit et des processus, satisfaction du
client, comptence du personnel, etc.).
78
analystes financiers esprent donc des informations claires et pertinentes sur ces dterminants
de la valeur (Andrieux, 1998).

- Quels sont les processus essentiels la satisfaction des actionnaires et des clients?
Cet axe sintresse aux enjeux internes de la performance. La dfinition des processus cls de
lentreprise1 devrait rpondre aux exigences, dune part, de rentabilit des actionnaires, et
dautre part, de satisfaction et de fidlisation de la clientle. Par consquent, le Balanced
Scorecard doit traduire les capacits dinnovation de lentreprise et donc rvler des
processus durables et dterminants dans la performance financire et la satisfaction des clients
(Berland et De Rong, 2010).

- Comment lentreprise innove-t-elle ?

Ce dernier axe est gnralement associ la dimension ressources humaines. Il explique les
efforts effectus afin damliorer lavenir de lorganisation2. Lentreprise cherche analyser
ses capacits dapprentissage organisationnel sur le long terme, en observant principalement
trois lments : les hommes, les systmes et les procdures. ce niveau, le dfi est de
comprendre comment ces composantes vont sadapter aux futurs enjeux de la performance.

Kaplan et Norton (1996, 2001, 2004) travers le concept de Balanced scorecard , propose
donc une cartographie des lments contribuant lorigine de la performance dans
lentreprise.

1.2.2.2.1 Quelques caractristiques fondamentales

Le Balanced Scorecard se prsente comme une combinaison dindicateurs financiers et

oprationnels groups selon quatre dimensions de la performance qui constituent son
architecture (Germain, 2003). Daprs Kaplan et Norton3, ce tableau de bord est
essentiellement un moyen de clarifier la stratgie, dadopter un nouveau regard sur la
performance globale de lorganisation et de perfectionner la communication interne.

1
Daprs J.F. Rockart (cit par Degos, 2009), les processus cls sont les activits, en nombre limit, qui assurent
lentreprise sa performance et sa comptitivit, appels galement Facteurs Critiques de Succs.
2
Kaplan et Norton font figurer l'axe d'apprentissage tout en bas de la carte stratgique du Balanced scorecard
pour indiquer que c'est la base de toute organisation.
3
Kaplan, R. S. et Norton, D. P. (1996), Translating strategy into action: The balanced scorecard, Boston,
Harvard Business Scholl Press. Traduction franaise: le Tableau de bord prospectif, 2 e dition, Paris, ditions
dOrganisation, 2003.
79
 1.2.2.2.1.1 Une clarification de la stratgie

La clarification stratgique parat tre lobjectif premier du Balanced Scorecard (Berland et

De Rong, 2010). Cet outil permet de :
- clarifier la stratgie dploye par lorganisation pour lensemble de ses membres ;
- transmettre la stratgie aux diffrents niveaux hirarchiques de lentreprise grce des
indicateurs refltant les performances attendues des acteurs (Kaplan et Norton, 2001) ;
- combiner les objectifs locaux des managers avec les objectifs stratgiques de
lorganisation.

Ces finalits montrent limportance de loutil dans le pilotage de la performance. Elles

annoncent galement la dmarche dite descendante ou top down mobilise au cours de la
construction de loutil. Les indicateurs du Balanced Scorecard doivent en effet proposer une
vision satisfaite du systme de mesure de la performance en fonction des objectifs choisis
(Fernandez, 2008).

Par ailleurs, la construction dun balanced scorecard doit tre loccasion pour les units
oprationnelles dadapter leurs objectifs la stratgie de lentreprise. Laxe financier sert en
effet de ligne directrice aux objectifs et aux indicateurs des autres axes du Balanced
Scorecard. Les indicateurs slectionns doivent contribuer une chane de liens de cause
effet dont le but final est damliorer la performance financire. De ce fait, le Balanced
Scorecard doit traduire la stratgie, en prsentant dabord les objectifs financiers long terme
puis en les reliant aux objectifs oprationnels dployer en relation avec les rsultats
financiers, les clients, les processus internes, les salaris et les systmes dinformation pour
atteindre la performance conomique cible long terme (Bourguignon, Malleret et Nrreklit,
2001). Ainsi, le Balanced Scorecard permet, selon Kaplan et Norton, dexpliquer la stratgie
en actions concrtes et de suivre les variables de performance en choisissant une vision
globale et quilibre de lactivit1 de lentreprise (Germain, 2003).
Mesurer ne sert pas uniquement clarifier une situation, la synthtiser et la comprendre
dans un format moins complexe (Berland, 2008). Mesurer permet galement de contribuer
faire converger les buts et de changer les organisations 2. Dans ce cadre, le Balanced
Scorecard, en intgrant intrieurement des mesures de performance associes aux trois autres

1
Cf. : En tudiant plusieurs entreprises, nous avons pu constater que les dirigeants ne privilgient jamais un
type dvaluation au dtriment dun autre. Ils recherchent, en revanche, une prsentation quilibre des
valuations financires et oprationnelles (Kaplan et Norton, 1992, p. 7).
2
Chevalier-Kuszla C. (1997), Le rle du contrle d'organisation dans l'adaptation stratgique : tude compare
de processus de changement de systmes de contrle au sein d'entreprises de rseau publiques. Thse pour
l'obtention du titre de docteur s sciences de gestion, Crefige, Universit Paris Dauphine.
80
aspects (les clients, les processus internes et lapprentissage organisationnel) en plus de la
traditionnelle proccupation financire, exprime un rel moyen de matrise des lments qui
sont la base de la russite dune stratgie (Kaplan et Norton, 1992; 1996 ; Berland et De
Rong, 2010).

1.2.2.2.1.2 Une nouvelle vision de la performance

La deuxime caractristique du Balanced Scorecard est fonde sur son approche globale de la
performance de lorganisation (Berland, 2007). Face une vision anglo-saxonne, qui se limite
une valuation des rsultats financiers, Kaplan et Norton proposent de construire un outil
permettant de concevoir une performance multidimensionnelle (Berland et De Rong, 2010).
Ainsi, des difficults financires temporaires ne sont pas forcment synonymes dune contre-
performance globale : des actions mises en place pour prvenir les cots de non-qualit, pour
rpondre de manire plus convenable aux clients ou encore pour innover peuvent expliquer
court terme la prsence de cots supplmentaires, mais galement gnrer long terme
lamlioration des performances financires (Berland et De Rong, op. cit.). contrario, une
bonne performance financire peut cacher des difficults qui pourraient se retourner
postrieurement contre lorganisation. titre dexemple, une entreprise de vente de produits
sur Internet doit tre attentive son dlai de livraison, le non-respect de ce facteur de
performance (non financier) pourrait avoir des consquences nfastes sur sa rentabilit future.

Le Balance Scorecard est donc prsent comme un systme de mesure de la performance

ractif, qui se traduit par la prsence dindicateurs de rsultat mais aussi de pilotage. Ce
systme est prsent sous forme dune combinaison de mesures financires et non
financires organises selon l e s quatre axes1 danalyse prcits. En revanche, il
nvoquait pas dans sa premire version la problmatique de la responsabilit socitale
des entreprises 2 RSE (Germain et Gates, 2007). Aujourdhui, Kaplan et Norton
tudient la capacit de lentreprise tre citoyenne. Pour atteindre cet objectif
environnemental, les deux auteurs proposent dajouter des indicateurs relatifs ce point dans
laxe processus internes . Cest le cas, par exemple, sur la carte stratgique de la socit
Mobil, o on trouve le thme tre un bon voisin , sinterprtant par des indicateurs tels que
le nombre dincidents cologiques ou de scurit (Naro, 2005). Les fondateurs du Balanced

1
Linformation financire est complte dans le Balanced scorecard par des informations extracomptables ce
qui amliore la vision conomique et financire de lentreprise.
2
Traduit de langlais Corporate Social Responsability , ce concept est n aux tats-Unis dans les annes
1950. Son mergence en Europe ne cesse de se dvelopper ces dernires annes (Berland et Dohou-Renaud,
2007).
81
Scorecard suggrent aussi dtaler laxe clients tous les partenaires de
lentreprise (Kaplan et Norton, 2001 ; Germain C. et GATES S., op. cit.; Bollecker, 2007).
Quant aux donnes sociales, elles paraissent gnralement dans laxe innovation-
apprentissage organisationnel (Naro, 2005 ; Bollecker, 2007). Cela concerne les objectifs
sociaux de lentreprise comme par exemple la diminution de labsentisme, la satisfaction des
employs, etc.

Plusieurs chercheurs en contrle de gestion ont contribu dvelopper le Balanced Scorecard

actuel en y incorporant les questions environnementales et sociales (Johnson, 1998 ; Bieker et
Gminder, 2001 ; Figge, Hahn et Wagner, 2002 ; Epstein et Wisner, 2002 ; Zingales et
Hockerts, 2003). Par consquent, le concept de Sustainable Balanced Scorecard sest
manifest (SBSC) (Naro G. et Noguera F., 2008 ; Naro, 2005 ; Germain C. et Trbucq S.,
2003). Ce dernier est labor souvent soit par laddition dune cinquime dimension qui
sintitule Socit ou Non-market , soit par lajout des indicateurs relatifs aux
problmatiques de dveloppement durable au sein des quatre axes existants. Dans ce cadre,
Bieker et Gminder1 (2001), distinguent cinq modles dintgration des stratgies
environnementales et sociales:
- lapproche partielle : cest lapproche choisie dans la suite de notre travail, elle
consiste ajouter un ou deux indicateurs de dveloppement durable dans certains axes
du Balanced Scorecard ;
- lapproche additive : selon cette approche, les responsables du contrle de gestion
crent un cinquime axe sur le Balanced Scorecard contenant les indicateurs de
dveloppement durables;
- lapproche totale : les indicateurs environnementales et sociales sont ajouts dans
toutes les axes du Balanced Scorecard permettant aux diffrents membres de
lentreprise dassimiler les enjeux de dveloppement durable ;
- lapproche transversale : les problmatiques de dveloppement durable sont
considres comme des inducteurs de valeur qui permettent datteindre et de raliser
les objectifs stratgiques selon un diagramme de causes-effets.
- lapproche Fonction partage : cette approche traduit la dclinaison du Balanced
Scorecard dans des fonctions relatives au dveloppement durable.

Par ailleurs, la Commission de lUnion europenne dfinit la responsabilit sociale

dentreprise comme lintgration volontaire des proccupations sociales et cologiques des

1
Cits dans larticle de Naro G. et Noguera F. (2008)
82
entreprises leurs activits commerciales et leurs relations avec les parties prenantes 1.
Donc, lentreprise doit tre trs attentive aux exigences et aux attentes de ses parties prenantes
(Naro, 2005 ; Caby J. et Hirigoyen G., 2001). Le dveloppement durable est considr alors
comme un levier de performance, de comptitivit et de cration de valeur, qui met en
responsabilit lentreprise (Boutti, 2004).

En rsum, les entreprises ont lintrt de disposer dun systme de mesure de performance
multidimensionnel. La philosophie du Balanced Scorecard semble convenablement complte
pour mesurer et piloter la performance des entreprises (Bergeron H., 2000).

1.2.2.2.1.3 Une amlioration de la communication

La troisime caractristique de loutil repose sur linitiative damliorer la communication de

lentreprise sur sa performance. Pour Kaplan et Norton, larchitecture de tableau de bord
prospectif permet dclairer sur la stratgie, et en particulier sur ses inflexions (ce qui devrait
permettre aux responsables de mettre en uvre des actions correctives pour se rapprocher des
objectifs stratgiques) (Berland et De Rong, 2010). Le cadre danalyse du Balanced
Scorecard est ainsi un moyen damliorer la communication. Comme nous lavons soulign,
la vision stratgique se traduit par des mesures de performance propres chaque acteur. Les
performances enregistres sont donc loccasion dchanger, de communiquer pour
comprendre la situation de chacun et projeter de nouveaux plans daction. Dans ce contexte,
Van der ghinst2, indique limportance de la communication pour motiver les bonnes attitudes
et prise de dcision notamment dans les systmes de contrle de gestion dcentraliss.

Pour Bourguignon, Malleret et Nrreklit (2001), le Balanced Scorecard a plusieurs avantages

organisationnels. Il contribue positivement dans le dialogue hirarchique. Il sagit donc dun
outil de communication permettant de lier les objectifs stratgiques avec les objectifs de court
terme, et de faire converger les objectifs individuels et organisationnels.

Ainsi, Il faut voir le Balanced Scorecard comme un vritable outil de management de

lorganisation. Lobjectif ultime de cette dmarche ne se limite pas une clarification et une
diffusion de la stratgie (caractristique 1), mais aussi une gestion effective de sa mise en
uvre (caractristiques 2 et 3).

1
Cf. livre vert de la commission Europenne, 18 juillet 2001.
2
Van der ghinst P. (1995), Les nouvelles tendances du contrle de gestion, Problmes conomiques, N 2447,
22 novembre, pp.4-9
83
 1.2.2.2.2 Contingence du Balanced Scorecard

La thorie de la contingence est une des penses organisationnelles qui a le plus influenc les
recherches en contrle de gestion (Komarev, 2007). Bien que la thorie du contrle de gestion
des annes 1960-1970 soit encore fortement associe certains aspects des ides tayloriennes,
elle sen spare clairement par le rejet du principe du one best way 1 et ladoption dun
cadre plus raliste, emprunt de la thorie de la contingence. Ensuite, en 1988, Anthony
tudie, dans le dernier chapitre de son ouvrage, les contingences influant le systme de
contrle de gestion, dont il prsente une liste et des analyses trs compltes. La thorie de la
contingence donnera naissance une quantit remarquable de travaux empiriques sur la
mesure de la performance.

Dans ce cadre, la thorie de la contingence a t mobilise avec succs pour expliquer la

contingence des mesures quilibres de performance (le Balanced Scorecard) (Germain,
2004). Ainsi, Ladoption du tableau de bord prospectif dpend de quelques facteurs
organisationnels et environnementaux, tels que la taille, la stratgie de lentreprise et
lorientation vers la relation client (Chenhall, 2005; Hoque, 2004; Malina et Selto, 2004;
Perera et al., 1997 ; Chiapello E. et Delmond M. H., 1994), la structure organisationnelle, la
technologie utilise, lenvironnement externe et ses caractristiques (Baines et Langfield-
Smith, 2003; Hoque, 2004; Chapman, 1997 ; Bescos P.-L., Cauvin E., Langevin P. et
Mendoza C., 2004 ; Bergeron H., 2000).

Dans lanalyse des liens entre la complexit du Balanced Scorecard et la taille de lentreprise,
certains auteurs (Merchant, 1981 ; Hoque et James, 2000) dfendent la corrlation positive et
significative de cette relation. A ce propos, Hoque et James (2000) confirment que les
systmes de mesure de la performance proches du Balanced Scorecard se trouvent souvent
chez les plus grandes entreprises. De la mme manire, plus la taille de lentreprise saccroit,
plus le recours des mesures non financires serait important (Germain, 2003).

Par ailleurs, plusieurs travaux sintressent aux relations entre lintensit dutilisation de
mesures de la performance et certaines variables contingentes (St-Pierre J., Lavigne B.,
Bergeron H., 2005). Abernethy et Lillis (1995), dans une tude consacre mettre en
vidence linfluence d'une stratgie flexible2 sur l'utilisation d'indicateurs de performance,

1
Ltablissement de la meilleure faon de produire (dfinition, dlimitation et squenage des tches).
2
Cette stratgie se rapproche dune stratgie de diffrenciation de Porter. Elle consiste sadapter la demande
du client le plus vite possible et le mieux possible.
84
remarquent que les entreprises adoptant cette stratgie utiliseront moins dindicateurs
financiers traditionnels au profit dindicateurs de performance de nature plus qualitative ou
non financire1. Perera et Poole (1997) obtiennent des rsultats qui vont dans le mme sens
que ltude prcdente, ils montrent quil y a des relations significatives entre une stratgie de
diffrenciation2 et lutilisation dun systme dinformation destin au suivi de la performance
globale de lentreprise.

En plus, selon Gordon et Narayanan (1984), dans un environnement peru comme incertain,
les entreprises prfrent utiliser des informations externes et de nature non financire. A
contrario Atkinson et al. (1997) et Oyon et Mooraj (1998), soulignent que le balanced
scorecard ne prendrait pas en compte leffet de lenvironnement externe sur la performance
de lentreprise. Pour pallier cette limite, certaines entreprises mettent en uvre un
cinquime axe environnement (Choffel et Meyssonnier, 2005).

Quant linformatisation des activits de lentreprise, elle peut avoir une influence sur le
choix des indicateurs dun systme de pilotage (Choffel et Meyssonnier, op. cit.). Edwards
(2001) montre que les entreprises qui mettent en uvre un systme de management et de
pilotage de objectifs stratgiques comme le balanced scorecard sont galement souvent celles
qui utilisent des outils informatiques intgrs de type ERP, car cela leur permet dobtenir en
temps rel de linformation sur leurs diffrents indicateurs.

Quoique les justifications conomiques de lutilisation du Balanced Scorecard aient t le

raisonnement privilgi de Kaplan et Norton pour dmontrer lutilit de leur outil dans
lensemble des entreprises, des recherches rcentes ont prouv la contingence de cet outil et
des mesures non-financires en gnral par rapport un certain nombre de facteurs. Dans
lensemble, ces tudes montrent galement que le contenu du tableau de bord change en
fonction des caractristiques organisationnelles et environnementales (St-Pierre J., Lavigne B.
et Bergeron H., 2005 ; Naro G. et Travaill D., 2011, p.77). Elles indiquent particulirement
un effet de complmentarit3 entre les indicateurs financiers et non financiers.

1
Les indicateurs multidimensionnels ont t construits partir de 30 items rassembls dans les quatre axes de
performance dfinis par Kaplan et Norton (1996).
2
Au sens de Porter, 1985.
3
La complmentarit renvoie au fait que les indicateurs utiliss mesurent diffrents axes de la performance.

85
Conclusion du Chapitre 1

Ce premier chapitre thorique a essay de prsenter deux principaux objectifs. Dabord, nous
avons essay de dfinir le concept de la performance et de prsenter les limites du contrle de
gestion traditionnel, en particulier le budget.

Ensuite, nous avons numr certains facteurs de contingence donnant naissance des
nouveaux systmes de mesure de la performance. Le changement environnemental,
stratgique et technologique a entrain une adaptation des entreprises cette nouvelle ralit.
Dans ce cadre, nous avons prsent les caractristiques et le contenu des nouveaux outils de
contrle de gestion, tels que le tableau de bord et le Balanced Scorecard. Ces outils seront
utiliss tout au long de ce travail de recherche.

Nous allons chercher dans le chapitre suivant dterminer comment ces contingences
organisationnelles et environnementales influencent le contenu du tableau de bord et
indirectement le pilotage de la performance.

86
 Chapitre 2

Ltude du terrain et les hypothses

de la recherche

87
En guise dintroduction, il est important de souligner que les tudes1 menes en 2009 ont
permis de dnombrer 34 416 entreprises de taille intermdiaire (ETI) en Europe. Ces ETI
reprsentent plus de 30 millions demplois en Europe. Sur la priode 2005-2007, elles ont
cr 2,2 millions demplois. Le dynamisme de ces entreprises est donc trs important avec
une croissance de 8% sur la priode. Daprs Jean-Franois Royer2, Associ chez Ernst&
Young, cest la catgorie dentreprise qui cre plus demplois (200 000 en France entre 2005
et 2007).

Dans ce chapitre, nous prsentons notre terrain de recherche, ses atouts, lintrt de ltude et
lapproche comparative ETI Mittelstand allemand (Section 1). Ensuite, nous exposons le
modle conceptuel explicatif des pratiques de TB des ETI (Section 2). Ce modle rcapitule
un ensemble de relations entre les variables explicatives, la variable mdiatrice et la variable
explique.

Thoriquement, nous avons distingu deux catgories de facteurs contingents. La premire

catgorie rfre aux facteurs qui ont t le plus souvent tudis dans la documentation. Nous
les appelons les facteurs organisationnels . Nous nous sommes appuys sur un certain
nombre de recherches pour le choix de ces facteurs et leur oprationnalisation. La seconde
catgorie comprend des facteurs comportementaux , ils sont de nature moins objective.

Ce chapitre, cherche tudier linfluence des facteurs de contingence sur la diversit

dutilisations des indicateurs de performance des ETI et limpact de cette dernire sur lutilit
des TB dans le pilotage de la performance (PP) de ces entreprises. En rsum, ce chapitre 2 se
termine par une proposition dun ensemble dhypothses et dun modle conceptuel de
recherche.

1
Les rsultats prsents ici sont issus de travaux mens en 2008 par le Centre de recherche de lESCP Europe
situ Turin avec la collaboration des rseaux Ernst& Young dans les pays.
2
Expos dexperts : Grandir en Europe : hasard ou tat desprit ? tude Ernst& Young / ESCP Europe sur les
ETI en 2009.
88
 PLAN DU CHAPITRE 2

2.1 Le terrain de recherche 2.1.1 Quest-ce quune ETI ?

2.1.2 Lintrt dtudier les ETI

2.2.1 La contingence du systme de

mesure de la performance des ETI
2.2 Les pistes de recherche

2.2.2 Modle de recherche initial -

influence des facteurs de contingence
sur la diversit dutilisation des
indicateurs et sur lutilit des tableaux
de bord dans le pilotage de la
performance

89
2.1 Le terrain de recherche

La mondialisation de lconomie a chang en quelques dcennies les conomies

nationales. Linternationalisation de la concurrence a forc les entreprises grossir.
Nanmoins, certaines analyses conomiques1 rappellent quavec le recul continu depuis plus
de vingt ans de ses parts de march, le tissu des entreprises franaises manque dentreprises
de taille suffisante pour tre comptitives sur les marchs trangers, l'inverse des conomies
fortement exportatrices, comme lconomie allemande2, ou innovantes, telle lconomie
amricaine. En France, la mise en uvre de mesures de politique conomique destines
faire crotre la taille des entreprises, notamment en encourageant le passage des petites et
moyennes entreprises (PME) dans une catgorie de taille suprieure, celle des entreprises de
taille intermdiaire , est recommande, de faon agrandir ce vivier dentreprises. Par leur
taille et leur souplesse, les ETI disposeraient davantages comptitifs dans la conqute de
marchs, en particulier de niches ou innovants.

2.1.1 Quest-ce quune ETI ?

Le dcret dapplication de la loi de modernisation de l'conomie (LME) fut promulgu le 18

dcembre 20083 . Il donne des prcisions sur la dfinition de lETI : effectif entre 250 et 5 000
salaris ; chiffre daffaires infrieur 1,5 milliard deuros, total de bilan infrieur 2 milliard
deuros (en notant bien quune entreprise de moins de 250 salaris mais ralise plus de 50
millions deuros de chiffre daffaire et plus de 43 millions deuros de total de bilan est aussi
considre comme une ETI). Daprs lInsee4, les ETI sont une catgorie comprise entre les
grandes entreprises (GE) et les petites et moyennes entreprises (PME). LInstitut a rsum en
quelques mots les spcificits reconnues des ETI : Elles scartent nettement des PME par

1
Par exemple :
- Stoffas C. (2008) : Mittelstand : notre chanon manquant , rapport du Conseil danalyse
conomique franco-allemand.
- Betbze J-P. et Saint-tienne C. (2006) : Une stratgie PME pour la France, rapport du Conseil
danalyse conomique, n 61.
- Vilain F. (2008) : Le dveloppement des entreprises de taille intermdiaire , avis du Conseil
conomique, social et environnemental.
2
Yann Le Gals a publi le 15 mars 2012, un article sur le figaro intitul le modle allemand est-il applicable
en France ? o il analyse les raisons du succs des entreprises allemandes et propose des solutions pour aider
les PME et entreprises de taille intermdiaire franaises grandir. (cf.: http://blog.lefigaro.fr/legales/2012/03/le-
modele-allemand-est-il-applicable-en-france.html).
3
Article 51 de la loi n 2008-776 du 4 aot 2008.
4
Institut national de la statistique et des tudes conomiques
90
leur orientation industrielle, lorganisation en groupes, leur rle en matire dexposition, de
recherche et dinnovation1.

Le 5 mars 2008, le prsident Nicolas Sarkozy avait affirm que lconomie franaise souffrait
de labsence de ces entreprises qui innovent, grandissent, exportent et investissent, et il
souhaitait voir doubler leur nombre. Renaud Dutreil, ancien ministre charg des PME, du
Commerce de lArtisanat et des Professions librales, affirma que les problmes conomiques
de la France seraient en partie rsolus si on portait de 5000 10 000 le nombre de nos ETI.

cet gard, Christine Lagarde, alors ministre de lconomie, de lIndustrie et de lemploi, a

pu dclarer solennellement le 11 dcembre 2008 : Elle sont assez grandes pour tre fortes ;
elles sont assez petites pour tre indpendantes ; elles ont la taille parfaite pour tre agiles,
pour tre ractives en temps de crise et, clairement, elle ont besoin dun cadre juridique qui
corresponde ce quelles peuvent apporter comme rponses notre conomie.

Ainsi, la Bpifrance2 a repr en 2010, 4 600 ETI, dont 2 800 seraient hors groupe et 1 500
entreprises industrielles, dont 900 hors groupe (statistiques cites par Retailleau, 2010, p.123).
Les ETI sont plus nombreuses dans lindustrie et dans les activits marchandes (Retailleau,
op. cit.). Ceci correspond probablement des secteurs o une certaine taille critique est
indispensable pour raliser des conomies dchelle, et affaiblir les cots fixes gnrs par
lactivit.

2.1.1.1 Les diffrentes catgories dETI

La DGCIS3 du ministre de lconomie, de lIndustrie et du Numrique, a publi

dintressantes tudes sur les ETI en mars 2010. On peut reproduire ici son tableau des
diffrentes catgories dentreprises qui avait servi de support au dcret dapplication du 18
dcembre 2008, la loi LME du 4 aot 2008. Mais quest ce qui caractrise cette catgorie
par rapport aux autres catgories dentreprises.

1
Insee, 29 juin 2010.
2
La Banque publique d'investissement ou Bpifrance est un groupe public franais de financement et de
dveloppement des entreprises. Elle soutient notamment les petites et moyennes entreprises, les entreprises de
taille intermdiaire et les entreprises innovantes en appui des politiques publiques de l'tat et des rgions. Elle a
t cre par le gouvernement Ayrault par la loi du 31 dcembre 2012.
3
La direction gnrale de la comptitivit, de l'industrie et des services, direction commune au Ministre de
lconomie, de lindustrie et du Numrique. Elle change le nom en 2014 et devient ainsi la direction gnrale
des entreprises (DGE).
91
 Tableau 2.1 : Les diffrentes catgories dentreprises
Chiffre Effectif (nombre de salaris)
Total du bilan
daffaires Moins de 10 10 249 250 4 999 5 000 et +
Moins de 2M Moins de 2M Micro-
Moins de 2M entreprises Petites et
2M 50M
Plus de 2M moyennes
Micro- entreprises
Moins de 2M (PME) Entreprises
50M 1.5G entreprises
2M 43M de Taille Grandes
Intermdiaire entreprises
Plus de 43M
(ETI) (GE)
Micro-
Moins de 2M
entreprises
Plus de 1.5G 2M 43M
43M 2G
Plus de 2G
Source: CNIS1, Rapport du groupe de travail sur la dfinition des catgories d'entreprises,
novembre 2008.
La lecture de ce tableau prouve par les deux exceptions importantes (en bas gauche du
tableau) que les entreprises :
- qui ralisent de 50 moins de 1 500 millions deuros de chiffres daffaires, avec un
total de bilan de 43 millions deuros,
- et qui ralisent plus de 1 500 millions deuros de chiffre daffaires, avec un total de
bilan de 43 2 000 millions deuros,
sont des ETI.

En 2010, les statistiques officielles sur le nombre des ETI patrimoniales et non patrimoniales
rsultant des enqutes de lAssociation syndicale des moyennes entreprises patrimoniales -
Entreprises de Taille Intermdiaire (ASMEP-ETI) donnent les ordres de grandeur suivants :
nombre total dETI est 4 600, dont 3 300 capitaux franais, et 1 300 capitaux trangers.
Les 3 300 ETI franaises comportent 80% dETI patrimoniales, soit 2 640 et 20% dETI
filiales de grandes entreprises ou purement financires, soit 660. Les 1 300 ETI capitaux
trangers connatraient la mme proportion : 80% filiales dETI trangres, soit 1 040, sont
donc patrimoniales ou familiales et 20% filiales de grandes entreprises trangres, soit 260,
sont non patrimoniales.

Plusieurs tudes ont montr que les entreprises patrimoniales sont plus performantes que les
autres, titre dexemple, par rapport aux entreprises non patrimoniales, de mme secteur et de

1
Conseil National de lInformation Statistique (2008): Statistiques structurelles fondes sur les groupes
dentreprises et leurs sous-groupes .
92
mme taille1, elles affichent une rentabilit nette de 3,25% contre 1,66%, soit un cart de
1,59%.

Selon le critre du dynamisme et de la longvit, les ETI sont rparties gnralement en deux
catgories, les ETI volatiles et les ETI rcurrentes (KPMG, 2013). Le schma ci-dessous
reprsente ces deux catgories.

Schma 2.1 : Les diffrentes catgories dETI

Les ETI volatiles sont les entreprises ayant navigu au moins deux fois sur la priode
2003-2011 entre les statuts de PME et dETI, et parfois, celles qui ont quitt la catgorie pour
sortir par le haut et devenir de grandes entreprises (KPMG, 2013), telles que Boulanger,
Isor, etc. Durant la mme priode, en moyenne, 18 % de la population des ETI fait son
apparition dans la catgorie chaque anne. La majorit des entres se raliser dans la premire
catgorie dETI en termes deffectifs, cest -dire dans le segment des 250 350 salaris. Pour
les ETI de moins de 250 salaris et qui ont connu une croissance constante de leur chiffre
daffaires, elles constituent le deuxime groupe le plus important lentre. Les entres qui se
font par le haut restent rares (KPMG, op.cit.). Quant aux sorties, elles reprsentent aussi en
moyenne 18 % du total des ETI chaque anne (hors sorties dfinitives). Ainsi, sur la priode
2003-2011, prs de la moiti des ETI est sortie du groupe au moins deux fois. De la mme
faon que pour les entres, les sorties seffectuent notamment par la catgorie des PME, et
non celle des grandes entreprises. Autrement dit, dans la moiti des cas, une ETI sortie de la
base une anne redeviendra la catgorie des ETI plus tard dans la priode 2003 2011. Ce

1
tude du professeur Allouche (2003), Les facteurs de performances dans les MEP , IAE-Universit Paris-
Sorbonne. Les ETI patrimoniale se sont appeles lpoque moyennes entreprises patrimoniales (MEP).
93
mouvement de va et vient dans le groupe concernent souvent la catgorie des entreprises de
250 350 salaris.

La catgorie rcurrente (schma 2.1), est la population stable des ETI, elle reprsente 61
% dETI en 2010. Les ETI rcurrentes constituent le centre durci des ETI, elles sont de taille
moyenne, avec un effectif moyen de 615 salaris en 2010 et elles peuvent tre classes en
trois sous-ensembles selon leurs performances et leur stabilit (KPMG, op.cit.) :
- les ETI permanentes (44 % dETI en 2010) qui se maintient dans la catgorie sur le
long terme ;
- les ETI rcentes (11 % dETI en 2010), qui ont rcemment rejoint la catgorie (depuis
2005) et ne lont plus quitte;
- et les ETI surperformantes (5 % en 2010), il sagit des ETI les plus profitables1. Ces
entreprises nont quitt la catgorie ETI quune seule fois au maximum sur la priode
2003 2011 (satisfaction du critre de longvit). Elles ont su rsister la crise
conomique puisque leur chiffre daffaires total a augment de 9 % entre 2007 et 2010
et leur chiffre daffaires lexport augmentait de 22%. Elles savent ainsi profiter des
crises pour aller chercher de nouvelles opportunits.

2.1.1.2 Les grands atouts des ETI

Contrairement un clich encore tenace, les ETI ne sont point une catgorie de passage entre
petites et grandes entreprises, elles ne sont que des PME ayant atteint leur taille adulte et qui
ont russi (Gattaz Y., 2010, p.13). Elles ne pourront que rarement passer une taille
importante la marge de 250 5 000 salaris est dj grande quau prix dapports de
capitaux et dune ventuelle rorganisation qui risqueraient terme davoir pour consquence
la perte du contrle de lentreprise par lentrepreneur.

La France a quatre catgories dentreprises bien distinctes et dimportance voisine. Daprs

lenqute de lInsee2, nous avons 3 millions de TPE, 138 000 PME, 5 000 ETI et 243 grandes
entreprises (GE).
La contribution des ETI dans le PIB franais est importante, elle occupe une position mdiane
entre les PME et GE. Le graphique 2.1 affiche ce constat.

1
La profitabilit a t mesure ici par le calcul du ratio EBE/CA (Excdent Brut dExploitation/Chiffre
daffaires).
2
Source : Insee, enqute Lifi, publie en 2011 : cf.
http://www.insee.fr/fr/themes/document.asp?ref_id=if4&utm_medium=twitter&utm_source=twitterfeed .
94
 Graphique 2.1 : Chiffre daffaires par catgorie dentreprise

Source : GATTAZ Y. (2010, p.13), Les ETI, champions cachs de notre conomie, Paris,
ditions Franois Bourin.

En moyenne les ETI ralisent un chiffre daffaires de 201,7 M par entreprise derrire les GE
(6 360 M), puis les PME (4.7 M) et enfin les TPE (183 000 ) (Gattaz Y., 2010, p.13).
Nous constatons la grande diffrence de chiffres daffaires des ETI avec les catgories
voisines, en particulier avec les PME, puisque leur chiffre daffaires moyen est 42 fois
suprieur, mettant ainsi en vidence la diffrenciation des catgories.

Par ailleurs, une tude 1 de lApec2 sur les entreprises hors activits financires et assurances
montre le rle principal des ETI dans le march de lemploi, elles offrent plus de 4 120 000
emplois salaris en 2012, contre 3 920 000 pour les GE, 4 405 000 pour les PME et 3 129 000
pour les TPE

Il est de tradition daffirmer que les ETI sont la fois innovatrices, exportatrices,
investisseuses, et fortement industrialises.

1
Bazin V. (2013), Panorama de lemploi cadre dans les ETI, APEC n 2013 85, ISBN 978-2-7336-0721-3.
2
LAssociation pour lemploi des cadres.
95
 2.1.1.2.1 Innovation dans les ETI

Une entreprise est qualifie dinnovante si elle a accompli au moins une des 5 mesures
suivantes au cours des 3 dernires annes1 :
- financement des frais de recherche et dveloppement (interne2 ou externe3) ou
recrutement du personnel de R&D (80 % des ETI).
- achat dune licence dexploitation dun procd ou dune technologie (19 % des ETI).
- dpt dun brevet, dune marque, dun dessin ou dun modle (54 % des ETI).
- dveloppement pour le compte de tiers dun produit nouveau ou significativement
amlior (35 % des ETI).
- commercialisation dun nouveau produit, ou lutilisation dun nouveau procd (ou
mthode) de production, de commercialisation ou dorganisation. Il faut galement
quaucun produit ou procd similaire nait t dj commercialis ou utilis par des
concurrents (39 % des ETI).

Gnralement, les ETI mettent beaucoup laccent sur linnovation dans les produits comme
dans les services et les modes dorganisation4. Mais linnovation se retrouve tous les
niveaux, que ce soit les processus, le marketing, la stratgie commerciale ou encore la
politique sociale. Daprs une tude5 ralise par Jacky Lintignat, le directeur de KPMG
France, 90 % des ETI sont convaincues que linnovation est un levier essentiel de
dveloppement. Pour cela, 70 % des ETI sappuient surtout sur une politique de partenariat
durable avec les coles et les universits, les rseaux dentreprises ou encore avec leurs clients
et leurs fournisseurs.

Face la mondialisation, la capacit des ETI innover est une condition indispensable pour
conqurir de nouveaux marchs, de nouveaux clients sur le territoire national comme
ltranger (CCI de Paris, 2010). Dans ce contexte, o lavantage comptitif se construit sur
plus dinventivit et de crativit, il est impratif de transformer les dcouvertes en innovation
et de les faire dvelopper au plan commercial tout en les protgeant.

1
Source : La conjoncture des ETI : enqute annuelle 2013, juin 2013, p.4. Cette publication prsente lanalyse
dtaille de lenqute mene conjointement par le Bpifrance et la DGCIS auprs des ETI.
2
Financement assur par des ressources internes de lentreprise, tels que son autofinancement et le financement
en provenance du groupe auquel elle appartient.
3
Financements publics, financements bancaires et financements de march.
4
CCI de Paris (2010), Entreprises de taille intermdiaire : mode demploi pour retrouver la croissance, la
documentation Franaise, Paris, p.65.
5
Lintignat J. (2012), Les entreprises de taille intermdiaire : une stratgie de conqutes, OSEO-PME, 2012.
96
En outre, dans le domaine de la recherche et dveloppement (R&D), Gattaz (2010) souligne le
potentiel que reclent ces entreprises. Ralisant plus du quart de la dpense intrieure de R&D
des entreprises, avec 28% des effectifs de R&D, elles sont plus orientes vers la R&D que les
PME ou les grandes entreprises (Gattaz, op. cit.). Une tude1 de la direction de lvaluation,
de la prospective et de la performance (DEPP), souligne que les ETI se diffrencient aussi des
entreprises de plus petite taille par une meilleure productivit, une activit plus tire par les
marchs extrieurs et des programmes de recherche faisant davantage appel des partenaires
extrieurs. En plus, daprs cette tude, les fonds publics ont un rle primordial dans le
financement des dpenses de R&D des ETI: ils reprsentent en effet 43% des financements
extrieurs de leur activit interne de R&D, contre 30% de ceux des PME et des grandes
entreprises.

Paralllement, les ETI consacrent 2.7% de leur chiffre daffaires leur activit interne de
R&D, un pourcentage similaire celui des grandes entreprises. La recherche des ETI est
effectue principalement dans les branches industrielles de hautes technologies (pharmacie
18%, tlcommunication 15%) et en moyennes-hautes technologies (chimie 9%, machines et
quipements 9%) (Gattaz, 2010).

Par ailleurs, la mise en march de linnovation nest pas assez soutenue, plusieurs tudes2
insistent sur linsuffisance en France de linnovation de march, jusquau design, voire au
marketing. De sorte que, si lintensit en R&D est analogue en France et en Allemagne, le
taux dinnovation sur le march diverge ainsi que sa perception, au profit des entreprises
allemandes (Retailleau B., 2010).

Enfin, les travaux du Conseil danalyse stratgique (CAS)3 rvlent que 93% des ETI, en
particulier du secteur industriel4, sont des innovateurs internationaux cest--dire quelles
dveloppent des produits nouveaux pour leur march lequel est trs amplement international.
De mme, 55 % des ETI industrielles ont dpos un brevet, une marque, un dessin ou un
modle, contre 23 % pour les autres ETI5. En outre, selon le service des tudes et des

1
Cf. Estelle Dhont-Peltrault (2009), R&D : le potentiel des entreprises de taille intermdiaire, Note
d'information de la DEPP, n 09.27, dcembre.
2
Par exemple : rapport ESCP Paris-Europe (2009) destin Christine Lagarde, ex-ministre de lconomie, de
lIndustrie et de lEmploi.
3
CAS (2009), Analyse : les entreprises de taille intermdiaire, un potentiel dinnovation dvelopper ? Note
de veille, n 131, avril.
4
Les ETI de lindustrie sont globalement plus innovantes que celles des autres secteurs.
5
Le 4 pages de la DGCIS, n26 - juillet 2012
97
statistiques industrielles SESSI1, sagissant des entreprises innovantes, laugmentation de
leurs brevets dposs est corrle positivement avec la hausse de leurs effectifs: alors que
16% uniquement des entreprises franaises de 10 49 salaris innovantes en produits ou
procds ont dpos des brevets entre 2002 et 2004, ce taux passe 30% pour les entreprises
de 50 249 salaris et atteint 48% pour celles de 250 salaris ou plus (CCI de Paris, 2010).

2.1.1.2.2 Exportations des ETI

Lexportation est un atout pour les ETI. Dans ce domaine, Yvon Gattaz (2010) prend
lexemple de Mittelstand effectuant lessentiel de lexportation en Allemagne2. Comme le
constate lInsee3, les ETI se distinguent des PME en matire dexportation, ce qui est bien
comprhensible, car lexport exige des structures adaptant des moyens suffisants et des
collaborateurs qualifis dont souvent ne disposent pas les PME.

La propension des entreprises exporter est trs fortement lie leur taille et leur secteur
dactivit4. Les ETI industrielles exportent plus que les ETI de prestation de service et les ETI
commerciales5, daprs Pierre Gattaz6 lindustrie est le premier agent du commerce
extrieur en France, en reprsentant plus de 80% des exportations franaises. Des produits
voyagent et sexportent relativement facilement, quil sagisse de voitures, de PC ou de
machines laver. Ils peuvent tous tre conus et fabriqu dans le pays dorigine, crant ainsi
richesses et emplois supplmentaires dans ce mme pays. A contrario, les services sexportent
plus difficilement, car leurs produits sont dmatrialiss , dobdience souvent locale,
avec des prestataires locaux pour des clients locaux (Gattaz P., 2009)

Le chiffre daffaires des exportations de la France est rparti selon les pourcentages suivants :
3% pour les TPE, 13% pour PME, 31% pour les ETI et 53% pour les GE, dont les taux
dexportation7 enregistrent les ralisations suivantes : 3.3% pour les TPE, 9.7% pour PME,

1
SESSI (2007), Les dpts de brevets des entreprises industrielles franaises : un bilan contrast face aux
enjeux de la proprit industrielle , n237, septembre.
2
Louverture des pays de lEst a tendu les marchs accessibles ainsi que les opportunits de sous-traitance des
cots avantageux. Elle a donc fortement bnfici aux entreprises du Mittelstand.
3
Insee, 2007.
4
Trsor-co, Lappareil exportateur franais : une ralit plurielle , n 54, mars 2009.
5
Rapport Oso 2012 sur lvolution des PME - rfrence Douanes
6
Prsident de MEDEF depuis 3 juillet 2013 et prsident du directoire de lentreprise Radial ; une ETI spcialis
dans la conception et la fabrication d'quipements lectroniques.
7
Ce taux est mesur par le pourcentage des ventes ralises ltranger. La formule de calcul est la
Exportations
suivante :taux dexportation = avec :
CA HT
Exportations = ventes directes l'exportation dclares par les entreprises.
98
20.3% pour les ETI et 22.8% pour les GE (Gattaz Y., 2010). Nous nous tonnons parfois que
les exportations des ETI soient si proches de celles des GE. Cette ralit tient au fait que les
GE produisent souvent dans les pays trangers et ont de ce fait moins de produits
dexportation qui passent les frontires .

Ainsi, les dirigeants dETI savent trs bien que le dveloppement de leurs entreprises passe
par la recherche de nouveaux marchs, particulirement dans les pays mergents, afin de
pallier le manque de croissance de lconomie mtropolitaine. Cest grce cette conscience
que 11 % des ETI possdent au moins une filiale en Asie et 4% en Amrique latine1.

2.1.1.2.3 Investissements et financements des ETI

Une recherche2 de la Banque de France constate que les ETI se dveloppent en combinant
croissance interne et acquisitions. Leurs investissements sont considrs comme des dpenses
visant renouveler lappareil de production. Ltude a montr que les ETI investissent plus
que les PME ou les grandes entreprises. Leur taux dinvestissement3 est de 25 % en moyenne
contre 20 % pour les autres catgories4. Les investissements immatriels reprsentent un
poids significatif du chiffre daffaires. 38% cest le poids des investissements des ETI sur
linvestissement total en France en 2010. Les grands groupes et les PME reprsentent
respectivement 39 % et 23 % de linvestissement5.

La plupart des investissements raliss par les ETI sont long terme. Cette catgorie
dentreprises prfre gnralement linvestissement la distribution des dividendes. Cest
souvent le cas chez les ETI patrimoniales non cotes en bourse qui ne distribuent aucun
dividende pour rinvestir massivement tous leurs profits, en favorisant ainsi la politique de
croissance long terme6. Seules ces ETI patrimoniales sont capables de raliser certains
investissements longs rentabilit diffre, puisquelles pensent que lentreprise survivra aux
dirigeants et se transmettra de gnration en gnration.

1
Le 4 pages de la DGCIS, n26 - juillet 2012
2
Banque de France (2012), Les ETI en France : quelles stratgies de croissance, dinvestissement et de
financement ?, Bulletin de la Banque de France, n 190, 4 e trimestre 2012, p.45.
3
Cest le rapport de l'investissement la valeur ajoute.
4
Les Cahiers du FSI n4 : Pour la croissance des ETI - juillet 2012
5
Source : Banque de France, Base FIBEN
6
Ces entreprises incarnent un capitalisme vertueux.
99
De surcrot, ces investissements sont financs principalement par lautofinancement et le
crdit bancaire1. En mars 2013, une tude de KPMG confirme ce rsultat, elle indique que
prs de trois ETI sur quatre reconnaissent en 2013 que lautofinancement2 lui seul a
constitu leur premire ou leur seconde source de financement. Dans ce contexte, et
notamment en ce qui concerne les ETI majoritairement patrimoniales, lautofinancement reste
leur moyen pour financer leur dveloppement. Cela limite les croissances fortes mais permet
ces entreprises dtre endurantes mme en priode de crise (Gattaz, 2010). Cependant, leur
croissance, quelle soit interne ou externe, implique une mobilisation de capitaux importants
qui souvent ne peuvent tre runis par les seuls actionnaires fondateurs.

Compte tenu de la place majeure quoccupent ces entreprises dans lconomie, le

renforcement de la structure financire des ETI est un enjeu capital pour maintenir et
consolider leur activit. La cration du Fonds stratgique dinvestissement3 (FSI) par les
pouvoirs publics en 2008 est galement un moyen de doter lconomie franaise dun
investisseur de long terme capable dapporter le soutien ncessaire aux ETI afin de crer les
champions nationaux de demain (CCI de Paris, 2010).

2.1.1.2.4 Structure industrielle des ETI

Les ETI prsentent une caractristique interne majeure, il sagit de la catgorie dentreprise la
plus industrialise en France4. Nous avons compris aujourdhui le rle majeur de lindustrie
dans une conomie, mme trs moderne. Lexemple de lAllemagne est significatif.
Comme lassurait lconomiste Nicolas Baverez, lconomie franaise ne peut se passer de
son industrie. Le dynamisme de lindustrie est essentiel pour la croissance franaise, qui ne
peut tre tire par les seules services, la finance ou la construction. Ensuite, lindustrie joue
un rle moteur pour lemploi, mais aussi pour les exportations, pour les gains de productivit
et la recherche : un pays sans usine est un pays sans innovation 5. Quant Pierre Gattaz1,

1
Sondage OpinionWay pour KPMG - fvrier 2013, men auprs de 250 dirigeants dETI.
Pour le 4 pages de la DGCIS n20 - juin 2012 lensemble des investissements de croissance interne et externe
raliss en 2013 ont t financs hauteur de 52 % en moyenne par autofinancement, 4 % par apports en fonds
propres et de 44 % par recours lendettement et au crdit bancaire.
2
Cest la voie royale de dveloppement daprs Gattaz(2010).
3
Le fonds stratgique dinvestissement (FSI) est une socit anonyme, dtenue 51% par la Caisse des dpts et
consignations et 49% par ltat, et dote de 20 milliards deuros dactifs son lancement en 2008. Il a pour
mission dinvestir dans des entreprises de croissance porteuses de comptitivit pour lconomie franaise
(Kohler et Weisz, 2012). Sa stratgie et ses modalits dinvestissement se dfinissent au regard dune double
perspective : celle dun investisseur avis et celle de lintrt gnral. Ses investisseurs sont raliss le plus
souvent aux cts de co-investisseurs privs (Kohler et Weisz, op. cit.).
4
Insee, mai 2010.
5
Le Point, 25 fvrier 2010.
100
auteur dun livre2 sur la dfense et la promotion de lindustrie franaise, il dmontre que
lindustrie est vitale pour la France, instrument de progrs et seule organisation cratrice de
richesses et demplois :
[] lindustrie, prise au sens large du terme, constitue le seul vrai outil crateur de richesse
et demplois pour un pays. Tout comme le commerce et les services dailleurs. Cest grce
cette richesse et aux impts qui en dcoulent que lon peut faire fonctionner les services
publics, rmunrer les fonctionnaires, avoir une administration efficace au service des
citoyens et des forces vives de la nation. Lindustrie, par le dveloppement de lconomie de
la connaissance, par lexigence de comptitivit et par les dveloppements internationaux, a
su favoriser lexternalisation de certaines prestations et donc promouvoir un nombre
croissant de services : informatique, engineering, recherche, sous-traitance, entretien,
restauration, assurance, conseils, etc., eux mme gnrateurs de richesses et demplois.
Lindustrie a su aussi voluer en intgrant son offre de plus en plus de prestations de
service direct que le march et les clients ont demandes : service aprs-vente, maintenance,
formation des utilisateurs et des ingnieurs, financement comme dans le secteur automobile.
Ce qui peut expliquer que lindustrie na pas forcment cr beaucoup demploi directement
depuis plusieurs dcennies en France, mais a compens en en crant des centaines de milliers
dans les services associs.
Lindustrie participe ainsi 17% du PIB de la France en 2008. Ce chiffre grimpe 40% du
PIB si lon y associe les services qui en dpendentCe qui est loin dtre ngligeable ! []

Ce discours enthousiaste pour lindustrie confirme la position stratgique des ETI, fortement
industrialises, en France. Il sagit dun atout majeur pour cette catgorie dentreprises. Les
ETI industrielles, capitaux strictement franais rassemblent un tiers des salaris des ETI
mais psent davantage en termes de valeur ajoute (37%) et surtout en termes dexportation
(59%) (Gattaz, 2010). Ces ETI industrielles comptaient en moyenne 670 salaris (contre 617
pour lensemble des ETI). Elles sont plus nombreuses dans le Nord et lOuest de la France, ce
qui correspond aux rgions les plus industrielles (Retailleau, 2010, p.133).

1
Prsident du MEDEF depuis 3 juillet 2013 et prsident du directoire de lentreprise Radiall depuis 1994. De
2007 2013, il tait Prsident de la Fdration des industries lectriques, lectroniques et de la communication
(FIEEC). Depuis juin 2010 il est galement prsident du Groupe des fdrations industrielles (GFI) (15
fdrations industrielles reprsentant 80 % de lindustrie franaise).
2
Pierre Gattaz (2009), Le printemps des magiciens. La rvolution industrielle, cest maintenant !, Paris,
Nouveau Monde ditions.
101
 2.1.1.2.5 Limplantation nationale et internationale des ETI franaises

Les ETI sont capables darticuler harmonieusement le local et le global grce un fort
enracinement dans les territoires1, et une capacit de projection sur les marchs
internationaux2.
Au niveau national, les ETI sont implantes diversement selon les rgions et leur structure
sectorielle (Bpifrance, 2013). Le graphique 2.2 reprsente limplantation des ETI selon la
rgion principale.
Graphique 2.2 : Rpartition des salaris des ETI selon la rgion principale en 2012
(Source : enqute Apec, 2013)

le-de-France 30%
Rhne-Alpes 13%
Pays de la Loire 8%
Nord-Pas-de-Calais 7%
Provence-Alpes-Cte dAzur et Corse 5%
Centre 5%
Midi-Pyrnes 4%
Bretagne 4%
Lorraine 3%
Aquitaine 3%
Poitou-Charentes 2%
Picardie 2%
Languedoc-Roussillon 2%
Haute-Normandie 2%
Bourgogne 2%
Basse-Normandie 2%
Alsace 2%
Limousin 1%
Franche-Comt 1%
Champagne-Ardenne 1%
Auvergne 1%

Note : La rgion principale est dfinie selon lInsee : si lentreprise est mono-tablissement la rgion de
localisation est celle du sige. Si lentreprise est multi-tablissements, la rgion principale est dtermine en
fonction de la rgion o lon trouve le plus grand nombre de salaris.

1
Les ETI sont principalement provinciales.
2
Pour plus de dtail, voir Retailleau (2010), les entreprises de taille intermdiaire au cur dune nouvelle
dynamique de croissance, la Documentation franaise, Paris, p. 79. Lauteur dveloppe lide
dinternationalisation des ETI. Il pense que les ETI sont en effet, pour la plupart, un stade plus avanc de
linternationalisation, celui de limplantation ltranger. Dune certaine manire, elles ne sont parvenues au
stade dETI que parce quelles sont implantes ltranger, ce qui explique leur performance hors normes
linternational.
102
Les plus faibles enregistrements sont raliss en Champagne-Ardenne et en Auvergne. Dans
ces deux rgions, exclusivement 9 % des salaris travaillent dans des ETI contre 23 % en
moyenne pour le territoire national. Par contre, les plus fortes parts demplois salaris dans les
ETI sont observes en le-de-France, en Rhne-Alpes, en Pays de la Loire, en rgion Centre,
et dans le Nord-Pas-de- Calais. Dans ces rgions, les ETI concentrent plus de 3 emplois sur
10.

Pour lle-de-France et Rhne-Alpes, la forte proportion de salaris dans les ETI est associe
lexistence de grandes mtropoles comptant de nombreux siges sociaux dentreprises et
centres administratifs et de R&D. Elle sexplique aussi par leurs spcificits sectorielles. En
le-de-France, les activits de banque, dassurance, de communication et mdias sont
fortement implantes. En Rhne-Alpes, les ETI sont trs prsentes dans les activits de la
chimie. En rgion Centre et dans le Nord-Pas-de-Calais, la concentration de nombreux siges
sociaux est aussi une spcificit de ces deux rgions. La majorit des ETI y exercent leurs
activits surtout dans la cosmtique, la parfumerie et dans les gosciences pour le Centre et
dans le commerce pour le Nord-Pas-de-Calais. Concernant les Pays de la Loire, loffre
demploi assur par les ETI est trs importante1, ces entreprises sont trs prsentes dans les
activits de construction navale et de lagroalimentaire.

En revanche, les ETI dans leur ensemble ont en moyenne 1,8 filiale implante ltranger et
34 % delles disposent dune ou plusieurs implantations ltranger, de production ou de
distribution. En 2013, Bpifrance a recens 16 % (14 % en 2012) dETI ayant un ou plusieurs
projets ltranger par zone dimplantation2. Cette enqute a pu montrer que 6 % des ETI ont
un projet court terme dans lUnion europenne. Suivi par lAsie qui arrive en deuxime
position en termes de zone dimplantation cible (4%), galit avec lEurope hors UE. Selon
la DGCIS3, lUnion europenne reste la principale destination de lactivit internationale des
ETI franaises, mme si ce phnomne diminue. En 2013, en moyenne 65 % de lactivit
internationale des ETI se fait au sein de lUnion europenne et 35 % dans le reste du monde 4.
De surcrot, lactivit des ETI industrielles ltranger est trs significative. Statistiquement
six ETI trs internationalises sur dix appartiennent au secteur industriel.

1
37 % des salaris de la rgion Pays de la Loire travaillent dans une ETI (source : Apec, 2013)
2
Source : enqute 2013 Bpifrance - DGCIS auprs des ETI.
3
Le 4 pages de la DGCIS n20 - juin 2012
4
Enqute 2013 Bpifrance - DGCIS auprs des ETI, p.5
103
Daprs une tude1 ralise par Natixis Pramex International et lUniversit de Paris
Dauphine, les ETI sont les premiers pourvoyeurs dinvestissements directs trangers (IDE)
dans lindustrie, reprsentant elles seules plus de la moiti des entreprises implantes
ltranger2. Leur part dans le nombre dimplantations ltranger dpasse galement celle des
grandes entreprises (56% contre 30%).

Les ETI sont donc trs souvent attaches une rgion, o elles sont gnratrices de richesse et
demploi. Cet attachement leur rgion de production est galement un atout pour ces
entreprises qui sont, en cas de difficults, soutenues par les collectivits locales. Ces
entreprises bnficient galement dun enracinement international3 dans le monde entier. Il est
noter que linnovation et linternationalisation sont intrinsquement lies, les ETI
innovantes ralisant en moyenne 20 % de leur activit linternational, soit prs de trois fois
plus que les non innovantes .

Ces principaux atouts des ETI sont essentiels et expliquent les performances de ces
entreprises.

2.1.2 Lintrt dtudier les ETI

lheure o le gouvernement franais tente dinverser la courbe du chmage, les ETI sont
dsormais perues comme un moteur essentiel de lconomie franaise et le socle de la
reconqute industrielle. Encore peu nombreuses, elles continuent en effet embaucher en
privilgiant une vision long terme.

2.1.2.1 La participation des ETI la cration de la richesse

En 2011, dans le secteur marchand non agricole, la France hberge 3,14 millions
d'entreprises, dont 5 000 entreprises de taille intermdiaire (ETI). Sur le champ limit aux
activits non financires, lInsee compte 3,09 millions d'entreprises et 4 800 ETI4. Ces ETI

1
Gazaniol A. et Peltrault F. (2009), Les performances des entreprises de taille intermdiaire , Natixis Pramex
International et lUniversit de Paris Dauphine.
2
Le 4 pages de la DGCIS n26 - juillet 2012
3
Prs de deux ETI sur cinq ont une activit linternational.
4
Les rsultats proviennent de trois sources : le dispositif d'laboration des statistiques annuelles d'entreprises
(sane), qui fournit des statistiques structurelles d'entreprise sur les entreprises marchandes l'exception du
secteur agricole, partir de donnes administratives et d'enqutes auprs d'un chantillon d'entreprises ;
Connaissance locale de l'appareil productif (Clap) qui identifie les effectifs salaris ; le systme d'information
Liaisons financires (Lifi) qui localise les groupes de socits oprant en France.
104
reprsentent 23 % des salaris1 (soit 3,3 millions de salaris) et 23 % de la valeur ajoute2. En
moyenne, elles emploient prs de 700 salaris et comptent 10 units lgales. Quant aux
emplois cadres, une tude3 de lAPEC montre que les ETI emploient 30 % des cadres du
secteur priv. Du coup, leur part sur le march de lemploi est importante mais un peu
moindre que celle des PME qui comptabilisaient 33 % des salaris et 35 % des cadres du
secteur priv4. En 2012, elles ont contribu crer 16 000 nouveaux postes cadres, soit 45 %
de la cration totale demplois cadres. Cest deux fois plus que les PME, pourtant bien plus
nombreuses.

De 2009 20013, selon une tude ralise en 2013 pour ASMEP-ETI par lObservatoire de
lemploi Trendeo5, les ETI majoritairement patrimoniales et provinciales ont cr prs de
80 000 emplois nets, tandis que les grandes entreprises en ont supprim prs de 60 000. La
comparaison du comportement des ETI et des grandes entreprises face aux volutions de la
croissance du PIB rvle que les ETI rebondissent de manire plus rapide que les grandes
entreprises (Durox, 2014).

Par ailleurs, les ETI sont rparties sur plusieurs secteurs dactivits. KPMG (2013) souligne la
prdominance industrielle des ETI (29,8%), le secteur de services arrive en deuxime position
(28,5 %) et en dernier le secteur commercial (22,9%) (cf. graphique 2.3). Elles sont galement
trs prsentes dans des secteurs nouveaux et en croissance, comme le secteur des services la
personne (autres services), la sant, limmobilier ou lenseignement / formation (hors
lenseignement public).

1
Pour lensemble des territoires doutre-Mer, les ETI reprsentent 48 % des crations demplois.
2
Selon lInsee, la valeur ajoute est le solde du compte de production. Elle reprsente la diffrence entre la
valeur de la production et les consommations intermdiaires utilises. Plus simplement, elle correspond la
richesse produite par lentreprise au cours dune priode.
3
Bazin V. (2013), Panorama de lemploi cadre dans les ETI, APEC n 2013 85, ISBN 978-2-7336-0721-3
4
Panorama de lemploi cadre dans les PME, Apec, coll. Les tudes de lemploi cadre, dcembre 2012.
5
Pour plus de dtails, regarder ltude sur le thme de : Lemploi et linvestissement des ETI dans la crise 2009
2013.
105
 Graphique 2.3 : Rpartition sectorielle des ETI (2010)
Services collectifs, Autres secteurs;
sociaux et 1,4%
personnels
2,0%
Sant et action
sociale
4,1%
Industrie
manufacturire
Immobilier, 29,8%
location et
services aux
entreprises
28,5%
Commerce ; Construction;
rparations 3,6%
automobiles et
d'articles
domestiques
Transports et
22,9%
communications;
6,3% Htels et
restaurants; 1,4%
Source : KPMG (2013), Les ETI, leviers de la croissance en France : cinq ans aprs leur
cration, quel bilan et quelles perspectives ?, Ed. ASMEP-ETI & KPMG, p.127.

Les ETI se diffrencient donc des autres catgories d'entreprises par leur orientation vers
l'industrie manufacturire et par le poids de leurs implantations internationales. Parmi les 3,2
millions de salaris de l'industrie manufacturire en France, les ETI emploient un peu plus
dun tiers de cet effectif (soit 35 % demploys), contre 28 % dans de grandes entreprises,
27 % dans des petites et moyennes entreprises (PME) hors microentreprises et 10 % dans
des microentreprises. Vu leur orientation industrielle, les ETI jouent un rle primordial dans
le commerce extrieur, ralisant 33 % du chiffre d'affaires export (graphique 2.4).

106
Graphique 2.4 : Poids des entreprises dans les exportations en 2011, selon la catgorie et
le type de contrle

Contrle tranger Contrle franais

60%

50%
10%

40%

30%

18,10%
20% 41,60%

3,30%
10%
14,80%
12,20%

0%
Grandes entreprises ETI PME, y compris
microentreprises

Champ : France, entreprises marchandes non agricoles et non financires.

Source : Insee, sane, Clap, Lifi 2011.

Sur les 4 800 ETI non financires, Insee1 compte 1 250 ETI (soit 26 %) sous le contrle de
groupes trangers. Elles crent 954 000 offres demploi, soit 29 % des salaris des ETI, et
reprsentent plus de la moiti (56 %) de lemploi des implantations trangres. Par contre, les
ETI sous contrle franais comptent 2,3 millions de salaris, soit seulement 20 % des effectifs
des entreprises sous contrle franais. Par ailleurs, lindustrie occupe 51% des salaris des
ETI contrles par des groupes trangers contre 28 % pour les ETI franaises. Alors que les
ETI industrielles sous contrle tranger exercent leurs activits dans les domaines de la
fabrication de produits informatiques, lectroniques et optiques, dans les industries chimiques,
dans la production de caoutchouc et de plastique, et dans l'automobile. Les ETI industrielles
sous contrle franais travaillent surtout dans les secteurs traditionnels, tels que
lagroalimentaire, la mtallurgie, le textile et le cuir.

1
Source : Insee, sane, Clap, Lifi 2011.
107
Ainsi, grce leur performance, les ETI reprsentent un poids conomique non ngligeable,
surtout en matire dexportation et dans le domaine de R&D et linnovation qui est plus
proche des grands groupes que des PME (Dhont-Peltrault, 2009) 1. Dans ce contexte,
plusieurs tudes de lASMEP-ETI, indiquent que les ETI comptent, parmi elles, 100 leaders
mondiaux et europens. Ces entreprises forte rputation sur le march ont su tisser avec
leurs clients ou leurs consommateurs un lien de proximit.

2.1.2.2 Les enjeux et les perspectives des ETI

Plusieurs tudes soulignent que les ETI constituent le pilier du retour de la comptitivit
franaise, en particulier par leur capacit investir et crer des emplois sur le long terme. En
2013, une enqute effectue par OpinionWay pour KPMG auprs dun groupe de 250
dirigeants dETI voluant dans des secteurs dactivit diffrents, signale que plus de quatre
ETI sur dix (41 %) dclarent avoir augment leur activit et 36 % lavoir maintenu, mais 23
% regrettent une baisse de leur activit.

Par ailleurs, la croissance par linternationalisation et linnovation est considre comme le

choix stratgique du dveloppement des entreprises. Cependant, elle nest pas suffisante pour
augmenter le nombre dETI (Gattaz, 2010). La croissance externe reprsente ainsi le facteur
cl pour passer du statut de PME celui dETI. Ce phnomne de concentration sest
spcialement observ en Allemagne pendant la priode 1996-2006, dcennie au cours de
laquelle sept entreprises sur dix ont rachet une PME ou procd une fusion 2. Ce
dveloppement explique, en moyenne, la supriorit de la taille de Mittelstand allemand par
rapport aux ETI franaises (Kohler et Weisz, 2012). Les dirigeants des ETI ont cit six
principales motivations de croissance externe3:
- augmenter le chiffre daffaires et la part de march,
- simplanter sur de nouveaux marchs,
- atteindre une taille critique et gagner en rentabilit,
- acqurir des comptences,
- la croissance externe est un facteur daugmentation des leviers de dveloppement
traditionnels que sont linnovation et linternational. Elle permet aux ETI de bnficier
de nouvelles innovations sans quelles soient obliges de les dvelopper elles-mmes.
1
Dhont-Peltrault E. (2009), Les entreprises de taille intermdiaire : un potentiel dinnovation dvelopper?,
La Note de Veille, n131, Centre dAnalyse Stratgique.
2
Etude Les PME allemandes : acteurs de la mondialisation , Regards sur lconomie allemande 4/2007
(n83), Isabelle Bourgeois et Ren Lasserre.
3
Etude KPMG Voyage au cur des ETI : une stratgie de conqutes - mars 2012
108
 Cela permet en effet daccder plus simplement et rapidement linnovation. Ce
phnomne ressemble donc la logique de lacquisition de nouvelles technologies ou
de nouvelles comptences possdes par une entreprise rachete1. Les efforts
dinnovation mens par les ETI les accompagnent parfois rechercher des
opportunits de croissance externe, tel que le fait de concevoir ou dvelopper un
nouveau produit.
- en Allemagne, les entreprises ont bnfici dun formidable phnomne de
concentration. La catgorie de petites entreprises est en baisse, celui des moyennes est
stable et les grosses ETI (plus de 500 millions deuros de chiffre daffaires) se
multiplient. Ces dernires, ralisent elles seules prs de la moiti du PIB national.

En outre, labsorption des entreprises par des groupes de taille croissante est devenue intense
en France. Cela aboutit terme lintgration des entreprises dans des groupes (Retailleau,
2010). En moyenne, une ETI est un groupe de 8 socits plutt quune socit unique. De
nombreux dirigeants choisissent dailleurs une organisation en groupe pour des raisons
doptimisation sociale, financire, fiscale ou managriale. (Retailleau, op. cit.).

Comme nous lavons cit prcdemment, le modle conomique des ETI sinscrit dans la
dure et la stabilit. Dans ce cadre, lautofinancement et laccumulation de fonds propres sont
considrs comme le ressort de la croissance des ETI. Cependant, le dispositif fiscal franais
dimpt sur les socits (IS) incite lendettement plutt qu lautofinancement et donc la
dpendance vis--vis du crdit bancaire. Cest le contraire en Allemagne o les PME
disposent dun autofinancement suprieur de 1,44 fois celui de leurs consurs franaises
(Retailleau, 2010).

2.1.3 Lapproche comparative ETI Mittelstand

Dans le cadre des tudes comparatives entre les ETI franaises et le Mittelstand allemand,
lancien premier ministre Franois Fillon (2007 2012), a confi Bruno Retailleau, snateur
de Vende, une mission auprs de lancienne ministre de lconomie, des Finances et de
lEmploi, Christine Lagarde, afin de rdiger un rapport sur les ETI si peu connues des
Franais et de revoir en profondeur la politique conomique mene par lexcutif lgard de
ces entreprises, de manire favoriser leur accroissement numrique, leur puissance en

1
Pour plus de dtails, regarder ltude de KPMG (2012), plus prcisment le chapitre 2 sur la croissance externe
au cur du dveloppement des ETI, pp. 12 - 21.
109
France et aussi pour permettre aux PME innovantes de devenir des ETI dynamiques,
exportatrices et investisseuses. Nous citons ci-dessous quelques extraits de la lettre de mission
du 28 septembre 2009 :
[]Lconomie et lindustrie franaises manquent cruellement dentreprises de taille
intermdiaire (ETI). Cette faiblesse a des consquences structurelles majeures sur la capacit
de notre pays innover, crotre, exporter et crer de nouveaux emplois. On sait quoutre-
Rhin, un solide tissu dETI, au sein duquel se trouvent 60% des champions cachs 1
mondiaux, est responsable lui seul de 40% des exportations allemandes. Dun point de vue
plus conjoncturel, cette caractristique rduit notre capacit sortir rapidement par le haut
de la crise actuelle car nous manquons dentreprises capables de se placer sur les marchs
mondiaux qui sont en train dtre reconfigurs. []
[]Je souhaite que vous rflchissiez aux mesures qui permettraient daugmenter le nombre
des ETI en France, en favorisant leur capacit dinnovation, dexportation et plus
gnralement leur dveloppement, et ainsi de contribuer la rindustrialisation de notre
pays[]

Aprs de nombreuses enqutes et interviews, Bruno Retailleau a rdig pour le gouvernement

un rapport remis le 25 fvrier 2010 et intitul les entreprises de taille intermdiaire au
curs dune nouvelle dynamique de croissance . Les grandes ides de ce rapport concident
avec le contenu du rapport2 Gallois, rendu lex-premier Ministre Jean-Marc Ayrault en
novembre 2012, rvlant le manque dETI en France, notamment par rapport nos voisins
europens en Allemagne et au Royaume-Uni o lon recense respectivement 12 500 et 10 500
ETI3.
dith Cresson, lorsquelle tait premier ministre4, stait tonne en 1991 de la vitalit des
ETI allemandes qui taient, disait-elle, deux fois plus grandes et deux fois plus nombreuses
que les ETI franaises5. Ce point de vue est abondamment fond sur le rle moteur que joue le

1
Selon le professeur Hermann Simon (2009, p.15), les champions cachs sont numro1, 2, 3 mondiaux dans leur
domaine dactivit, ils ont un chiffre daffaires pouvant aller jusqu 4 Mds de dollars et sont relativement peu
connus du grand public. Il identifiait dans les annes 1990 prs de 450 champions cachs en Allemagne. Ces
entreprises sont trs concentres au plan sectoriel. Elles sont prsentes notamment dans lindustrie : machines-
outils, automobile, chimie, lectrotechnique et contribuent directement aux succs allemands en proposant une
offre spcifique forte valeur ajoute selon une stratgie de niche.
2
Pacte pour la comptitivit de lindustrie franaise rdig par Louis Gallois, Commissaire gnral
lInvestissement et ancien prsident excutif dEADS, pour lancien Premier ministre Jean-Marc Ayrault
(novembre 2012).
3
Ces statistiques ont t trouves galement dans une tude pour lASMEP-ETI, placer les ETI au cur de la
bataille pour lemploi , Avril 2013.
4
Elle a occup ce poste du 15 mai 1991au 2 avril 1992 sous la prsidence de Franois Mitterrand.
5
Actuellement, si nous corrigeons ce chiffre en fonction des populations respectives, il y a une fois et demie plus
dentreprises de taille 250 - 5 000 en Allemagne quen France, et deux fois plus au Royaume-Uni (Retailleau,
2010).
110
Mittelstand allemand dans la comptitivit, et sur la forte prsence de lconomie germanique
sur les marchs extrieurs. Le Mittelstand allemand est ainsi le chanon manquant du tissu
conomique franais. Plus grave encore, les analyses dYvon Gattaz (2010) concernant les
ETI montrent que la France manque dentreprises dites performantes en pourcentage de la
population des ETI. Ces ETI performantes sont des entreprises exportatrices, matrisant la
technologie et spcialises sur un crneau de technologieapplicationmarch. Elles disposent
dune taille suffisante, la fois locale et globalise, pour exercer un rle de leadership
mondial.

2.1.3.1 Facteurs cls de succs du Mittelstand

En France, les ETI se positionnent analytiquement entre les grandes entreprises (GE) dun
ct, et les petites et moyennes entreprises (PME) de lautre ct (Weisz, 2012). En
Allemagne, linverse, le Mittelstand nest donc pas une catgorie statistique mais un concept
qualitatif et culturel qui renvoie aux entreprises indpendantes et familiales1. Il sagit donc
dun continuum entre PME, ETI et GE (Weisz, op. cit.). Il y a presque autant de dfinitions du
Mittelstand quil y a dinstitutions qui le dfinissent.

Ce fameux Mittelstand allemand est une notion pas trs bien dfinie, comme le rappelait
Hartmut Schauerte lorsquil tait secrtaire dtat au Mittelstand. Ce dernier distinguait entre
deux sortes de Mittelstand: le Mitteland 1 pour le smal business de 0 500 salaris, et le
Mittelstand 2 pour les entreprises qui grandissent en gardant le caractre patrimonial de leur
capital. Ces entreprises font lvidence la force conomique de lAllemagne, et leur
caractre patrimonial ou familial y est fortement marqu avec un mode de gouvernance
orient sur le long terme (Bougeois, 2010, pp. 7-12 ; Stoffas, 2008, p.3).

En outre, une tude rcente (Hnard, 2012) montre que sur les 1 500 champions cachs que
compte lAllemagne, sur une population totale estime prs de 2 000 dans le monde, 90 %
(soit 1 350) sont de culture Mittelstand. Ces entreprises investissent environ 5 % du chiffre
daffaires dans la recherche et le dveloppement2, l o les grandes entreprises internationales
les plus en pointe ninvestissent en moyenne que 3,6 %. La force du Mittelstand sappuie sur

1
Lire la restitution des dbats du 22 novembre 2012, cet vnement est organis par La Fabrique de lindustrie et
le FSI autour du sujet : Mittelstand et performance allemande, que faut-il en retenir ?, fvrier 2013, Paris.
2
Par exemple, le groupe Groz-Beckert fabrique des aiguilles pour de gigantesques machines tricoter qui en
exige six sept mille chacune. Les machines sont pour la plupart situes en Chine, mais le centre de recherche
sur laiguille tricoter se trouve Albstadt, petite ville du Bade- Wurtemberg, o Groz-Beckert vient dinvestir
70 millions deuros en R&D.
111
sa capacit rpondre, par des produits trs spcialiss et innovants, une demande mondiale
de machines-outils et de biens dquipement professionnels (Hnard J., op. cit.).

En revanche, les principales diffrences entre le Mittelstand et les ETI franaises en termes de
performance viennent dune part des charges sociales qui sont plus leves en France, surtout
cause du financement des prestations familiales par les salaires1. Elisabeth Ducottet2 pense
que durant les vingt dernires annes, le niveau lev de la concurrence allemande tient au
diffrentiel de ces charges sociales3 ; 21% en Allemagne contre 43% en France. Ces
diffrences proviennent dautre part dune politique fiscale distincte; en octobre 2012, la
fondation IFRAP Institut franais pour la recherche sur les administrations et les politiques
publiques a ralis une tude pour ASMEP-ETI qui a mis en lumire le fardeau du
systme fiscal pesant sur les entreprises franaises. Il en ressort quune ETI paie, en
moyenne, 47% de fiscalit en plus sur le Rsultat Comptable Avant Impt (RCAI) quun
Mittelstand allemand. Cette ralit a pour consquence des bnfices infrieurs en France
denviron trois fois moins quen Allemagne, structure dentreprise quivalente. Une vaste
majorit (68 %) de dirigeants dETI franaises considre que les mesures prises par les
pouvoirs publics, notamment au cours de ces dernires annes, sont insuffisantes pour
permettre leurs entreprises de passer la vitesse suprieure (KPMG, 2012). Ils sont 61
% demander un allgement des charges et des contraintes administratives qui psent sur eux
et aussi des mesures fiscales qui pourraient faciliter leur croissance externe4.

Paralllement, durant les vingt dernires annes, Elisabeth Ducottet (2012) rappelle que la
transmission des entreprises tait taxe 7% en Allemagne contre 40% en France jusqu la
loi Dutreil5. Selon cette loi la transmission des titres (parts ou actions) de socits et des
entreprises individuelles ayant une activit industrielle, commerciale, artisanale, agricole ou
librale est susceptible de bnficier d'une exonration qu'il s'agisse de la transmission
par donation ou par succession. Cette exonration est de trois-quarts de la valeur des titres ou
de l'entreprise6.

1
Ceci a t confirm par le prsident de la rpublique Franois Hollande lors de la troisime confrence de
presse de son mandat, mardi 14 janvier 2014.
2
Prsident-directeur gnral du groupe THUASNE, un spcialiste des textiles techniques mdicaux (ceinture
lombaire, bas de contention, etc.), lue de la CCI de Paris et co-prsident de lASMEP-ETI.
3
Pour plus de dtails, regarder : Comptitivit des entreprises : et si on commenait par la fiscalit ? , tude
IFRAP-ASMEP octobre 2012.
4
Source : OpinionWay pour KPMG - Mars 2011
5
Ou loi pour l'initiative conomique, cest une loi visant faciliter l'accs la cration d'entreprise en simplifiant
les dmarches administratives et en allgeant la fiscalit. Cette loi a t publie au journal officiel le 6 aot 2003.
6
Cf. : http://www.notaires.fr/notaires/dispositif-dutreil-et-transmissions-d-entreprise-familiales
112
Daprs louis Gallois, le Mittelstand est fond gnralement sur une stratgie de niche et de
haut de gamme, linnovation, la qualit du capital humain, un cosystme efficace et des
marges leves. La France pourra sinspirer de ce cycle vertueux du Mittelstand en se lanant
dans une ambitieuse politique industrielle. Ce point est trs important, notamment dans un
contexte o lampleur de recul de lindustrie en France est considrable, la contribution du
secteur industriel la valeur ajoute est passe de 22% en 1998 14% en 2011, alors quelle
est encore de 28% en Allemagne. Ce constat, selon Jean-Yves Gilet1, est la raison principale
du dcrochage comptitif de lappareil industriel franais : [] Le constat dun dficit
dentreprises de taille intermdiaire en France par rapport au Mittelstand allemand est fait
depuis plusieurs annes. Il est considr par beaucoup comme une des explications majeures
du dcrochage comptitif de lappareil industriel franais par rapport celui de son voisin.
Dans ce contexte, le Mittelstand est par de toutes les vertus et rig en modle suivre. Pour
certains, il suffirait de le transposer en France pour que tous les maux dont souffre notre
systme productif, et singulirement notre industrie, seffacent []

2.1.3.2 Mittelstand, le chanon manquant de la France

Le rflexe de se tourner vers lAllemagne est un point nodal de la comparaison Mittelstand

ETI franaise. Si dautres voisins europens, Royaume-Uni en tte, prsentent en effet aussi
une population dETI plus importante que la France, la rfrence lAllemagne, selon Kohler
et Weisz (2012), simpose pour au moins trois raisons:
- lAllemagne est dabord le premier partenaire commercial de France et le deuxime
contributeur aprs la Chine au dficit commercial franais avec -16,5 Mds deuros en
2011, contre -15,9 Mds deuros en 2010 (Douanes, 2012) ;
- lconomie allemande a runi ces dernires annes des succs conomiques : une
croissance du PIB relativement stable (0.1% en 2013 aprs 0.4% en 2012 et 3.6% en
2011)2, lexcdent commercial a atteint 217 Mds deuros3 en 2014, et les exportations
allemandes sont 1 132 Mds deuros, elles ont progress de 3.7% par rapport 2013,
et un taux de chmage le plus faible par rapport aux tats membres de la zone euro
(4.7 % en janvier 2015) 4 ;

1
Directeur excutif de Bpifrance ETI et grandes entreprises et ex-directeur gnral du fonds stratgique
dinvestissement (FSI).
2
Source : la banque mondiale.
3
Source : les chiffres publis lundi 9 fvrier 2015 par lOffice fdral des statistiques (Destatis ; Statistisches
Bundesamt est charg de la production et de l'analyse des statistiques officielles en Allemagne).
4
Source : les chiffres publis lundi 2 mars 2015 par l'office europen de statistiques Eurostat.
113
 - enfin, il y a eu un appel presque systmatique la comparaison avec lAllemagne
quant au succs de ses projets de rformes. Lvocation rcurrente dune ncessaire
forme de convergence entre les deux pays conduit sinterroger sur les facteurs
explicatifs de la disparit de structuration entre ces deux systmes conomiques.

Sur cette base, de nombreuses tudes ont soulign la diffrence la fois quantitative et
qualitative dans la structure du tissu dentreprises entre la France et lAllemagne :
- il manque la France lentreprise de taille moyenne, spcialise dans les produits de
qualit, technicienne, exportatrice, solidement enracine dans le tissu des
territoiresLe Mittelstand est le chanon manquant de nos structures industrielles .
(Stoffas, 2008, p.139) ;
- on estime quil y a en France deux fois moins dETI quen Allemagne . (Retailleau,
2010) ;
- la France compte 4 800 ETI, alors que lAllemagne en compte 12 5001.

La comparaison franco-allemande montre un dficit considrable de la France dans la

catgorie de lETI, notamment au niveau des ETI technologiques et exportatrices o elles
peuvent disposer dun leadership mondial, soit au niveau local ou linternational. Cest ce
chanon manquant de la structure industrielle franaise qui explique le retard de la France sur
lAllemagne dans la mcanique, les machines et les biens dquipements industriels, la chimie
de spcialits, etc.
Malheureusement, la plupart de petites entreprises franaises, microentreprises individuelles,
ne sont pas industrielles (commerce, artisanat, restauration, tourisme). Celles-ci narrivent pas
grandir et dpasser le seuil de comptitivit. Chaque anne en France, nous assistons la
cration de beaucoup dentreprises nouvelles, mais la plupart dentre elles disparaissent au
bout de quelques annes (Gattaz, 2010).

En outre, lanalyse de la divergence franco-allemande souligne quil manque un Mittelstand

la franaise2. Le dfi est daugmenter le nombre dETI comptitives et damliorer leurs
comptences technologiques et exportatrices (Gattaz, op. cit.). Dans un rapport du Conseil
danalyse conomique (CAE), Betbze et Saint-tienne (2006) remarquent quil manque
10 000 entreprises de 300 salaris en France. Ils ont fait le calcul suivant : Imaginons ces 3

1
Source : Insee, enqute Lifi, publie en 2011
2
Voir le dtail dans larticle dIsabelle Bourgeois (rdactrice en chef de "Regards sur l'conomie allemande"),
Le Mittelstand, acteur cl de lconomie allemande , publi le 29 janvier 2011 par MERIDIANES.
114
millions demplois nouveaux : nos problmes conomiques, sociaux et financiers
disparaissent.

En 2008, le rapport entre la population franaise (64.37 millions) et la population allemande

(82.11 millions)1 ressort 78 % environ. Quant au rapport numrique entre les entreprises
franaises et allemandes distingues par classes deffectif croissant, il fait apparatre un net
dcrochage de la France par rapport lAllemagne pour les entreprises entre 50 et 2 000
salaris. Sur cet intervalle, le nombre des entreprises franaises ne reprsente que 58 % de
celui des entreprises allemandes. En tenant compte du diffrentiel de population, nous
constatons quil y a un dficit trs net dentreprises moyennes en France par rapport
lAllemagne.2

Ainsi, la comparaison ETI franaises et Mittelstand allemand rvle que le tissu conomique
franais comprend beaucoup moins dentreprises dans cette catgorie quen Allemagne, mais
galement que la taille moyenne des ETI allemandes est trs suprieure celle des ETI
franaises et que, de mme lintensit dexportations et dactivits internationales est
nettement suprieure celle des ETI franaises (Atamer, 2012, p. 2).

Aprs avoir mis laccent sur les ETI franaises, nous abordons dans la section suivante les
pistes de notre recherche.

2.2 Les pistes de recherche

La majorit des recherches en sciences de gestion sintressent aux grandes organisations qui
disposent des moyens et ressources ncessaires pour lapplication des outils de gestion. En
contrle de gestion, la plupart des outils et des recherches dans ce domaine sappliquent sur
les grandes entreprises. Les crits sur les pratiques de TB au sein de ces organisations sont
abondants, alors que peu dtudes traitent le contrle de gestion dans les ETI. Lintrt de la
recherche scientifique pour les entreprises de taille intermdiaire est relativement rcent.

Cette section de la recherche, consiste tenter didentifier les facteurs de contingence

susceptibles dinfluencer le contenu des TB, en particulier, la variable mdiatrice diversit
dutilisation des indicateurs de TB et la variable explique utilit des TB dans le pilotage

1
Sources : Banque mondiale
2
Source : Insee, Destatis, 2008.
115
de la performance . La littrature sur le thme fait apparatre deux types de contingences :
des contingences structurelles dune part, et des contingences comportementales dautre part.

Les relations qui vont faire lobjet dune tude approfondie vont tre prsentes dans un cadre
conceptuel et transcrites sous forme dhypothses que nous testerons dans le chapitre 4. Nous
proposerons ensuite le modle gnral de recherche.

2.2.1 La contingence du systme de mesure de la performance des ETI

En sciences de gestion, la thorie de la contingence est trs prsente dans les travaux associs
aux PME et les grandes entreprises. Mais il ny a quasiment rien sur les ETI rcemment
cres. Par consquent, nous allons nous baser dans notre recherche, entre autres, sur des
travaux raliss souvent sur les PME1 et les GE.

Lanalyse des recherches empiriques effectues sur les dterminants des caractristiques du
systme de contrle de gestion des entreprises (Chapelier, 1994 et 1996 ; Lavigne, 1999 et
2002 ; Lacombe-Saboly, 1994) fait natre deux vues distinctes qui sinscrivent dans le courant
de la thorie de contingence savoir la thorie objective (ou organisationnelle) et la thorie
subjective (ou comportementale). Ces thories de la contingence contribuent
significativement la comprhension des systmes de mesure de la performance (Germain,
2003 ; Covaleski et al., 1996).

2.2.1.1 La contingence organisationnelle des ETI

Dans le contexte des ETI, les facteurs de contingence structurelle, dite aussi organisationnelle,
peuvent tre rduits quelques caractristiques fondamentales qui renvoient aux concepts
plus gnraux de lenvironnement interne ou externe de lentreprise.

Chapellier (1994) a retenu dans sa recherche la taille, lge de lentreprise, le degr

dinformatisation de la gestion et le type dactivit. Ses travaux de recherche ont tent
dexpliquer lhtrognit du systme de contrle de gestion des PME en identifiant
quelques facteurs capables dinfluencer les choix des outils de contrle de gestion.

1
Les caractristiques des ETI ressemblent relativement aux PME de taille importante.
116
Gnralement, le contenu de TB varie en fonction de la taille de lentreprise, les chercheurs
remarquent que les responsables financiers dans les grandes entreprises utilisent plus
dindicateurs de performance non financiers que leurs homologues dans les PME (Jorissen et
al., 1997).

Par ailleurs, les entreprises ayant un degr dinformatisation forte de leurs activits de
production ont tendance dtenir des TB plus complexes et varis (Bergeron, 1996).

En outre, lincertitude perue de lenvironnement est une variable contextuelle largement

utilise dans les travaux qui font rfrence la thorie de la contingence. Plusieurs tudes ont
ainsi examin linfluence de lincertitude perue de lenvironnement externe sur le systme de
mesure de la performance de lentreprise (Marquet-Pondeville, 2003).

Largumentation dveloppe par les chercheurs montre que plus lenvironnement est peru
comme incertain, plus les dcideurs ont besoin de rcolter des informations pour mieux grer
cette incertitude (Galbraith, 1973 ; Gordon et Narayanan, 1984 ; Chenhall et Morris, 1986).
Dans le cas o cette dernire est leve, des informations sophistiques peuvent contribuer
diminuer lincertitude et amliorer le processus de prise de dcision parce quelles offrent
aux managers un ensemble plus large dindicateurs et de solutions considrer (Gul et Chia,
1994 ; Bouwens et Abernethy, 2000).
cet gard, la recherche mene par Gordon et Narayanan (1984) est une des tudes
pionnires avoir analys empiriquement limpact de lincertitude perue de lenvironnement
sur le systme dinformation comptable. Cette tude repose sur lide que lorsque
lincertitude perue de lenvironnement est faible, les responsables de lentreprise concentrent
leurs efforts rechercher uniquement de linformation pour la coordination et le contrle.
Mais une fois que lincertitude perue de lenvironnement devient importante, ces dcideurs
cherchent aussi dans ce cas des informations supplmentaires pour aider la planification.

Chenhall et Morris (1986) ont galement prsent empiriquement que lincertitude

environnementale influenait lutilit perue de deux caractristiques du systme
dinformation comptable : son tendue ( scope ) et son opportunit ( timeliness ). Ils
dfinissent un systme dinformation comptable tendu comme un systme comprenant des
informations externes lentreprise, orientes vers le futur et non financires. Un systme
dinformation opportun est caractris par la frquence et la vitesse du reporting (Marquet-
Pondeville, 2003). Chenhall et Morris (op. cit.) ont analys les rponses de 68 managers

117
appartenant 36 entreprises manufacturires australiennes et ont effectu une srie de
rgressions linaires pour tester en particulier leffet direct de lincertitude perue de
lenvironnement sur plusieurs caractristiques du systme dinformation comptable, telles que
ltendue et lopportunit. Ils concluent que les informations non financires permettent au
systme dinformation de signaler les vnements rcents et de donner un feedback rapide
pour la prise de dcisions. Par consquent, ce systme aide au contrle en grant les
indicateurs associs lincertitude.

En revanche, Gul et Chia (1994) indiquent que la disponibilit du systme dinformation

comptable tendu dans lentreprise, qui doit tre prise en considration dans les rflexions sur
cette problmatique. Ils ont adopt ainsi une analyse diffrente de celle de Chenhall et Morris
(1986). Pour eux, cest le fait de disposer dinformations externes, non financires anticipant
le futur qui peut influencer la performance de lorganisation plutt que lutilit perue de ce
type dinformations. En outre, un systme dinformation sophistiqu est considr comme
efficace en matire de gestion managriale lorsque le degr dincertitude peru de
lenvironnement est lev (Gul et Chia, op. cit.).

Les entreprises qui se trouvent confrontes un haut niveau dincertitude de leur

environnement, sassurent de limplication de leurs salaris dans lorganisation afin
damliorer la fin la vitesse et la qualit de leurs rponses (Scott et Tiessen, 1999 ; Marquet-
Pondeville, 2003). Ces entreprises ont tendance dcentraliser leurs oprations et utiliser
des processus plus participatifs dans la prise de dcision (Merchant, 1985). La
dcentralisation de la structure saccompagne dune tendance au dveloppement des
processus de planification et de contrle (Kalika, 1987). Autrement dit, lorsque lincertitude
devient plus intense, des formes plus complexes de communication deviennent indispensables
car la discussion devient ncessaire pour cibler les actions et les dcisions les plus appropries
(Marquet-Pondeville, 2003). Dans des situations inverses, o lenvironnement est plus stable,
les actions peuvent tre prdtermines et donc requirent moins de discussion et de
processus participatifs dans la prise de dcision (Chapman, 1997).

2.2.1.2 La contingence comportementale des ETI

La prise en compte de linfluence des dirigeants des ETI franaises sur la conception des
systmes de contrle de gestion na pas t releve dans les recherches des principaux
thoriciens du contrle de gestion. Nanmoins, une conscience de limportance des facteurs

118
idologiques (Bourguignon, 2003) et individuels (Berland et Chiapello, 2004) a t
dcouverte grce aux travaux des sociologues et des historiens.

Certains chercheurs pensent que ltude du dirigeant constitue le point dentre de la

recherche en entreprise. Au sein des PME, le dirigeant est considr comme le noyau central
de la dynamique de lentreprise (Julien et al., 1994 ; Timmons, 1994) et se situe au milieu du
systme dinformation, de dcision et de contrle de lentreprise (Marchesnay, 1989). Selon
Couteret (1998), la prise en compte de la place centrale occupe par le dirigeant apparat
indispensable pour toute tude portant sur la petite entreprise . Il est le responsable de
ltablissement de la stratgie, de la gestion de lentreprise et de la prise de dcision
(Wtterwulghe, 1998). De plus, il partage peu dinformations et dlgue moins la prise de
dcision (Raymond et Blili, 2005), ce comportement influence les pratiques de TB dans les
PME.

Les valeurs personnelles des dirigeants sont considres comme les vritables dterminants
du dveloppement d'une organisation (d'Amboise, 1988). Il semble que le chef dentreprise et
son intuition (style cognitif) soient le point de dpart du processus de dcision lorsqu'il est
question de la gestion en ETI. Dans ce contexte, Marchesnay (1986) soutient lide consistant
affirmer que le stratge dirigeant cherche dans son environnement des opportunits, cette
recherche est assure plutt par l'intuition d'un besoin satisfaire que par des tudes de
march. Donc, le processus de prise de dcision relverait plutt de la cration que de la
formalisation logico-mathmatique (Carland, 1996). Cette intuition, cette cration
proviennent de perceptions du dirigeant et de ses reprsentations stockes dans son cerveau,
de sa faon de les mmoriser, ainsi que de son vcu et de son apprentissage.

Nanmoins, il est judicieux de souligner le rle prdominant du dirigeant au sein des PME
comme une donne particulirement importante pour comprendre les mcanismes de gestion
de la PME. Cependant ce rle est prsent aussi au sein des ETI, mais vu la taille de ces
dernires, il influence relativement moins par rapport leur homologues dans les PME. Il est
ncessaire galement de sinterroger sur la liaison qui peut exister entre la stratgie suivie, la
formation du dirigeant et les pratiques de TB dans les ETI.

Aprs avoir abord, travers la littrature existante, la contingence du systme de mesure de

la performance des ETI, nous exposons prsent, les variables susceptibles dinfluencer les

119
caractristiques du systme de mesure de la performance, le cadre conceptuel, les hypothses
et le modle gnral de notre recherche.

2.2.2 Modle de recherche initial - influence des facteurs de contingence sur la

diversit dutilisation des indicateurs et sur lutilit des tableaux de bord dans
le pilotage de la performance

2.2.2.1 Le cadre conceptuel de la recherche et la slection des variables

pertinentes

Lapplication de la thorie de la contingence sur le champ du contrle de gestion a permis de

dvoiler que les caractristiques des systmes de contrle de gestion peuvent varier
dune entreprise lautre sous leffet de facteurs tels que la taille, la stratgie,
lenvironnement, la structure, la cotation en bourse, etc.1 (Germain et Gates, 2007, 2010).

En 1965, Anthony a propos les facteurs de contingence suivants :

- personnalit des dirigeants et managers,
- complexit,
- philosophie des dirigeants sur la dcentralisation,
- vigueur de la comptition,
- cots modlisables (engineered costs) et cots discrtionnaires (managed costs,
appels aussi discretionary costs),
- frquence et ampleur des changements.
Vingt-trois ans plus tard, Anthony propose en 1988 les facteurs de contingence suivants :
- la structure,
- les procdures standards,
- la culture,
- les phases du cycle de vie des produits,
- la nature de la concurrence,
- la stratgie,
- le degr de structuration des activits,
- le style de management,
- le secteur dactivit,
- etc.

1
Pour une synthse de ces travaux voir (Chiapello, 1996 ; Fisher, 1998 ; Dupuy, 1999, Chenhall, 2003).
120
Il est noter quAnthony na pas utilis la taille malgr les travaux de Merchant.

Dans notre recherche, nous allons identifier certains facteurs qui sont capables dinfluencer la
diversit dutilisations des indicateurs de TB des diverses ETI franaises et qui peuvent par
consquent impacter lutilit des TB pour assurer le pilotage de la performance de ces entits.

Suivant la dmarche qui a t prsente antrieurement, et en harmonie avec la distinction

ralise par la littrature, deux catgories de facteurs sont alternativement prises en compte. Il
sagit dune part des facteurs de contingence organisationnelle relatifs l objet que
constitue lorganisation et son environnement, dautre part des facteurs de contingence
comportementale associs au sujet quest le dirigeant dETI. Cest ainsi que notre modle
thorique dvelopper doit rassembler trois types de variables :

- Les facteurs de contingence : Ce sont les variables explicatives dans le modle. Ils sont de
nature organisationnelle ou comportementale. Au regard de la problmatique de la
recherche, et du fait des nombreux travaux dj conduits dans ce domaine, nous avons
retenu dix facteurs pouvant ventuellement expliquer les pratiques des entreprises en
matire de mesure de la performance. Ces facteurs sont rpartis dans cette recherche en
deux catgories, les facteurs de contingence principaux et les variables de contrle.

Concernant les facteurs de contingence principaux, nous avons donc slectionn :

- linformatisation des activits de lentreprise (Bourne et al, 2000; Kennerley et
Neely, 2003; Marr et Neely, 2002; Nudurupati et Bititci, 2005 ; Bititci et al, 2011),
- la structure organisationnelle (Germain et Gates, 2010 ; Poincelot et Wegmann ;
2005 ; Chenhall, 2003 ; Chapman, 1997 ; Bollecker, 2001 ; Mvellec, 1998 ; Turki,
2006),
- et enfin lincertitude de lenvironnement (Harrison, 2003 ; Komarev, 2007 ; Gosselin
et Dub ; 2002 ; Bescos et al., 2004 ; Chong et Chong, 1997 ; Davila, 2000 ;
Cauvin et Neunreuther, 2009 ; Cauvin et Bescos, 2004 ; Savall-Ennajem, 2011).

En outre, concernant les variables de contrle, notre tude mobilise les sept suivantes :
- la taille de lETI (Chapellier, 1994 ; Hoque et James, 2000 ; Moores and Yuen, 2001 ;
Germain, 2003 ; Covaleski et al., 1996 ; Cauvin et Bescos, 2004; Kalika, 1987 ;
Jorissen et al, 1997 ; Nobre (2001),
- le secteur dactivit (Germain et Gates, 2007 ; Basly, 2015),
121
 - la formation du dirigeant (Chapellier, 1997, 1994 ; Ruiz, 1991 ; Bergeron, 1996),
- la stratgie de lentreprise (Porter, 1980 ; Shank et al., 1989 ; Shank et
Govindarajan, 1993 ; Gosselin et Dub, 2002),
- limplantation du budget (Berland, 1999, 2000 ; Gervais et Thenet, 1998),
- limplantation de la mthode ABC (Cauvin et Neunreuther, 2009),
- et la cotation en bourse (Bescos et al., 2004 ; Germain et Gates, 2007).
Ces variables peuvent fournir des informations sur la maturit de lentreprise et le
dveloppement de son organisation et expliquer, en consquent, une portion de la variabilit
de la variable dpendante (Basly, 2015).

- La diversit dutilisation des indicateurs de tableaux de bord : Cest la variable

mdiatrice du modle. Elle permet dexpliquer linfluence du contenu de TB sur lutilit des
indicateurs de performance des ETI (Banker et al., 2000 ; Frigo, 2002 ; Ittner et Larcker,
1997, 1998b). Cette variable a t aborde par plusieurs recherches associes au contrle de
gestion contemporain. La contingence des diffrents indicateurs de performance (financiers /
non-financiers, court terme / long terme) a t dj tudie en rapport avec plusieurs
facteurs internes et externes (Bergeron, 1996; Bollecker, 2004; Chenhall et Morris, 1986;
Chong, 1996; Hoque, 2004; Linn et al., 2001; Mia et Chenhall, 2003; Tillema, 2005).

- Lutilit des tableaux de bords dans le pilotage de la performance : est utilis comme
tant la variable explique du modle de la recherche.

partir de ces donnes, nous pouvons reprsenter le cadre conceptuel du modle contingent.
Le schma 2.2 prsente ainsi les diffrentes composantes qui influencent lutilit des TB dans
le pilotage de la performance des ETI.
Schma 2.2 : Le cadre conceptuel du modle contingent de la recherche

Variables de Variables de
contrle 1 contrle 2

Diversit Utilit des

Facteurs de dutilisation des tableaux de bord
contingence indicateurs de dans le pilotage de
tableaux de bord la performance

122
 la fin de notre recherche, nous allons prsenter le test de leffet mdiateur pour vrifier si
notre variable diversit dutilisation des indicateurs joue le rle mdiateur entre les
facteurs de contingence et lutilit des TB dans le pilotage de la performance des ETI.

2.2.2.2 Les hypothses de recherche et la dfinition du modle conceptuel

Nous abordons, dans cette partie, les diffrentes contingences organisationnelles et

comportementales, capables dinfluencer la diversit dutilisation des indicateurs de TB des
ETI. Nous allons traiter ensuite linfluence de cette variable de diversit sur lutilit des TB
dans le pilotage de la performance de ces entreprises.

Ainsi, pour chaque facteur de contingence, nous voquons les recherches thoriques et
empiriques correspondantes. Ensuite, nous prsentons les hypothses de recherche tester
dans la partie empirique de notre tude. Nous concluons cette partie, par une prsentation de
notre modle conceptuel de recherche.

2.2.2.2.1 Les hypothses concernant les variables explicatives facteurs de

contingence dordre organisationnel

Dans notre travail, les trois facteurs de contingence slectionns sont de nature
organisationnelle, ils sont souvent tudis dans la littrature (Germain, 2004 ; Chapellier,
1994 ; Zian, 2013). Nous avons pris en compte linformatisation des activits, la structure
organisationnelle et lincertitude de lenvironnement.

2.2.2.2.1.1 Linformatisation

Le premier facteur dinfluence analys sera linformatisation des activits de lentreprise. Le

dveloppement des outils informatiques au sein des ETI, ainsi que doutils de simulation et de
partage dinformations leur permettent daffiner et acclrer le pilotage de la performance.
Ces outils (ERP, Business Intelligence, planification budgtaire, bureautique, etc.),
constituent un formidable moyen qui aide les contrleurs de gestion mesurer la performance
de lETI. Ils permettent deffacer les contraintes de collecte et stockage de linformation,
dactualiser rapidement le systme dinformation de lentreprise, ce qui permet ainsi dditer
automatiquement des TB et dacclrer des procdures de feed-back. Linformatisation des
activits dETI devient un levier damlioration de la production et du contrle de

123
linformation. Ce changement technologique peut entraner de nouvelles pratiques ou de
nouveaux supports de contrle (Meyssonnier et Pourtier, 2006).

Paralllement, beaucoup dactivits qui taient ralises jusque-l par les contrleurs de
gestion deviennent de plus en plus automatises et sont effectues grce aux divers outils
informatiques (Meyssonnier et Pourtier, op. cit). Ce constat apparat nettement dans le
processus de reporting. Les rsultats montrent que lattention du contrleur de gestion, volue
dun climat essentiellement focalis sur la collecte des informations enregistrant le degr de
ralisation des budgets, vers un climat favorable lui permettent de consacrer plus de temps
aux prvisions et lanalyse. Prenant le cas des ERP par exemple, Scapens et Jazayeri (2003)
soulignent que ces outils contribuent significativement dans lvolution de contrle de
gestion, ils permettent:
- dliminer des tches routinires et rptitives (paye, une partie de la budgtisation,
etc.) ;
- de transfrer les connaissances comptables aux managers de terrain ;
- dutiliser des indicateurs avancs plus nombreux (lments physiques anticipateurs
des performances plutt que mesures financires les constatant) ;
- dassurer un rle plus stratgique des contrleurs de gestion.

Les TB sont gnralement implants sur des supports technologiques (Bourne et al, 2000;
Kennerley et Neely, 2003; Marr et Neely, 2002; Nudurupati et Bititci, 2005). Beaucoup de
plates-formes de la technologie de l'information et de communication sont disponibles pour
soutenir la mesure de performance et les pratiques de gestion. Elles sont soit des applications
autonomes telles que pb Views, PerformancePlus, etc. Soit intgres dans des principaux ERP
tels que SAP1 , Oracle, MS Dynamics (Bititci et al, 2011).

Davis et Albright (2000) soulignent que lutilisation des outils informatiques implique des
mutations considrables dans les pratiques de contrle de gestion. Grce cette volution, les
contrleurs de gestion passent dun travail concentr sur les indicateurs financiers retards
(associs aux performances mesures ex post) un travail sur les indicateurs physiques
avancs (associs aux performances anticipes ex ante) (Meyssonnier et Pourtier, 2006). Du
coup, la qualit et lutilit des TB dans le pilotage de gestion en sont amliores. Cest ce que
les trois premires hypothses de la recherche tentent de dmontrer.

1
Systems, applications, and products for data processing, un progiciel de gestion intgr, en informatique et
management
124
H1a : Lutilisation des outils informatiques (ERP, Business Intelligence, planification
budgtaire, Consolidation, bureautique) influence positivement la diversit dutilisation des
indicateurs de performance de tableaux de bord.

H1b : Lutilisation des outils informatiques (ERP, Business Intelligence, planification

budgtaire, Consolidation, bureautique) influence directement et positivement lutilit des
tableaux de bord dans le pilotage de la performance.

H1c : Lutilisation des outils informatiques (ERP, Business Intelligence, planification

budgtaire, Consolidation, bureautique) influence positivement lutilit des tableaux de bord
dans le pilotage de la performance par lintermdiaire de la diversit dutilisation des
indicateurs.

2.2.2.2.1.2 La structure organisationnelle

Le contrle qui est indissociable dune information parfaite possde par le sommet
stratgique et traduite en actions selon une coordination verticale, a amplement montr ses
limites. Dans un environnement de plus en plus incertain, seule lamlioration de la capacit
de raction permet aux organisations de sadapter. Cela implique que chaque acteur au sein de
lentreprise soit conscient des liens de causalit qui structurent lorganisation, afin damliorer
une matrise collective des adaptations indispensables. Dans ce contexte, une structure
dcentralise permet aux salaris de rpondre vite aux nouveaux besoins dtects dans
lenvironnement (Mvellec, 1998 ; Turki, 2006). Ce changement managrial suppose donc
que tous les acteurs de lentreprise puissent participer dans la prise de dcision ce qui favorise
lmergence de propositions et dinnovation (Aminats, 1999).

En ce qui concerne le processus de prise de dcision, le rel dfi qui anime les dbats
scientifiques au sein des entreprises est celui de leur efficacit et de leur rapidit. Toutes
veulent que la dcision soit prise au plus prs possible de laction et du terrain (Alazard et
Spari, 2010; Renard et Nussbaumer, 2011).

Dans la thorie de la contingence, la structure organisationnelle est un facteur dterminant

dans la conception des outils du contrle de gestion (Chenhall, 2003), en particulier, le degr
de sa dcentralisation (Chapman, 1997). Pour Mintzberg (1982), la dcentralisation peut
revtir deux grandes formes : une dcentralisation verticale et une dcentralisation
horizontale. Dans ce cadre, un systme de TB peut servir une approche horizontale que
verticale de la structure dune entreprise (Alazard et Spari, 2010). Il est associ au processus
de dcentralisation des prises de dcision, notamment lorsque la taille de la firme augmente
(De Coussergues et Bourdeaux, 2013).
125
En revanche, la dcentralisation a t souvent associe la sophistication des budgets. Kalika
(1987) remarque que les systmes de planification et de contrle les plus sophistiqus et
dvelopps sont plus prsents au sein des organisations les plus dcentralises. Ce rsultat
rejoint les conclusions de Bruns et Waterhouse (1975) qui constatent que les pratiques
budgtaires les plus sophistiques se situent dans les structures les plus dcentralises.
Merchant (1981) parvient galement la mme conclusion en dvoilant que le processus
budgtaire est plus formalis, plus complexe, et plus participatif dans les organisations les
plus dcentralises.

Par ailleurs, Gordon et Miller (1976) et Waterhouse et Tiessen (1978) tudient la structure de
lentreprise dans des situations de fort dynamisme de lenvironnement, ils font le constat que
la structure devrait devenir trs dcentralise et accompagne dun systme dinformations
plus diversifi afin de permettre une amlioration des performances. De plus, sappuyant sur
les travaux de Fiol et Sole1, Bollecker (2001) indique que les indicateurs financiers sont
propices la dlgation des responsabilits, puisquils sont dclinables et
individualisables mais ils sont rducteurs et ne refltent pas la ralit.

Les diffrentes tudes que nous avons analyses affichent que les critres non financiers sont
majoritaires lorsque la fonction dcisionnelle est dcentralise. Ces derniers constituent donc
un mcanisme dincitation, de contrle et de mesure des performances, plus adapt que les
critres financiers (Poincelot et Wegmann, 2005). En effet, selon Brikley et al (1997, p.178),
une augmentation de l'incertitude de lenvironnement, une amlioration de la qualit ou de la
satisfaction des clients accompagnent un mouvement de dcentralisation dans une
organisation. Lutilisation de critres non financiers va de pair avec ce mouvement.

Ainsi, Poincelot et Wegmann (2005) observent quun fort degr de dcentralisation requiert
de diversifier le contenu des TB, cela pousserait lutilisation dindicateurs varis et
notamment non financiers. De surcrot, Germain et Gates (2010) parviennent galement au
mme constat en montrant que le contenu des TB est plus diversifi dans les organisations les
plus dcentralises. Ceci conduit poser les trois hypothses de la recherche suivantes :

H2a : Plus la structure dETI est dcentralise, plus les indicateurs de tableaux de bord sont
diversifis.

1
Fiol M., Sole A. (1999), La double nature du contrle de gestion, in Collins L., Questions de contrle, PUF
Gervais M., Contrle de gestion, Economica, 1999, Paris.
126
H2b : Plus la structure dETI est dcentralise, plus lutilit des tableaux de bord dans le
pilotage de la performance augmente.

H2c : Laugmentation de la dcentralisation de la prise de dcision entrane un accroissement

de lutilit des tableaux de bord dans le pilotage de la performance par lintermdiaire de la
diversit dutilisation des indicateurs.

2.2.2.2.1.3 Lincertitude de lenvironnement

Lincertitude de lenvironnement reprsente une variable explicative fondamentale du

contrle de gestion. Elle a t utilise comme variable contingente par plusieurs recherches,
en particulier par Chapman (1997), Fisher (1998), Hartmann (2000), etc. Elle est souvent
cite comme tant lIncertitude Perue de lEnvironnement (IPE) (Harrison, 2003). Celle-ci
est une catgorie cognitive qui relve de la perception que le dcideur se fait des lments
constitutifs de lenvironnement de lentreprise (Komarev, 2007). Cest aussi cette dfinition
de lincertitude qui reprsente le mieux la variable que nous devons intgrer dans notre
modle. Cette notion rend le travail des directeurs financiers et des contrleurs de gestion plus
dlicat. Elle ne leur permet pas dtablir facilement des prvisions fiables ou la fixation des
objectifs (Berland, 1999, 2001).

En revanche, les recherches analysant le lien entre lincertitude de lenvironnement et les

systmes de mesure de la performance, se sont notamment intresses limpact de ce facteur
de contingence sur la varit du contenu de ces systmes (Kabwigiri et Van Caillie, 2007 ;
Reid et Smith, 2000). Gordon et Narayanan (1984), Chenhall et Morris (1986), Chia (1995)
remarquent ainsi que laccroissement de lincertitude perue de lenvironnement implique une
augmentation de lutilisation dinformations externes et non financires. La conclusion qui
drive de ces tudes est que dans les situations dincertitude de lenvironnement forte, les
managers considrent que les informations externes, non financires et ex ante sont
ncessaires, en plus des informations internes, financires et ex post (Marquet-Pondeville,
2003). Cette relation est explique galement, selon Chong et Chong (1997), par limportance
du besoin dinformations non financires de la part des entreprises cherchant faire face
lincertitude de leur environnement. Chapman (1997), Fisher (1998), Hartmann (2000)
parviennent au mme constat en montrant quil existe un lien entre lenvironnement et les
caractristiques des systmes de contrle.

127
En revanche, Gosselin et Dub (2002) constatent que les entreprises prospectrices1
qui doivent faire face un degr lev dincertitude de lenvironnement utilisent plus
dindicateurs de performance non financiers que les entreprises dfenderesses2 qui
voluent dans un environnement plus stable.

Gordon et Miller (1976) tudient lutilit des indicateurs non financiers dans la prise de
dcision, ils remarquent lexistence dun rel intrt pour les entreprises dutiliser ces
indicateurs de systmes dinformation comptable afin de faire face un environnement
incertain. Dans ce contexte, Davila (2000) et Savall-Ennajem (2011) constatent que les
entreprises emploient davantage de mesures de performance non financire, en particulier
celles associes la performance clients, lorsque lenvironnement se caractrise par un fort
niveau dincertitude. Ces considrations nous conduisent formuler les hypothses suivantes :

H3a : Plus lenvironnement dentreprises de taille intermdiaire est incertain, plus la diversit
dutilisation des indicateurs de performance augmente.

H3b : Plus lenvironnement dentreprises de taille intermdiaire est incertain, plus lutilit des
tableaux de bord dans le pilotage de la performance augmente.

H3c : Lincertitude de lenvironnement influence positivement lutilit des tableaux de bord

dans le pilotage de la performance par lintermdiaire de la diversit dutilisation des
indicateurs.

Le modle conceptuel des liens de contingence organisationnelle peut se prsenter dans le

schma suivant.

1
Ce sont des organisations qui cherchent continuellement de nouvelles opportunits de marchs et qui crent et
fabriquent de nouveaux produits pour rpondre aux besoins de leurs clients.
2
Les dfenderesses se focalisent sur le dveloppement dun nombre restreint de produits quelles fabriquent en
suffisance. Elles sont en concurrence avec les entreprises de manire agressive la fois sur les prix, la qualit et
le service la clientle.

128
 Schma 2.3 : Le modle conceptuel des liens de contingence organisationnelle

129
 2.2.2.2.2 Lhypothse concernant linfluence de la diversit dutilisation des
indicateurs de performance sur lutilit des tableaux de bord dans le
pilotage de performance des ETI

La performance des entreprises est au centre des proccupations de plusieurs praticiens et

chercheurs en contrle de gestion. Depuis plus de vingt-cinq ans, plusieurs tudes
sintressent aux diffrentes relations entre lutilisation des indicateurs de systmes de gestion
et la performance de lentreprise (Gul, 1991 ; Mia et Chenhall, 1994 ; Chia et Gul, 1994 ;
Perera et Poole, 1997; Ittner et Larcker, 1997 ; Chong et Chong, 1997 ; Carr et Needham,
1997 ; Govindarajan et Gupta, 1985 ; Govindarajan et Fisher, 1990). Dans ce cadre, de
nombreuses recherches empiriques mentionnent que la principale raison justifiant lutilisation
des mesures non financires de la performance est que ces mesures sont de meilleurs
indicateurs de la performance future que les mesures comptables (Banker et al., 2000).

En revanche, les investissements effectus, notamment dans lactif immatriel (innovation,

capital intellectuel, etc.), entranent une baisse court terme du bnfice comptable, mais se
traduisent souvent moyen terme par une rentabilit accrue (McNair, 1990 ; Fernandez,
2000).

Gnralement, dans un contexte caractris par une volution technologique de plus en plus
rapide et par laccroissement du rle donn au savoir et dautres actifs incorporels, les
performances financires futures sont de plus en plus souvent mesures par des indicateurs
non financiers que par des indicateurs financiers (Cauvin et Neunreuther, 2009 ; Cauvin et
Bescos, 2004). Lutilisation des indicateurs non financiers devrait donc tre complmentaire
aux indicateurs financiers de TB. Certaines recherches ont observ que les relations entre les
indicateurs de performance non financire et la performance financire passent
inluctablement par les indicateurs relatifs la clientle (Ittner et al., 2003, 1998; Banker et
al., 2000). Ces mesures de performances sont lies par une relation de cause effet (Lorino
P., 2003 ; Clarke, 2008, Bughin, 2006 ; Deloitte Touche Tohmatsu International 1994 ;
Kaplan et Norton 1996 ; Cauvin et Bescos, 2005). Frigo (2002) parvient au mme constat, il
indique que les indicateurs non financiers sont les dterminants (drivers) des indicateurs
financiers.

partir de cela, nous pouvons dire que les actions managriales crant des rsultats comme la
qualit, linnovation ou la satisfaction des clients, conduisent finalement la performance

130
financire (Said et al., 2003; Cumby et Conrod, 2001; Amir et Lev, 1996 ; Banker et al.,
1993; Barth et McNichols, 1994 ; Banker et al., 1995 ; Banker et al., 1996; Perera et al., 1997;
Ittner et Larcker ,1997, 1998a ; Behn et Riley, 1999 ; Banker et al., 2000 ; Gosh et Lusch,
2000 ; Hugues, 2000). Par consquent, il nest pas tonnant de percevoir que beaucoup
dentreprises sintressent lutilisation des indicateurs de performance non financiers pour
prendre certaines dcisions et valuer leurs performances (Ittner et Larcker 1998b ; Wallman,
1995 ; Edvinsson et Malone, 1997 ; Stewart, 1997).

Il est primordial donc dtudier la relation entre la nature et le contenu des indicateurs de
performance et lutilit des TB dans le pilotage de performance des ETI. Nous posons ainsi
lhypothse suivante :

H4 : La diversit dutilisation des indicateurs de performance a une influence positive sur

lutilit des tableaux de bord dans le pilotage de la performance.

Le modle conceptuel de linfluence de la diversit dutilisation des indicateurs de TB sur

lutilit de ces derniers dans le pilotage de la performance des ETI est prsent dans le schma
suivant.

Schma 2.4 : Le modle conceptuel du lien entre la diversit dutilisation des indicateurs
de tableaux de bord et leur utilit dans le pilotage de la performance

Diversit Utilit des tableaux

dutilisation des H4 de bord dans le
indicateurs de pilotage de la
tableaux de bord performance

2.2.2.2.3 Les variables de contrle

Ces variables contiennent des facteurs de lapproche objective (contingence organisationnelle)

et intgrant aussi les caractristiques comportementales propres chacun des acteurs
(contingence comportementale). De ce fait, certains variables de contrle peuvent influencer
de manire significative lutilit des TB dans le pilotage de la performance des ETI.
Autrement dit, Il sagit dabord danalyser linfluence de ces variables sur le choix et la nature

131
des indicateurs utiliss dans les TB. Ensuite, nous testons lvolution de niveau dutilit des
indicateurs, financiers et non financiers, dans le pilotage de la performance.

Notre recherche mobilise sept variables de contrles, elles sont de nature organisationnelle (la
taille de lETI et le secteur dactivit) et comportementale (formation du dirigeant, stratgie
de lentreprise, implantation du budget, implantation de la mthode ABC et la cotation en
bourse)1. Ces facteurs trs utiliss dans la littrature, ne sont pas assez tudis par les
chercheurs au sein des ETI.

2.2.2.2.3.1 La taille de lETI

La taille de lentreprise est le facteur de contingence le plus tudi dans la littrature sur les
organisations (Chapellier, 1994). Dans le domaine du contrle de gestion, les travaux de
recherche sintressent souvent aux entreprises de taille plutt moyenne ou importante
(Chenhall, 2003). Dans ce cadre, plusieurs tudes ont montr que la taille avait une influence
positive sur le degr de dveloppement des indicateurs de performance (Germain et Gates,
2010 ; Hoque et James, 2000 ; Moores et Yuen, 2001). Au regard de ce rsultat et du fait,
comme le souligne Damak-Ayadi (2006), que les entreprises subissent des pressions
importantes de la part de leurs parties prenantes , on peut sattendre ce que le contenu des
TB soit plus diversifi dans les ETI de grande taille.

Dans ce sens, Cauvin et Bescos (2004) reliant les systmes de mesures de la performance la
taille de lentreprise, les conclusions de leur tude empirique parviennent valider
lhypothse selon laquelle, lutilisation des indicateurs financiers augmente avec la taille de
lentreprise. Par ailleurs, Jorissen et al. (1997) constatent que les indicateurs de performance
non financiers sont plus utiliss par les grandes entreprises que par les structures de taille
moyenne. Ce point est confirm par Nobre (2001) qui souligne dans sa recherche que les
entreprises qui ne dpassent pas 100 salaris utilisent peu ou pas de TB intgrant des mesures
oprationnelles et non financires. Hoque et James (2000) analysent le systme de mesure de
la performance de 66 entreprises australiennes, ils prouvent que ce sont les organisations les
plus grandes qui ont les pratiques de mesure de la performance similaires celles du Balanced
Scorecard. Ainsi, la probabilit que la mesure de la performance soit quilibre, diversifie
et utile est plus forte au sein des grandes ETI quau sein des petites ETI.

1
Limplantation du budget, limplantation de la mthode ABC et la cotation en bourse sont considrs ici
comme des variables de contrle dordre comportemental car dpendent de la dcision du dirigeant.

132
 2.2.2.2.3.2 Le secteur dactivit

Soucieuses du respect de lenvironnement, les entreprises du secteur industriel ont t les

premires sinterroger sur la problmatique de la performance non financire, parce
que leurs activits prsentaient un risque environnemental majeur plus srieux que celles
des entreprises voluant dans le secteur commercial ou dans le secteur des services
(Germain et Gates, 2007). On peut donc imaginer que les entreprises de taille
intermdiaire industrielles utilisent des TB dont le contenu est plus diversifi. De la mme
faon, lutilit des indicateurs financiers et non financiers augmenteraient davantage dans
les ETI industrielles que dans les ETI commerciales ou de prestations de services.

2.2.2.2.3.3 Formation du dirigeant

La formation et les comptences du dirigeant sont essentielles pour concevoir un systme de

mesure de la performance des ETI. Compte tenu de la taille de leur entreprise, les dirigeants
dETI nont pas les mmes besoins de formation que les dirigeants de PME. Dans les PME, la
dimension plus petite de lentreprise renforce considrablement le rle du dirigeant qui doit
faire face une multitude de tches et englober des comptences qui, dans les ETI, sont
confies des spcialistes.

Plusieurs tudes ont tent dexaminer le profil de certains dirigeants et son impact sur le choix
des indicateurs des TB. Chapellier (1997) a dmontr que le type de formation du dirigeant
influence significativement la nature des pratiques du contrle de gestion mis en place au sein
des entreprises. Il conclut que le profil des dirigeants de petites entreprises et tout
particulirement leur formation et les objectifs quils poursuivent est fortement associ aux
pratiques comptables. Ruiz (1991) parvient une conclusion semblable dans une tude
portant cette fois sur les pratiques de contrle des systmes dinformations.

2.2.2.2.3.4 La stratgie de lentreprise

Plusieurs recherches ont explor les liens entre la stratgie suivie par une organisation et les
caractristiques de son systme de contrle de gestion (Bouquin, 1999 ; Govindarajan et
Gupta, 1985 ; Simons, 1987 ; Govindarajan, 1988 ; Govindarajan et Fisher, 1990 ; Shank,
1989 ; Chenhall et Langfield-Smith, 1998). Ces tudes ont port, entre autres, sur le lien

133
entre la stratgie et le contenu de TB (Hayes, 1977 ; Bescos, 2004 ; Shank, 1989 ;
Bergeron, 2000).

Certains chercheurs ont montr que les systmes de contrle de gestion diffrent selon les
typologies de stratgies concurrentielles (Miles et Snow, 1978 ; Miller et Friesen, 1978 ;
Porter, 1982). Pour obtenir un avantage concurrentiel, Porter (1980, 1982, 1985) a class les
stratgies selon trois typologies possibles1 : stratgie de cots bas, stratgie de diffrenciation
et stratgie de niche (Porter 1980, 1985). Miles et Snow (1978) et Simons (1987, 1988, 1990)
ont rparti les stratgies en trois classes diffrentes : dfenseur, prospecteur et analyste2, etc.

Les entreprises qui suivent des stratgies de domination par les cots favorisent des systmes
de mesure de la performance focaliss sur les cots et les indicateurs financiers (Cauvin et
Bescos, 2004 ; Perera et Poole, 1997 ; Porter, 1980 ; Shank et al., 1989) et tout un ensemble
d'indicateurs pour comparer les cots standards et les cots rels. linverse, les indicateurs
non financiers portant sur la qualit, l'efficience des oprations, linnovation , le
dveloppement de nouveaux produits etc. sont plus prsents dans les entreprises qui
adoptent des stratgies de diffrenciation (Gosselin et Dub, 2002 ; Cauvin et Bescos,
2004 ; Perera et Poole, 1997 ; Shank et Govindarajan, 1993 ; Shank, Govindarajan et
Spiegel, 1989).

2.2.2.2.3.5 Implantation du budget

Malgr les critiques adresses au budget, les chercheurs constatent que les TB sont sollicits
par les entreprises autant que le budget (Jordan, 1998, Ekholm et Wallin, 2000, Gignon-
Marconnet, 2003 ; Germain, 2005 ; Bescos et Cauvin, 2004). Ils montrent galement quune
volution des budgets permet aux TB dassurer leurs fonctions fondamentales, do
lexistence dune relation complmentaire entre le budget et le tableau de bord (Zian, 2013 ;
Germain, 2005, Komarev, 2007 ; Otley, 1980 ; Flamholtz, 1983 ; Emmanuel et al., 1985).

En revanche, le tableau de bord peut comporter des variables suivies par les budgets. Il les
suit souvent sous une forme diffrente. Il apparat donc comme un perfectionnement du
contrle budgtaire. Grce aux TB, la mesure des performances repose sur des indicateurs
1
Cest la classification que nous avons choisie dans cette recherche.
2
Voir Hoque et James (2000, p. 3). Pour les analystes sont hybrides des dfenseurs et des
prospecteurs . En anglais, les trois typologies de stratgie sont : les defenders , les prospectors , et les
analyzers . La traduction franaise utilise ici est celle du volume de Danny Miller, Le paradoxe dIcare
publi aux Presses de lUniversit Laval.
134
financiers pour apprcier la performance conomique et sur des indicateurs non financiers,
tels que la satisfaction des clients, les indicateurs sur le processus interne et les indicateurs sur
lapprentissage organisationnel.

Dans certaines ETI, les contrleurs de gestion construisent les TB tout en se basant sur
larchitecture de budget dj implant. Notre recherche est particulirement dactualit1, elle
essaie danalyser linfluence des budgets sur le contenu des TB de faon valuer dans quelle
mesure limplantation des premiers peut entraner ou non une diminution de la diversit
dutilisation des indicateur des seconds.

2.2.2.2.3.6 Implantation de la mthode ABC

La mthode ABC est fonde sur la chane de valeur de Porter2 (1985), elle a pour objectif
danalyser les processus crateurs de valeur dans une entreprise tout en identifiant les leviers
pour en rduire les cots (Cauvin et Neunreuther, 2009). La performance dune entreprise doit
tre multidimensionnelle et ne peut plus se rsumer uniquement autour de laxe financier. Le
dveloppement de TB quilibrs mesurant la performance globale, travers des indicateurs
financiers et des indicateurs non financiers, devient ncessaire.

Lamlioration des processus doit par consquent prcder celle des rsultats. Par ailleurs, les
indicateurs de performance nliminent pas le besoin dinformations financires car la
suppression de certaines activits, ou la rduction de leur cot entrane une rallocation
optimale des ressources ainsi dgages (Cauvin et Neunreuther, op. cit.). Cela suppose que
limplantation de la mthode des cots par activit ABC a une influence positive sur la
diversit dutilisation des indicateurs de TB.

2.2.2.2.3.7 Cotation en bourse

Les ETI reprsentent 61% des entreprises cotes en bourse, donc la grande majorit, bien loin
devant les GE et surtout les PME (Gattaz, 2010). Selon ASMEP-ETI, la performance

1
Par exemple Germain (2005), travers ces rsultats de la recherche action, montre quil existe une liaison
significative entre les TB et les budgets. La russite de la mise en uvre dun dispositif de TB dpend dune
volution des pratiques budgtaires (Germain, 2005).
2
Daprs Porter, la construction et la dfense dun avantage concurrentiel provenant de la capacit dune
entreprise raliser les activits ncessaires, un cot infrieur celui de ses concurrents, ou accomplir
certaines activits dune faon unique cratrice de valeur pour le client. Pour lui, crer de la valeur ncessite de
supprimer les activits non cratrices de valeur.
135
boursire de ces entreprises est mme suprieure la moyenne. Leur cours en bourse a t
multipli par sept en quinze ans, soit 2,5 fois de plus que lindice CAC40.

Une tude1 de la Banque de France sur un chantillon de 1 206 ETI montre que 7 % des ETI
questionnes sont cotes en bourse et 1 % seulement envisagent une introduction en bourse
dans les prochaines annes. Cependant, cette proportion devient plus leve dans lindustrie
manufacturire o 10 % des ETI questionnes sont cotes en bourse, et mme 16% dans
celles employant plus de 2 000 salaris. En outre, le groupe de presse de rfrence du secteur
bancaire et financier, Revue Banque, montre que les ETI cotes ont bien rsist pendant la
crise financire, les indices ddis aux PME-ETI se sont mieux ports que ceux de large-cap2
type CAC 403.

Les tudes empiriques portant sur linfluence de la cotation en Bourse sur les systmes de
mesure de performance ont t trs rares. Bescos et al. (2004) montrent que les contraintes de
communication de donnes financires sont plus prsentes dans les entreprises cotes en
Bourse que dans les entreprises non cotes. Ce constat est justifi par le fait que la direction,
dans le cas o lentreprise est cote, doit rassurer leurs actionnaires et informer les marchs
financiers de leur performance. Par contre, ces entreprises ne se focalisent pas sur le seul axe
financier de leur performance (Germain et Gates, 2007). Les actionnaires ayant contribu
financiariser de faon parfois abusive la mesure de la performance des entreprises, sont
aujourdhui de plus en plus sensibles limportance de la diversit des indicateurs de la
performance. Les entreprises cotes en Bourse sont tenues de rassurer leurs actionnaires et
plus gnralement les marchs financiers sur la qualit de leur gestion et de leurs anticipations
(Bescos et al., op. cit.). Les actionnaires sont ainsi lorigine de louverture des TB des
variables non financires (Perez, 2002).
Ces recherches nous permettent de supposer lexistence dune influence positive de la
cotation en bourse sur la diversit dutilisation des indicateurs de performance.

Le modle conceptuel des liens des variables de contrle est prsent ainsi dans le schma
suivant. Pour les variables de contrle susceptibles dinfluencer notre variable expliquer
utilit des TB dans le pilotage de la performance , nous avons utilis les plus tudies dans
la littrature, savoir la taille de lentreprise et le type dactivit (Chapellier, 1994).
1
Bulletin de la Banque de France, n 190, 4e trimestre 2012.
2
Dans le monde de la Bourse, les entreprises sont classes en trois grandes catgories : grande capitalisations
(large-cap), moyenne capitalisation (mid-cap), et petite capitalisation (small-cap).
3
Source : Revue Banque, La place de Paris mise sur Alternext pour financer les ETI, n 728, Octobre 2010.

136
 Schma 2.5 : Le modle conceptuel des liens de variables de contrle

Aprs avoir pos les dix hypothses cherchant tester lexistence des liens entre les variables
du modle, nous pourrons ainsi prsenter graphiquement notre modle conceptuel de
recherche (Schma 2.6). Thoriquement, ce modle rpond notre problmatique de
recherche. Il sera test empiriquement dans la deuxime partie de ce travail laide du
logiciel SPSS.

137
 Schma 2.6 : Le modle conceptuel de recherche

138
Conclusion du Chapitre 2

travers ce travail, nous avons pu dterminer les grands atouts des ETI, malgr leur toute
rcente naissance. Nous pouvons retenir que les ETI ont :
- malgr leur effectif rduit, une force conomique considrable (Retailleau, 2010), une
implantation importante dans les territoires et un poids remarquable pour le
dveloppement conomique local ;
- un taux dinnovation et un avantage concurrentiel levs qui dbouchent sur la
performance conomique ;
- une comptitivit forte devant sappuyer sur des investissements directs et sur des
prsences par filiales, notamment linternational (Atamer, 2012).
- des performances mdiatrices entre celles ralises au sein des PME et celles des
grandes entreprises, mais plus importantes pour linternationalisation.

Le but principal de ce deuxime chapitre tait de prsenter un modle conceptuel de recherche

permettant dexpliquer lutilit et le rle des indicateurs de TB dans le pilotage de la
performance des ETI. cet gard, nous avons dfini dans une premire section, notre terrain
de recherche, ses grands atouts et lintrt accord ltude des ETI. Ensuite, nous avons
prsent une approche comparative entre les ETI et le Mittelstand.

Par ailleurs, nous avons consacr la deuxime section ltude de la contingence

organisationnelle et comportementale des ETI. Nous avons ensuite slectionn les diffrentes
variables de notre modle explicatif. De ce fait, pour analyser les pratiques de TB dans les
ETI, nous avons propos, partir des principales tudes thoriques et empiriques dans le
domaine, de tester le lien entre dune part les variables indpendantes (informatisation,
structure organisationnelle et incertitude de lenvironnement), et dautres part la variable
mdiatrice diversit dutilisation des indicateurs de TB . Puis, de tester la relation entre les
principaux facteurs de contingence (les variables indpendantes), et la variable dpendante
utilit des TB dans le pilotage de la performance . Enfin, de tester la relation entre la
variable mdiatrice et la variable dpendante. Ainsi, nous avons pu formuler les dix
hypothses de la recherche. Nous avons cltur cette section par une prsentation de notre
modle conceptuel de recherche.

139
 Conclusion de la premire partie

Notre premire partie de thse est divise en deux chapitres. Le premier chapitre aborde, en
premier lieu, les limites de contrle de gestion classique, en particulier le budget et le
rductionnisme des indicateurs comptables et financiers. Ensuite, il prsente lmergence des
nouveaux dfis du systme de mesure de la performance dans le contexte actuel, savoir
linformatisation, la dcentralisation du pouvoir de dcision, lincertitude de lenvironnement,
lalignement de la stratgie, etc. Par consquent, notre chapitre1 propose le tableau de bord
en tant quoutil de contrle de gestion adapt au changement de lenvironnement interne et
externe de lETI.

Notre deuxime chapitre sintresse prsenter un modle conceptuel de recherche

susceptible dexpliquer lutilit des TB dans le pilotage de la performance des ETI. Ce
modle est compos de dix variables explicatives, dont sept variables de contrle, une
variable mdiatrice et une variable explique. Pour analyser les liens entre les diffrentes
variables du modle, nous avons formul les principales hypothses de recherche.

La deuxime partie permettra de tester le modle conceptuel de recherche applique sur un

chantillon des ETI franaises. cet gard, nous allons soumettre notre modle des
valuations empiriques pour confirmer ou infirmer nos hypothses de recherche dj
dveloppes.

140
 Deuxime partie

Validation du modle thorique :

choix mthodologique et prsentation
des rsultats empiriques

141
 Introduction de la deuxime partie

Dans la premire partie de cette thse, nous avons prsent et discut le cadre conceptuel et
thorique de notre recherche. lissue de lanalyse de la littrature, nous avons construit un
modle explicatif concernant lutilisation et lutilit des indicateurs au sein des TB dETI.

Lobjet de cette deuxime partie consiste tudier les facteurs susceptibles dinfluencer la
nature et lutilit des indicateurs de TB. Lors de la revue de la littrature deux types de
variables ont t identifis : les principaux facteurs de contingence organisationnelle et les
variables de contrle. Le choix des variables a t justifi et les relations qui vont faire lobjet
dune tude approfondie ont t prsentes sous forme dhypothses quil convient
maintenant de tester.

Pour ce faire, nous avons divis cette partie en deux chapitres. Lapproche mthodologique
adopte et les caractristiques des variables de lchantillon tudi feront lobjet du
chapitre3. Nous prsentons ce titre, les mesures des variables du modle, la procdure de
collecte des donnes et les caractristiques de terrain dobservation. Ensuite, nous vrifions la
fiabilit et la validit des chelles de mesure pour tudier les caractristiques des principaux
facteurs de contingence de notre chantillon.

Le chapitre 4 sintresse la validation de notre modle de recherche et lanalyse des

diffrents rsultats obtenus. Ces rsultats concernent les travaux prparatoires aux analyses de
donnes, la validation des instruments de mesure et le test de nos hypothses de recherche.
Finalement, nous discutons ces rsultats en nous appuyant sur les travaux thoriques et
empiriques antrieurs et prsentons les implications de cette recherche.

142
 PLAN DE LA DEUXIEME PARTIE

CHAPITRE 1
SYSTME DE MESURE DE LA
PERFORMANCE : REVUE DE LE SYSTEME DE MESURE DE LA
LITTRATURE ET CADRE
PREMIRE PARTIE

PERFORMANCE

CONCEPTUEL

CHAPITRE 2
LTUDE DU TERRAIN ET LES
HYPOTHSES DE LA RECHERCHE
VALIDATION DU MODLE THORIQUE :

CHAPITRE 3
PRSENTATIONS DES RSULTATS

LE TABLEAU DE BORD DES ETI :

CHOIX MTHODOLOGIQUES ET

MTHODOLOGIE ADOPTE ET
MISE EN UVRE DE LTUDE
DEUXIME PARTIE

EMPIRIQUE
EMPIRIQUES

CHAPITRE 4
LA VALIDATION DU MODLE ET
LANALYSE DES RSULTATS

143
 Chapitre 3

Le tableau de bord des ETI :

Mthodologie adopte et mise en uvre
de ltude empirique

You cant manage what you dont

measure 1

1
Cette citation est attribue W. Edwards Deming (14 octobre 1900 20 dcembre 1993), statisticien,
professeur, auteur et consultant amricain en management.
144
Dans le chapitre 2, nous avons prsent notre modle explicatif des pratiques des TB des ETI.
Ce modle comprend, dune part, une variable expliquer (utilit des TB dans le pilotage de
la performance), et dautre part, dix variables explicatives (trois facteurs de contingence
dordre organisationnel et sept variables de contrle dordres comportemental et
organisationnel), et une variable mdiatrice (diversit dutilisation des indicateurs de TB).

Le prsent chapitre a deux objectifs. En premier lieu, nous dfinissons lapproche

mthodologique qui nous a permis de tester empiriquement notre modle conceptuel de la
recherche; nous prsentons les mesures des variables du modle, la procdure de collecte des
donnes et les caractristiques du terrain dobservation. Nous examinons galement la
fiabilit et la validit des instruments de mesure relatifs aux principaux facteurs de
contingence du modle (Section 1). En deuxime lieu, nous prsentons les caractristiques
des variables de lchantillon tudi (Section 2).

145
 PLAN DU CHAPITRE 3

3.1 Prsentation de la mthodologie

3.1.1
de recherche retenue
Mesures des variables du modle de
recherche

3.1.2
La mthode suivie et la mise en uvre de
ltude empirique

3.2.1
Prsentation des statistiques descriptives des
principaux facteurs de contingence
3.2 Description de lchantillon dtude

3.2.2
Prsentation des statistiques descriptives des
variables de contrle

3.2.3
Prsentation des statistiques descriptives de
la variable mdiatrice

3.2.4
Prsentation des statistiques descriptives de
la variable explique

146
3.1 Prsentation de la mthodologie de recherche retenue

Notre travail de recherche essaie de vrifier un ensemble de relations entre les variables
explicatives du modle (facteurs de contingence dordres organisationnel et comportemental),
la variable mdiatrice (diversit dutilisation des indicateurs de TB)1 et la variable expliquer
(utilit des TB dans le pilotage de la performance). Afin de rpondre notre objectif de
recherche, nous avons choisi de tester notre modle conceptuel, en nous inscrivant dans une
approche quantitative. Nous avons adopt une dmarche hypothtico-dductive.

Selon cette approche mthodologique hypothtico-dductive ralise grce la mthode

quantitative, la prparation du questionnaire de recherche est ltape qui permet de prparer
laccs au terrain. Ainsi, nous prsentons, en premier lieu, les mesures de nos variables du
modle, et en deuxime lieu, nous abordons la mthode de recueil des donnes et les
caractristiques de terrain dobservation. Pour conclure cette section, nous examinons la
fiabilit et la validit de nos instruments de mesure.

3.1.1 Mesures des variables du modle de recherche

Afin de tester notre modle de recherche ainsi que les hypothses correspondantes, nous
devons dfinir les diffrentes variables et slectionner leurs mesures adquates. Ainsi, pour
certaines variables, nous avons repris les chelles de mesure fournies par la littrature sans y
apporter de modification. Pour dautres, nous avons procd aux modifications appropries,
afin de rendre ces chelles spcifiquement applicables au contexte des ETI franaises.

Dans cette sous-section, nous prsentons les diffrentes mesures associes aux variables
explicatives, la variable mdiatrice et la variable explique. Ensuite, nous abordons la
mthode suivie pour collecter les donnes.

3.1.1.1 Les mesures des facteurs de contingence (les variables explicatives)

Les chelles de mesure initiales des dix facteurs de contingence retenus dans le modle
linformatisation, la structure organisationnelle, lincertitude de lenvironnement, la taille, le
secteur dactivit, la formation du dirigeant, la stratgie de lentreprise, limplantation du
budget, limplantation de la mthode ABC et la cotation en Bourse sont prsentes en deux

1
Le test de leffet mdiateur sera abord dans le chapitre 4.
147
groupes ; les mesures relatives aux principaux facteurs de contingence organisationnelle et
celles associes aux variables de contrle.

3.1.1.1.1 Les mesures des principaux facteurs de contingence

3.1.1.1.1.1 Linformatisation

Daprs Chapellier (1994) et Kalika (1987), linformatisation des activits de lentreprise peut
tre value grce au dveloppement des outils informatiques, de leur capacit de traitement
et de leur technicit.
Pour cela, nous avons demand aux personnes interroges dindiquer le degr dutilisation des
outils informatiques au sein de leurs entreprises. Nous avons pos la question suivante :

Veuillez indiquer le degr dutilisation des outils informatiques pour la mesure de la

performance de votre entreprise.

Linformatisation a t apprcie laide dune chelle de Likert comprenant cinq choix de

rponses numrots de 1 5 (1- trs faible utilisation 5- trs forte utilisation) pour chacune
des outils suivants :

- ERP (Entreprises Ressource Planning ; en franais progiciel de gestion intgr),

- outils de Business Intelligence / dcisionnel / reporting,
- outil de planification budgtaire,
- outil de consolidation,
- et outil de bureautique.

Par consquent, lagrgation des scores bruts des 5 chelles de mesure nous permet dvaluer
le degr dinformatisation de lentreprise. Un score global fort exprime une informatisation
leve et rciproquement.

148
 3.1.1.1.1.2 La structure

La variable structure se distingue, dans la littrature, par plusieurs caractristiques1 : la

division du travail2 (degr de spcialisation), la rpartition du pouvoir et des responsabilits
(centralisation-dcentralisation), la standardisation3 (procds de dfinition des rgles, des
normes et des objectifs de performance), etc.

Dans ce travail, pour mesurer la structure nous nous concentrons sur ltude de la rpartition
du pouvoir et des responsabilits. Nous valuons donc notre variable selon la dcentralisation
(ou centralisation) de la prise de dcision. cet gard, plusieurs recherches empiriques,
comme celles menes en Angleterre4 et aux tats-Unis5, ont essay dtudier le degr de
dcentralisation du pouvoir de dcision.

Par ailleurs, Fernandez (2008) constate que le processus de la dcision doit tre abord dans
une optique cooprative. Aujourdhui, nous ne pouvons pas travailler avec un systme fond
sur un dirigeant et des excutants, mais plutt un ensemble dacteurs devant, tout moment,
prendre des dcisions dans leurs domaines de responsabilits respectifs (Boutti, 2003). cet
gard, le degr de dcentralisation structurelle pouvant tre associ la diffusion du pouvoir
dcisionnel au sein de l'entreprise, il peut tre mesur laide de deux dimensions (Kalika,
1987 ; Germain, 2003) :
- la premire est verticale, elle montre la dispersion du pouvoir formel le long de la
ligne hirarchique et permet de dterminer le responsable qui prennent les dcisions;
- la deuxime est horizontale, elle fait rfrence la participation des diffrents
responsables de l'entreprise la prise de dcision et permet dexprimer peu prs le
caractre collgial de cette dernire.

la lumire de ces travaux, nous avons slectionn dans notre enqute deux dimensions
permettant dvaluer le degr de dcentralisation structurelle des ETI:

1
Cf. Emery Y. et Gonin F. (2009), Grer les ressources humaines : des thories aux outils, concept intgr par
processus, compatible avec les normes de qualit, PPUR presses polytechniques, p.409.
2
Cest une division sociale du travail entre des salaris, des mtiers et des groupes diffrents.
3
Pour Henry Mintzberg (2010), la standardisation est un processus par lequel les entreprises gagnent le temps et
rduisent les cots.
4
Le programme de recherche du groupe dAston (1976) a dbut par une tude de 46 entreprises exerant leurs
activits dans le secteur industriel. Cette tude a permis de distinguer deux principales sous-variables des
structures : la spcialisation des fonctions et la rpartition du pouvoir.
5
Cf. Van de Van A.H. et Ferry D.L. (1980), Measuring and assessing organizations, New York: John Wiley and
Sons.
149
 - le degr de dcentralisation horizontale de la prise de dcision ;
- et le degr de dcentralisation verticale de la prise de dcision.

Pour mesurer le degr de dcentralisation horizontale de la prise de dcision, et tout

comme la mthode employe par Kalika (1987), nous avons soumis lavis des
personnes interroges quatre affirmations dcrivant diffrentes possibilits de
participation ou de consultation des responsables de l'ETI avant la prise de dcision. Ces
affirmations sont les suivantes :

a) Le dirigeant de votre entreprise participe la prise de toutes les dcisions, y compris

les dcisions mineures, car il considre que tout doit tre contrl par lui-mme.

b) Le dirigeant ne prend de dcisions importantes quaprs avoir consult ses

collaborateurs.

c) Les collaborateurs consultent toujours le dirigeant avant la mise en application des

dcisions quils prennent.

d) Les collaborateurs prennent seuls leurs dcisions qui relvent de leur domaine de
responsabilit.

Une chelle de Likert cinq points permet aux personnes interroges de mentionner dans
quelle mesure ils sont daccord avec chacune de ces affirmations :

- pas du tout daccord : chiffre 1 ;

- plutt pas daccord : chiffre 2 ;
- neutre : chiffre 3 ;
- plutt daccord : chiffre 4 ;
- totalement daccord : chiffre 5.

L'obtention d'un score lev sur l'ensemble des chelles montre que le niveau de
dcentralisation horizontale de la prise de dcision est lev et vice versa. Par contre, il est
noter que les scores obtenus la premire (a) et la troisime affirmation (c) mesurent le
degr de centralisation horizontale de la prise de dcision. Donc, ils seront inverss dans cette
tude.

150
 La mesure du degr de dcentralisation verticale de la prise de dcision est effectue en
cherchant la rponse la question :

Les dcisions suivantes sont gnralement prises quel niveau de direction ?

(Dveloppement ou lancement de nouveaux produits ou services, embauche et licenciement,
fixation des prix de vente, choix des investissements et les dcisions oprationnelles).

Il a t demand aux rpondants dindiquer le niveau hirarchique auquel sont prises les cinq
types de dcisions proposs : cadres oprationnels1 (1), cadres fonctionnels2 (2) ou direction
gnrale ou au-dessus de la direction gnrale3 (3). Les dcisions de nature financire ne
permettent pas, cause de leur forte centralisation, de distinguer les entreprises (Kalika,
1987). Du coup, elles ne sont pas prises en compte dans notre recherche. Nous obtenons donc
une chelle de Likert cinq points en fonction des rponses coches par les personnes
interroges (Germain, 2003) :

- (3) : trs faible dcentralisation verticale (chiffre 1) ;

- (1) et (3) ou (2) et (3) : faible dcentralisation verticale (chiffre 2) ;
- (1) et (2) et (3) : moyenne dcentralisation verticale (chiffre 3);
- (1) et (2) : forte dcentralisation verticale (chiffre 4);
- (1) ou (2) : trs forte dcentralisation verticale (chiffre 5).

Cette dimension verticale permet donc dinterprter le niveau hirarchique de la prise de

dcision ; plus son score agrg est lev plus le degr de dcentralisation est important et
inversement.

Ainsi, le degr de dcentralisation de la prise de dcision est calcul en additionnant les scores
obtenus sur l'ensemble des chelles mesurant le degr de dcentralisation verticale et
horizontale de la prise de dcision. Un score faible reprsente une centralisation structurelle
forte, alors qu'un score lev matrialise une dcentralisation leve de la prise de dcision.

1
Les chefs dquipe, chef datelier, responsable de service, etc.
2
Responsable commercial, financier, de ventes, des achats, etc.
3
Dirigeant, propritaire, conseil dadministration, etc.
151
 3.1.1.1.1.3 Lincertitude de lenvironnement

Lenvironnement a fait lobjet de nombreuses valuations en tant que facteur de contingence

des systmes de contrle de gestion (Boutti, 2012c). Il apparat cependant que cest en terme
dincertitude perue que cette variable a le plus souvent t prise en compte dans les travaux
empiriques (Gordon et Miller, 1976 ; Gordon et Narayanan, 1984 ; Kalika, 1987 ; Bergeron,
1996 ; Germain, 2000 ; Komarev, 2007 ; Zian, 2013), les auteurs recourant pour ce faire des
mesures reposant sur la perception que les acteurs ont de la prvisibilit et de la stabilit de
lenvironnement conomique, technologique et concurrentiel.

Ainsi, pour mesurer lincertitude de lenvironnement, nous avons pos trois questions
diffrentes. La premire concerne le dynamisme de lenvironnement, elle a t pose comme
suit :

Le dynamisme de votre environnement externe (au plan conomique et au plan

technologique) est-il totalement stable ou totalement dynamique ?

Le dynamisme de lenvironnement a t apprci laide dune chelle de 2 items

comprenant cinq choix de rponses numrots sur une chelle de Likert de 1- totalement
stable 5- totalement dynamique, et cela pour chacun des points suivants : au plan
conomique et au plan technologique.

La deuxime et la troisime question ci-dessous concernent la prvisibilit de

lenvironnement concurrentiel, les rponses celles-ci varient de facile difficile . Chaque
item est mesur par une chelle de Likert cinq points, de 1- facilement prvisibles 5-
totalement imprvisibles.

Les actions et les comportements de vos concurrents sur le march sont-ils facilement
prvisibles, ou totalement imprvisibles ?
Les prfrences et les comportements de vos clients sont-ils facilement prvisibles, ou
totalement imprvisibles ?

152
Un score global sera obtenu en agrgeant les rsultats obtenus pour chacun des items. Une
note leve correspondra une incertitude de lenvironnement leve et vice versa. Nous
assimilons alors la facilit des prvisions avec un environnement stable quavec un
environnement dynamique. De la mme faon, les prvisions de lactivit dans un
environnement faiblement complexe sont plus faciles tablir que dans un environnement
complexe1.

Les mesures des principaux facteurs de contingence organisationnelle sont rsumes dans le
schma 3.1 et le tableau 3.1.

Schma 3.1 : Les mesures des principaux facteurs de contingence dordre

organisationnel

1
Le contrleur de gestion doit donc anticiper ce que sera lenvironnement, et non passer lessentiel de son temps
mesurer les consquences (carts) des choix fait par chacun des acteurs de lentreprise.
153
 Tableau 3.1 : Le nombre ditems variables de mesure des principaux facteurs de
contingence dordre organisationnel

Variables reprsentatives des

Nombre
principaux facteurs de Les variables de mesure
ditems
contingence organisationnelle

Informatisation Degr dinformatisation 5

Degr de dcentralisation horizontale de la

4
prise de dcision.
Structure
Degr de dcentralisation verticale de la
5
prise de dcision.

Dynamisme de lenvironnement externe (au

2
plan conomique et au plan technologique).

Prvisibilit des actions et des

Lincertitude de
comportements des concurrents sur le 1
lenvironnement
march.

Prvisibilit des prfrences et des

1
comportements des clients.

3.1.1.1.2 Les mesures des variables de contrle

3.1.1.1.2.1 La taille

Les ETI se situent entre les grandes entreprises et les PME. Les critres dvaluation de la
taille sont fonds sur des mthodes quantitatives qui se rfrent des donnes quantitatives
demplois (effectif des salaris), dactif (total du bilan) ou de chiffre daffaires (Cf. Tableau
3.2).

154
 Tableau 3.2 : Critres quantitatifs retenus en France pour classer les entreprises par
taille (Source : INSEE)
Micro- Grandes
Critre PME ETI
entreprises entreprises
Effectif < 10 salaris [10 - 249] [250 - 4 999] 5 000 et +
CA <2 millions [2 M - 50 M [ [50 M 1,5 G [ 1,5 G et +
Total de bilan <2 millions [2 M - 43 M [ [43 M 2 G [ 2 G et +

Pour notre recherche, nous allons choisir comme critre de taille leffectif des salaris, plus
prcisment nous utiliserons le nombre de salaris permanents1. La question que nous avons
pose est la suivante :

Vos effectifs permanents au 31/12/2012 slvent :

1- Moins de 250 salaris
2- De 250 salaris 499 salaris
3- De 500 salaris 749salaris
4- De 750 salaris 999 salaris
5- De 1 000 salaris 4 999 salaris
6- Plus de 4 999 salaris

Laffirmation numro 6 est labore ici afin dliminer les ventuelles grandes entreprises de
notre chantillon.

3.1.1.1.2.2 Le secteur dactivit

Sa mesure seffectue laide dune chelle nominale laquelle on associe les modalits de
rponse suivantes : activit industrielle, activit commerciale et activit de prestations de
services. Ci-dessous la question que nous avons pose :

Quel est le secteur dactivit de votre entreprise ?

1
Chenhall (2003) a dmontr que la taille est souvent mesure par le nombre du personnel. En France galement
la taille est en nombre de salaris. Le montant du chiffre daffaires annuel et le total du bilan sont utiliss dans
cette recherche, conjointement avec leffectif, uniquement pour extraire les donnes sur la base Diane.
155
Il a t demand donc aux personnes interroges de choisir le secteur dactivit de leur
entreprise.

3.1.1.1.2.3 La formation du dirigeant

Pour mesurer le type de formation du dirigeant, nous avons pos la question suivante :

Quelle est la formation professionnelle de votre dirigeant?

Il a t demand aux personnes interroges dindiquer le type de formation de leur dirigeant.

Nous avons labor une chelle cinq points en fonction des rponses coches par les
personnes interroges :
- ingnieur : chiffre 1 ;
- comptabilit, contrle, finance : chiffre 2 ;
- marketing, commerce : chiffre 3 ;
- gestion des ressources humaines : chiffre 4 ;
- autres diplmes : chiffre 5 ;

Pour lanalyse des donnes concernant la formation, les rponses seront classes en deux
groupes diffrents ; soit formation de type non gestionnaire (chiffre 1) ou de type
gestionnaire (chiffres 2, 3, 4). Pour les personnes ayant choisi autres diplmes , nous
avons ajout leurs rponses lun des deux groupes prcdents selon notre estimation
personnelle.

3.1.1.1.2.4 La stratgie de lentreprise

Pour valuer le type de stratgie concurrentielle de lentreprise nous avons retenu lchelle de
mesure propose par Bescos et al. (2004). Cest galement la mme typologie des
positionnements stratgiques labore par Porter (1980, 1985) qui distingue trois choix
stratgiques procurant un avantage concurrentiel stable : la domination par les cots, la
diffrenciation du produit et la focalisation sur une niche. Chacun de ces trois types de
stratgies concurrentielles consiste poser des objectifs gnraux diffrents :

156
 - Domination par les cots1: impose la supriorit des objectifs de matrise ou de
rduction des cots (des conomies dchelle, laccs des matires peu chres et une
supriorit technologique) ;
- Diffrenciation2: porte les priorits sur les objectifs de qualit des produits et des
services pour les diffrencier de ceux de concurrents, le but de cette stratgie est
dapporter de la valeur aux clients (qualit, dpendance aux produits de lentreprise,
flexibilit de la production, respect des dlais de livraison) ;
- Focalisation : combinaison des deux. La stratgie de focalisation (appele aussi
stratgie de niche) impose galement comme objectifs majeurs lexcellence en termes
de qualit des produits mais contrairement aux deux premires stratgies, les produits
et services offerts prsentent des caractristiques intrinsquement diffrentes des
autres sur le march car ils satisfont des besoins trs particuliers restant en dehors de
loffre des concurrents.

Pour ce faire, nous avons formul la question suivante :

Quelle est la stratgie suivie par votre entreprise ?

Afin de rpondre cette question, les personnes interroges ont le choix de cocher une des
trois stratgies prcites.

3.1.1.1.2.5 Limplantation du budget

Limplantation du budget est mesure par un seul item. Par consquent, afin de vrifier si
lETI dispose ou non dun systme budgtaire, nous avons labor la question suivante :

Disposez-vous dun budget au sein de votre entreprise ?

Cette question nous permettra de distinguer entre les ETI disposant dun systme budgtaire
et celles qui nen disposent pas.

1
Sans ignorer les impratifs de qualit.
2
Sans ignorer les impratifs de matrise des cots.
157
 3.1.1.1.2.6 Limplantation de la mthode ABC

Pour vrifier limplantation de la mthode ABC au sein de lETI, nous avons pos ci-dessous
la question relative notre sixime variable de contrle :

Utilisez-vous la mthode des cots par activit (ABC- Activity based costing) au sein de
votre entreprise ?

La question est ferme, donc elle accepte une rponse unique qui pourrait tre oui ou
non .

3.1.1.1.2.7 La Cotation en bourse

Pour faire une distinction entre les ETI cotes et les ETI non cotes, nous avons pos aux
personnes interroges la question suivante :

Est-ce que votre entreprise est cote en bourse ?

Lintrt de cette question est dtudier lhypothse de linfluence de la variable cotation en

bourse sur la variable mdiatrice diversit dutilisation des indicateurs de TB .

Lensemble des variables de contrle choisies pour mesurer ces facteurs de contingence se
prsente dans le schma 3.2 et le Tableau 3.3.

158
 Schma 3. 2 : Les mesures des variables de contrle

159
 Tableau 3.3 : Le nombre ditems des variables de contrle

Variables reprsentatives des Nombre

Les variables de mesure
variables de contrle ditems

Taille Nombre de salaris. 1

Type dactivit de lentreprise (industrielle,

Secteur dactivit 1
commerciale et prestations de services).

Type de formation (ingnieur, comptabilit-

contrle finance, marketing commerce,
Formation du dirigeant 1
gestion des ressources humaines et autres
formations).

Type de stratgie (domination par les cots,

Stratgie de lentreprise 1
diffrenciation et focalisation).

Budget Implantation du budget. 1

Mthode ABC Implantation de la mthode ABC. 1

La bourse Cotation en bourse. 1

3.1.1.2 Les mesures de la diversit dutilisation des indicateurs de tableaux de

bord (la variable mdiatrice)

Lun des avantages des TB rside dans le fait que les indicateurs quils fournissent au
dcideur peuvent tre de nature varie : indicateurs financiers ou non financiers. De ce fait, les
TB, en particulier le Balanced Scorecard, tiennent compte de limportance des actifs
immatriels dans le processus de valorisation conomique (Kaplan et Norton, 1996), et de la
dclinaison des objectifs stratgiques en objectifs oprationnels (Nanni et al., 1992).

La mesure de la diversit des indicateurs utiliss dans les TB consiste en fait dterminer la
varit du contenu de la mesure de la performance des TB. Il sagit en quelque sorte
didentifier la performance de lentreprise selon les quatre perspectives du Balanced

160
Scorecard (Kaplan, Norton, 1996). En consquence, la diversit dutilisation des indicateurs
de TB1 est value dans cette tude par :

- le degr dutilisation des indicateurs financiers ;

- le degr dutilisation des indicateurs de performance clients ;
- le degr dutilisation des indicateurs de processus internes ;
- et le degr dutilisation des indicateurs dinnovation et dapprentissage
organisationnel.

Pour mesurer la variable mdiatrice, il a t demand aux personnes interroges de rpondre

sur une chelle de Likert allant de 1 (trs faible, les indicateurs de ce type sont peu utiliss)
5 (trs fort, les indicateurs de ce type sont trs utiliss). Plus le score global des quatre axes de
performance (sur 20 points) est lev, plus le tableau de bord est diversifi et vice versa2.

Une liste de quarte items a t alors propose et on a demand aux personnes interroges de
situer leur apprciation de chacun de ces items :

a) indicateurs se rapportant la performance financire (ex. : ROE rentabilit des capitaux

propres, rsultat net, retour sur investissement ROI, EVA valeur conomique ajoute,
rsultat dexploitation EBIT, taux de croissance du chiffre affaires, taux de marge brute,
excdent brut dexploitation EBE, ratios de trsorerie, besoin en fonds de roulement
BFR, etc.) ;

b) indicateurs de performance clients (ex. : fidlit et satisfaction des anciens clients,

pourcentages des ventes raliss auprs des anciens clients, pourcentages des ventes
raliss auprs des nouveaux clients3, rentabilit par segment, volution des parts de
march, dlais et la ponctualit des livraisons, taux de rclamation des clients, etc.) ;

c) indicateurs de processus internes (ex. : qualit, cots de dveloppement/bnfice,

pourcentage des ventes ralises par les nouveaux produits, nombre de nouveaux
produits introduits dans le march, montant dinvestissement en R&D, dvelopper des

1
Le choix et la varit des indicateurs reprsentent la principale difficult lors de llaboration dun systme de
mesure de la performance.
2
Cette mthode est utilise galement dans les travaux de Germain (2003, 2004).
3
Trouver un nouveau client est bien plus coteux (de 3 5 fois selon les spcialistes) que de conserver un
ancien.
161
 processus innovants favorisant les conomies dnergie et de matires, temps de
rponse aux rclamations des clients, etc.) ;

d) indicateurs dinnovation et dapprentissage organisationnel (ex. : satisfaction des

salaris, productivits des salaris, heures formations par employ, montant de la
formation, nombre de suggestions par salaris, taux de turnover du personnel, taux
dabsentisme, qualit du systme dinformation, climat social, rduction des accidents
de travail, etc.).

Les variables de mesure de la nature des indicateurs de performance des TB sont rsumes
dans le schma 3.3 et le tableau 3.4.

Schma 3.3 : Les mesures de la diversit dutilisation des indicateurs de TB

162
Tableau 3.4 : Le nombre ditems des variables de mesure de la diversit dutilisation des
indicateurs de TB

Nombre
Variable mdiatrice Les variables de mesure
ditems
Degr dutilisation des indicateurs
1
financiers.

Degr dutilisation des indicateurs de

1
performance clients.

Diversit dutilisation des

indicateurs de performance Degr dutilisation des indicateurs de
1
processus internes.

Degr dutilisation des indicateurs

dinnovation et dapprentissage 1
organisationnel.

3.1.1.3 Les mesures de lutilit des tableaux de bord dans le pilotage de la

performance (la variable explique)

Gnralement, le tableau de bord est un outil de gestion permettant de prsenter de manire

structure des indicateurs et des informations utiles au pilotage de lentreprise. Il reprsente
les facteurs cls de succs et sont dclins par lintermdiaire de variables oprationnelles et
financires, quantitatives et qualitatives (Berland, 2009). La plupart des travaux de recherche
sur le sujet utilisent le Balanced Scorecard comme systme de mesure de la performance
globale de rfrence (Kaplan et Norton, 1996 ; Gervais, 2000).

cet gard, le pilotage de la performance est fortement associ au pilotage stratgique des
organisations. Il permet lentreprise de bien grer son activit avec un nombre restreint
d'indicateurs varis, financiers et non financiers, court et long terme, regroups de faon
aider les responsables dans le pilotage de lentreprise et dans leurs prises de dcisions.

Malgr limportance accorde aux indicateurs financiers et non financiers dans les systmes
de mesure des performances, Ittner et al. (2003) ont montr que dans la ralit les managers
tendaient ignorer les informations financires souvent considres comme trop subjectives
et trop manipulables. Dernirement, les rsultats dune tude exprimentale conduite par

163
Cauvin et al. (20071, 20102) ont rvl que les valuateurs considraient les indicateurs
financiers comme plus pertinents, plus fiables et plus facilement comparables, et dune
manire gnrale plus utiles que les indicateurs non financiers. En revanche, les responsables
financiers les plus expriments accordent plus dintrt aux indicateurs non financiers
(Cauvin et al., 2007 ; Ittner et al., 2003 ; Malina et Selto, 2001).

En outre, Schiff et Hoffman (1996) et Krumwiede et al. (2005) ont constat que les
indicateurs financiers sont avantags lorsque la mesure de la performance portait sur un
domaine dactivit. Par ailleurs, Luft et Shields (2001) ont rvl que le rle des mesures non
financires devient trs important lorsque les entreprises cherchent prvoir les performances
financires futures. Ces tudes exprimentales se sont donc principalement intresses
lutilit relative aux indicateurs financiers et non financiers du systme de TB.

Dans notre recherche, la mesure de lutilit des TB dans le pilotage de la performance

consiste valuer le degr dutilit des indicateurs financiers et le degr dutilit des
indicateurs non financiers. Autrement dit, il sagit didentifier la capacit des indicateurs
utiliss dans le TB rpondre en temps rel3 aux besoins dinformations des responsables de
lentreprise. Par consquent, pour mesurer lutilit des TB dans le pilotage de la
performance4, nous avons pos aux directeurs financiers et contrleurs de gestion la question
suivante :

Veuillez indiquer le degr dutilit de vos indicateurs de performance dans le pilotage de

la performance.

Pour rpondre cette question, linterrog a le choix entre 5 modalits diffrentes. Ces
dernires commencent par 1- utilit faible 5- utilit forte.

Ainsi, le schma 3.4 et le tableau 3.5 prsentent les mesures de lutilit des TB dans le
pilotage de la performance.
1
Cf. Cauvin E., et al. (2007). Financial measures bias in evaluating corporate managers performance. Working
paper, University of Colorado Denver.
2
Cf. Cauvin E. et al. (2010), " valuation de la performance des managers: L'effet de l'ordre de prsentation et
de l'importance relative des indicateurs financiers et non financiers ", Comptabilit - Contrle - Audit 2010/2
(Tome 16), p. 31-47.
3
Ltablissement du tableau de bord doit respecter une frquence suffisante pour permettre aux responsables de
ragir en temps rel. Cela, concerne en particulier les entreprises qui dcident souvent dans lurgence.
4
Gnralement, cette utilit est mesure en termes de pertinence, de fiabilit, et de comparabilit des indicateurs.
Afin de simplifier ltude, nous utilisons ici deux items, un pour le degr dutilit des indicateurs financiers et
lautre pour celui des indicateurs non financiers.
164
 Schma 3.4 : Les mesures de lutilit des TB dans le pilotage de la performance

Tableau 3.5 : Le nombre ditems des variables de mesure de lutilit des TB dans le
pilotage de la performance

Nombre
Variable explique Les variables de mesure
ditems
Degr dutilit des indicateurs financiers 1
Utilit des TB dans le pilotage
de la performance Degr dutilit des indicateurs non
1
financiers

Jusqu prsent, nous avons prsent les diffrentes mesures des variables du modle de
recherche. Dans ce qui suit nous abordons la mthode de collecte des donnes et vrifions la
fiabilit et la validit des chelles de mesure.

3.1.2 La mthode suivie et la mise en uvre de ltude empirique

La mise en place de notre tude consiste collecter les donnes auprs des ETI cibles. Pour
atteindre cet objectif nous avons choisi dadministrer notre enqute par un questionnaire en
ligne. Il sagit donc de discuter le choix de la mthode retenue dans cette recherche, de
prsenter la dmarche permettant dlaborer le questionnaire et de dfinir notre chantillon.
Cette sous-section nous a permis galement de vrifier la fiabilit et la validit des
instruments de mesure.
165
 3.1.2.1 La mise en uvre de la collecte des donnes

Pour construire notre base de donnes, nous allons prsenter, tout dabord, la mthode de
recherche retenue dans ce travail. Ensuite, nous allons dfinir notre chantillon, concevoir le
questionnaire administr en ligne et enfin collecter les donnes relatives aux ETI.

3.1.2.1.1 Prsentation de la mthode de recueil des donnes

Plusieurs travaux en mthodologie de recherche signalent que le choix dune mthode prcise
doit tre cohrent avec les questions et les hypothses de la recherche (Igalens et Roussel,
1998 ; Evrard et al., 2003).

Dans le cadre du prsent travail, nous proposons de vrifier un ensemble de relations qui
pourraient exister entre les principales variables explicatives (informatisation, structure et
incertitude de lenvironnement), la variable mdiatrice (diversit dutilisation des indicateurs
de TB) et la variable expliquer (utilit des TB dans le pilotage de la performance). Ainsi,
nous avons slectionn lenqute par questionnaire comme mode de collecte des donnes.

Ce choix est justifi par plusieurs raisons :

- lenqute par questionnaire permet au chercheur de mesurer des variables latentes par
un ensemble dindicateurs, traduits dans le questionnaire par des affirmations,
auxquelles les rpondants doivent prciser leur degr daccord (Quivy et Van
Campenhoudt, 1995; Newsted et al., 1998).

- lemploi de cette technique permet de traiter empiriquement les rsultats de la

recherche laide de tests statistiques rigoureux appliqus sur les donnes collectes
(Quivy et Van Campenhoudt, op. cit.; Newsted et al., op.cit.; Palvia et al., 2003).

- au niveau mthodologique, cette technique permet de comparer aisment les rsultats

obtenus dans plusieurs travaux (Igalens et Roussel, op. cit.; Baumard et al., 2003).

- lenqute par questionnaire garantit une validit externe et une induction des rsultats
dautres populations statistiques quivalentes celle tudie (Newsted et al., op. cit.;
Dooley, 2001).

166
 - dans notre travail, nous souhaitons tudier la diversit et lutilit des indicateurs de TB
des ETI, rparties sur des lieux gographiques diffrents. cet gard, lenqute par
questionnaire est une technique qui remplit cet objectif (Igalens et Roussel, op. cit.;
Newsted et al., op. cit).

- nous voulons concevoir un chantillon dau moins 100 individus pour appliquer
lanalyse factorielle exploratoire. Lenqute par questionnaire est recommande dans
ce cas comme mode de collecte des donnes (Igalens et Roussel, op. cit. ; Evrard et
al., op. cit.).

- lutilisation de lenqute par questionnaire permet dassurer un niveau dobjectivit

lev. Effectivement, celle-ci se fonde sur des analyses statistiques rigoureuses, qui
donnent le moyen de tester les hypothses de recherche et dexpliquer les rsultats du
modle avec objectivit (Newsted et al., op. cit.; Baumard et Ibert, 2003). Ce principe
dobjectivit du chercheur est entirement homogne avec notre positionnement
pistmologique et philosophique, savoir le positivisme (Cf. Introduction Gnrale).

Enfin, nous soulignons que lenqute par questionnaire est la mthode dominante dans le
domaine du contrle de gestion. Dans ce contexte, plusieurs travaux ont abouti au rsultat
selon lequel lenqute par questionnaire est la technique de collecte des donnes la plus
utilise par les chercheurs, de par sa rigueur et sa prcision (Newsted et al., op. cit. ; Avgerou,
2000 ; Palvia et al., op. cit.).

Aprs avoir mis en lumire la mthode de recherche retenue, nous allons dfinir dans le point
suivant notre chantillon dETI.

3.1.2.1.2 Dfinition de lchantillon

Il est primordial pour toute recherche empirique quantitative de dfinir la population sur
laquelle stend la volont de vrifier la validit des hypothses thoriques testes (Royer et
Zarlowski, 2003). Pour cela, nous avons utilis la base de donnes DIANE1, qui couvre plus

1
DIANE est une base de donnes financires reprenant les comptes sociaux issus du Greffe du Tribunal de
Commerce et les informations gnrales des entreprises franaises. Ainsi, outre les donnes financires dtailles
(liasse CERFA complte, y compris les annexes), DIANE prsente galement de nombreux renseignements
relatifs lactivit, lactionnariat, les participations, les administrateurs, certains lments des statuts (date de
cration, forme juridique...), ainsi quune srie de 50 ratios pr-calculs. Linformation relative aux comptes et
bilans des entreprises est disponible sur une priode de dix ans.
167
de 1,3 million dentreprises1 en France. Pour slectionner la population mre, nous avons
utilis simultanment deux critres ; la taille et la localisation gographique.

Afin de cibler notre population en fonction de la taille, nous avons slectionn sur Diane des
entreprises qui ont moins de 5 000 salaris permanents, un chiffre daffaires entre 50 000 k
et 1 500 000 k, et un total de bilan entre 43 000 k et 2 000 000 k. Quant la localisation
gographique, ltude couvre 22 rgions franaises2 (22 rgions de France mtropolitaine et 3
dpartements et rgions doutre-mer) composes de 98 dpartements.

Une fois les deux critres de notre tude dtermins, nous utilisons la mthode
dchantillonnage permettant de choisir un chantillon parmi les entreprises prsentes dans la
liste de diffusion de notre questionnaire. Cette technique repose sur deux mthodes :

- la mthode probabiliste : permet de slectionner un chantillon grce une

procdure de tirage alatoire. Celle-ci associe chaque lment de la population a une
probabilit connue, non nulle, dtre tir ;
- la mthode empirique : consiste construire un chantillon dune faon raisonne,
autrement dit nous slectionnons les entreprises selon des critres qui nous
permettent dassurer une cohrence entre lchantillon et la population mre (Evrard
et Lemaire, 1976).

Par consquent, la mthode empirique nous a permis de construire une liste des entreprises
qui ont un effectif de moins de 5 000 salaris permanents, un chiffre daffaire entre 50 000 k
et 1 500 000 k, un total de bilan entre 43 000k et 2 000 000 k et qui sont rparties dans les
diffrentes rgions franaises. Quant la mthode probabiliste, elle nous a permis de tirer
alatoirement lchantillon tudier.

Pour atteindre cet objectif, les tableaux 3.6 et 3.7 et le graphique 3.1 mettent en lumire la
distribution des questionnaires envoys en fonction de leffectif permanent des ETI et de
diffrentes rgions.

1
Ce chiffre provient du site de Bureau VAN DIJK : http://www.bvdinfo.com/fr-fr/products/company-
information/national/diane
2
Selon la loi portant Nouvelle Organisation Territoriale de la Rpublique (NOTRe), les rgions vont passer de
22 13 en janvier 2016.
168
 Tableau 3.6 : Distribution des questionnaires envoys par taille dETI

Effectif permanent Nombre d'envois

Moins de 250 salaris1 857

De 250 salaris 499 salaris 645

De 500 salaris 749 salaris 329

De 750 salaris 999 salaris 204

De 1 000 salaris 4 999 salaris 545

Total 2 580

1
Nous rappelons quune entreprise ayant moins de 250 salaris mais ralise plus de 50 millions deuros de chiffre
daffaire et plus de 43 millions deuros de total de bilan est considre comme une ETI (Cf. 2.1.1 Quest-ce
quune ETI ?).
169
 Tableau 3.7 : Distribution des questionnaires envoys par rgion

Nombre de questionnaires
Rgion Dpartement % % cumul
envoys aux ETI
le-de-France Essonne 64 2,48%
Hauts-de-Seine 382 14,81%
Paris 291 11,28%
Seine-et-Marne 38 1,47%
Seine-Saint-Denis 86 3,33%
Val-de-Marne 64 2,48%
Val-d'Oise 43 1,67%
Yvelines 98 3,80%
Total le-de-France 1066 41,32% 41,32%
Rhne-Alpes Ain 22 0,85%
Ardche 5 0,19%
Drme 14 0,54%
Haute-Savoie 19 0,74%
Isre 53 2,05%
Loire 18 0,70%
Rhne 142 5,50%
Savoie 16 0,62%
Total Rhne-Alpes 289 11,20% 52,52%
Nord-Pas-de-Calais Nord 105 4,07%
Pas-de-Calais 32 1,24%
Total Nord-Pas-de-Calais 137 5,31% 57,83%
Provence-Alpes-Cte d'Azur Alpes-de-Haute-Provence 2 0,08%
Alpes-Maritimes 35 1,36%
Bouches-du-Rhne 54 2,09%
Var 8 0,31%
Vaucluse 17 0,66%
Total Provence-Alpes-Cte d'Azur 116 4,50% 62,33%
Pays de la Loire Loire-Atlantique 38 1,47%
Maine-et-Loire 27 1,05%
Mayenne 10 0,39%
Sarthe 12 0,47%
Vende 19 0,74%
Total Pays de la Loire 106 4,11% 66,43%
Aquitaine Dordogne 3 0,12%
Gironde 44 1,71%
Landes 20 0,78%
Lot-et-Garonne 8 0,31%
Pyrnes-Atlantiques 19 0,74%
Total Aquitaine 94 3,64% 70,08%
Alsace Bas-Rhin 66 2,56%
Haut-Rhin 26 1,01%
Total Alsace 92 3,57% 73,64%
Bretagne Ctes-d'Armor 8 0,31%
Finistre 23 0,89%
Ille-et-Vilaine 35 1,36%
Morbihan 15 0,58%
Total Bretagne 81 3,14% 76,78%
Midi-Pyrnes Arige 2 0,08%
Aveyron 6 0,23%
Gers 3 0,12%
Haute-Garonne 50 1,94%
Hautes-Pyrnes 5 0,19%
Lot 4 0,16%
Tarn 5 0,19%
Tarn-et-Garonne 4 0,16%
Total Midi-Pyrnes 79 3,06% 79,84%
Lorraine Meurthe-et-Moselle 27 1,05%
Meuse 6 0,23%
Moselle 35 1,36%
Vosges 9 0,35%
Total Lorraine 77 2,98% 82,83%

170
 Tableau 3.7 : Distribution des questionnaires envoys par rgion (suite)

Nombre de que stionnaire s

R gion D parte me nt % % cumul
e nvoy s aux ETI
Champagne-Ardenne Ardennes 3 0,12%
Aube 10 0,39%
Haute-Marne 7 0,27%
Marne 43 1,67%
Total Champagne -Arde nne 63 2,44% 85,27%
Picardie Aisne 18 0,70%
Oise 26 1,01%
Somme 16 0,62%
Total Picardie 60 2,33% 87,60%
Centre Cher 5 0,19%
Eure-et-Loir 15 0,58%
Indre 1 0,04%
Indre-et-Loire 12 0,47%
Loiret 22 0,85%
Loir-et-Cher 5 0,19%
Total Ce ntre 60 2,33% 89,92%
Bourgogne Cte-d'Or 21 0,81%
Nivre 5 0,19%
Sane-et-Loire 16 0,62%
Yonne 12 0,47%
Total Bourgogne 54 2,09% 92,02%
Haute-Normandie Eure 9 0,35%
Seine-Maritime 40 1,55%
Total Haute -Normandie 49 1,90% 93,91%
Languedoc-Roussillon Aude 1 0,04%
Gard 9 0,35%
Hrault 21 0,81%
Pyrnes-Orientales 9 0,35%
Total Langue doc-Roussillon 40 1,55% 95,47%
Poitou-Charentes Charente 8 0,31%
Charente-Maritime 7 0,27%
Deux-Svres 9 0,35%
Vienne 8 0,31%
Total Poitou-Chare nte s 32 1,24% 96,71%
Basse-Normandie Calvados 11 0,43%
Manche 11 0,43%
Orne 5 0,19%
Total Basse -Normandie 27 1,05% 97,75%
Auvergne Allier 5 0,19%
Cantal 2 0,08%
Haute-Loire 4 0,16%
Puy-de-Dme 15 0,58%
Total Auve rgne 26 1,01% 98,76%
Franche-Comt Doubs 10 0,39%
Haute-Sane 4 0,16%
Jura 6 0,23%
Territoire de Belfort 2 0,08%
Total Franche -Comt 22 0,85% 99,61%
Limousin Corrze 2 0,08%
Creuse 1 0,04%
Haute-Vienne 2 0,08%
Total Limousin 5 0,19% 99,81%
Corse Corse-du-Sud 1 0,04%
Haute-Corse 1 0,04%
Total Corse 2 0,08% 99,88%
Martinique Martinique 1 0,04%
Total Martinique 1 0,04% 99,92%
Guadeloupe Guadeloupe 1 0,04%
Total Guade loupe 1 0,04% 99,96%
La Runion La Runion 1 0,04%
Total La R union 1 0,04% 100,00%

Total g n ral 2580 100%

171
 Graphique 3.1 : Distribution des questionnaires envoys par rgion

Ainsi, nous avons dfini notre chantillon. Nous dveloppons dans ce qui suit la dmarche
choisie afin de concevoir notre questionnaire.

3.1.2.1.3 Conception et pr-test du questionnaire

La conception et le pr-test du questionnaire constituent un axe incontournable de la qualit

de la recherche par enqute (Pinsonneault et Kraemer, 1993). Cette technique est choisie dans
les travaux empiriques grce plusieurs objectifs: elle permet de tester la forme des questions
et leur ordonnancement, dexaminer la comprhension des personnes interroges, dexaminer
la pertinence des modalits de rponse proposes (Baumard et al., 2003) et enfin de vrifier le
temps de rponse requis.

172
Les analyses du chapitre prcdent ont contribu la conception dun questionnaire de
recherche permettant de mesurer les variables impliques dans le modle thorique. cet
gard, notre questionnaire devrait contenir un ensemble de dimensions, et chacune mesure un
concept grce une ou plusieurs variables observs et directement mesurables. Ainsi, chaque
ensemble ditems forme ce quon appelle un instrument de mesure1.

Toutefois comme nous venons de le citer, le prtest du questionnaire pourrait se rvler trs
utile afin de vrifier si les questions sont formules et prsentes de manire comprhensive
(Komarev, 2007). Baumard et al. (2003, p.228) montrent quun prtest est ncessaire pour
mettre lpreuve la forme des questions, leur ordonnancement, et vrifier la
comprhension des rpondants ainsi que la pertinence des modalits de rponse proposes.
Pour russir cette phase de pr-test, Van der Stede et al. (2005) citant Dillman2
recommandent de consulter trois groupes de personnes : les chercheurs, les personnes
interroges et les diffrents utilisateurs du questionnaire. Nous nous inspirons de cette
prconisation pour raliser le prtest du questionnaire de recherche. Pour cela, nous avons
distingu deux catgories de personnes : (1) des chercheurs en sciences de gestion ayant une
expertise dans les recherches quantitatives par questionnaire et (2) des responsables du
contrle de gestion et de la direction administrative financire.

Le droulement de la conception et du pr-test du questionnaire ont t faits selon trois tapes

(Cf. Schma 3.5). la fin de chaque tape, une discussion avec les personnes concernes a
t mene et des modifications proposes par celles-ci ont t apportes au questionnaire,
avant daborder ltape suivante.

Ainsi, dans une premire tape, nous avons analys la revue de littrature afin de dfinir
les concepts et de construire les diffrentes chelles de mesure. Ceci nous a permis de
slectionner un premier ensemble ditems pour chaque concept. Nous avons observ via notre
revue de littrature quil existe trs peu dtudes sur la diversit et lutilit des indicateurs de
TB des ETI franaises. Par consquent, la conception de notre premire version du
questionnaire a t effectue laide des chelles de mesure qui sont construites et valides
dans le contexte franais.

1
Pour Hinkin (1995) et Baumard et al. (2003), cela permet de nettoyer lchelle de mesure en corrigeant la
formulation des items ambigus ou en supprimant des items qui se rvlent incohrents avec le reste de lchelle.
2
Dillman D. (1999), "Mail and internet surveys: The tailored design method", Wiley, New York.
173
Dans une deuxime tape, notre questionnaire a t soumis quatre professeurs
universitaires1, le premier en mthodologie de recherche, le deuxime en sciences de gestion
et nos deux co-directeurs de thse. Ce pr-test est une tape ncessaire et importante dans le
cadre du processus de construction dun questionnaire (Boudreau et al., 2001).

Les modifications ont port sur la formulation de certaines questions (modifications de type
1); comme par exemple la question 1 de la partie I et la question 2 de la partie IV du
questionnaire (Cf. Annexe 1).

Enfin, dans une dernire tape, nous avons prsent notre questionnaire un groupe de neuf
personnes : huit contrleurs de gestion et un directeur administratif et financier. Cela nous a
permis danticiper lavenir de notre enqute (Van der Stede et al., 2005). Le pr-test consiste
vrifier le questionnaire auprs dun petit chantillon diversifi dindividus, en vue
damliorer la qualit de celui-ci (Malhotra, 2004). Cette technique a pour objectif de rvler
les erreurs commises, de sassurer de la clart, de la bonne comprhension des questions et
dvaluer la dure moyenne de rponse (Converse et Presser, 1986; McLaughlin, 1999;
Evrard et al., 2003 ; Jolibert et Jourdan, 2006). Ainsi, notre groupe a valu la dure du
questionnaire : une dure de rponse moyenne entre 15 et 20 minutes a t fixe.

Les modifications formules (modifications de type 2) concernent le contenu des questions

(certains items sont qualifis par les professionnels de vagues et imprcis, ctait le cas par
exemple de la question 1 de la partie II du questionnaire), la formulation des questions (par
exemple la question 8 de la partie IV du questionnaire), la fluidit du questionnaire (ordre des
questions), lintgration dautres lments au questionnaire (par exemple la question 5 de la
partie IV du questionnaire), ainsi que des modifications sur le fond (pertinence des questions
poses, la structure grammaticale de quelques questions) et sur la forme du questionnaire
(agencement et disposition des questions, utilisation de termes appropris et comprhensibles)
(Cf. Annexe 1).

Suite aux diffrentes modifications, notre questionnaire a t valid par notre Directeur et
notre Co-Directeur de recherche. Aucune modification supplmentaire na t demande.

Le schma ci-dessous retrace le droulement de cette phase de conception et de pr-test.

1
Ils sont expriments en utilisation de questionnaires dans des recherches quantitatives en sciences de gestion.
174
 Schma 3.5 : De la phase de conception la phase de pr-test et de validation du
questionnaire

PHASE DE CONCEPTION
Analyse de la revue de littrature

Choix des chelles de mesure

Conception du questionnaire de
recherche

Le pr-test du questionnaire auprs

de 4 professeurs universitaires
PHASE DE PR-TEST ET DE VALIDATION

Modifications de type 1

Le pr-test du questionnaire auprs

de 9 responsables financiers

Modifications de type 2

Validation du questionnaire final

Aprs avoir dcrit la phase de conception et de pr-test du questionnaire, nous abordons ci-
dessous lorganisation du questionnaire final.

175
 3.1.2.1.4 Organisation du questionnaire final

Lorganisation du questionnaire de recherche est une tape capitale quil est judicieux
daborder avec prcaution. En effet, un questionnaire bien structur permet damliorer
considrablement le taux de rponse de celui-ci (Malhotra, 2004).

cet gard, nous avons apport un soin particulier lorganisation et la prsentation de

notre questionnaire en ligne. Ce dernier a t structur en quatre principales parties (Cf.
Annexe 1) :

- Informations gnrales : Cette premire partie du questionnaire est compose de

quatre questions. Ces dernires sont gnrales et portant sur les caractristiques de
lentreprise; elles permettent de collecter des donnes sur la taille de lentreprise,
son secteur dactivit, sa forme juridique et la formation du dirigeant des entreprises
de notre chantillon de recherche.

- Environnement, structure de lentreprise et informatisation: Cette deuxime

partie est compose de six questions. Trois questions cherchant recueillir des
donnes sur le dynamisme de lenvironnement1, et sur la prvisibilit du
comportement des concurrents et des clients2. Deux questions permettant de
collecter des donnes sur la dcentralisation verticale et horizontale de la prise de
dcision. Enfin, la sixime question permet de collecter les donnes concernant le
degr dutilisation des outils informatiques informatisation pour la mesure de la
performance des ETI.

- Variables de contrle : Cette partie a pour objet dtudier la stratgie des ETI
(domination par les cots, diffrenciation et focalisation) et sintresse aux autres
variables de contrle comme limplantation du budget, limplantation de la mthode
ABC et la cotation en bourse. Elle contient sept questions.

1
On lappelle encore la variabilit de lenvironnement. Daprs Duncan (1972), ce dynamisme reprsente la
rapidit et lampleur des changements dans les lments de lenvironnement, qui exige une grande rapidit de
raction et danticipation de la part des dcideurs organisationnels (Milliken, 1987).
2
Elle sappelle aussi complexit, ou encore imprvisibilit de lenvironnement (Duncan, 1972), est associe la
difficult pour le dcideur de constituer des liens clairs de cause effet entre les vnements de lenvironnement,
leurs consquences pour lorganisation et le dfi de prendre des dcisions en rponse aux changements de
lenvironnement (Komarev, 2007).
176
 - Nature et caractristiques des indicateurs de performance de tableaux de
bord : Cette dernire partie voque la nature et les caractristiques des indicateurs
de performance au sein des TB des ETI. Elle est compose de neuf questions.

En outre, la version en ligne de notre questionnaire est rpartie en quatre pages. Elle
comprend au total 26 questions. Celles-ci ont t mlanges avec prcaution de faon crer
un effet discriminant entre elles et viter lintroduction de certains biais au moment des
rponses (Igalens et Roussel, 1998 ; Evrard et al., 2003).

Dans cette intention, et pour viter leffet de halo (risque de voir une personne rpondre avec
la mme modalit de rponse lensemble des questions), ainsi que leffet de contamination
(limpact potentiel dun item sur un ou plusieurs autres items) (Igalens et Roussel, 1998),
nous avons mlang toutes les questions en changeant chaque fois deux ou plusieurs thmes
(incertitude de lenvironnement, structure de lentreprise, informatisation, etc.). Nous avons
aussi eu recours aux items inverss (Cf. Annexe 1 : question 5.a) et 5.c) de la partie II du
questionnaire), pour spcifier la forme des questions et entraner plus de concentration de la
part du rpondant.

De surcrot, nous avons appliqu la technique de lentonnoir recommande par plusieurs

auteurs (Evrard et al., 2003 ; Jourdan et Jolibert, 2006). Celle-ci consiste commencer le
questionnaire par des questions simples, telle que notre premire question de la partie I (Cf.
Annexe1) : Votre entreprise est : a) une socit anonyme (SA), b) une socit par actions
simplifie (SAS), c) une socit responsabilit limite (SARL), d) Autres, veuillez prciser .
Ensuite, au fur et mesure de lavancement du questionnaire, nous introduisons des questions
qui ncessitent plus de rflexion de la part des personnes interroges, comme par exemple:
Veuillez indiquer le degr dutilit de vos indicateurs de performance dans le pilotage de la
performance. . Lintrt de cette technique est de permettre au rpondant de se familiariser
avec le sujet tudi et le type de questions poses.

Dans ce travail, la totalit des questions prsentes dans le questionnaire sont fermes1,
tablies sur une chelle de Likert de 1 5, sauf pour certaines qui sont fermes choix
unique, par exemple les questions 1, 2, 3 et 4 de la partie I du questionnaire, etc. (Cf.
Annexe1).

1
Ce choix est justifi par le fait que les rponses ces questions sont faciles codifier et analyser ce qui nest
pas le cas pour les questions ouvertes.
177
Lenqute sest droule du 10 octobre 2013 au 09 janvier 2014. Une fois llaboration du
questionnaire termine, nous avons rdig une lettre daccompagnement qui prcise lobjet,
lobjectif, lintrt de lenqute. En outre, pour rassurer les personnes interroges, nous avons
insist sur la garantie de lanonymat et la confidentialit des rponses (Cf. Annexe 2).

Aprs avoir dcrit lorganisation du questionnaire, nous abordons ci-dessous la phase

dadministration du questionnaire en ligne.

3.1.2.1.5 Administration du questionnaire en ligne

Le dveloppement spectaculaire du rseau Internet et des messageries lectroniques a ouvert

de nouvelles perspectives devant les recherches quantitatives utilisant des enqutes (Komarev,
2007). Vu que lobjectif de notre recherche est dobserver et interprter les liens qui
pourraient exister entre les principaux facteurs de contingence, la diversit des indicateurs de
performance et lutilit des TB dans le pilotage de la performance des ETI. La ncessit de
recueillir un nombre suffisant de donnes est apparue importante. Pour cela, lenqute par
questionnaire a t construite en ligne en utilisant le logiciel LimeSurvey1.

A ce titre, nous soulignons que nous avons utilis le courrier lectronique avec une adresse
URL2 incluse solution qui nous facilite ensuite ladministration de notre questionnaire ; dans
ce cas, le courriel contient un lien lectronique sur lequel le rpondant doit cliquer afin
daccder au questionnaire, sous forme dun site web (Cerdin et Peretti, 2001).

En plus, nous avons hberg notre questionnaire sur le serveur web de luniversit de
Bordeaux3:
http://enquete.u-bordeaux4.fr/index.php/survey/index/sid/335987/newtest/Y/lang/fr.Pour cela,
nous avons utilis les donnes extraites de la base de donnes DIANE et avons constitu
ensuite une liste complte de 2 580 adresses lectroniques des ETI de notre chantillon de
recherche. Cependant, puisque la base DIANE ne contient pratiquement que des adresses
gnrales des entreprises, nous avons demand aux destinataires de transmettre le courriel aux
responsables du contrle de gestion et aux responsables financiers. Ainsi, grce LimeSurvey

1
LimeSurvey est un logiciel qui permet de raliser des questionnaires et sondages en ligne sur le site
http://www.LimeSurvey.org par envoie d'invitations.
2
Universal Resource Locator.
3
Nous avons programm notre page web dune manire qui permet aux interrogs davoir laccs uniquement en
tapant lURL de la page. Du coup, les requtes lances par des internautes sur des moteurs de recherche ne leurs
permet pas daboutir notre site.
178
nous avons envoy la lettre daccompagnement chaque ETI slectionne en lui demandant
de rpondre notre enqute en ligne (Cf. Annexe2). Pour soigner lergonomie gnrale du
message, nous avons utilis le langage HTML1.

Comme nous venons de laborder, nous avons choisi de manager notre questionnaire par voie
lectronique en utilisant un site web. Plusieurs raisons justifient notre choix, quant ce mode
dadministration :

- la rapidit denvoi et de rception : Internet est considr comme le moyen de

communication le plus rapide pour grer un questionnaire et collecter des rponses, en
comparaison avec les moyens classiques tels que les questionnaires sur papier, en
face--face ou par tlphone (Kiesler et Sproull, 1986; Schmidt, 1997;Zhang, 1999;
Evrard et al., 2003; Malhotra, 2004 ; Hsu et al., 2007).

- lenvoi peut seffectuer par centaines en quelques secondes ;

- le cot denvoi est quasiment nul ;

- lanonymat : la diffusion du questionnaire travers un site web assure lanonymat du

rpondant (Baumard et al., 2003 ; Malhotra, 2004). En effet, nous avons choisi ce
moyen de communication par rapport au courriel avec fichier attach, parce que celui-
ci ne garde aucune traabilit de lidentit du rpondant. Ceci permet de mettre en
confiance le rpondant, au moment du remplissage du questionnaire (Zhang, 1999;
Jolibert et Jourdan, 2006).

- la dsirabilit sociale : cette notion dcrit le comportement par lequel les personnes
interroges rpondent de faon satisfaire les attentes de lenquteur (Igalens et
Roussel, 1998 ; Malhotra, 2004). Ce biais se prsente souvent dans les enqutes en
face--face et par tlphone (Kiesler et Sproull, 1986). Par consquent,
ladministration de notre questionnaire en ligne permet de diminuer ce biais et de
collecter des donnes plus fiables.

1
Le HTML ("HyperText Markup Language") est un langage informatique qui permet de crer et structurer des
pages Web. Il rend possible la lecture de documents partir dordinateurs diffrents grce au protocole HTTP,
ceci permet d'accder via le rseau des documents reprs par une adresse unique, appele URL.
179
Par ailleurs, nous avons divis notre population de base (les 2 580 ETI) en cinq groupes
diffrents, quatre groupes de 500 ETI et le dernier de 580 ETI. Lenvoi des invitations pour
rpondre notre questionnaire en ligne est effectu par groupe et sur des priodes de quinze
jours. Afin damliorer le taux de rponses, nous avons tlphon aux entreprises vises pour
leur expliquer oralement lobjectif de notre recherche et afin de les rassurer aussi concernant
la confidentialit et lanonymat des rponses. Dans le mme cadre, et pour rappeler chaque
personne interroge, nous avons paramtr LimeSurvey pour renvoyer une deuxime fois les
invitations trois jours aprs le premier envoi.

Cependant, en raison du nombre de retours assez faible dans les premires semaines denvoi,
nous avons effectu des envois de courriels dinvitations complmentaires ceux de
LimeSurvey travers nos comptes professionnels Viadeo1 et linkedIn2. Ces comptes nous ont
permis de contacter directement certains responsables financiers et contrleurs de gestion de
2 580 ETI prslectionnes. Quelques semaines plus tard nous avons ressenti leffet de cette
action sur laugmentation du nombre de rponses reues. Il est noter galement que
plusieurs responsables interrogs ont manifest leur intrt pour notre tude et nous leur
avons envoy une synthse de notre recherche par courriel.

Le schma ci-dessous prsente les phases de droulement de notre mode dadministration du

questionnaire avec la mise en vidence des rapports entre lobservateur et la personne
observe (prsentation inspire du travail du Gueguen (2000, p.4)).

Schma 3.6 : Les phases du processus dadministration du questionnaire en ligne

Observateur Observ

Invitation rpondre au Rception de le-mail avec

questionnaire en ligne une adresse URL incluse

Collecte des rponses dans la Connexion sur le site, rponse

base de donnes de lUniversit en ligne et validation

1 Viadeo est un rseau social professionnel cr par Dan Serfaty et Thierry Lunati. Le Groupe revendique 55
millions de membres en aot 2013 dont 8 millions en France.
2
LinkedIn est un rseau social professionnel en ligne cr en 2003 Mountain View (Californie). Dbut 2014, le
site revendique plus de 300 millions de membres appartenant plus de 200 pays et territoires.
180
Une fois le questionnaire envoy aux responsables financiers des ETI, nous avons commenc
la collecte des donnes qui fera lobjet du point suivant.

3.1.2.1.6 Collecte de donnes

Ladministration du questionnaire en ligne auprs de 2 580 ETI a permis de collecter 361

rponses, soit un taux de rponse initial de 13.99 %. Au moment de la vrification des
rponses, nous nous sommes aperus de lexistence de certaines valeurs manquantes. Celles-
ci sont des valeurs que le rpondant na pas renseignes au moment du remplissage du
questionnaire (Malhotra, 2004). Lexistence de ces valeurs dans une base de donnes pose un
rel souci dans les tudes empiriques bases sur des questionnaires (Roth et Switzer, 1995;
Raajmakers, 1999 ; Fichman et Cummings, 2003). Elle introduit en effet un biais important
quant la robustesse et la prcision des rsultats obtenus (Roth et Switzer, Op. Cit.).

De ce fait, nous avons calcul le pourcentage des valeurs manquantes par individu, afin
dliminer les rpondants ayant un pourcentage de non-rponse lev. Pour ce faire, nous
avons exclu 205 rponses excessivement incompltes et qui se sont avres inexploitables ;
dans ce contexte, nous avons galement exclu les entreprises ayant subi une volution rcente
de taille, comme par exemple les entreprises ayant un nombre demploys suprieur 4 999
ou un chiffre daffaires suprieure 1,5 milliard deuros ou un total du bilan suprieur
2 milliards deuros. Cela reprsente donc 7,94% du total du nombre de questionnaires
envoys. Le tableau ci-dessous rcapitule les diffrents taux de retour de notre questionnaire.

Tableau 3.8 : Taux de retour du questionnaire diffus

Nombre denvois %

Nombre de questionnaires
2 580 100 %
envoys
Nombre de questionnaires
361 13,99 %
retourns complts
Nombre de questionnaires
205 7,94 %
retourns inexploitables
Le taux de retour rel
(nombre de questionnaires 156 6,05%
retourns exploitables)

181
Finalement, nous avons gard 156 rponses compltes et exploitables1. Cela reprsente un
taux de rponse rel de 6,05 %2. Donc notre chantillon est compos de donnes de 156 ETI,
cette taille (N=156) est satisfaisante pour effectuer les analyses exploratoires (Cf. Chapitre 4).

Aprs avoir dcrit en dtail la mise en uvre de la collecte des donnes, nous examinons dans
le point suivant la fiabilit et la validit des chelles de mesure.

3.1.2.2 Construction des instruments de mesure

La validation du questionnaire entrane des tests sur les instruments de mesure utiliss (Hair et
al., 1998, p.117-118). Pour examiner si les donnes collectes rendent compte le plus
prcisment possible de la ralit, il convient de vrifier que les instruments de mesure qui ont
t utiliss satisfont aux critres de fiabilit et de validit.

3.1.2.2.1 Fiabilit dune chelle

La fiabilit (ou fidlit) fait rfrence la rgularit de la mesure. Autrement dit, si on mesure
un mme phnomne plusieurs fois avec le mme instrument, on doit obtenir le mme rsultat
sur le mme sujet (Carricano M. et al., 2010 ; Evrard et al., 2003). Dans notre recherche, nous
parlons souvent de fiabilit interne pour les mesures qui comportent plusieurs items.

La fiabilit dune chelle de mesure renvoie la cohrence interne entre les indicateurs
mesurant le mme phnomne (Igalens et Roussel, 1998 ; Peter, 1979). Elle traduit la capacit
dune chelle de mesure gnrer des rsultats similaires dans le cas o elle serait envoye
plusieurs fois une population (Drucker-Godard et al., 2003 ; Roussel, 1996).

Une des mthodes les plus rpandues destimation de la fiabilit dun instrument de mesure
est le calcul du coefficient alpha de Cronbach (Cronbach, 1951, Jolibert et Jourdan, 2006 ;
Drucker-Godard et al., 2003). Lindicateur alpha propos par Cronbach en 19513 permet

1
Nous dpassons ainsi le seuil minimum de 100 participants au total (cf. Nunnally (1978), Psychometric
Theory,2e d., Mc Graw Hill), et aussi celui de 10 rponses compltes par variable du modle tel que
recommand par Hair et al. (1998) et Stafford et Bodson (2006, p.60). Avec 12 variables du modle et 156
observations (ou rponses), ce critre est satisfait.
2
Pour Bescos et Cauvin (2004) et Bescos et al. (2004, p.172), un taux de rponse denviron 8 10 % est tout
fait courant pour les tudes ralises en France. Dans ce travail, nous ne sommes pas loin de la moyenne des
taux.
3
Cronbach L.J. (1951), "Coefficient alpha and the internal structure of tests", Psychometrika, Vol. 16, pp. 297-
334.
182
destimer la cohrence interne dune chelle comprenant un ensemble ditems, chacun dentre
eux apportant un contenu informationnel supplmentaire la mesure dun construit. Il sagit
de sassurer que les items sont suffisamment homognes entre eux, autrement dit, que chaque
item prsente une cohrence avec lensemble des autres items de lchelle (Igalens et Roussel,
1998). Dans ce cas, les items partagent assez de variance.

Lindice de Cronbach se calcule en appliquant la formule suivante :

k ki=1 2i
= [1 2 ]
k1 chelle

Avec :
k : nombre total ditems qui composent linstrument de mesure ;
i : variance de litem i;
chelle : variance de linstrument dans son ensemble.

Le coefficient alpha de Cronbach peut prendre plusieurs valeurs, de 0 jusqu 1. Cet indice
traduit un degr dhomognit dautant plus lev que sa valeur est proche de 1 1. A
contrario, un de Cronbach proche de 0 indique que lchelle de mesure nest pas fiable.
Bien que la littrature portant sur la mthodologie de recherche ne fasse pas tat dun
consensus sur le sujet, beaucoup dauteurs estiment quun de Cronbach est acceptable pour
des recherches exploratoires partir de la valeur de 0,62 (Malhotra, 2004 ; Mak, 1989 ; Evrard
et al., 1993 ; Usunier et al., 1993, Peterson, 1995). Evrard et al. (2003) considrent quune
valeur dalpha comprise entre 0,6 et 0,8 est acceptable dans une tude exploratoire. En
revanche, Nunnally (1967) et Peter (1979), parviennent peu prs au mme constat en fixant
lintervalle dacceptation entre 0,50 et 0,60.

Le tableau suivant rcapitule et prsente les principales caractristiques relatives aux tests de
fiabilit dune chelle de mesure.

1
En pratique, plus alpha de Cronbach se rapproche de 1, plus les items sont corrls entre eux et plus lchelle a
une bonne cohrence interne. Dans ce cas, les items peuvent tre additionns pour former un score global de
cette chelle car ils sont censs mesurer un mme phnomne.
2
de Cronbach Jusquaux niveaux de 0,7 0,8 tmoignant dune bonne cohrence interne de lchelle et
lintervalle 0,8 0,9 refltant une excellente cohrence entre les items.
183
 Tableau 3.9 : Interprtation de la fiabilit dune chelle de mesure
Coefficients Tests raliss Valeurs obtenues Interprtations
0,6 < Alpha < 0,8
Alpha de Cronbach Test de cohrence
Cas de recherche Acceptable
global interne du construit
exploratoire
Litem dtriore
lAlpha global :
Alpha de Cronbach Test de cohrence si Si Alpha sans item > litem doit tre exclu
par item un item est enlev Alpha global et une nouvelle
analyse factorielle
doit tre ralise
Source : Peterson (1995)

Dans ce travail, nous utilisons lalpha de Cronbach avant deffectuer lanalyse factorielle
exploratoire de notre chantillon.

Par ailleurs, la fiabilit est une condition ncessaire pour garantir la qualit des chelles de
mesure, mais elle nest pas suffisante. Nous tudions dans le point suivant, la validit dune
chelle, considre comme un critre complmentaire la fiabilit.

3.1.2.2.2 Validit dune chelle

La validit dune chelle de mesure est relative au degr auquel cette chelle mesure ce
quelle est suppose mesurer, cest--dire le concept (Drucker-Godard et al., 2003 ; Hair et al.,
1998). Les tests de validit ont pour objectif dexaminer si les diffrents items dune chelle
ont une bonne reprsentation du phnomne tudi (Carricano et al., 2010). Il sagit de
rpondre la question suivante : Mesure-t-on ce que lon cherche mesurer? (Evrard et
al., 2003). Nous distinguons dans ce travail les trois principaux types de validit les plus
souvent discuts : la validit de contenu, la validit nomologique et la validit de construit.

3.1.2.2.2.1 Validit de contenu

La validit de contenu, comme son nom lindique, repose sur la nature du contenu du test par
rapport lobjet mesurer. Ce test doit contenir les diffrents aspects du phnomne tudi
(Carricano et al., 2010 ; Evrard et al., 2003 ; Jolibert et Jourdan, 2006). Il vise sassurer que
184
les items retenus forment un chantillon reprsentatif et exhaustif du contenu thorique du
domaine du construit (Nunnally et Bernstein, 1994).

La validit de contenu est une valuation subjective, Elle sappuie sur le jugement,
lexprience et la connaissance du chercheur (Evrard et al., 2003 ; Malhotra, 2004).

Dans le cadre de ce travail, pour valider nos chelles de mesure, nous avons soumis celles-ci
quatre professeurs universitaires en sciences de gestion et en mthodologie de recherche, afin
quils puissent valuer la capacit de chaque chelle capturer les diffrents aspects du
phnomne quelle est cense mesurer. Leur rponse nous a permis dtablir la validit du
contenu de nos chelles.

3.1.2.2.2.2 Validit nomologique

La validit nomologique vrifie une corrlation entre les concepts thoriques et les construits
qui les oprationnalisent. Celle-ci est aboutie en prouvant une relation entre le test valider et
un autre test, dj valide, qui mesure un construit qui devrait thoriquement tre corrl avec
un autre construit (Evrard et al., 2009). Ce type de validit sert confronter les rsultats
obtenus aux hypothses initiales de recherche.

3.1.2.2.2.3 Validit de construit

La validit de construit cherche rpondre la question suivante : est-ce que les diffrents
indicateurs offrent une bonne reprsentation du phnomne tudi ? (Carricano et al., 2010).
Elle est le plus souvent teste avec la technique de lanalyse factorielle exploratoire (en
loccurrence, lanalyse en composantes principales). Ce type de validit vise sassurer que
lchelle value parfaitement et uniquement le construit tudi (Jolibert et Jourdan, 2006).
Pour ce faire, nous employons dans ce travail deux type de validit de construit : la validit
convergente et la validit discriminante

La validit convergente est tablie lorsque les indicateurs dun mme construit sont
suffisamment corrls entre eux (Carricano et al., 2010 ; Evrard et al., 2003 ; Malhotra, 2004;
Jolibert et Jourdan, 2006). Nous parlons dans ce cas dhomognit de lchelle (Roussel,
1997).

185
La validit discriminante permet de montrer que les indicateurs qui sont censs mesurer des
phnomnes diffrents, sont faiblement corrls entre eux (Carricano et al., 2010 ; Roussel et
al., 2002 ; Evrard et al., 2009 ; Malhotra, 2004 ; Jolibert et Jourdan, 2006). Elle est assure
lorsque les items dune chelle de mesure se distinguent suffisamment des items dautres
chelles voisines.

Dans ce travail de recherche, la validit de construit, dans sa dimension convergente et

discriminante, sera traite en analysant les corrlations du coefficient Rh de Pearson.

Par ailleurs, les tests de fiabilit et de validit des chelles sont assurs grce au logiciel de
traitement de donnes SPSS statistics 20. Ce logiciel dIBM1 a t slectionn en raison de sa
convivialit et sa souplesse dans lexcution des diffrentes analyses statistiques. En effet,
suite une comparaison entre SPSS et SAS2, Chandon (2007) constate que le premier logiciel
prsente des avantages au niveau de la facilit dutilisation et de lauto-formation.
Paralllement, une autre tude comparative entre trois logiciels SPSS, SAS et SPAD 3, indique
que le premier prsente certains avantages au niveau des analyses factorielles (Chavent et al.,
2007). De ce fait, SPSS offre diffrentes mthodes dextraction des facteurs et permet, lors
des analyses factorielles, destimer la matrice des composantes. Il offre aussi une rotation des
facteurs, qui permet didentifier la structure factorielle de lchelle tudie (Cf. Chapitre 4).

Ainsi, nous exposons prsent les rsultats des tests de fiabilit et de validit des chelles de
mesure sous SPSS.

3.1.2.2.3 Examen de la fiabilit des instruments de mesure relatifs aux facteurs

de contingence de lchantillon

Ltude de la fiabilit des instruments de mesure est assure laide du coefficient alpha de
Cronbach. Le test de ce critre est appliqu uniquement sur les variables mesures par
plusieurs items. Dans ce travail, trois facteurs de contingence qui appartient cette catgorie
de variables explicatives : linformatisation , la structure et lincertitude de
lenvironnement .

1
International Business Machines.
2
Statistical Analysis System
3
Systme Portable de lAnalyse des Donnes.
186
Il convient alors de prsenter et dtudier les principaux rsultats du test de fiabilit de nos
instruments de mesure (Cf. Annexe 3).

3.1.2.2.3.1 Informatisation

Linformatisation est mesure par les items suivants :

- ERP (Entreprises Ressource Planning ; en franais progiciel de gestion intgr),

- Outils de Business Intelligence / dcisionnel / reporting,
- Outils de planification budgtaire,
- Outils de consolidation,
- Outils de bureautique.

Le tableau 3.10 rcapitule les valeurs du coefficient alpha de Cronbach de lchelle de mesure
informatisation.
Tableau 3.10 : Statistiques de fiabilit de la variable Informatisation
Alpha de Cronbach Alpha de
en cas de lchelle avec
Variable Items
suppression de lensemble des
l'lment items
Degr_utilisation_Info_ERP 0,638
Degr_utilisation_Info_BI_DR 0,555
Informatisation Degr_utilisation_Info_PB 0,573 0,660
Degr_utilisation_Info_Consolidation 0,586
Degr_utilisation_Info_Bureautique 0,665

Le degr de consistance interne de lchelle de mesure informatisation affiche un alpha de

Cronbach de 0,66. Ce score reflte une consistance interne acceptable (Peterson ; 1995 ;
Malhotra, 2004 ; Mak, 1989 ; Evrard et al., 1993 ; Usunier et al., 1993, Peterson, 1995 ;
Nunnally, 1967 ; Peter ; 1979). Les cinq items de notre chelle contribuent tous la fiabilit
de celle-ci.

3.1.2.2.3.2 Structure

Le degr de dcentralisation structurelle est valu grce deux dimensions :

- degr de dcentralisation horizontale (DDH) de la prise de dcision PD ;

- degr de dcentralisation verticale (DDV) de la prise de dcision PD.
187
Le tableau ci-dessous rsume les valeurs alpha de Cronbach des deux dimensions prcites de
lchelle de mesure structure. La premire dimension DDH tant compos de quatre
items admet un alpha de Cronbach gal 0,743. La deuxime dimension DDV forme de
cinq items a un alpha de Cronbach gal 0,748. Les valeurs alphas de Cronbach sont
suprieures de 0,60 pour les deux dimensions. Donc celles-ci sont fiables.

Tableau 3.11 : Statistiques de fiabilit des deux dimensions de la variable Structure

Alpha de
Alpha de
Cronbach en
Dimensions lchelle avec
Items cas de
de la variable lensemble
suppression de
des items
l'lment
DDH_participation_dir_PD 0,654
Degr de dcentralisation
DDH_dir_PD_consultation_coll 0,705
horizontale (DDH) de la prise 0,743
DDH_collaborateurs_dir_PD 0,715
de dcision PD
DDH_collaborateurs_seuls_PD 0,655
DDV_dvelopp_lancement_nps 0,688
Degr de dcentralisation DDV_embauche_licenciement 0,697
verticale (DDV) de la prise de DDV_fixation_prix_vente 0,681 0,748
dcision PD DDV_choix_investissements 0,647
DDV_dcisions_oprationnelles 0,781

Bien que la suppression de litem DDV_dcisions_oprationnelles permet damliorer

relativement lhomognit de la dimension DDV , nous avons dcid dans cette phase de
conserver lensemble des cinq items qui prsentent lchelle.

3.1.2.2.3.3 Incertitude de lenvironnement

Lincertitude de lenvironnement est mesure par les quatre items suivants :

- dynamisme de lenvironnement externe au plan conomique ;

- dynamisme de lenvironnement externe au plan technologique ;
- prvisibilit des actions et des comportements des concurrents sur le march ;
- prvisibilit des prfrences et des comportements des clients.

Le tableau 3.12 illustre les statistiques associes aux items mesurant lchelle incertitude de
lenvironnement . la lecture de ce tableau, nous constatons que lindice de Cronbach de
la variable incertitude de lenvironnement prsente une valeur suprieure au seuil
dacceptabilit.

188
 Tableau 3.12 : Statistiques de fiabilit de la variable Incertitude de lenvironnement
Alpha de Alpha de
Cronbach en cas lchelle avec
Variable Items
de suppression de lensemble des
l'lment items
Dynamisme_env_plan_conomique 0,757
Incertitude de Dynamisme_env_plan_technologique 0,772
0,800
lenvironnement Prvisibilit_comportement_concurrents 0,728
Prvisibilit_comportement_clients 0,739

La remarque que nous voudrions faire, est quaucune suppression ditems ne permettrait
damliorer la fiabilit de lchelle de mesure.

Enfin, les variables de contrle de notre modle de recherche sont prsentes chacune par un
seul item (Cf. 3.1.1.1.2 les mesures des variables de contrle). Ainsi, leurs chelles de mesure
sont automatiquement fiables.

3.1.2.2.4 Examen de la validit des instruments de mesure relatifs aux facteurs

de contingence de lchantillon

Un instrument de mesure est valide si et seulement si les items employs pour valuer le
concept tudi refltent une bonne reprsentation. Afin dexaminer ce critre, nous devons
nous assurer que les items censs mesurer un phnomne donn soient fortement corrls
entre eux (validit convergente), et que les items censs valuer des phnomnes diffrents
soient faiblement corrls entre eux (validit discriminante).

Dans ce travail, nous avons utilis le Rh de Pearson pour tester la validit de nos instruments
de mesure. Selon notre annexe 4, les chelles informatisation et incertitude de
lenvironnement , indiquent une validit convergente trs satisfaisante au niveau de 1% ou
de 5 %.

Par ailleurs, le test de validit pour la variable structure 1, prouve que les items qui
mesurent la dimension degr de dcentralisation horizontale DDH sont corrls entre eux
de faon significative au seuil de 1%. Cette remarque est valable galement pour les items
censs mesurer la dimension degr de dcentralisation verticale DDV sauf pour litem
DDV_dcisions_oprationnelles qui est moins corrl avec les autres items de DDV (ce

1
Mesure ici par deux dimensions composes chacune de plusieurs items.
189
point sera tudi en dtail dans le chapitre 4, section 2 Validation du modle thorique ).
En outre, les items censs mesurer le DDH sont faiblement corrls avec les items supposs
valuer le DDV lexception de certains items marqus en gris (Cf. Annexe 4). Ainsi, la
validit convergente et la validit discriminante sont satisfaisantes.

Toutefois, il faut souligner que mme si ces chelles attestent dune validit et dune fiabilit
acceptables, celles-ci ncessitent dtre retestes sur dautres chantillons afin de prouver leur
robustesse et leur stabilit.

Au final, aprs cet examen de de la fiabilit et de la validit des chelles, nous prsentons ci-
dessous une description dtaille qui reflte la rpartition des ETI selon les diffrentes
modalits des variables tudis.

3.2 Description de lchantillon dtude

Avant de commencer lanalyse des distributions statistiques de nos ETI selon les variables du
modle, nous soulignons que notre chantillon est compos essentiellement de socits
anonymes (SA)1 et de socits par actions simplifies (SAS)2 (137 ETI soit 87,82 % des ETI
de notre chantillon). Les socits responsabilit limite (SARL)3 sont minoritaires, elles
reprsentent environ 9,6% des ETI de lchantillon (Cf. Annexe 5).

Il est noter galement que la taille de lchantillon (N = 156) offre une reprsentation
acceptable des ETI, et rpond donc correctement aux besoins de lenqute. Dans cette section,
nous allons prsenter les statistiques descriptives relatives aux variables de notre chantillon
laide de SPSS (version 20.0).

3.2.1 Prsentation des statistiques descriptives des principaux facteurs de

contingence

Dans notre tude, nous avons choisi trois principaux facteurs de contingence dordre
organisationnel, il sagit de linformatisation, la structure et lincertitude de lenvironnement.

1
Cest une socit de capitaux. Son statut protge partiellement ses actionnaires en cas de faillite.
2
Cest une socit commerciale, elle est la fois socit de capitaux, ce qui la rapproche de la socit anonyme,
et socit de personnes, ce qui en fait une socit mixte.
3
Cest est une socit commerciale o la responsabilit est limite aux apports, et qui prsente des
caractristiques d'une socit de personnes. La SARL est constitue de 2 associs au minimum et de 100 au
maximum. Les parts dtenues dans le capital ne sont accessibles quavec laccord de tout ou partie des associs.
190
Les scores obtenus sur les diffrents items permettent de prsenter la distribution des ETI
selon chaque facteur de contingence.

3.2.1.1 Linformatisation

Linformatisation est mesure ici par le degr dutilisation des outils informatiques de gestion
des ETI. Cette variable est prsente par les cinq items suivants :

- degr dutilisation des progiciels de gestion intgre ERP ;

- degr dutilisation des outils de Business Intelligence / dcisionnel / reporting ;
- degr dutilisation des outils de planification budgtaire ;
- degr dutilisation des outils de consolidation ;
- degr dutilisation des outils bureautiques.

Cette variable a t value grce 5 chelles de 5 points, elle est mesure sur 25 points. Le
tableau 3.13 prsente la distribution des ETI selon leur degr dutilisation des outils
informatiques de gestion. Nous pouvons distinguer 5 degrs dinformatisation (trs faible,
faible, moyenne, forte et trs forte).

Tableau 3.13 : Distribution des ETI selon leur degr dinformatisation

Degr dinformatisation Nombre d'ETI Pourcentage % cumul
Trs faible 1 0,64% 0,64%
Faible 4 2,56% 3,21%
Moyenne 24 15,38 % 18,59%
Forte 76 48,72% 67,31%
Trs forte 51 32,69 % 100,0 %
Total 156 100 %

Moyenne : 18,37 Mdiane : 19,00 cart-type : 4,00

Minimum : 5 Maximum : 25

Nous constatons que 81,41% des ETI utilisent fortement et trs fortement les outils
informatiques. Ce pourcentage important est expliqu par la forte utilisation de tous les
outils, en particulier les ERP et les outils bureautiques (Cf. Annexe 5). Cependant, les
rsultats affichent galement peu dETI ayant un degr dinformatisation faible, voire trs
faible (3,21%).
191
 3.2.1.2 La structure

Afin dtudier la dcentralisation structurelle, nous avons choisi dans la premire sous-section
de ce chapitre (Cf. 3.1.1 Mesures des variables du modle de recherche) deux dimensions
caractrisant la dcentralisation du systme de prise de dcision (Kalika, 1987) :

- le degr de dcentralisation horizontale de la prise de dcision ;

- et le degr de dcentralisation verticale de la prise de dcision.

Le degr de dcentralisation structurelle est valu grce lagrgation des scores obtenus sur
l'ensemble des chelles mesurant le degr de dcentralisation horizontale (4 chelles de 5
points) et verticale (5 chelles de 5 points) de la prise de dcision. Ainsi, le degr de
dcentralisation est calcul sur un total de 45 points (9 chelles diffrentes de 5 points). Un
score faible signifie une structure plutt centralise, tandis quun score lev concrtise une
structure plutt dcentralise.

En revanche, les indicateurs de la variable structure sont gradus en fonction de la

dcentralisation de la prise de dcision. Celle-ci peut tre distingue laide de 5 degrs
diffrents (trs faible, faible, moyen, fort et trs fort) (Cf. Tableau 3.14).

Tableau 3.14 : Distribution des ETI selon le degr de dcentralisation structurelle

Degr de dcentralisation Nombre dETI Pourcentage % cumul
Trs faible 1 0,64 % 0,64 %
Faible 19 12,18 % 12,82 %
Moyen 48 30,77 % 43,59 %
Fort 61 39,10 % 82,69 %
Trs Fort 27 17,31 % 100,00 %
Total 156 100 %

Moyenne : 28,51 Mdiane : 28,58 cart-type : 7,68

Minimum : 9 Maximum : 45

partir de ce tableau, nous avons constat que la dcentralisation des ETI de lchantillon est
variable dune ETI lautre ; plus de la moiti de ces entreprises (56,41 %) ont un degr de
dcentralisation fort ou trs fort. Par contre, une minorit (12,82 % de lchantillon) juge que
leur dcentralisation structurelle est faible voire trs faible.

192
Pour comprendre en dtail ces rsultats, nous analysons respectivement les deux dimensions
de la variable structure.

3.2.1.2.1 Degr de dcentralisation horizontale

Le degr de dcentralisation horizontale (DDH) est la dimension de la variable structure

permettant dvaluer le niveau de participation des responsables de lentreprise dans le
processus de prise de dcision. Les rpondants ont valu le DDH laide de quatre items ci-
dessous :

- DDH relatif la participation des dirigeants dans la prise de dcision;

- DDH relatif la consultation des collaborateurs avant la prise de dcision ;
- DDH relatif la consultation des dirigeants avant la mise en application des dcisions
prises par les collaborateurs ;
- DDH relatif la prise de dcision par des collaborateurs.

Chaque item participant lvaluation du DDH est mesur ici par une chelle de 5 points
(DDH est mesur donc sur un total de 20 points). partir du tableau 3.15, Il semble que le
degr de dcentralisation horizontale de la prise de dcision soit fortement voire trs
fortement lev (58,33 % de lchantillon dtude). Par contre, 12,82% des rpondants
pensent que le degr de dcentralisation horizontale est faiblement dcentralis.

Tableau 3.15 : Distribution des ETI selon le degr de dcentralisation horizontale DDH
de la prise de dcision

DDH Nombre d'ETI Pourcentage % cumul

Trs faible 1 0,64 % 0,64 %

Faible 19 12,18% 12,82 %
Moyen 45 28,85 % 41,67 %
Fort 72 46,15 % 87,82 %
Trs fort 19 12,18 % 100%
Total 156 100 %

Moyenne : 13,03 Mdiane : 14,00 cart-type : 3,44

Minimum : 4 Maximum : 20

193
 3.2.1.2.2 Degr de dcentralisation verticale

Comme nous lavons abord prcdemment, le degr de dcentralisation verticale (DDV)

permet didentifier les diffrents niveaux hirarchiques de prise de dcision. De ce fait, plus le
dirigeant dlgue des pouvoirs et donne plus de libert aux salaris, plus la dcentralisation
verticale augmente. Cette dimension est mesure par 5 chelles de 5 points (soit un total de
25 points).

Les items qui contribuent la mesure du DDV sont :

- DDV relatif au dveloppement ou au lancement de nouveaux produits ou services ;

- DDV relatif lembauche et au licenciement ;
- DDV relatif la fixation des prix de vente ;
- DDV relatif aux choix des investissements ;
- DDV relatif la prise des dcisions oprationnelles.

Daprs le tableau 3.16, le DDV de lchantillon dtude est gnralement lev ; nous avons
not que 49,36 % des rpondants estiment que le DDV est lev ou trs lev. Au contrario,
seulement 19,23% des rpondants de notre chantillon pensent que la prise de dcision est
centralise au niveau de la direction gnrale.

Tableau 3.16 : Distribution des ETI selon le degr de dcentralisation verticale DDV de
la prise de dcision
DDV Nombre d'ETI Pourcentage % cumul
Trs faible 4 2,56 % 2,56 %
Faible 26 16,67 % 19,23 %
Moyen 49 31,41 % 50,64 %
Fort 42 26,92 % 77,56 %
Trs fort 35 22,44 % 100,0%
Total 156 100 %

Moyenne : 15,46 Mdiane : 15,00 cart-type : 5,41

Minimum : 5 Maximum : 25

194
Les rsultats de DDH (Cf. Tableau 3.15) et de DDV (Cf. Tableau 3.16) se corrlent avec les
rsultats de dcentralisation structurelle (Cf. Tableau 3.14). En plus, les distributions des ETI
montrent que le DDH participe davantage la formation des structures organisationnelles
dcentralises que le DDV.

3.2.1.3 Lincertitude de lenvironnement

Nous savons que lincertitude de lenvironnement est mesure par les quatres items qui
proviennent de l'instrument de mesure labor par Gordon et Narayanan (1984). Ces items
sont les suivants:

- dynamisme de lenvironnement au plan conomique ;

- dynamisme de lenvironnement externe au plan technologique ;
- prvisibilit des actions et des comportements des concurrents sur le march ;
- prvisibilit des prfrences et des comportements des clients.

Le score total de lensemble des chelles relatives lincertitude de lenvironnement se

compose de deux chelles de 5 points valuant le dynamisme de lenvironnement externe (au
plan conomique et au plan technologique), une chelle de 5 points mesurant la prvisibilit
des actions et des comportements des concurrents sur le march et une dernire chelle de 5
points concernant la prvisibilit des prfrences et des comportements des clients. Donc,
lincertitude de lenvironnement a t mesure selon un score agrg sur lensemble des
quatre chelles de type Likert allant de 1 (trs faible incertitude de lenvironnement) 5 (trs
forte incertitude de lenvironnement1).

Les statistiques du tableau 3.17 indiquent que lincertitude de lenvironnement est

moyenne pour 65 ETI , soit 41,67 % de notre chantillon. Ce mme tableau affiche
galement une incertitude forte voire trs forte pour 70 ETI, soit 44,87 % de
lchantillon dtude. Une dernire lecture des rsultats affichs ci-dessous, nous permet de
constater quil y a uniquement 0,64% des ETI dont le degr dincertitude de lenvironnement
est trs faible .

1
Un environnement peru comme incertain est obligatoirement imprvisible et dynamique.
195
 Tableau 3.17 : Distribution des ETI selon le degr dincertitude de lenvironnement
Incertitude de l'environnement Nombre d'ETI Pourcentage % cumul
Trs faible 1 0,64 % 0,64 %
Faible 20 12,82% 13,46%
Moyenne 65 41,67 % 55,13%
Forte 60 38,46 % 93,60 %
Trs forte 10 6,41% 100,00%
Total 156 100 %

Moyenne : 12,07 Mdiane : 12,00 cart-type : 3,05

Minimum : 4 Maximum : 19

Pour conclure cette sous-section, les principaux facteurs de contingence peuvent tre
interprts selon leurs scores obtenus, de la faon suivante :

Tableau 3.18 : Rsum et interprtation des principaux facteurs de contingence

Variables Score faible Score lev
Informatisation Trs faible Trs forte
Structure Centralise Dcentralise
Incertitude de Environnement Environnement
lenvironnement Stable et simple Dynamique et complexe

Aprs avoir prsent les statistiques des principaux facteurs de contingence, il nous reste
dornavant entreprendre la prsentation des sept variables de contrle de notre chantillon
dtude.

3.2.2 Prsentation des statistiques descriptives des variables de contrle

La prsentation des variables de contrle au sein des ETI de lchantillon est importante dans
la mesure o celle-ci dtermine la qualit des analyses qui seront ralises ainsi que
linterprtation des rsultats qui seront gnrs (Evrard et al., 2003).

3.2.2.1 La taille des entreprises de lchantillon

La taille des entreprises est mesure souvent par le nombre de salaris permanents (Germain,
2003). Notre questionnaire (Cf. annexe 1) et lannexe 5 indiquent que les ETI de lchantillon

196
se sont distribues de manire quilibre sur les cinq classes deffectifs effectues (moins de
250 salaris, de 250 salaris 499 salaris, de 500 salaris 749 salaris, de 750 salaris
999 salaris, de 1 000 salaris 4 999 salaris). Pour la suite de notre travail, nous avons
agrg ces classes en deux groupes : les petites et les grandes ETI. Le tableau 3.19 rcapitule
les statistiques relatives de cette premire variable de contrle.

Tableau 3.19 : La taille des entreprises de lchantillon

Nombre
Taille Pourcentage % cumul
dETI
Petites ETI (moins de 250 749 salaris) 81 51,92% 51,92%
Grandes ETI (de 750 4 999 salaris) 75 48,08% 100,00%
Total 156 100,0%

partir de ce tableau, nous observons que 51,92% des ETI ne dpassent pas 749 salaris 1
(petites ETI) tandis que les grandes ETI reprsentent 48,08% de lchantillon dtude. Donc
chaque groupe reprsente peu prs la moiti des ETI de lchantillon.

3.2.2.2 Le secteur dactivit des entreprises questionnes

Les trois secteurs dactivit (industrie, commerce et prestations de services) sont

significativement reprsents par les ETI de lchantillon (Cf. Tableau 3.20).

Tableau 3.20 : Le secteur d'activit des ETI enqutes

Nombre
Secteur dactivit Pourcentage % cumul
dETI
Industrie 83 53,21% 53,21%
Commerce 37 23,72% 76,92%
Prestations de services 36 23,08% 100,00%
Total 156 100,0%

Nous observons que le secteur industriel est trs prdominant par rapport au secteur
commercial et de prestations de services. Ce secteur englobe plus de la moiti des entreprises
de lchantillon (53,21%). La distribution des autres ETI sur les secteurs commercial et de
services est trs proche (23,72 % pour le secteur commercial et 23,08 % pour le secteur des
prestations de services).

1
Daprs Rousseau (2010), une ETI a en moyenne un peu plus de 600 salaris. De ce fait, nous considrons les
entreprises dpassant la classe [de 500 salaris 749 salaris] comme tant des grandes ETI.
197
 3.2.2.3 La formation du dirigeant

Les formations de dirigeants sont diverses (ingnieur, comptabilit - contrle - finance,

marketing - commerce, gestion des ressources humaines, etc.). Les rsultats de lannexe 5
montrent que les ETI administres par des dirigeants ayant une formation de type ingnieur
sont prdominantes (41,03%). Ce pourcentage est suivi par les ETI gres par des dirigeants
ayant une formation financire et comptable (21,79 % dETI), puis celles manages par des
dirigeants de formation commerciale (21,15 % dETI). Par ailleurs, les 8,97 % de dirigeants
(soit 14 individus) ayant dautres formations telles que ENA et Sciences Politiques, ont t
ajout la catgorie de formation de type gestionnaire.

Par consquent, la formation du dirigeant peut tre classifie sous deux groupes : une
formation de type non gestionnaire (tel que ingnieur) et une formation de type gestionnaire
(Comptabilit, contrle, finance, Marketing, commerce, Gestion des ressources humaines,
etc.). Le Tableau 3.21 prsente la distribution des ETI de notre enqute selon la formation du
dirigeant.

Tableau 3.21 : La formation des dirigeants dETI enqutes

Nombre
Type de formation Pourcentage % cumul
dETI
Type non gestionnaire 64 41,03% 41,03%
Type gestionnaire 92 58,97% 100,00%
Total 156 100,00%

3.2.2.4 La stratgie de lentreprise

La stratgie concurrentielle de lentreprise traduit les objectifs gnraux sur lesquels se

concentre leffort de lentit organisationnelle (Komarev, 2007). Ces objectifs peuvent tre de
trois types : (1) la domination sur les concurrents travers les cots bas, (2) la recherche dun
avantage concurrentiel travers la diffrenciation des caractristiques des produits/services
offerts par rapport ceux des concurrents ou (3) loffre de produits et services radicalement
diffrents et satisfaisant des besoins tout fait particuliers non couverts par des produits
offerts par les concurrents. Le tableau suivant, rsume la distribution des ETI questionnes
selon leurs stratgies concurrentielles.

198
 Tableau 3.22 : Les stratgies concurrentielles des ETI enqutes
Stratgie de lentreprise Nombre dETI Pourcentage
Diffrenciation 34 21,79%
Domination par les cots 43 27,56%
Focalisation 79 50,64 %
Total 156 100%

partir de ce tableau, il est trs clair que la majorit des ETI (50,64 %) ont suivi une stratgie
de focalisation sur une niche. Nous remarquons galement que la stratgie de
diffrenciation est la moins reprsente dans notre chantillon (soit environ 22%).

3.2.2.5 Limplantation du budget

Cette variable est mesure par une chelle nominale laquelle sont associes les modalits de
rponse suivante : oui et non . Le tableau ci-dessous rsume la rpartition des ETI en
fonction de limplantation du budget.

Tableau 3.23 : Limplantation du budget au sein des ETI enqutes

implantation du Nombre
Pourcentage % cumul
budget dETI
Non 17 10,90% 10,90%
Oui 139 89,10% 100,00%
Total 156 100,0%

Les statistiques du tableau nous montrent que 139 ETI de lchantillon possdent le budget
dans leur systme dinformation (89.1 % des ETI), tandis que le reste des ETI (10,9 % de
lchantillon) grent leurs activits sans budget. Ainsi, nous avons une forte prsence du
budget au sein des ETI.

3.2.2.6 Limplantation de la mthode ABC

Limplantation de la mthode ABC reflte la rpartition des rpondants selon limplantation

ou non de la mthode ABC au sein de leurs ETI. Le tableau 3.24 prsente cette distribution.

199
 Tableau 3.24 : Limplantation de la mthode ABC au sein des ETI enqutes
Implantation de la Nombre
Pourcentage % cumul
mthode ABC dETI
Nom 79 50,64% 50,64%
Oui 77 49,36% 100,00%
Total 156 100,0%

Parmi les 156 ETI de notre chantillon, un peu moins de la moiti utilise la mthode ABC (77
ETI) tandis que les 79 autres ETI nont pas implant cette mthode.

3.2.2.7 La cotation en bourse

Comme prsent ci-dessus pour limplantation du budget et pour limplantation de la mthode

ABC, la cotation en bourse est mesure par une seule chelle nominale laquelle ont
associes les modalits : oui et non . Le tableau ci-dessous prsente la rpartition des
ETI de lchantillon selon cette variable.

Tableau 3.25 : La cotation en bourse des ETI enqutes

Cotation en bourse Nombre dETI Pourcentage % cumul
Non 98 62,82% 62,82%
Oui 58 37,18% 100,00%
Total 156 100,0%

Les rsultats de ce tableau confirment les constats prsents dans le chapitre 2 (Cf. section 2
Les pistes de recherche) ; les ETI cotes sont reprsentes dune manire significative dans
lchantillon dtude (37,18% soit 58 ETI).

Ainsi, les variables de contrle prsentes statistiquement dans cette sous-section sont toutes
des variables qualitatives (on dit aussi catgorielles) appartenant deux groupes diffrents. Le
premier groupe est compos de variables catgorielles ordinales, chacune peut prendre sous
SPSS une valeur; 1, 2 ou 3 (taille, secteur dactivit, formation du dirigeant et stratgie de
lentreprise), et le deuxime groupe de type dichotomique (ou binaire), ses variables ont des
catgories qui peuvent prendre les valeurs 0 ou 1 (implantation du budget, implantation de
ABC, cotation en bourse).

200
 3.2.3 Prsentation des statistiques descriptives de la variable mdiatrice

De la mme faon que dans les sous sections prcdentes (Cf. 3.2.1 et 3.2.2), il est demand
aux rpondants de prsenter, laide dune chelle de Likert cinq points allant dun degr
dutilisation faible un degr dutilisation lev , les indicateurs de performance au sein
de leurs TB1. La variable mdiatrice ainsi labore permet la fois dvaluer le degr
dutilisation des indicateurs de chaque axe de performance et de recueillir un score global (sur
20 points) mesurant le degr de diversit du contenu de TB.

Les rsultats indiquent que les responsables financiers des ETI nutilisent pas, de faon gale,
toutes les indicateurs qui composent les quatre dimensions du Balanced Scorecard (Cf.
Graphique 3.2). Par rapport aux perspectives de ce dernier, les TB implants dans les ETI
peuvent donc tre qualifis de dsquilibrs . Le degr de diversit dutilisation des
indicateurs de TB est, dans lensemble, moyennement lev comme le rvle le score moyen
obtenu par lensemble des ETI de notre chantillon dtude (Cf. Graphique 3.2), et cela sur
chaque axe de performance valu (Cf. Tableau 3.26).

Graphique 3.2 : La diversit dutilisation des indicateurs de TB

1
Plusieurs exemples dindicateurs sont proposs dans le questionnaire afin de simplifier chaque axe de
performance.
201
Dans le tableau ci-dessous, nous prsentons les scores moyens des ETI sur les quatre axes de
performance tels que prsents par Kaplan et Norton, savoir laxe finance, laxe client, laxe
processus internes et laxe innovation et apprentissage organisationnel.

Tableau 3.26 : Scores moyens des ETI sur les indicateurs caractrisant la diversit du
contenu de TB
Indicateurs de la variable mdiatrice Scores moyens (sur 5 points)
Degr dutilisation des indicateurs financiers 4,04
Degr dutilisation des indicateurs de performance clients 3,54
Degr dutilisation des indicateurs de processus internes 3,08
Degr dutilisation des indicateurs dinnovation et
2,55
dapprentissage organisationnel
Diversit dutilisation des indicateurs de TB 13,23 (sur 20 points)

Lobtention dun score moyen global de 4,04 sur 5 points montre que la majorit des
responsables dentreprises interrogs utilisent souvent les indicateurs mesurant la
performance financire de leurs entreprises (ROE rentabilit des capitaux propres, rsultat net,
retour sur investissement ROI, EVA valeur conomique ajoute, chiffre daffaires, marge,
excdent brut dexploitation EBE, ratios de trsorerie, besoin en fonds de roulement BFR,
etc.). Ensuite, les indicateurs de la performance clients sont les plus utiliss aprs laxe
finance (score moyen de 3,54 sur 5 points). De ce fait, 71,2 % des ETI utilisent
fortement ou trs fortement les indicateurs financiers dans leur systme de mesure de
la performance (Cf. Graphique3.3) contre 53,8 % des entreprises qui emploient la mesure de
la performance relative aux clients (Cf. Graphique3.4).
Graphique 3.3 : Degr d'utilisation des indicateurs financiers

202
 Graphique 3.4 : Degr d'utilisation des indicateurs de performance clients

En revanche, la proportion des entreprises utilisant les indicateurs de processus internes est
plus faible par rapport celle utilisant notamment des indicateurs financiers. 37,18% des
entits reconnaissent une utilisation forte voire trs forte des indicateurs de processus
internes1 (Cf. Graphique 3.5).

Graphique 3.5 : Degr d'utilisation des indicateurs de processus internes

1
Cest exactement le mme pourcentage enregistr chez les ETI reconnaissant avoir une utilisation faible ou
trs faible des indicateurs de processus cls.
203
En outre, le score moyen global de lutilisation des indicateurs dinnovation et
dapprentissage organisationnel est de 2,55 sur 5 points (Cf. Tableau 3.26). Ces indicateurs
sont donc trs peu dvelopps dans les TB des ETI. En effet, 55,13% des responsables
interrogs reconnaissent avoir utilis faiblement ces indicateurs (Cf. Graphique 3.6). Cela
explique que les ETI procdent un suivi trs moyen de cet axe de performance qui, selon
Kaplan et Norton, est la base du modle gnrique de la performance sur lequel repose le
Balanced Scorecard.

Graphique 3.6 : Degr d'utilisation des indicateurs dinnovation et dapprentissage

organisationnel

Ainsi, les ETI de lchantillon dveloppent des systmes de mesure de la performance qui
sont relativement partiels et dsquilibrs. De ce fait, les axes de performance du Balanced
Scorecard sont couverts de faon ingale par les systmes de mesure de la performance. La
performance mesure au sein de notre chantillon dtude concerne en priorit laxe
finance suivi par laxe clients . Quant aux indicateurs de laxe processus internes ,
ils sont utiliss frquemment par les ETI mais un peu moins que les deux axes prcdents. Par
contre, la majorit des entreprises recourent moyennement aux indicateurs relatifs
linnovation et lapprentissage organisationnel .

204
 3.2.4 Prsentation des statistiques descriptives de la variable explique

La variable explique est mesure ici par deux chelles de 5 points :

- degr dutilit des indicateurs financiers dans le pilotage de la performance ;

- degr dutilit des indicateurs non financiers dans le pilotage de la performance.

Donc, lutilit des TB dans le pilotage de la performance des ETI a t mesure selon un score
agrg sur des deux chelles de type Likert allant chacune de 1 (trs faible utilit) 5 (trs
forte utilit).

Les rsultats montrent que 79,5 % des responsables financiers interrogs expriment une
forte voire une trs forte utilit de leur systme de mesure de la performance. En
revanche, seulement trois ETI sur 156 (soit 1,9 % des ETI) pensent le contraire (Cf.
Graphique 3.7).

Graphique 3.7 : Utilit des TB dans le pilotage de la performance

Par ailleurs, ces constats sont confirms par le score moyen obtenu par lensemble des ETI de
notre chantillon dtude et sur chaque axe de performance value (Cf. Tableau 3.27).

205
 Tableau 3.27 : Scores moyens des ETI sur les indicateurs caractrisant lutilit des TB
dans le pilotage de la performance
Indicateurs de la variable expliquer Scores moyens (sur 5 points)
Degr dutilit des indicateurs financiers dans le pilotage
4,24
de la performance
Degr dutilit des indicateurs non financiers dans le
3,56
pilotage de la performance
Utilit des TB dans le pilotage de la performance 7,80 (sur 10 points)

Le tableau ci-dessus montre que, dans lensemble, les indicateurs financiers et non financiers
sont tous les deux jugs utiles pour lvaluation de la performance. Cependant, il est noter
que les responsables financiers expriment un plus fort intrt pour les indicateurs financiers
(82,05 % des ETI) que pour les indicateurs non financiers (57,05% des ETI) (Cf. Graphique
3.8 et Graphique 3.9). Une dernire lecture des rsultats affichs par ce dernier graphique,
montre quenviron 18% des ETI indiquent un faible intrt pour les indicateurs non
financiers.

Graphique 3.8 : Degr dutilit des indicateurs financiers dans le pilotage de la

performance

206
 Graphique 3.9 : Degr dutilit des indicateurs non financiers dans le pilotage de la
performance

Le score moyen de 3,56 sur 5 points relatif au degr dutilit des indicateurs non financiers
dans le pilotage de la performance (Cf. Tableau 3.27) reflte lmergence de ces indicateurs
dans les systmes de mesure de la performance. Cela confirme ce que nous avons vu dans la
deuxime section du chapitre 1 (Cf. 1.2 Les nouveaux dfis du systme de mesure de la
performance).

Ainsi, nous avons prsent le contenu des diffrentes variables de notre modle de recherche
et leurs statistiques descriptives correspondantes.

207
Conclusion du Chapitre 3

Ce chapitre 3 a un double objectif. Il prsente dune part, la mthodologie de recherche

retenue dans le cadre de ce travail et dautre part, dcrit statistiquement lchantillon dtude.

Tout dabord, nous avons retrac et justifi en dtail le processus doprationnalisation des
variables de notre modle conceptuel de recherche, tout en justifiant le choix de chaque
chelle de mesure retenue.

Ensuite, nous avons abord, via une tude quantitative base sur ladministration dun
questionnaire, la procdure de collecte des donnes en prsentant lchantillon dtude, la
phase de la conception et du pr-test du questionnaire, la structure de ce dernier, son
administration en ligne, sa diffusion et sa rception. Nous avons cltur cette premire section
du prsent chapitre, par une vrification de la fiabilit et de la validit des instruments de
mesure relatifs aux facteurs de contingence de notre chantillon.

Enfin, dans une dernire tape, nous avons prsent les statistiques descriptives appliques sur
les donnes rcoltes auprs de 156 ETI de lchantillon et qui concernent les variables
explicatives, les variables de contrle, la variable mdiatrice et la variable expliquer.

Le chapitre suivant, sera loccasion pour nous dexposer et de discuter les rsultats de nos
analyses de donnes afin de construire des chelles de mesure valides et fiables, tester les
hypothses et prsenter un modle de recherche final valid empiriquement.

208
 Chapitre 4

La validation du modle et lanalyse

des rsultats

La performance nexiste que si on peut la mesurer et

cette mesure ne peut en aucun cas se limiter la
connaissance dun rsultat (Michel LEBAS, 1995).

209
tudier les TB des ETI dans le cadre dune approche contingente nous a permis didentifier
un modle de recherche explicatif des diffrents liens directs et indirects1 entre les diffrentes
variables tudies (Chapitre 2).

Dans le chapitre 3, nous avons prsent la mthodologie de recherche retenue, en exposant

notre dmarche suivie pour la collecte des donnes et la construction des instruments de
mesure. Enfin, nous avons prsent les statistiques descriptives relatives lchantillon
dtude.

Concernant ce prsent chapitre, nous confrontons notre modle de recherche au terrain, puis
nous faisons tat des rsultats empiriques correspondants. Pour ce faire, nous prsentons, tout
dabord, lanalyse factorielle exploratoire et la mthode de rgression linaire multiple
(section 1). Ensuite, nous prsentons les rsultats des tests de validation des chelles de
mesure laide de lanalyse factorielle exploratoire effectue sous le logiciel SPSS 20.0.
Cette analyse permet de vrifier la dimensionnalit, la fiabilit et la validit convergente et
discriminante des variables latentes de notre modle. Une fois les chelles valides, nous
employons la mthode de rgression linaire multiple afin daborder les diffrents rsultats du
test de lensemble des hypothses de recherche. Enfin, nous prsentons les rsultats de leffet
mdiateur et interprtons et discutons les rsultats empiriques (section 2).

1
A travers la variable Diversit dutilisation des indicateurs de TB .
210
 PLAN DU CHAPITRE 4

4.1.1
Analyse factorielle exploratoire en
4.1 Prsentation de lanalyse

composantes principales
multivarie

4.1.2
Analyse de rgression linaire multiple
4.2 Validation du modle thorique

4.2.1
Les rsultats des tests de validation des
instruments de mesure

4.2.2
Prsentation et analyse des rsultats

211
4.1 Prsentation de lanalyse multivarie

Pour vrifier la validit des chelles de mesure des variables latentes et tester le modle de
recherche, lanalyse factorielle exploratoire en composantes principales et la mthode de la
rgression linaire multiple ont t ralises, dans cette recherche, sous le logiciel SPSS 20.0.

Avant daborder les rsultats empiriques, nous prsentons dans les sous-sections suivantes les
deux mthodes (ou analyses) prcites.

4.1.1 Analyse factorielle exploratoire en composantes principales

Lanalyse factorielle exploratoire (AFE), en loccurrence lanalyse en composantes

principales (ACP1), vise identifier des dimensions latentes partir de variables individuelles
(items) observables, elle permet galement d'expliquer une grande partie de la variance avec
un minimum de facteurs. Cette technique cherche purifier le questionnaire, en supprimant
des items faible communalit2 (ou communaut), afin damliorer la qualit de la mesure.
Ainsi, elle rduit le nombre ditems en un ensemble plus restreint (Akrout, 2010, p.17),
destin remplacer ces items par des composantes principales dans les analyses statistiques
(Evrard et al., 2003 ; Malhotra, 2004 ; Jolibert et Jourdan, 2006).

En outre, lAFE est employe pour des variables mtriques et des chelles dintervalle. Pour,
les chelles ordinales de type Likert mesurant des variables non-mtriques, il est accept
dans lanalyse de donnes en sciences sociales de les citer comme des chelles dintervalle et
des variables mtriques (Roussel et Wacheux, 2005). Dans le contexte de notre travail
doctoral, lACP est effectue sur les trois variables mtriques intgres dans notre modle de
recherche, savoir linformatisation, la structure et lincertitude de lenvironnement.

Le schma 4.1 montre que la premire tape dans toute analyse factorielle exploratoire
consiste analyser la matrice des corrlations entre variables (4.1.1.1). Lexamen de cette
matrice permet de dcider sil est intressant de procder une analyse factorielle. Une fois la

1
Cette analyse est conue pour la premire fois par Karl Pearson en 1901 (Cf. Pearson K. (1901), On lines and
planes of closest fit to systems of points in space. Phil. Mag. 2, nll, p.559 572), intgre la statistique
mathmatique par Harold Hotelling en 1933 (Cf. Hotelling H. (1933), Analysis of a complex of statistical
variables into principal components. J.Educ. Psy. 24, p.417-441, p.498 520), lACP nest vraiment employe
que depuis lavnement et la diffusion des moyens de calculs actuels.
2
La communalit est la valeur de la variance explique de chaque item restitue par les facteurs retenus. (Cf.
Malhotra et al., 2011, p.542).
212
dcision prise de procder cette analyse, nous choisissons lACP comme mthode danalyse
factorielle exploratoire1. Ce choix ayant t effectu, lanalyse peut procder la slection du
nombre de composantes appeles aussi facteurs (4.1.1.2). Leur nombre tant fix, ltape 3
consiste utiliser une rotation de type Varimax2 pour simplifier les construits
multidimensionnels (4.1.1.3). Enfin, nous interprtons la structure factorielle3 obtenue
(4.1.1.4). La cinquime et dernire tape aborde la rgression linaire multiple, elle est traite
en dtail dans la sous-section (4.1.2).

Schma 4.1 : Les tapes de lanalyse factorielle exploratoire en composantes principales4

Etape 1 : Analyse de la matrice de

corrlations

Etape 2 : Choix du nombre de facteurs

avant rotation

Etape 3 : Choix dune mthode de

rotation

Etape 4 : Interprtation des facteurs

Etape 5 : Analyse supplmentaire :

rgression linaire multiple

1
Lanalyse factorielle exploratoire peut se faire galement par lanalyse en facteurs principaux (AFC), qui
suppose que chaque variable latente a une variance en commun avec au moins une autre variable. Elle cherche
expliquer la variance qui est commune au moins deux variables (facteurs). Cette mthode est approprie
lorsque le chercheur est intress dcouvrir la structure latente de la variable. Ce qui nest pas le cas ici.
2
Cette rotation vise faire tourner les facteurs de manire ce que les variables individuelles initiales soient
satures sur le moins de facteurs possible.
3
Nous parlons dune structure simple dune variable lorsquelle dtermine un seul facteur. Une variable est
qualifie de complexe lorsqu'elle est corrle plusieurs facteurs (Durand, 2005)
4
Prsentation inspire de louvrage de Jolibert et Jourdan (2006, p.294).
213
 4.1.1.1 Analyse de la matrice de corrlations

Lanalyse de la matrice de corrlations est une tape prparatoire lACP, elle consiste
vrifier si les donnes sont factorisables (Carricano M. et al., 2010), cest--dire que celles-ci
composent un ensemble ditems fortement corrls entre eux et qui sont supposs ltre
galement avec le(s) mme(s) facteur(s) (Malhotra et al., 2011, p.544 ; Evrard et al., 2003).

Pour dterminer si les corrlations existantes sont suffisantes pour effectuer une analyse
factorielle, le test de sphricit Bartlett, et le test KMO (Kaiser Meyer Olkin) vont tre
employs dans cette recherche (Evrard et al., 2003 ; Jourdan et Jolibert, 2006).

- Le test de sphricit de Bartlett : ce test est utilis pour vrifier si les corrlations
entre certains items sont statistiquement significatives. Il permet dexaminer que la
matrice des corrlations obtenue est statistiquement diffrente dune matrice identit;
chaque item est parfaitement corrle avec lui-mme (r = 1) mais na aucune
corrlation avec les autres items (r = 0) (Malhotra et al., 2011, p.542). Le seuil de
risque obtenu (la signification p) dsigne le rsultat de ce test. Par consquent, lorsque
le test est significatif, le seuil de risque est proche de 0 (p <0,05), cela signifie que
lhypothse des corrlations nulles est rejete, les items tudis sont corrls et les
donnes sont factorisables.

- Le KMO : ce test, conu par Kaiser, Meyer et Olkin, permet dexaminer si les
corrlations entre les items sont suffisamment leves pour y rechercher des
dimensions communes. La valeur de ce test varie entre 0 et 1. Un KMO lev proche
de 1 signifie que les donnes sont factorisables. Selon Kaiser et Rice (1974), un indice
de KMO qui atteint 0,90 est excellent ; mritoire sil atteint 0,80; moyen sil atteint
0,70; mdiocre sil atteint 0,60; faible sil atteint 0,50 et enfin, inacceptable si celui-ci
est infrieur 0,50.

Une fois lanalyse de la matrice de corrlations vrifie, il convient de dterminer le nombre

de facteurs retenir travers une ACP.

214
 4.1.1.2 Choix du nombre de facteurs retenir

Lobjectif dune ACP est de former des facteurs, appels composantes principales, partir
dun ensemble de variables individuelles initiales (items). Le chercheur vise donc choisir un
nombre restreint de facteurs afin de clarifier et simplifier lanalyse. Ce choix devrait
reproduire le maximum de linformation fournie par la base de donnes.

Pour rpondre cet objectif et dterminer la dimensionnalit des chelles retenir, il existe
trois mthodes diffrentes :

- Le critre de Kaiser : ce critre permet de retenir uniquement les axes factoriels

ayant au minimum une variance suprieure ou gale 1 puisquils sont censs
restituer plus dinformation que chacune des variables individuelles. De ce fait, ne
sont retenus que les facteurs dont la valeur propre (ou variance explique du facteur)
est suprieure 1. Chaque facteur retenu devrait donc restituer une proportion de la
variance explique quivalente vp/p (o vp est la valeur propre et p est le nombre de
variables individuelles introduites) (Donada et Mbengue, 2003).

- Le test de Cattell : ce test est appel aussi scree test, test du coude ou test des boulis.
Il permet de dterminer sur un graphique de valeurs propres le premier des facteurs
dont llimination conduit une perte dinformation minimum (Evrard et al., 2003).
Cette courbe des valeurs propres, avec en ordonne la variance restitue (valeur
propre) par chaque facteur et en abscisse le numro des axes factoriels, permet
dliminer les composantes situes aprs le point dinflexion de la courbe. Ce point
reprsente le nombre de facteurs au-del duquel l'information ajoute est peu
pertinente (Donada et Mbengue, 2003 ; Evrard et al., 2003).

- La restitution minimum : cette mthode consiste situer lavance un seuil

correspondant au pourcentage minimum de variance, qui doit tre restitu par
lensemble des axes factoriels retenus (Jolibet et Jourdan, 2006). Igalens et Roussel
(1998) fixent ce seuil aux alentours de 50% de la variance totale. De ce fait, lACP
cherche maximiser la variance explique (Akrout, 2010, p.17).

Dans ce travail doctoral, nous nous appuyons sur le critre de Kaiser pour slectionner le
nombre de facteurs, cette mthode est simple et propose par dfaut dans la plupart des

215
logiciels. Ltape suivante consiste utiliser une rotation pour mieux interprter les facteurs
multidimensionnels obtenus.

4.1.1.3 Choix de la mthode de rotation

LACP peut tre ralise avec ou sans rotation. Si le construit est multidimensionnel, il
convient deffectuer une rotation afin de dsigner les facteurs les plus importants selon leur
degr dinertie (variance explique) et de mieux les interprter. Une rotation permet
daugmenter la valeur des coefficients de corrlation des variables individuelles les plus
corrles, et de diminuer celle des variables les moins corrles. Par contre, si le construit est
unidimensionnel, nous nutilisons pas une rotation.

Il existe deux familles de rotation qui ont des objectifs diffrents, la rotation orthogonale et la
rotation oblique (Foucart, 1997, Bry, 1999) :

- La rotation orthogonale : une rotation est dite orthogonale si les axes sont
maintenus orthogonaux et que les facteurs qui en rsultent sont non corrls et
indpendants les uns des autres (Malhotra et al., 2011, p.542). Une rotation
orthogonale reste prfrable lorsque lobjectif est dutiliser les scores factoriels
dans des analyses ultrieures. Elle facilite la reprsentation graphique et simplifie
linterprtation des facteurs et aussi la mise en uvre dautres techniques danalyse,
telles que la rgression par exemple, car la rotation orthogonale limine les
phnomnes de multicolinarit1 entre variables. Les trois mthodes de rotation
orthogonale sont les rotations Varimax, Quartimax et Equimax.

- La rotation oblique (non orthogonale) : une rotation oblique est recommande

lorsque les facteurs peuvent tre corrls entre eux, cest dire dans le cas o rien
nindique a priori que les composantes doivent tre indpendantes les unes des
autres. Il existe deux mthodes de rotation oblique, Oblimin et Promax2.

Dans notre cas, nous utilisons la rotation Varimax. Celle-ci est la plus couramment utilise et
privilgie (Malhotra et al., 2011, p.553). Elle vise optimiser les saturations ou loadings3
dans chaque composante en maximisant les carts entre les saturations. Cette technique nous

1
Voir la sous-section 4.1.2.
2
Pour plus de dtail ce sujet, voir le livre de Jolibert et Jourdan (2006) et Malhotra et al. (2011).
3
Corrlations entre les indicateurs (items) et les facteurs.
216
permet dobtenir des saturations proches de 1 ou de 0 (Jolibert et Jourdan, 2006) ; les
saturations proches de 1 sont fortement corrles avec le facteur et vice versa. Cette mthode
minimise donc le nombre ditems qui ont une contribution leve sur un axe afin de simplifier
les facteurs.

Ce choix pour Varimax est expliqu par lobjectif de notre recherche, car nous souhaitons
rduire le nombre ditems et non pas le nombre de facteurs (Quartimax) ni les deux en mme
temps (Equimax) (Jolibert et Jourdan, 2011, p. 313).

4.1.1.4 Interprtation de la structure factorielle obtenue

Linterprtation des facteurs retenus est faite en vrifiant les saturations ayant des valeurs
absolues leves1. Des corrlations leves entre les items et un facteur, indiquent que ces
items contribuent le plus lexplication de ce facteur (Jolibert et Jourdan, 2006). En gnral,
un seuil minimum de 0,5 est retenu pour considrer quune variable est reprsentative dun
facteur (Jolibert et Jourdan, op. cit.).

Par ailleurs, lvaluation des communalits permet aussi de clarifier linterprtation des
facteurs2 (Jolibert et Jourdan, 2006). Ainsi, les items ayant des communalits faibles, sont mal
reprsents par le facteur en question. Dans notre recherche, les communalits infrieures
0,4 sont supprimes de lanalyse.

La principale difficult se prsente quand certains items sont fortement et galement corrls
avec plusieurs facteurs. En gnral, ceux-ci doivent tre retirs parce quils risquent de
compliquer voir de fausser linterprtation (Jolibert et Jourdan, op. cit.).

Enfin, pour valuer la fiabilit dune chelle, nous employons les coefficients de Cronbach
(Cronbach, 1951).

Ainsi, les critres prcits intervenant dans lanalyse factorielle exploratoire peuvent tre
rcapituls dans le tableau 4.1 comme suit :

1
Le signe des saturations sinterprte comme celui dun coefficient de corrlation
2
C'est le chercheur qui "dcode" la signification conceptuelle des facteurs. Il faut donc les pouvoir nommer.
217
 Tableau 4.1 : Les seuils et les choix retenus dans lanalyse factorielle exploratoire

Axes danalyse Seuils et choix retenus

KMO: Kaiser-Meyer-Olkin 0,5

Test de sphricit de Bartlett Proche de 0 (moins de 5%)

Mode dextraction des facteurs Analyse en Composantes Principales

Nombre de facteurs retenir Critre de Kaiser : Valeurs propres > 1

Choix de la mthode de rotation Varimax

Saturations (loadings) Corrlation 0,5

Communalit 0,4

Fiabilit de Cronbach > 0,6

Aprs avoir prsent lanalyse factorielle exploratoire et les diffrents critres retenus, nous
abordons dans la sous-section suivante la mthode de rgression linaire multiple utilise ici
pour valider le modle de recherche.

4.1.2 Analyse de rgression linaire multiple

Lanalyse de rgression est une technique frquemment utilise dans les travaux en sciences
de gestion. Elle permet de rpondre deux grandes familles dobjectifs selon la finalit
poursuivie par le chercheur (Jolibert et Jourdan, 2006, p.263 ; Stafford et Bodson, 2006 ;
Malhotra et al., 2011) :

- Une finalit prdictive : le chercheur emploie une ou plusieurs variables explicatives dont
il connat par ailleurs les valeurs afin de prdire les valeurs dune autre variable.

- Une finalit explicative (adopte dans ce travail doctoral) : le chercheur utilise une ou
plusieurs variables afin dexpliquer leur contribution (poids respectifs) lexplication de la
variable dpendante, le sens de leur influence (positif ou ngatif) et leur pouvoir explicatif
global.

Dans cette sous-section nous prsentons tout dabord le concept thorique dune analyse de
rgression linaire multiple, puis nous exposons les conditions dutilisation de cette mthode,
savoir lanalyse de la multicolinarit entre les variables explicatives, lhomoscdasticit
218
(ou variance constante des erreurs), lindpendance et la normalit de la distribution des
termes derreurs. Ltape 3 de lanalyse consiste prsenter mathmatiquement les trois
rgressions utilises dans ce travail afin de tester nos hypothses de recherche. Enfin, le choix
du modle de rgression et le diagnostic des observations extrmes ( outliers ) sont traits
avant dinterprter la significativit statistique globale et celle de chaque coefficient de
rgression.

4.1.2.1 Modle thorique

Le modle de rgression linaire multiple est une des mthodes statistiques les plus
habituellement mises en uvre pour ltude de donnes multidimensionnelles. Ce modle a
longtemps domin les recherches en contrle de gestion. Il consiste interprter une variable
dpendante ou plus prcisment dexpliquer la variance dun phnomne (variable endogne
ou expliquer Yi) selon une relation linaire en fonction de deux ou plusieurs variables
indpendantes (variables exognes ou explicatives Xi1,, Xip) et dun terme derreur (i). Il est
noter que la variable expliquer est toujours une variable continue tandis que les variables
explicatives peuvent tre continues ou catgorielles (ordinales ou dichotomiques1). Cette
mthode permet destimer dans quelle mesure les variables exognes permettent dexpliquer
travers leur coefficients de rgression la variable endogne (Malhotra et al., 2011, p.477;
Jolibert et Jourdan, 2006 ; Stafford et Bodson, 2006).

La relation entre la variable expliquer Y et les p variables explicatives (Xp) sexprime de la

manire suivante :

Yi = a0 + a1 Xi1 + a2 Xi2 + a3 Xi3 ++ ap Xip + i , i = 1, 2, 3,,n

Lobjectif dune rgression linaire est de prdire les coefficients de la rgression (ai), qui

minimisent la somme des carrs des erreurs ou carts min( 2 ), et cela grce la
=0
2
mthode des moindres carrs ordinaires , tel que :

1
Appeles aussi binaires 0 1 .
2
Pour de plus amples dtails ce sujet, voir : Lebart L., Piron M. et Morineau A. (2006), Statistiques
exploratoire multidimensionnel ,4e dition, Dunod, Paris, p.45.
219

min( 2 ) = ( ( (0 + 1 1 + 2 2 + 3 3 + + ) 2
=0 =0

Ainsi, les coefficients de rgression sont employs afin de calculer, partir des variables
explicatives et pour chaque observation, une valeur de la variable expliquer Yi prdite par la
rgression (i). La diffrence entre la valeur prdite (ou estime) par la rgression (i) et la
valeur relle (ou observe) de Yi pour chaque observation i est lcart (i) ou erreur que
commet la rgression.

Le coefficient a0 est appel la constante 1 de la rgression. Il reprsente la valeur de base

que prendrait la variable expliquer Yi dans le cas o toutes les variables explicatives de la
rgression avaient une valeur nulle. Gnralement, ce coefficient a peu dintrt en raison de
la raret dune telle situation. Les autres coefficients ap peuvent tre interprts comme la
variation de Yi si lon accroissait chaque variable explicative dune unit (Dodge, 1999,
Baillargeon, 1999). Donc, nous observons que chaque variable explicative (Xp) est multiplie
par son propre coefficient bta (ap) qui sous sa forme standardise reprsente sa contribution
relative dans le modle.

En outre, les termes derreurs i sont des variables alatoires qui couvrent les phnomnes (ou
variables) non clairement pris en considration par le modle de rgression. Ils peuvent tre
lis aux erreurs de mesure ou encore au caractre imprvu quimplique tout comportement
humain. La moyenne de chaque terme derreur est gal zro : E (i)= 0

Aprs avoir prsent le concept du modle thorique de la rgression linaire multiple, nous
abordons dans le point suivant les conditions dutilisation de cette mthode.

4.1.2.2 Vrification des conditions dutilisation

Les chercheurs soulignent lexistence de plusieurs conditions dutilisation respecter pour

raliser une rgression linaire multiple (Field, 2005 ; Jolibert et Jourdan, 2006).

1
On lappelle aussi lordonne lorigine ou lintercept.
220
 4.1.2.2.1 Lanalyse de la multicolinarit

Nous parlons de multicolinarit lorsque des variables explicatives sont statistiquement

fortement corrles entre elles. Ce problme gnant risque de fournir une estimation
incorrecte des coefficients de la rgression, et par la mme de fausser lestimation du poids
relatif de chaque variable explicative (Stafford et Bodson, 2006). Cependant, la
multicolinarit naffecte pas les prvisions de la variable expliquer.

La multicolinarit peut tre repre visuellement par la vrification de la matrice de

corrlations entre variables explicatives. La prsence de corrlations fortes dpassant une
valeur de seuil de 0,70 indique lexistence de multicolinarits susceptibles daffecter les
rsultats de la rgression (Jolibert et Jourdan, 2006). Dautres indicateurs supplmentaires de
la prsence de multicolinarit sont galement employs dans les travaux de recherche, il
sagit de la tolrance1 et du facteur dinflation de la variance (Variance Inflation Factor VIF)2.
Ces deux indicateurs prsentent des statistiques permettant dvaluer la proximit linaire de
deux ou plusieurs variables explicatives.

La tolrance peut tre dfinie comme tant la part de la variance de chaque variable
explicative non explique par les autres variables de la rgression. Sa valeur varie entre 0
et 1. Lorsque la tolrance est faible (proche de 0,1), cela signifie que la part de variance de la
variable non partage avec les autres variables de la rgression est faible, et que la variable est
donc fortement corrle avec les autres variables : en effet, dans ce cas, 90% de sa variance
est partage avec les autres variables explicatives. En gnral, il est admis quun niveau de
tolrance infrieur 0,2 risque dentraner de fortes imprcisions dans les estimations des
coefficients associs aux variables explicatives affectes de multicolinarit (Jolibert et
Jourdan, 2006).

Par ailleurs, le VIF dont la valeur positive sloigne de 1 au fur et mesure que le coefficient
de dtermination R2 augmente, a un sens de lecture oppos celui de la tolrance : les
variables qui ont une faible tolrance ont un grand coefficient VIF et vice versa. Ainsi, des
VIF levs dsignent lexistence de multicolinarit. Pour Evrard et al. (2003), en dessous
dun seuil de 4, il ny a pas de problme de multicolinarit de la variable avec les autres
variables explicatives. Pour Myers (1990), les VIF doivent tre infrieures au seuil de 10.

1
Le niveau de tolrance se calcul selon lexpression : Tolrance = 1 R2, o R2 coefficient de dtermination.
2
Le VIF utilise R2 selon lexpression suivante : VIF = 1/Tolrance = 1/ (1-R2).
221
Cela produit les mmes conclusions que tolrance, tant donn que tous deux exploitent la
mme information (Stafford et Bodson, 2006).

Ainsi, une variable est faiblement corrle avec les autres variables explicatives si son
coefficient de tolrance est lev (suprieur 0,7) et son facteur dinflation est faible
(infrieur 10).

Pour faire face au problme de multicolinarit entre les variables explicatives, deux solutions
peuvent tre envisages :

- retirer de lanalyse une (ou plusieurs) variable(s) explicative(s) parmi les plus
fortement corrles et parfaitement redondantes avec lensemble des autres. Cette mthode
est la plus simple mettre en uvre.

- rassembler les variables individuelles corrles entre elles en un ou plusieurs facteurs

obtenus par analyse factorielle exploratoire. En effet, lanalyse factorielle est la
mthode la plus couramment utilise, elle permet de regrouper en une seule composante les
variables qui sont fortement corrles (Cf. test de dimensionnalit, sous-section 4.2.1).

4.1.2.2.2 Lhomoscdasticit ou variance constante des erreurs

La variance des termes derreur var (i) doit tre constante. Dans le cas contraire, cette
variance fausse la variance des coefficients de la rgression et du coefficient de corrlation
multiple R, indicateurs de la qualit de la rgression. En plus, lorsque la var (i) nest pas
constante, les tests de signification statistique de ces coefficients de rgression deviennent
imprcis et faux. Pour faire face ce risque, il est possible dexaminer les graphes des termes
derreurs et de tests statistiques. cet gard, le graphique de dispersion des erreurs en
fonction des erreurs prdites par la rgression, trac pour chaque variable explicative, doit tre
reprsent par des points rpartis alatoirement autour de 0. Cest cette condition qui nous
permet de vrifier lhomoscdasticit ou la variance constance des termes derreurs (Jolibert
et Jourdan, 2006).

222
 4.1.2.2.3 Lindpendance des erreurs

Les valeurs rsiduelles ne doivent absolument pas tre corrles entre les individus. Il sagit
du concept de labsence dautocorrlation des erreurs. Lautocorrlation se produit par
exemple lorsquun terme derreur est corrl avec le terme qui le prcde. Lautocorrlation
des termes derreurs a pour effet daffecter la variance des coefficients de la rgression et du
coefficient de corrlation multiple R, soit en la sous-estimant (autocorrlation positive) soit en
la surestimant (autocorrlation ngative). Lautocorrlation peut tre tudie par le test de
Durbin Watson (Jolibert et Jourdan, 2006, p. 270). La statistique de ce test se situe entre 0
et 4 (Field, 2005). Une valeur de Durbin-Watson proche de 2 reflte une absence
dautocorrlation des erreurs, moins de 1 une autocorrlation positive et plus de 3, une
autocorrlation ngative. Par consquent, nous parlons de lindpendance des termes derreurs
lorsque la valeur de Durbin-Watson est entre 1 et 3.

4.1.2.2.4 La normalit de la distribution des termes derreurs

Il est obligatoire que les erreurs soient normalement distribues. En effet, labsence de
normalit des termes derreur fausse les tests statistiques raliss afin de valider les rsultats
dune rgression. Les termes derreurs doivent donc avoir une moyenne de 0, la majorit des
valeurs doivent sen rapprocher. On peut vrifier cette normalit des termes derreurs en
laborant un histogramme de la distribution des termes derreurs. Le chercheur examine alors
visuellement lallure de la distribution et constate lexistence ou non dune distribution
normale des termes derreurs (Jolibert et Jourdan, 2006).

Une autre mthode consiste reprsenter les points dont les coordonnes en abscisse
indiquent les rsidus observs et les coordonnes en ordonnes les valeurs correspondantes
dune distribution normale. Si les donnes sont normalement distribues, les points doivent se
trouver approximativement sur une ligne droite diagonale (Jolibert et Jourdan, op.cit., 272).

Aprs avoir prsent les conditions dutilisation de la mthode de rgression, nous abordons
maintenant nos trois modles de rgressions utiliss dans ce travail.

223
 4.1.2.3 Prsentation du modle de rgression linaire multiple

Dans notre tude, nous disposons dun n=156 observations1 (nombre de situations), cela
permet dcrire 156 quations condition que p (le nombre de variables explicatives) soit
infrieur n (156).

Avant de prsenter les rgressions ncessaires pour tester notre modle de recherche, nous
rsumons dans le tableau ci-dessous les diffrentes variables utilises dans ce travail ainsi que
leurs codes correspondants.

Tableau 4.2 : Variables du modle et leurs codes

Variables Code
Utilit des TB dans le pilotage de la performance (PP) U
Diversit dutilisation des indicateurs de TB Div
Informatisation Info
Structure Str
Incertitude de lenvironnement Env
Taille Taille
Secteur commercial SectC
Secteur de prestations de services SectPS
Formation du dirigeant Form
Stratgie de diffrenciation StratD
Stratgie de focalisation StratF
Implantation du budget Budget
Implantation de la mthode ABC ABC
Cotation en bourse Cbourse

Il est noter que les variables de contrle secteur dactivit et stratgie suivent un
traitement spcifique sous SPSS. Prenons, par exemple, le secteur dactivit, il distingue trois
catgories de type dactivit : activit industrielle SectI , activit commerciale SectC et
activit de prestation de services SectPS. Ces catgories sont exhaustives et exclusives. Il
sagit dune variable qualitative dont les chiffres ne traduisent pas une distance sparant une
catgorie mais plutt identifiant le type dactivit de lentreprise. cet gard, un paramtre
de type ai relatif au secteur dactivit naurait pas de sens. Nous crons alors trois
variables SectI, SectC et SectPS. SectI prend la valeur 1 chaque fois que secteur dactivit
correspond une activit industrielle et la valeur zro dans les autres cas. SectC prend la

1
Pour dterminer le nombre minimum dobservation ncessaire afin de mener une rgression. Une rgle
empirique impose de disposer dau moins 5 observations par variable explicative (Tabachnik et Fidell, 2000).
Cette rgle est largement satisfaite dans notre tude.
224
valeur 1 chaque fois que secteur dactivit reprsente lactivit commerciale et la valeur zro
dans les autres cas. SectPS prend la valeur 1 si secteur dactivit dsigne une activit de
prestations de services et la valeur zro dans les autres cas.

Naturellement, les trois catgories sont strictement complmentaires. Ds que nous

connaissons pour une ETI le contenu de deux catgories, nous connaissons automatiquement
le contenu de la troisime. Nous sommes alors devant un cas de colinarit parfaite
rendant impossible la prdiction des paramtres ai affectant chacune des variables SectI, SectC
et SectPS. Une des trois variables devra obligatoirement tre omise pour casser la stricte
complmentarit qui les lie (Stafford et Bodson, 2006).

Le modle conceptuel de recherche prsent dans le chapitre 2 peut tre test grce trois
quations de rgressions diffrentes. Tout dabord, les hypothses H1a, H2a, H3a cherchant
tudier les liens entre les facteurs de contingence et le contenu des TB Div peuvent tre
testes laide de la rgression linaire multiple suivante (modle 1):

Modle1 : Divi = a0 + a1 Infoi + a2 Stri + a3 Envi + a4 Taille i + a5 SectCi+ a6 SectPSi + a7 Formi +

a8 StratDi + a9 StratFi + a10 Budgeti + a11 ABCi+ a12 Cboursei + i

Puisque la variable Div , qui joue ici le rle dune variable expliquer, peut varier en
fonction de trois types de secteur dactivit, nous avons inclus dans notre base de donnes
deux variables muettes refltant le secteur dactivit de lETI (le secteur commercial
SectC et le secteur de prestations de services SectPS ) en retenant lindustrie comme
secteur de rfrence.

De la mme manire, la variable Div peut varier selon trois types de stratgie dentreprise
( la stratgie de domination par les cots StratDC , la stratgie de
diffrenciation StratD et la stratgie de focalisation StratF ), nous avons choisi dans
notre base de donnes deux variables muettes refltant la stratgie suivie par lentreprise (la
stratgie de diffrenciation StratDi et la stratgie de focalisation StratFi ) en retenant la
domination par les cots comme stratgie de rfrence.

En revanche, les cinq autres variables de contrle (Taille, Form, Budget, ABC et Cbourse) ne
subissent aucun traitement spcifique sous SPSS, chacune identifie deux catgories

225
diffrentes, par exemple, la taille permet de distinguer entre les grandes ETI par le chiffre
2 et les petites ETI par le chiffre 1.

Le test de linfluence des facteurs de contingence sur la variable Div consiste

rgresser celle-ci sur 12 variables explicatives (Info, Str, Env, Taille, SectC, SectPS, Form,
StratD, StratF, Budget, ABC, Cbourse).

Par ailleurs, le modle 2 vise tester les hypothses H1b, H2b et H3b. Il consiste rgresser
la variable expliquer U sur six variables explicatives en considration : Info, Str, Env,
Taille, SectC, SectPS. Donc, linfluence directe des principaux facteurs de contingence
(informatisation, structure et incertitude de lenvironnement) et des deux variables de contrle
(taille et secteur dactivit) sur l U sera teste laide de la rgression suivante :

Modle 2 : Ui = a0 + a1 Infoi + a2 Stri + a3 Envi + a4 Taille i + a5 SectCi+ a6 SectPSi + i

Enfin, la troisime rgression (Modle 3) a retenu comme variables explicatives : Info, Str,
Env, Taille, SectC, SectPS et Div. Elle est ralise pour tester leffet indirect des principaux
facteurs de contingence et des deux variables de contrle (taille et secteur dactivit) sur la
variable expliquer U (tests dhypothses H1c, H2c et H3c). Cette rgression permet
galement de tester lhypothse H4 afin de vrifier la significativit du lien qui pourrait
exister entre le contenu des TB (Div) et lutilit de ces derniers dans le pilotage de la
performance (U). laide de notre base de donnes, nous allons estimer par rgression
multiple les paramtres du modle 3 :

Modle 3 : Ui = a0 + a1 Infoi + a2 Stri + a3 Envi + a4 Divi + a5 Taille i + a6 SectCi+ a7 SectPSi + i

Aprs avoir prsent les trois rgressions qui seront testes dans la section 2 de ce chapitre,
nous prsentons prsent les deux choix du modle de rgression linaire multiple
slectionns dans notre tude.

226
 4.1.2.4 Choix du Modle de rgression

Le choix du modle de rgression porte sur la manire dont les variables indpendantes sont
introduites dans lanalyse de rgression. Gnralement, il existe trois mthodes de rgression ;
la rgression simultane, la rgression pas pas (stepwise) et la rgression hirarchique. Dans
les points suivants, nous prsentons et justifions nos choix qui vont tre successivement
abords.

4.1.2.4.1 Lanalyse de rgression simultane

La rgression simultane, appele aussi rgression avec entre force, consiste introduire en
une seule fois toutes les variables explicatives dans la rgression (Jolibert et Jourdan, 2006).
Cette analyse est employe lorsque nous estimons quil ny a pas de raisons logiques ou
thoriques pour penser quune variable prsente plus dintrt ltude quune autre. Dans le
cadre de cette thse, ce type de rgression est adopt pour vrifier nos hypothses de
recherche et de valider empiriquement les trois modles de rgression prcits.

4.1.2.4.2 Lanalyse de rgression pas pas (stepwise)

Cette technique correspond une rgression itrative qui inclut dabord dans le modle la
variable supplmentaire qui propose le meilleur coefficient de dtermination R2. Ensuite, celle
qui contribue le plus amliorer le coefficient de dtermination et ainsi de suite. En parallle,
toutes les variables qui contribuent le moins au modle sont progressivement limines. A
linverse de la mthode hirarchique dans laquelle le chercheur effectue a priori le choix des
variables introduire, dans la mthode pas pas, les variables retenir au final sont
dtermines a posteriori (Jolibert et Jourdan, 2006, p. 276). Dans notre tude, ce type
danalyse na pas de sens car les variables introduites sont issues de la littrature et sont donc
dtermines a priori.

4.1.2.4.3 Lanalyse de rgression hirarchique

La rgression hirarchique (Bryk et Randenbush, 2001) est une mthode squentielle dans
laquelle les variables sont introduites progressivement (par blocs) selon une hirarchie dicte
par lobjectif ou la logique de la recherche (Jolibert et Jourdan, 2006, p. 276). cet gard,
nous allons mobiliser ici cette analyse pour tester leffet mdiateur de la variable Div au
227
niveau de la relation entre nos principales variables explicatives Xp (Info, Str et Env) et la
variable expliquer U. La rgression utilisera dans un premier bloc les principales variables
explicatives Xp (Info, Str et Env) et les deux variables de contrle1 (taille et secteur dactivit),
et dans un deuxime bloc les principales variables explicatives, les deux variables de contrle
(taille et secteur dactivit) et la variable mdiatrice Div .

lintroduction des variables concernes, le coefficient de dtermination et les coefficients de

la rgression ap sont calculs. La hausse (ou la variation) de R2 peut ainsi tre calcule par
diffrence entre deux tapes successives et attribue sans ambigut aux variables les plus
rcemment introduites, en loccurrence la Div. Cette mthode est trs utile pour tester leffet
mdiateur et afin danalyser ainsi la hirarchie dans les causalits mises en vidence (Cohen
et Cohen, 2002).

Une fois que la mthode de rgression est choisie, nous vrifions si le modle de rgression
quon va utiliser est bien ajust aux donnes observes ou sil est influenc par des valeurs
extrmes, qui sloignent beaucoup des autres observations, do lintrt dtudier les
observations extrmes de notre base de donnes.

4.1.2.5 Le diagnostic des observations extrmes ( outliers )

Certaines observations ne sont pas conformes au modle de rgression. Elles sont

gnralement issues de situations exceptionnelles ou derreurs de saisie de donnes. Ces
observations impactent grandement le modle, elles peuvent faire changer les coefficients de
rgression bta de lquation qui sera, de ce fait, moins prcise. La recherche des
observations extrmes (dites outliers ) se ralise soit graphiquement (observation visuelle
des valeurs extrmes des rsidus les plus importantes) ou en se basant sur un indicateur
statistique, la distance de Cook.

Prenons, tout dabord, la distance de Cook, cette statistique dsignera linfluence de chaque
observation sur le modle total. Lorsque la distance pour une observation dpasse la valeur de
1, cela indique que cette observation impacte probablement lestimation des coefficients btas
du modle2. Afin de calculer son effet rel, il faut refaire la rgression sans cette observation
et comparer les coefficients btas obtenus. Lindicateur DFBeta (Difference between Betas)

1
Daprs la littrature (chapitre 2) ces variables peuvent exercer une influence sur la variable expliquer U.
2
Cf. Cook R.D. et Weisberg S. (1982), Residuals and influence in regression. New York: Chapman and Hall

228
value la diffrence entre les deux. En utilisant la valeur standardise de cette statistique, nous
pourrons valuer limportance de cette diffrence. Gnralement, les valeurs suprieures 1
indiquent une influence importante de lobservation sur les paramtres.

Concernant, les valeurs rsiduelles de lensemble des observations, plus elles sont grandes,
moins le modle de rgression est ajust aux donnes observes. Ces valeurs rsiduelles sont
souvent transformes en score Z (rsiduels standardiss). Cette transformation permet de
faciliter la comparaison entre modles et de dtecter les valeurs trs loignes du modle.
Nous nous appuyons sur la courbe normale, nous pouvons identifier les valeurs extrmes. Un
modle bien ajust implique :
- moins de 5 % des rsiduels standardiss ayant une valeur > 1,96 ou < -1,96 ;
- moins de 1 % des rsiduels standardiss ayant une valeur > 2,58 ou < -2,58 ;
- aucun rsiduel standardis ayant une valeur de > 3,29 ou < -3,29.

De faon gnrale, le chercheur porte une attention spciale aux rsiduels disposant des
valeurs de plus de 3 (plus prcisment 3,29), car dans un chantillon normal, il est peu
probable que de tels carts arrivent au hasard. Si les valeurs absolues des rsiduels
standardiss dpassent ces seuils, nous pouvons affirmer que le modle ne reprsente pas bien
les donnes.

Lorsque des observations extrmes se manifestent, les actions entreprendre sont dlicates :
- dans un premier temps, il faut sassurer que ces observations extrmes ne proviennent
pas dun problme de saisie. Si cest le cas, la correction des valeurs aberrantes se
fait immdiatement et celles-ci sont donc remplaces par les valeurs rellement
observes.
- dans un deuxime temps, si lhypothse dune saisie incorrecte est carte, le
chercheur peut raliser une rgression en enlevant les observations extrmes. Dans ce
cas, si le fait de retirer certaines observations entrane des changements intressants
dans les rsultats de la rgression, il est conseill de retirer ces observations
extrmes (Jolibert et Jourdan, 2006, p.285).
- enfin, lorsque, en revanche, le chercheur considre que ces observations extrmes sont
lgitimes, il devra les conserver condition de les transformer. Cette transformation
est assure gnralement en ayant recours aux logarithmes qui permettent de
stabiliser les variances des erreurs (Neter, Kutner, Nachtscheim et Wasserman,

229
 1996)1. Il est ainsi possible deffectuer une rgression sur les valeurs transformes en
gardant les observations suspectes dans lchantillon.

Ainsi, le modle de rgression le plus prcis et le mieux ajust est sans doute celui qui ne
contient pas de valeurs extrmes ni des valeurs qui impactent fortement lestimation des
paramtres.

4.1.2.6 Linterprtation des rsultats de lanalyse de rgression

Pour interprter les rsultats dune rgression, plusieurs tapes sont ncessaires. En premier
lieu, le chercheur sattache valider la qualit globale de la rgression. Ensuite, il analyse la
significativit statistique de chacun des coefficients calculs (Evrard et al. 2003).

4.1.2.6.1 La qualit globale de la rgression

Pour mesurer la significativit statistique et la qualit globale de la rgression, les chercheurs

utilisent souvent deux types dindices (Field, 2005 ; Evrard et al., 2003) :

- le coefficient de dtermination R. Ce coefficient varie entre 0 et 1. Il indique le

pourcentage de variance de la variable endogne expliqu par la rgression ou plus
exactement par lensemble des variables explicatives Xp introduites dans la rgression
(le modle)2; plus le coefficient de dtermination est lev, plus grand est le pouvoir
explicatif des variables explicatives (Malhotra et al., 2011, p.466 ; Jolibert et
Jourdan, 2006).

- le test sur lensemble des coefficients de rgression. Le test F de Fisher-Snedecor

permet destimer la significativit du coefficient de dtermination. Pour ce faire, nous
comparons la valeur du Fcalcul sa valeur critique lue dans la table de la loi de Fisher-
Snedecor. Cette statistique calcule scrit de la faon suivante :

2

Fcalcul = 1 2
1

1
Cf. Neter J., Kutner M.H., Nachtscheim C.et Wasserman W. (1996), Applied Linear Models, Irwin.
2
La partie inexplique par le modle sappelle la variance rsiduelle : 1-R2. Ainsi, la variance explique et la
variance rsiduelle forment la variance totale.
230
 Elle suit une loi de Fisher (p, n - p - 1) degrs de libert. Si le Fcalcul est suprieur au
Fthorique (= F1 (p, n - p - 1)1, o est le risque de premire espce (traditionnellement
gal 5 %). Alors la rgression est statistiquement significative (Jolibert et Jourdan,
2006). Une autre faon de lire le test est de comparer la valeur-p2 avec : si elle est
infrieure, l'hypothse nulle H03(H0 : a1 = a2 = a3 = = ap =0) est rejete.

Les deux indices permettent de vrifier si la rgression est significative. Si cest le cas, nous
rejetons lhypothse nulle globale H0. Donc, il existe au moins une variable explicative dont
le coefficient de rgression partiel ap est statistiquement diffrent de 0.

Dautres tests sont ncessaires pour identifier les coefficients de rgression statistiquement
non nuls. Nous pouvons utiliser pour cela le test de Student t ou F de Fisher-Snedecor, pour
valuer chaque coefficient de rgression partiel.

4.1.2.6.2 La significativit statistique de chaque coefficient de rgression

La significativit des estimateurs des coefficients de la rgression peut tre teste au moyen
dun test t de Student (n-p-1) degrs de libert4. Lanalyse de test t de Student (Critical
Ratio ou C. R.) sous SPSS permet ainsi didentifier les variables explicatives ayant une
influence significative sur la variable expliquer, cest--dire celles o la valeur calcule de t
est lev5. Par consquent, il est possible dexclure les variables dont le poids nest pas
significatif, leur limination de lquation de la rgression ne change pas significativement la
qualit de lajustement global. Cela permet daboutir un modle plus simple (Evrard et al.
2003).

La force de la relation entre la variable explicative (ou le prdicteur) et la variable expliquer

est mesure par le coefficient standardis bta . Cela indique quil est possible de
comparer les variables entre elles, alors que diffrentes units de mesures ont t utilises
(Field, 2005). Les coefficients relatifs lexplication de la variable dpendante sont exposs
dans ce travail selon une prsentation suivant les modles des rgressions (Modle1, 2 et 3).

1
C'est--dire la valeur des tables de Fisher pour p et n - p - 1 degrs de libert, et pour une confiance
gnralement de (1- ).
2
En anglais p-value, cest la probabilit critique d'obtenir la mme valeur du test si lhypothse nulle tait vraie.
3
H0 correspond une absence de significativit statistique globale de la rgression linaire.
4
Rappelons que la valeur de tcalcule pour la ime variable explicative est gale au rapport du coefficient de
rgression que divise lcart-type de lestimateur.
5
Le coefficient est significatif si t de Student est suprieur 1,96. Cependant, les chercheurs considrent aussi
les coefficients dont p 0,1 comme significatifs mme si leurs t de Student est lgrement infrieur 1,96.
231
La significativit des t de Student1 se lit de la manire suivante : *** p < 0,01 ; ** p 0,05 ;
*0,05 < p 0,10.

Tableau 4.3 : Les seuils et les choix retenus dans lanalyse de la rgression linaire
multiple

Axes danalyse Seuils et choix retenus

Corrlations
R < 0,7
entre Xp
Lanalyse de la
multicolinarit Tolrance 0,7
VIF < 10
Vrification des
conditions Lhomoscdasticit ou
dutilisation de la variance constante des La variance des termes derreur est constante
rgression linaire erreurs
multiple Lindpendance des
1 < statistique Durbin-Watson < 3
erreurs
La normalit de la
La distribution des valeurs rsiduelles suit une
distribution des termes
courbe normale
derreurs
Rgression simultane et rgression
Choix du modle de rgression
hirarchique
Distance de Cook > 1
Le diagnostic des observations extrmes
Ou
( outliers )
3,29 < valeur rsiduelle standardise < 3,29
- Test F de Fisher : Fcalcul > Fthorique
- Ou si p-value <
Qualit globale de la rgression
La rgression est statistiquement significative
(lhypothse nulle globale H0 est rejete)
Valeur t de Student se lit de la manire
La significativit statistique de chaque coefficient
suivante : *** p < 0,01 ; ** p 0,05 ; *0,05 <
de rgression
p 0,10.

Une fois lanalyse multivarie de notre travail prsente ainsi que les diffrents seuils et choix
qui sont retenus, nous abordons ci-dessous les rsultats des tests de validation des variables
latentes2 et les rsultats de tests dhypothses.

1
Plus la valeur de t de Student est leve et plus celle de p est petite, plus la variable explicative contribue au
modle.
2
Gnralement, une variable latente doit comprendre au minimum trois items.
232
4.2 La validation du modle thorique

La validation du modle global consiste tester empiriquement et indpendamment les

chelles de mesure de chacun des concepts indirectement mesurables et utiliss dans notre
prsente recherche, savoir linformatisation, la structure et lincertitude de lenvironnement.
Dans ces taches, le logiciel SPSS 20.0 a t trs performant et il permet dlaborer des
analyses factorielles exploratoires (AFE) pertinentes (Cf. 4.2.1). La sous-section 2 est
rserve pour tester les hypothses de la recherche et analyser empiriquement les diffrents
rsultats obtenus.

4.2.1 Les rsultats des tests de validation des instruments de mesure

La validation des instruments de mesure consiste traiter la dimensionnalit des chelles

mobilises, leur cohrence interne (fiabilit) et leur validit convergente et discriminante.

4.2.1.1 chelle de mesure de la variable Informatisation

Nous commenons les analyses factorielles exploratoires par la prsentation des rsultats
relatifs lanalyse de la dimensionnalit de la variable Informatisation . Ensuite, nous
exposons ceux qui sont associs la cohrence interne avant de prsenter la validit
convergente de lchelle.

Lchelle Informatisation est mesure laide de cinq items initiaux ; degr dutilisation
des progiciels de gestion intgre ERP , degr dutilisation des outils de Business
Intelligence / dcisionnel / reporting , degr dutilisation des outils de planification
budgtaire , degr dutilisation des outils de consolidation , degr dutilisation des
outils bureautiques . Rappelons que chaque item est mesur sur une chelle de Likert en 5
points.

4.2.1.1.1 Dimensionnalit

Lanalyse factorielle exploratoire nous permet de dterminer une ou plusieurs dimensions

latentes partir de variables observables initiales (items). La premire tape dans ltude de la
dimensionnalit dune chelle consiste sassurer que les donnes sont factorisables .

233
Ainsi, le calcul de la matrice des corrlations avec les seuils de signification (Cf. Annexe 6)
montre que les corrlations sont toutes positives et significatives sauf la corrlation entre
litem Degr_utilisation_Info_Bureautique et litem Degr_utilisation_Info_PB . Ceci
nous laisse supposer que lchelle tudie ncessite dtre pure.

Dans notre tude, la valeur du test de sphricit de Bartlett calcule est statistiquement
significative au seuil de risque de 5% (le rsultat du test est largement infrieur 0,05). Ce
test permet de rejeter sans risque lhypothse de nullit simultane H0 (selon laquelle la
matrice des corrlations serait une matrice identit) de tous les coefficients de corrlation. Il
est donc intressant (et justifi) de mener une analyse factorielle exploratoire en composantes
principales. La valeur de KMO obtenue est gale 0,692, ce qui est mdiocre mais suffisant
(> 0,5) pour effectuer une analyse factorielle exploratoire. Cette valeur converge avec le
rsultat prcdant du test de Bartlett selon lequel la matrice de corrlations est statistiquement
diffrente dune matrice identit, justifiant la mise en uvre dune analyse factorielle (Cf.
Tableau 4.4).

Tableau 4.4 : Les rsultats de lindice de KMO et du test de Bartlett pour lACP de la
variable informatisation
Mesure de prcision de l'chantillonnage de
0,692
Kaiser-Meyer-Olkin.
Khi-deux approxim 110,179
Test de sphricit de ddl 10
Bartlett
Signification de Bartlett 0,000

Toutes les conditions de factorisation sont remplies, nous pouvons donc conduire notre
analyse factorielle.

Une ACP est lance sur lensemble initial des cinq items, sans prciser le nombre de facteurs
demands.

Lanalyse des valeurs propres montre que seul le facteur 1 a une valeur propre suprieure 1
(critre de Kaiser). Il faut donc ne retenir que ce facteur1. Les 4 derniers facteurs peuvent tre
limins (Cf. Tableau 4.5).

1
Voir ce sujet : Ferguson G. (1971), Statistical Analysis in Psychology, New York, McGraw-Hill, p. 421-425.
234
Tableau 4.5 : Valeurs propres et pourcentage de variance explique relatives lchelle
Informatisation
Valeurs propres initiales
Composante
Total % de la variance % cumuls
1 2,141 42,825 42,825
2 0,954 19,073 61,898
3 0,832 16,649 78,547
4 0,581 11,623 90,170
5 0,491 9,830 100,000

Les variances restitues par les composantes ou valeurs propres figurent dans la deuxime
colonne du tableau 4.5. Leur total (2,141 + 0,954+ 0,832+ 0,581+ 0,491) est bien gal 5 :
toute la variance des variables individuelles est restitue, ce qui est normal puisque le nombre
de composantes (facteurs) est gal celui des items. Nous constatons que le facteur retenu
restitue 42,8% (2,141 /5) de la variance totale (ou de linformation). Le deuxime facteur qui
extrait 19 % est exclu par application du critre de Kaiser. Cette mthode de Kaiser utilise
dans cette tude, permet daffirmer que la variable Informatisation est unidimensionnelle.

En outre, lobservation du graphique des valeurs propres (test de Cattell, cf. Annexe 6) nous
confirme la prsence dun seul facteur puisque le coude est repr au niveau du deuxime
facteur.

Par ailleurs, le critre des communalits indique que les items

Degr_utilisation_Info_Bureautique et Degr_utilisation_Info_ERP sont candidats la
suppression car leurs communalits sont infrieures 0,4 (Cf. Tableau 4.6).

Tableau 4.6 : Communalits de lchelle informatisation

Items Communalits
Degr_utilisation_Info_ERP 0,349
Degr_utilisation_Info_BI_DR 0,571
Degr_utilisation_Info_PB 0,516
Degr_utilisation_Info_Consolidation 0,499
Degr_utilisation_Info_Bureautique 0,206

235
Cependant litem Degr_utilisation_Info_ERP est bien corrl au facteur Informatisation
et sa contribution factorielle est suprieure 0,5 (0,591) ce qui nest pas le cas pour litem
Degr_utilisation_Info_Bureautique (contribution factorielle < 0,5) (Cf. Annexe 6). Nous
dcidons donc de conserver litem Degr_utilisation_Info_ERP malgr son faible
communalit1 et supprimons litem Degr_utilisation_Info_Bureautique, puis nous relanons
lanalyse.

la suite de cette opration, toutes les corrlations entre les items de lchelle sont positives
et significatives au seuil de 0,05 et 0,01 (Cf. Annexe 6). Ltape suivante de lanalyse des
donnes dans le cadre de lanalyse factorielle en composantes principales de la variable
Informatisation est de considrer les tests statistiques de KMO et de Bartlett. Ces tests
autorisent la factorisation des donnes et sont prsents dans le tableau ci-dessous.

Tableau 4.7 : Les rsultats de lindice de KMO et du test de Bartlett pour lACP de la
variable Informatisation aprs la premire purification
Mesure de prcision de l'chantillonnage de Kaiser-Meyer-Olkin. 0,692
Khi-deux approxim 94,211
Test de sphricit de Bartlett ddl 6
Signification de Bartlett 0,000

Selon le critre de Kaiser, lanalyse des valeurs propres montre toujours lexistence dun seul
facteur ayant une valeur propre suprieure 1. Les trois derniers facteurs peuvent tre
limins (Cf. Tableau 4.8).

Tableau 4.8 : Valeurs propres et pourcentage de variance explique relatives lchelle

Informatisation aprs la premire purification
Valeurs propres initiales
Composante
Total % de la variance % cumuls
1 2,021 50,526 50,526
2 0,868 21,693 72,218
3 0,585 14,631 86,849
4 0,526 13,151 100,000

1
Pour Child (Cf. Child, D. (2006). The essentials of factor analysis. (3rd ed.). New York, NY: Continuum
International Publishing Group.), le seuil minimum de la communalit en ACP est 0,20.

236
Ce modle factoriel explique 50,5% de lensemble de linformatisation. Il reste donc
49,5% de la variance du modle Informatisation qui reste inexplique par les indicateurs
choisis.

En nous basant sur le critre des communalits et des saturations (loadings) de lchelle
Informatisation , la structure factorielle est trs claire et les items sont corrls au facteur
(saturations comprises entre 0,584 et 0,769) (Cf. Tableau 4.9 et Annexe 6).

Tableau 4.9 : Communalits et structure factorielle de lchelle Informatisation

aprs la premire purification
Items Communalits Facteur 1
Degr_utilisation_Info_PB 0,591 0,769
Degr_utilisation_Info_BI_DR 0,584 0,764
Degr_utilisation_Info_Consolidation 0,505 0,710
Degr_utilisation_Info_ERP 0,341 0,584

Il est noter quil y a une hirarchie entre les items de la composante. Nous pouvons
constater que litem Degr_utilisation_Info_PB est plus corrl au facteur 1 que litem
Degr_utilisation_Info_ERP .

Lanalyse en composantes principales a dgag un seul facteur. Ce dernier regroupe les quatre
variables individuelles relatives lInformatisation. Cette analyse montre ainsi que celle-ci
est unidimensionnelle et compose des quatre items prcits.

4.2.1.1.2 Fiabilit

La cohrence interne de la variable Informatisation a t calcule dans le chapitre 3 pour

les cinq items initiaux. Nous rexaminons prsent le degr de cette cohrence aprs
suppression de litem Degr_utilisation_Info_Bureautique (Cf. Tableau 4.10).
Tableau 4.10 : Statistiques de fiabilit de lchelle Informatisation

Alpha de Cronbach en Alpha de Cronbach

Items cas de suppression de avec lensemble des
l'lment items
Degr_utilisation_Info_ERP 0,671
Degr_utilisation_Info_BI_DR 0,557
0,665
Degr_utilisation_Info_PB 0,552
Degr_utilisation_Info_Consolidation 0,603
237
Le tableau ci-dessus montre que le score dalpha de Cronbach reflte une consistance interne
acceptable ( = 0,665). Les quatre items de notre chelle contribuent tous la fiabilit de
celle-ci.

Lanalyse factorielle exploratoire que nous avons mene portant sur lchelle
Informatisation , permet de procder lpuration dun item
(Degr_utilisation_Info_Bureautique) afin damliorer la qualit de lchelle. Lanalyse
montre galement que lchelle obtenue est unidimensionnelle et fiable.

Une fois les analyses exploratoires concernant la dimensionnalit et la fiabilit de lchelle

ralises, nous rexaminons1 la validit convergente des items de lchelle.

4.2.1.1.3 Validit convergente

Pour recalculer la validit convergente de lchelle aprs lpuration, nous avons utilis le
Rh de Pearson pour tester la validit de notre instrument de mesure. Lannexe 6 indique que
lchelle informatisation est compose de quatre items fortement et significativement
corrls entre eux au niveau 1% ou 5 %.

LACP rvle alors que lchelle Informatisation est unidimensionnelle, avec une bonne
contribution factorielle de chaque item et une bonne cohrence interne. Ainsi, les quatre items
sont reprsentatifs et rattachables une seule variable latente. Ce rsultat portant sur
lunidimensionnalit de notre construit est conforme celui trouv par les auteurs ayant
travaill sur linformatisation (Chapellier, 1994 ; Kalika, 1987)

En dfinitive, lACP portant sur la variable Informatisation ayant t ralise, le score

moyen de lchelle est dtermin par le calcul de la moyenne des quatre items valids
prcdemment sur les cinq items initialement prvus pour cette variable.

4.2.1.2 chelle de mesure de la variable Structure

Lchelle Structure est mesure laide de neuf items initiaux ; cinq mesurant le degr
de dcentralisation verticale DDV et quatre mesurant le degr de dcentralisation

1
La validit convergente des chelles Informatisation , Structure et Incertitude de lenvironnement a
t vrifie, prcdemment dans le chapitre 3, avant la purification des instruments de mesure.
238
horizontale DDH . Nous rappelons que les neuf items sont valus sur une chelle de Likert
en cinq points.

4.2.1.2.1 Dimensionnalit

Il convient, tout dabord, dexaminer si les donnes sont factorisables. Ainsi, le calcul de la
matrice de corrlation de la variable Structure (Cf. Annexe 6) rvle que les corrlations
sont positives et majoritairement significatives. Cette matrice montre aussi labsence de
corrlations significatives entre certains items, par exemple entre
DDV_dcisions_oprationnelles et DDV_embauche_licenciement . A cet gard, nous
pouvons souligner que les quatre items de DDH sont trs corrls entre eux et comme cest le
cas pour les items de DDV lexception de litem DDV_dcisions_oprationnelles . Ce
constat exige une tude de purification de lchelle tudie.

Le test de sphricit de Bartlett est significatif (Cf. Tableau 4.11), il permet de rejeter
lhypothse nulle (H0 : la matrice des corrlations serait une matrice identit) relative aux
coefficients de corrlation entre items. En outre, le test KMO, dont la valeur est suprieure
0,7 (KMO=0,797), ce qui est une valeur moyennement bonne, donne un rsultat qui autorise
la factorisation (Cf. Tableau 4.11).

Tableau 4.11 : Les rsultats de lindice de KMO et du test de Bartlett pour lACP de la
variable Structure
Mesure de prcision de l'chantillonnage de Kaiser-Meyer-Olkin. 0,797
Khi-deux approxim 381,756
Test de sphricit de Bartlett ddl 36
Signification de Bartlett 0,000

Donc, selon le test sphricit de Bartlett et le test de KMO, la mise en uvre dune
analyse factorielle exploratoire en composante principales est justifie.

Par ailleurs, le critre de Kaiser montre lexistence de deux facteurs qui permettent de
restituer 53,8 % de la variance totale explique. Le premier facteur permet dextraire 39,3 %
de cette variance, alors que le second facteur permet den extraire 14,5%. Le troisime facteur
qui nextrait que 10,6% est exclu par application du critre de Kaiser (Cf. Tableau 4.12).

239
En outre, lobservation du graphique des valeurs propres nous confirme la prsence de deux
facteurs puisque le coude est repr au niveau du troisime facteur (Cf. Annexe 6).

Tableau 4.12 : Valeurs propres et pourcentage de variance explique relatives lchelle

Structure
Valeurs propres initiales
Composante
Total % de la variance % cumuls
1 3,542 39,355 39,355
2 1,305 14,505 53,860
3 0,962 10,686 64,547
4 0,754 8,378 72,925
5 0,671 7,458 80,383
6 0,562 6,244 86,626
7 0,467 5,189 91,815
8 0,381 4,237 96,052
9 0,355 3,948 100,000

Cependant, le critre des communalits indique que litem

DDV_dcisions_oprationnelles est candidat la suppression puisque sa communalit est
infrieure 0,4 (Cf. Tableau 4.13).

Tableau 4.13 : Communalits de lchelle Structure

Items Communalits
DDH_participation_dir_PD 0,633
DDH_dir_PD_consultation_coll 0,496
DDH_collaborateurs_dir_PD 0,540
DDH_collaborateurs_seuls_PD 0,616
DDV_dveloppement_lancement
0,599
_nouveaux_produits_services
DDV_embauche_licenciement 0,538
DDV_fixation_prix_vente 0,569
DDV_choix_investissements 0,681
DDV_dcisions_oprationnelles 0,176

Nous supprimons litem DDV_dcisions_oprationnelles car il ne partage pas assez de

variances avec les autres items et nous relanons lanalyse.

240
Nous constatons que toutes les corrlations sont positives et majoritairement significatives
(Cf. Annexe 6). Le test de sphricit de Bartlett et le test KMO autorisent la factorisation (Cf.
Tableau 4.14).

Tableau 4.14 : Les rsultats de lindice de KMO et du test de Bartlett pour lACP de la
variable Structure aprs la premire purification
Mesure de prcision de l'chantillonnage de Kaiser-Meyer-Olkin. 0,806
Khi-deux approxim 354,356
Test de sphricit de Bartlett ddl 28
Signification de Bartlett 0,000

Le critre de Kaiser dploy ici indique toujours la bidimensionnalit de la variable

Structure . Les deux facteurs permettent dextraire 59% de la variance totale explique. Le
premier facteur permet dexprimer 42,7 % de cette variance explique par le modle factoriel,
alors que le second facteur permet den extraire 16,3% (Cf. Tableau 4.15). Ce pourcentage
sest donc amlior aprs suppression de litem DDV_dcisions_oprationnelles .

Tableau 4.15 : Valeurs propres et pourcentage de variance explique pour la variable

Structure , aprs la premire purification
Valeurs propres initiales
Composante
Total % de variance % cumuls
1 3,420 42,746 42,746
2 1,302 16,270 59,016
3 0,763 9,535 68,551
4 0,693 8,668 77,219
5 0,564 7,046 84,265
6 0,480 6,005 90,270
7 0,405 5,059 95,329
8 0,374 4,671 100,000

Selon le critre des communalits, tous les items ont des communalits suprieures 0,4
(comprises entre 0,493 et 0,668). Par rapport la structure factorielle de lchelle, nous
constatons que celle-ci nest pas claire. Cela signifie que quelques items notamment
DDH_participation_dir_PD, DDV_choix_investissements, DDH_collaborateurs_seuls_PD,
DDV_dveloppement_lancement_nouveaux_produits_services, et DDH_collaborateurs_dir_
PD ont des corrlations (en valeur absolue) suprieures au seuil de 0,4 avec les deux facteurs
retenus (Cf. Annexe 6).

241
Pour obtenir une structure factorielle plus claire et simple, nous ralisons une rotation de type
Varimax. Ce choix contribuerait mieux interprter les facteurs identifis et permet
doptimiser les corrlations des items sur les deux facteurs retenus.

Une fois la rotation effectue, aucun item nest troitement corrl avec les deux facteurs la
fois, la structure factorielle de lchelle apparat plus clairement. Par consquent, les items
DDV_choix_investissements, DDV_dveloppement_lancement_ nouveaux_produits_services,
DDV_fixation_prix_vente, et DDV_embauche_licenciement sont dans ce cas fortement
corrls au facteur 1 (corrlations comprises entre 0,690 et 0,809) et faiblement corrls au
facteur 2 (corrlations comprises entre 0,096 et 0,319). Par contre, les items
DDH_participation_dir_PD, DDH_collaborateurs_seuls_PD, DDH_collaborateurs_
dir_PD, et DDH_dir_PD_consultation_coll sont fortement corrls au facteur 2 et leurs
contributions factorielles sont largement suprieures 0,5 (comprises entre 0,646 et 0,772).
Le tableau 4.16 rcapitule les rsultats aprs la rotation Varimax.

Tableau 4.16 : Communalits et structure factorielle de lchelle Structure , aprs la

premire purification et la rotation Varimax
Items Communalits Facteur 1 Facteur 2
DDV_choix_investissements 0,668 0,809 0,118
DDV_dveloppement_lancement_nouv
0,615 0,778 0,096
eaux_produits_services
DDV_fixation_prix_vente 0,581 0,731 0,216
DDV_embauche_licenciement 0,578 0,690 0,319
DDH_participation_dir_PD 0,634 0,194 0,772
DDH_collaborateurs_seuls_PD 0,615 0,184 0,762
DDH_collaborateurs_dir_PD 0,538 0,057 0,731
DDH_dir_PD_consultation_coll 0,493 0,274 0,646

La validation de la structure factorielle de lchelle deux facteurs, consiste pouvoir

interprter ces derniers1.

Le facteur 1 runit les quatre noncs suivants : DDV relatif au dveloppement ou

au lancement de nouveaux produits ou services , DDV relatif lembauche et le
licenciement , DDV relatif la fixation des prix de vente , et DDV relatif aux

1
Cf. Benzecri, J-P. (1973), Lanalyse des donnes, Tome 2, Dunod, Paris. Lauteur recommande de retenir tous
les facteurs qui sont clairement interprtables en se basant non pas sur les rsultats statistiques qui sont parfois
embarrassants, mais plutt sur la signification des axes retenus.

242
 choix des investissements . Ces quatre items traduisent clairement le degr de
dcentralisation verticale de la prise de dcision.
Le facteur 2 rassemble les quatre noncs suivants : DDH relatif la participation
des dirigeants dans la prise de dcision , DDH relatif la consultation des
collaborateurs avant la prise de dcision , DDH relatif la consultation des
dirigeants avant la mise en application des dcisions prises par les collaborateurs ,
et DDH relatif la prise de dcision par des collaborateurs . Ces quatre items
traduisent de manire vidente le degr de dcentralisation horizontale de la prise de
dcision.

LACP finale ralise sur lchelle Structure montre ainsi que celle-ci est
bidimensionnelle. Elle a permis dassurer une purification de lchelle en question par la
suppression dun item, DDV_dcisions_oprationnelles , ce qui a amlior la qualit de
linstrument.

La carte factorielle finale de la variable Structure montre que les items du facteur
DDV sont lextrmit de laxe horizontal, alors que les items du facteur DDH sont
lextrmit de laxe vertical. Nous pouvons ainsi synthtiser les donnes en affirmant que la
variable Structure est compose de deux facteurs : le DDV et le DDH (Cf. Graphique 4.1).
Graphique 4.1 : Diagramme des composantes dans lespace aprs rotation

243
Nous distinguons clairement une forte corrlation entre les items de la dimension Degr de
dcentralisation verticale DDV (facteur ou composante 1) dune part, et les items de la
dimension de degr de dcentralisation verticale DDH (facteur ou composante 2) dautre
part.

4.2.1.2.2 Fiabilit

La cohrence interne des deux dimensions de la variable Structure a t calcule dans le

chapitre 3 pour les neuf items initiaux. Nous rexaminons prsent le degr de cette
cohrence pour ces deux dimensions aprs la suppression de litem
DDV_dcisions_oprationnelles (Cf. Tableau 4.17).

Tableau 4.17 : Statistiques de fiabilit de lchelle Structure

Alpha de Alpha de
Cronbach en Cronbach
Dimensions de
Items cas de avec
lchelle structure
suppression de lensemble
l'lment des items
DDV_dveloppement_lancement_nouve
Degr de 0,738
aux_produits_services
dcentralisation
DDV_embauche_licenciement 0,734 0,781
verticale (DDV) de la
DDV_fixation_prix_vente 0,734
prise de dcision PD
DDV_choix_investissements 0,704
Degr de DDH_participation_dir_PD 0,654
dcentralisation DDH_dir_PD_consultation_coll 0,705
horizontale (DDH) de DDH_collaborateurs_dir_PD 0,715 0,743
la prise de dcision PD DDH_collaborateurs_seuls_PD 0,655

Le tableau ci-dessus montre que les scores dalpha de Cronbach sont dun niveau satisfaisant
pour les deux dimensions de lchelle (DDV = 0,781 et DDH = 0,743) et indiquent une bonne
consistance interne. Les quatre items de chaque dimension tudie contribuent la fiabilit de
celle-ci. Ce critre ne permet aucune suppression supplmentaire ditems.

Une fois les analyses exploratoires concernant la dimensionnalit et la fiabilit de lchelle

ralises, nous rexaminons la validit convergente de ses items.

244
 4.2.1.2.3 Validit convergente

Pour recalculer la validit convergente de lchelle aprs lpuration, nous avons utilis le
Rh de Pearson pour tester la validit de notre instrument de mesure. Lannexe 6 indique que
lchelle Structure forme deux dimensions DDV et DDH , chacune tant compose
de quatre items fortement et significativement corrls entre eux au niveau 0,01.

Les analyses factorielles exploratoires montrent que cette chelle est bidimensionnelle. Ce
rsultat portant sur la bidimensionnalit de lchelle est conforme celui trouv par les
auteurs ayant travaill sur cette chelle (Kalika, 1987 ; Germain, 2003).

Suite cette analyse, nous avons remarqu que la valeur propre du premier facteur DDV
(soit 3,4) est suprieure celle du deuxime facteur DDH (soit 1,3). En effet, le DDV
permet dextraire plus de variance totale (42,7%) que le DDH (16 ,3%). Autrement dit, les
items de DDV contribuent le plus lexplication de la dcentralisation structurelle. Ce facteur
a une cohrence interne satisfaisante. Nous dcidons donc de conserver le DDV en tant
que facteur dominant et reprsentatif de la structure et dabandonner le facteur DDH .

En dfinitive, le score moyen de lchelle Structure est dtermin par le calcul de la

moyenne des quatre items du DDV retenus et valids par notre analyse (DDV relatif au
dveloppement ou au lancement de nouveaux produits ou services, DDV relatif lembauche
et le licenciement, DDV relatif la fixation des prix de vente, DDV relatif aux choix des
investissements).

4.2.1.3 chelle de mesure de la variable Incertitude de lenvironnement

Lchelle Incertitude de lenvironnement est mesure grce quatre items initiaux ;

dynamisme de lenvironnement au plan conomique , dynamisme de lenvironnement au
plan technologique , prvisibilit des actions et des comportements des concurrents et
prvisibilit des prfrences et des comportements des clients . Rappelons que les quatre
items sont valus sur une chelle de Likert en 5 points.

245
 4.2.1.3.1 Dimensionnalit

La premire tape dans lanalyse factorielle exploratoire consiste examiner les conditions de
factorisation des donnes.

Ainsi, le calcul de la matrice de corrlation de la variable Incertitude de lenvironnement

(Cf. Annexe 6) rvle que les corrlations sont statiquement positives et significatives au
niveau de 0,01. Ce constat laisse supposer que cette chelle ne ncessite pas une purification.

Le test de sphricit de Bartlett est significatif, il permet de rejeter lhypothse nulle associe
aux coefficients de corrlation entre items. En outre, le test KMO, dont la valeur est
suprieure 0,7 (KMO = 0,780) donne un rsultat qui autorise la factorisation (Cf. Tableau
4.18).

Tableau 4.18 : Les rsultats de lindice de KMO et du test de Bartlett pour lACP de la
variable Incertitude de lenvironnement
Mesure de prcision de l'chantillonnage de Kaiser-Meyer-Olkin. 0,780
Khi-deux approxim 185,405
Test de sphricit de Bartlett ddl 6
Signification de Bartlett 0,000

Donc, selon le test sphricit de Bartlett et le test de KMO, la mise en uvre dune
analyse factorielle exploratoire en composantes principales est justifie.

Par ailleurs, le critre de Kaiser montre lexistence dun seul facteur permettant dexpliquer
62,5 % de la variance totale. Le deuxime facteur qui nextrait que 14,6% est exclu par
application du critre de Kaiser (Cf. Tableau 4.19).

En outre, lobservation du graphique des valeurs propres nous confirme la prsence dun seul
facteur puisque le coude est repr au niveau du deuxime facteur (Cf. Annexe 6).

246
 Tableau 4.19 : Valeurs propres et % de variance explique relatives lchelle
Incertitude de lenvironnement
Valeurs propres initiales
Composante
Total % de la variance % cumuls
1 2,504 62,592 62,592
2 0,587 14,672 77,265
3 0,521 13,036 90,301
4 0,388 9,699 100,000

Le tableau ci-dessous indique que toutes les communalits sont suprieures au seuil de 0,4
(comprises entre 0,568 et 0,679). Les quatre items de lchelle tudie sont fortement corrls
au facteur et leurs contributions factorielles sont largement suprieures 0,5 (comprises entre
0,754 et 0,824).

Tableau 4.20 : Communalits et structure factorielle de lchelle Incertitude de

lenvironnement

Items Communalits Facteur

Prvisibilit_comportement_concurrents 0,679 0,824
Prvisibilit_comportement_clients 0,650 0,806
Dynamisme_env_plan_conomique 0,606 0,779
Dynamisme_env_plan_technologique 0,568 0,754

Lanalyse factorielle exploratoire ralise sur lchelle incertitude de lenvironnement

montre ainsi que celle-ci est unidimensionnelle et compose de quatre items prcits.

4.2.1.3.2 Fiabilit

La cohrence interne de la variable Incertitude de lenvironnement a t calcule dans le

chapitre 3 pour les quatre items initiaux. Elle reste son niveau car nous avons gard la
totalit des items valids par lanalyse factorielle exploratoire (Cf. Tableau 4.21).

247
 Tableau 4.21 : Statistiques de fiabilit de lchelle Incertitude de lenvironnement
Alpha de
Alpha de lchelle
Cronbach en cas
Items avec lensemble
de suppression de
des items
l'lment
Dynamisme_env_plan_conomique 0,757
Dynamisme_env_plan_technologique 0,772
0,800
Prvisibilit_comportement_concurrents 0,728
Prvisibilit_comportement_clients 0,739

Ainsi, le score dalpha de Cronbach est dun niveau satisfaisant ( = 0,800) et montre une
bonne consistance interne. Lalpha de lchelle est suprieur lalpha de Cronbach en cas de
suppression de llment, donc aucune suppression ditems nest possible. Les quatre items de
notre chelle contribuent tous la fiabilit de celle-ci.

4.2.1.3.3 Validit convergente

Suite aux analyses prcdentes, lchelle Incertitude de lenvironnement na subi aucune

purification. Les corrlations de Pearson entre les diffrents items sont celles calcules dans le
chapitre 3 (section 1). De surcrot, la validit convergente de lchelle reste inchangeable car
nous avons conserv la mme structure factorielle initiale (Cf. Annexe 6). Nous rappelons
donc que les corrlations entre les items de lchelle sont largement significatives au niveau
0,01.

LACP rvle alors que lchelle Incertitude de lenvironnement est fiable et

unidimensionnelle, avec une bonne contribution factorielle de chaque item et une bonne
cohrence interne. Les quatre items sont rattachables une seule variable latente. Ce rsultat
portant sur lunidimensionnalit de notre construit est conforme celui trouv par les
auteurs ayant travaill sur lincertitude de lenvironnement (Zian, 2013 ; Komarev,
2007, Gordon et Narayanan1, 1984).

En dfinitive, aprs avoir men lACP relative la variable Incertitude de

lenvironnement , le score moyen de lchelle est dtermin par le calcul de la moyenne des
quatre items retenus et valids par lanalyse.

1
Komarev et Zian ont utilis les mmes items que nous pour mesurer lincertitude de lenvironnement . En
revanche, Gordon et Narayanan ont employ en plus un cinquime item rvision des politiques marketing .
248
 4.2.1.4 Variables indicielles : Variable mdiatrice et variable expliquer.

Avant de procder la validit discriminante des variables latentes, nous soulignons que la
variable Diversit dutilisation des indicateurs de TB et la variable expliquer Utilit
des TB dans le PP sont considres dans notre recherche comme deux variables indicielles.

La variable indicielle ou composite est une variable rsultant de leffet combin de deux ou
plusieurs variables individuelles (indicateurs)1. Autrement dit, il sagit de lagrgation
dindicateurs contribuant la synthse ou la construction de cette variable (Van Dalen D.B,
1979, pp.302-305). Chaque indicateur seul ne fournit pas suffisamment d'informations, mais
dans l'ensemble ils peuvent reprsenter le concept plus complexe2.

Prenons, par exemple, la variable mdiatrice, elle est mesure par des indicateurs financiers et
non financiers. Pour la rendre plus facile grer, nous combinons les rponses relatives aux
quatre indicateurs (finance ; clients ; processus internes ; innovation et apprentissage
organisationnel) dans une variable composite diversit dutilisation des indicateurs de TB .
Le score moyen de cette variable est la moyenne des scores obtenus sur lensemble des quatre
chelles ordinales (ou axes de performance) qui la composent. cet gard, les items sont des
indicateurs formatifs de la variable mdiatrice c'est--dire que celle-ci est forme ou cause
par les items (Jolibert et Jourdan, 2011, p. 301).

De la mme manire, le score moyen de la variable expliquer est la moyenne des scores
obtenus par le biais de deux items ; le degr dutilit des indicateurs financiers et le degr
dutilit des indicateurs non financiers.

Ainsi, nous gardons la totalit des items formant les deux variables en agrgeant pour chacune
la totalit des items contribuant leur construction.

Ltape suivante est la dernire dans le cadre de la validation des instruments de mesure, elle
consiste examiner la validit discriminante des diffrents construits latents identifis ci-
aprs.

1
Cf. Van Dalen, D. B. (1979). Understanding educational research (4th ed.). New York, NY: McGraw - Hill.
2
Cf. Babbie E. (2012), The Practice of Social Research. Cengage Learning. ISBN 1-133-04979-6

249
 4.2.1.5 Examen de la validit discriminante des variables latentes

Comme il a t not prcdemment (chapitre 3, section 1), la validit discriminante consiste

vrifier si les mesures de construits diffrents obtenues avec un ou plusieurs instruments ne
sont pas corrles (ou le sont mais faiblement) (Roussel, 1996). Cela veut dire, que les
corrlations entre items qui mesurent le mme phnomne doivent tre suprieures aux
corrlations entre items qui ne mesurent pas le mme concept. En d'autres termes, il s'agit de
savoir si ce test de validit discriminante fait bien la distinction entre le construit mesur et
n'importe quel autre.

Lexamen de la validit discriminante des variables est la dernire tape des tests de
validation des instruments de mesure. Ce test est effectu sur les principales variables
explicatives valid par lACP et la variable mdiatrice.

cet gard, nous nous appuyons sur le test de la matrice des corrlations (Rh de Pearson)
des items mesurant les variables latentes du modle : Informatisation , Structure ,
Incertitude de lenvironnement et Diversit dutilisation des indicateurs de TB . Cette
matrice (Cf. Tableau 4.22) indique que les items mesurant des diffrents concepts (par
exemple les items de structure et incertitude de lenvironnement) ne sont pas corrls entre
eux. En outre, nous remarquons que les items mesurant la variable Informatisation ne sont
pas corrls avec les items caractrisant la structure lexception de deux corrlations faibles
marques en gris : la premire entre Degr_utilisation_Info_BI_DR et
DDV_fixation_prix_vente et la seconde entre Degr_utilisation_Info_Consolidation et
DDV_fixation_prix_vente . En revanche, les corrlations entre les items composant la
variable mdiatrice (variable indicielle ou composite) et les autres items mesurant
linformatisation, la structure et lincertitude de lenvironnement sont faibles, voire presque
nulles dans certains cas.

Gnralement, nous observons que les corrlations entre les items mesurant un mme concept
sont suprieures aux corrlations entre les items appartenant des concepts diffrents.

250
Tableau 4.22 : Matrice de corrlation (Rh de Pearson) des items mesurant les variables Informatisation , Structure , Incertitude de
lenvironnement et Diversit dutilisation des indicateurs de TB
Diversit dutilisation des indicateurs
Informatisation Structure Incertitude lenvironnement
de TB
Degr_u Degr_u Degr_u Degr_u DDV_d DDV_e DDV_fi DDV_ch Dynamis Dynamis Prvisibi Prvisibi Degr_u Degr_u Degr_u Degr_u
tilisation tilisation tilisation tilisation veloppe mbauche xation_p oix_inve me_env_ me_env_ lit_com lit_com tilisation tilisation tilisation tilisation
Items _Info_E _Info_BI _Info_P _Info_C ment_la _licencie rix_vent stisseme plan_co plan_tec porteme porteme _KPI_fi _KPI_cli _KPI_PI _KPI_A
RP _DR B onsolidat ncement ment e nts nomique hnologiq nt_concu nt_client n ents O
ion _nps ue rrents s
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

1 Corrlation 1
2 Corrlation 0,362** 1
3 Corrlation 0,242** 0,419** 1
4 Corrlation 0,188* 0,347** 0,455** 1
5 Corrlation 0,029 0,039 0,108 0,020 1
6 Corrlation 0,105 0,127 0,051 0,125 0,398** 1
* ** **
7 Corrlation 0,093 0,188 0,157 0,214 0,455 0,473** 1
8 Corrlation 0,146 0,097 0,028 0,114 0,524** 0,521** 0,461** 1
9 Corrlation -0,058 0,016 -0,115 -0,001 -0,045 0,065 0,020 0,147 1
10 Corrlation -0,093 -0,069 -0,091 -0,035 -0,067 -0,043 -0,054 0,110 0,482** 1
11 Corrlation 0,013 0,017 -0,057 -0,020 -0,005 0,051 -0,017 0,119 0,523** 0,461** 1
12 Corrlation -0,038 0,024 -0,100 -0,027 0,008 0,146 0,041 0,152 0,467** 0,469** 0,601** 1
13 Corrlation 0,058 0,231** 0,177* -0,013 0,045 0,178* 0,104 0,135 0,028 -0,049 0,012 -0,045 1
14 Corrlation 0,293** 0,333** 0,178* 0,202* 0,179* 0,169* 0,156 0,173* 0,005 0,044 0,085 0,076 0,104 1
* * * ** **
15 Corrlation 0,164 0,137 0,173 0,158 0,217 0,131 0,128 0,206 0,051 0,093 0,144 0,145 0,087 0,628** 1
16 Corrlation 0,154 0,228** 0,197* 0,151 0,267** 0,206** 0,256** 0,241** 0,050 0,124 0,208** 0,291** 0,086 0,517** 0,595** 1
**. La corrlation est significative au niveau 0.01 (bilatral).
*. La corrlation est significative au niveau 0.05 (bilatral).

251
En dfinitive, la matrice des corrlations prsente dans le tableau 4.22 montre que, dans tous
les cas, les items censs mesurer une chelle prsentent une forte corrlation et, dans tous les
cas, ces corrlations sont suprieures celles liant des items des construits diffrents. Ceci
milite en faveur de la bonne validit convergente et discriminante des chelles retenues dans
notre tude. Ainsi, la validit discriminante inter-variables est vrifie et satisfaisante.

Les analyses exploratoires effectues nous permettent de prsenter ci-dessous une synthse
des diffrents rsultats relatifs la validation des instruments de mesure du modle.

4.2.1.6 Synthse

LACP ralise sur lensemble des variables latentes introduites dans le modle global nous a
permis de valider les chelles de mesure utilises dans notre travail de recherche. Les
rsultats obtenus ont t prsents pour chaque chelle tudie. Ces structures dfinitives de
chaque chelle seront utilises dans le cadre des diffrentes rgressions linaires multiples
afin de tester les hypothses de la recherche (sous-section 4.2.2)

Gnralement, les analyses prcdentes montrent que nos chelles sont fiables, valides et
refltent des qualits psychomtriques correctes.

Ainsi, le tableau ci-dessous rcapitule les diffrents rsultats de lanalyse en composantes

principales, notamment ceux concernant la dimensionnalit et la fiabilit des trois chelles
mtriques intgres dans notre recherche1.

Tableau 4.23 : Rsum des rsultats relatifs la validation des chelles de mesure
Nombre
Nombre Nombre Nombre Variance
Variables de Alpha de
ditems ditems ditems/ totale
latentes facteurs Cronbach
avant ACP aprs ACP facteurs explique
retenus
Informatisation 5 4 1 4 50,5% 0,665
Structure 9 8 1 4 42,7% 0,781
Incertitude de
4 4 1 4 62,5% 0,800
lenvironnement

1
Les chelles mtriques Diversit dutilisation des indicateurs de TB et Utilit des TB dans le PP sont
deux variables indicielles ; la premire est compose de 4 items et la deuxime de 2 items.
252
Une fois les qualits psychomtriques de nos chelles tudies, nous avons utilis les scores
moyens relatifs chaque chelle mtrique, obtenus grce lACP, pour tester nos hypothses
de recherche. Ainsi, nous analysons prsent notre modle de recherche global par le biais de
trois rgressions linaires multiples.

4.2.2 Prsentation et analyse des rsultats : confirmation ou infirmation des

hypothses de recherche

Notre prsentation et analyse des rsultats, essaiera de soulever certaines questions de notre
tude et dy rpondre. La premire concerne linfluence des facteurs de contingence sur la
diversit dutilisation des indicateurs de performance. La deuxime question tudie leffet
direct et indirect de ces facteurs sur lutilit des indicateurs de TB dans le PP, et la dernire
question analyse le lien entre la varit du contenu de TB et son utilit perue par les
directeurs financiers et les contrleurs de gestion, pour le pilotage de la performance. Pour ce
faire, nous nous appuyons sur les coefficients de rgression standardiss , le test t de Student
et les seuils de risque qui leur sont associs.

Cette dernire tape des traitements effectus sur les donnes de notre chantillon de 156 ETI,
implique une utilisation de trois modles diffrents de rgressions linaires multiples. Cette
mthode permet de confirmer ou dinfirmer lensemble de nos hypothses de recherche,
prsentes dans le Chapitre 2. cet gard, nous ralisons une analyse rtrospective des
rsultats obtenus, au vue des dveloppements thoriques et empiriques antrieurs.

4.2.2.1 Validation des hypothses relatives linfluence des facteurs de

contingence sur la Diversit dutilisation des indicateurs de TB

Pour observer les pratiques de mesure de la performance et tester les hypothses de la

recherche portant sur la varit du contenu de TB, une rgression linaire multiple a t
ralise auprs dun chantillon de 156 ETI.

Lanalyse de cette premire rgression portant sur la diversit dutilisation des indicateurs de
TB (Modle 1) est effectue en trois tapes. En premier lieu, nous vrifions si les conditions
dutilisation de la rgression sont bien respectes. En deuxime lieu, nous analysons la qualit

253
globale du modle, et enfin, nous validons les hypothses de la recherche (H1a, H2a, H3a) en
analysant les coefficients des trois principales variables explicatives.

4.2.2.1.1 Vrification des conditions dutilisation de la rgression pour la

diversit dutilisation des indicateurs de TB.

Gnralement les chercheurs identifient quatre conditions ncessaires pour pouvoir valider
statistiquement le rsultat de la rgression (Jolibert et Jourdan, 2006, pp. 266-275).

4.2.2.1.1.1 Labsence de multicolinarit

Dans notre premier modle de rgression portant sur la diversit dutilisation des indicateurs
de TB, la matrice de corrlation (Cf. Tableau 4.24) nillustre pas de fortes corrlations entre
les variables explicatives retenues, savoir linformatisation, la structure et lincertitude de
lenvironnement. La plus forte corrlation entre ces principales variables est enregistre entre
linformatisation et la structure, elle est de 0,203, une valeur bien infrieure au seuil
empirique de 0,7.

En outre, la lecture du tableau ci-dessous confirme la faible multicolinarit entre les

variables explicatives : en effet, les valeurs VIF sont peu leves (infrieures 1,8) tandis que
la plus faible valeur pour la tolrance est de 0,7811(Cf. Annexe 7). Ainsi, nous pouvons
affirmer quil ny a pas un problme de multicolinarit entre les variables explicatives.

1
Sauf pour les deux variables muettes refltant la stratgie suivie par lentreprise (la stratgie de
diffrenciation tolrance = 0,567 et la stratgie de focalisation tolrance = 0,556 ). Par contre, les valeurs
de VIF pour ces deux variables sont trs satisfaisantes pour continuer notre analyse.
254
 Tableau 4.24 : Matrice des corrlations (Rh de Pearson) des variables et diagnostic de la multicolinarit
Variables explicatives 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 VIF

1. Diversit_utilisation_indicateurs_TB 1,000

2. Informatisation 0,399** 1,000 1,178

3. Structure 0,316** 0,203* 1,000 1,157

4. Incertitude_environnement 0,067 -0,023 0,033 1,000 1,037

5. Taille 0,071 -0,049 0,162* 0,053 1,000 1,163

6. Secteur_industriel 0,108 0,184* 0,068 -0,092 0,131 1,000 -

7. Secteur_commercial -0,007 -0,090 -0,096 0,051 -0,114 -0,595** 1,000 1,280

8. Secteur_prestations_services -0,120 -0,126 0,016 0,058 -0,040 -0,584** -0,305** 1,000 1,190

9. Formation_dirigeant -0,009 -0,075 0,111 0,017 0,150 -0,181* 0,220** -0,007 1,000 1,130

10. Domination_par_les_cots -0,091 -0,105 -0,192* 0,086 -0,011 -0,096 -0,002 0,116 -0,033 1,000 -

11. Diffrenciation -0,179* -0,129 0,056 -0,014 -0,077 -0,112 0,061 0,071 -0,010 -0,326** 1,000 1,765

12. Focalisation 0,235** 0,202* 0,108 -0,058 0,077 0,179* -0,052 -0,159* 0,037 -0,535** -0,625** 1,000 1,800

13. Implantation_budget 0,186* 0,083 0,035 -0,008 0,131 0,043 -0,095 0,045 -0,083 -0,015 -0,107 0,107 1,000 1,078

14. Implantation_ABC 0,145 0,061 0,174* 0,116 ,230** 0,052 -0,098 0,037 0,068 -0,117 0,080 0,026 0,140 1,000 1,141

15. Cotation_bourse 0,230** 0,201* 0,022 0,011 0,109 0,137 -0,180* 0,019 -0,006 -0,117 0,030 0,070 0,141 0,143 1,000 1,125
**. La corrlation est significative au niveau 0.01 (bilatral).
*. La corrlation est significative au niveau 0.05 (bilatral).

255
 4.2.2.1.1.2 Lhomoscdasticit

La variance des termes derreur est constante. En effet, le graphique ci-dessous concernant la
dispersion des erreurs en fonction des erreurs prdites par la rgression est reprsente par des
points rpartis alatoirement autour de 0.

Graphique 4.2 : Homoscdasticit de la variable Diversit dutilisation des indicateurs

de TB

4.2.2.1.1.3 Lindpendance des erreurs

Le tableau rcapitulatif du modle 1 (Cf. Annexe 7), montre dans sa dernire colonne le
rsultat du test de Durbin-Watson. Nous savons prcdemment, que la valeur de cette
statistique est acceptable lorsqu'elle se situe entre 1 et 3. Avec une valeur de 1,362, nous
pouvons dire quil ny a pas de problme au niveau de l'indpendance des erreurs.

256
 4.2.2.1.1.4 La normalit de la distribution des erreurs

partir de lhistogramme ci-dessous, nous observons que la distribution des valeurs

rsiduelles suit une courbe normale et ces valeurs sont attaches la courbe et ne dpassent
pas 3 (ou -3). Cette distribution des erreurs est donc normale.

Comme lindique le graphique ci-dessous, les termes derreurs de la variable dpendante

Diversit dutilisation des indicateurs de TB sont normalement distribus.

Graphique 4.3 : Normalit de distribution des erreurs pour la variable Diversit

dutilisation des indicateurs de TB

La normalit des rsidus peut tre vrifie galement par le graphique de la probabilit
normale qui reprsente la probabilit observe thorique dune loi normale (ordonne) en
fonction de la probabilit cumule observe (abscisse). Lensemble des points tant situs le
long de la diagonale, nous pouvons en conclure que les rsidus sont distribus de faon
normale.

257
 Graphique 4.4 : Etude de la normalit des rsidus pour la variable Diversit
dutilisation des indicateurs de TB

Ainsi, les quatre conditions dutilisation de la rgression pour la diversit dutilisation des
indicateurs de TB sont bien vrifies. Nous analysons prsent les ventuelles observations
extrmes de notre base de donnes.

4.2.2.1.2 Le diagnostic des observations extrmes ( outliers )

Le tableau 4.25 prsente les dix valeurs de Cook, les plus importantes, calcules partir de
notre base de donnes. Aucune natteint ou ne dpasse la valeur de 1. Nous pouvons donc
considrer quil ny a pas dobservations extrmes dans notre base de donnes, susceptibles
davoir une influence disproportionne sur la Diversit dutilisation des indicateurs de TB .

258
 Tableau 4.25 : Distances de Cook sur la diversit dutilisation des indicateurs de TB
Numro dobservation Distance de Cook
39 0,07218
123 0,05674
1 0,04608
147 0,03562
54 0,03356
40 0,03158
31 0,03104
51 0,03005
55 0,02861
125 0,02552

Par ailleurs, le tableau ci-aprs nous informe sur lventuelle prsence des valeurs extrmes
qui pourraient impacter le modle, donc la qualit de lajustement des donnes. Ces valeurs
font modifier les coefficients de rgression ap et sont mal prdites par le modle, donc elles
sont associes une valeur rsiduelle importante. Comme nous avons vu prcdemment dans
la sous-section 4.1.2, nous ne voulons aucune valeur rsiduelle standardise de plus de 3,29
(ou de moins de -3,29).

Tableau 4.26 : Diagnostic des observations extrmes sur la diversit dutilisations des
indicateurs de TB
Numro dobservation Erreur Rsidu
39 -2,65685
125 -2,60792
86 -2,43379
123 2,23737
31 2,07149
54 2,06694
122 2,01305
115 1,98340
94 -1,94129
9 -1,92406

En observant le diagnostic des observations, nous constatons quaucune observation (aucune

ETI) ne scarte vraiment de la moyenne ; la valeur rsiduelle standardise pour chacune est
de moins de 3,29 cart-types (ou moins de -3,29). Donc, notre analyse nexclura aucune
observation.

259
Avant de procder linterprtation des relations explicatives entre les diffrentes variables
du modle, il est important de sassurer de la qualit de l'ajustement du modle aux donnes
empiriques. Ce test consiste vrifier si toutes les variables explicatives participent
amliorer la significativit de la variabilit explique par le modle.

4.2.2.1.3 Evaluation de la qualit globale du modle expliquant la diversit

dutilisation des indicateurs de TB

Le tableau danalyse de la variance (appel aussi tableau dANOVA), situ ci-aprs, nous
indique que la valeur de Fisher pour le modle 1 est de 5,149. Celle-ci est significative
p<0,001, ce qui dsigne que nous avons moins de 0,1 % de chance de nous tromper en
affirmant que le modle1 contribue expliquer la diversit dutilisation des indicateurs de
TB. Nous pouvons donc rejeter lhypothse nulle. Ce sont donc bien les variables
indpendantes qui expliquent la variation de la variable dpendante.

Tableau 4.27 : Analyse de la variance de la variable Diversit dutilisation de

indicateurs de TB
Modle Somme des ddl Moyenne F Sig.
carrs des carrs
Rgression 30,165 12 2,514 5,149 0,000
1 Rsidu 69,816 143 0,488
Total 99,981 155

Valeurs prdites du modle1 : variables explicatives Xp (Informatisation, Structure,

Incertitude de environnement) + Variables de contrle (Taille, Secteur dactivit, Formation
du dirigeant, Stratgie de lentreprise, Implantation de budget, Implantation de lABC,
Cotation en bourse)

En outre, la rgression simultane (modle 1) ralise sur les variables explicatives explique
30,2% de la variance totale (R2 = 0,302) (Cf. Tableau 4.28).

260
 Tableau 4.28 : Rsultats de la rgression simultane sur lexplication de la Diversit
dutilisation des indicateurs de TB
R R R ajust Erreur standard destimation
Modle 1 0,549 0,302 0,243 0,69873

Notre modle 1 de rgression est bien ajust aux donnes observes. Il est donc valide.

4.2.2.1.4 Lanalyse des coefficients des variables expliquant la Diversit

dutilisation des indicateurs de TB

Les rsultats de lanalyse par la rgression en utilisant la Diversit dutilisation des

indicateurs de TB comme variable dpendante sont donns dans le tableau ci-dessous. Sur
douze variables indpendantes, trois sont significatives (p<0,05) : linformatisation, la
structure et la cotation en bourse. Ces dernires reprsentent presque la totalit de la variance
explique et influencent positivement et significativement la variable dpendante.

La significativit des coefficients de la rgression dans le cadre de notre tude est prsente
dans le tableau ci-dessous. Nous observons que linformatisation et la structure sont des
variables statistiquement significatives au seuil dalpha de 0,01 tandis que la cotation en
bourse est significative au niveau dalpha de 0,05. Ces coefficients de rgression relatifs
linformatisation et la structure sont en accord avec les attentes thoriques et confirment les
corrlations poses prcdemment comme hypothses.

En revanche, il apparat que lincertitude de lenvironnement et les autres variables de

contrles ne sont pas corrles la diversit dutilisation des indicateurs de TB et nexercent
aucun effet significatif.

261
 Tableau 4.29 : Les coefficients des variables explicatives de la diversit dutilisation des
indicateurs de TB
Modle 1 : H1a, H2a, H3a

Variables explicatives Btas standardiss t de Student

R 0,549
2
R 0,302
Erreur standard de l'estimation 0,69873
Constante 3,385
Informatisation 0,273*** 3,600
Structure 0,256*** 3,412
Incertitude de lenvironnement 0,058 0,819
Taille -0,009 -0,115
Secteur commercial 0,082 1,039
Secteur de prestations de services -0,063 -0,824
Formation du dirigeant -0,032 -0,432
Stratgie de diffrenciation -0,127 -1,363
Stratgie de focalisation 0,048 0,510
Implantation du budget 0,114 1,567
Implantation de la mthode ABC 0,061 0,823
Cotation en bourse 0,162** 2,181
Variable dpendante: Diversit dutilisation des indicateurs de TB
* Le coefficient est significatif au seuil de 0.10
** Le coefficient est significatif au seuil de 0.05
*** Le coefficient est significatif au seuil de 0.01

Nous abordons prsent les diffrents tests dhypothses concernant les trois principaux
facteurs de contingence.

4.2.2.1.4.1 Linfluence de l Informatisation sur la diversit dutilisation

des indicateurs TB

La valeur du bta standardis associe linformatisation ( = 0,273)1 apporte une

information intressante. Elle indique le changement en cart-type de la Diversit
dutilisation des indicateurs de TB pour chaque augmentation dun cart-type de
l Informatisation quand toutes les autres valeurs, de structure, incertitude de
lenvironnement et variables de contrle, sont constantes (cest--dire quelles ne changent
pas). Nous pouvons dire quune augmentation dune unit du degr de linformatisation
entrane une augmentation de 0,273 de la Diversit dutilisation des indicateurs de TB .

1
Ce rsultat statistique figure dans le tableau 4.29.
262
Donc, la diversit dutilisation des indicateurs de TB est dpendante du degr
dinformatisation de lentreprise.

Un test t est ralis pour rendre compte de la significativit du . Ce test est significatif pour
= 0,01 (t=3,600). Le coefficient estim de (0,273) rpond donc aux attentes thoriques et
positives de lhypothse H1a, laissant entendre que lutilisation des outils informatiques a une
incidence positive sur la varit du contenu des TB. Autrement dit, les entreprises qui ont un
degr dinformatisation plus lev, utilisent plus dindicateurs de performance diversifis.
Donc, lhypothse H1a est accepte.

Ce rsultat confirme les constats prcdemment observs dans les travaux de recherche
thoriques et empiriques ayant analys la relation entre linformatisation de lentreprise et la
varit de son contenu de TB (Davis et Albright, 2000 ; Meyssonnier et Pourtier, 2006).
Ainsi, lutilisation des outils informatiques implique des mutations considrables dans les
pratiques de contrle de gestion, notamment dans le choix des indicateurs de performance.
Grce cette volution et afin de mesurer la performance, les contrleurs de gestion des ETI
se concentrent simultanment sur lanalyse des indicateurs financiers et des indicateurs
oprationnels.

4.2.2.1.4.2 Linfluence de la Structure sur la diversit dutilisation des

indicateurs de TB

Le indique que la variable structure exerce une influence directe sur la Diversit
dutilisation des indicateurs de TB indpendamment de leffet potentiel de toutes les autres
variables qui ont t introduites dans le modle 1. Un test t est ralis pour rendre compte de
la significativit du . Ce coefficient standardis associ la Structure se rvle tre
significatif au seuil dalpha de 0,01. Ceci veut dire que les probabilits de se tromper, en
concluant lexistence de relation entre la structure et la diversit dutilisation des indicateurs
de TB, est trs faible ; ce qui permet daccorder plus de confiance au rsultat obtenu.

En outre, le coefficient de rgression est positif, il indique une relation dans le mme sens
entre le degr de diversit dutilisation des indicateurs de performance et le degr de
dcentralisation de la structure. Autrement dit, lorsque les rpondants peroivent quune
structure est dcentralise (plus de dlgation des dcisions), ils tendent dcrire les TB
comme tant plus diversifis et quilibrs. Donc, plus une ETI est dcentralise, plus la

263
diversit dutilisations des indicateurs de ses TB semble grande. Ainsi, lhypothse H2a est
accepte.

Ce rsultat est conforme plusieurs recherches antrieures (Chenhall, 2003 ; Chapman,

1997). Il confirme galement les conclusions de Gordon et Miller (1976), et Waterhouse et
Tiessen (1978), qui aperoivent que la structure dcentralise est accompagne dun systme
dinformations plus diversifi afin dassurer une amlioration des performances. En outre,
Poincelot et Wegmann (2005) et Germain et Gates (2010) parviennent leur tour au mme
rsultat en montrant que le contenu des TB est plus diversifi dans les organisations les plus
dcentralises.

4.2.2.1.4.3 Linfluence de l Incertitude de lenvironnement sur la

diversit dutilisation des indicateurs de TB

La valeur associe la variable Incertitude de lenvironnement nest pas significative

(t=0,819, trs faible par rapport au seuil de t=1,96 et la probabilit de se tromper en admettant
lhypothse H3a est largement suprieure au seuil de 10% p = 0,414 1). Cela signifie que
cette variable na aucune incidence sur la variable dpendante Diversit dutilisation des
indicateurs de TB . Donc, elle ne contribue pas lexplication de la variable dpendante.
Lincertitude de lenvironnement peut tre supprime de la rgression sans pour autant altrer
significativement le pouvoir explicatif de la rgression. Ainsi, lhypothse de recherche
H3a est rejete.

Ce rsultat est linverse de nos attentes thoriques. Il ne confirme donc pas les rsultats
trouvs par certains chercheurs (Gosselin et Dub, 2002 ; Gordon et Narayanan, 1984 ;
Chenhall et Morris, 1986 ; Chia, 1995; Davila, 2000 ; Marquet-Pondeville, 2003 ; Chong,
1997) qui constatent tous une corrlation significative entre laccroissement de lincertitude
perue de lenvironnement et le degr dutilisation dinformations non financires et ex ante,
en plus des informations financires et ex post. Nanmoins, notre rsultat est conforme aux
conclusions des travaux de Bergeron (1996) et Zian (2013) qui montrent que le contexte
environnemental des entreprises ninfluence pas la faon dont celles-ci laborent leurs
tableaux de bord. Ce rsultat pourrait tre interprt par lexistence dautres facteurs, plus
importants que lincertitude de lenvironnement, qui ont une incidence sur la varit du
contenu de TB des ETI.

1
Ce rsultat statistique figure dans lannexe 7.
264
Ainsi, nous pouvons rsumer les trois premires hypothses de linfluence des facteurs de
contingence sur la Diversit dutilisation des indicateurs TB dans le tableau ci-aprs.

Tableau 4.30 : Validation des hypothses relatives linfluence des facteurs de

contingence sur la Diversit dutilisation des indicateurs de TB
Code Libell Rsultat
Lutilisation des outils informatiques (ERP, Business Intelligence,
planification budgtaire, Consolidation, bureautique) influence
H1a Accepte
positivement la diversit dutilisation des indicateurs de performance
de tableaux de bord.
Plus la structure dETI est dcentralise, plus les indicateurs de
H2a Accepte
tableaux de bord sont diversifis.
Plus lenvironnement dentreprises de taille intermdiaire est
H3a incertain, plus la diversit dutilisation des indicateurs de Rejete
performance augmente.

Aprs avoir test les hypothses associes au premier modle de rgression, nous allons tester
dans le point suivant les hypothses relatives aux modles 2 et 3, consistant tudier,
respectivement, les influences directe et indirecte des facteurs de contingence sur lutilit des
TB dans le PP.

4.2.2.2 Validation des hypothses relatives linfluence des facteurs de

contingence sur l Utilit des TB dans le PP

Le test des hypothses relatives linfluence des facteurs de contingence sur lutilit des TB
dans le PP seffectue grce deux modles de rgression linaire multiple. Le modle 2
consiste analyser leffet direct entre les principales contingences et la variable expliquer
(hypothses H1b, H2b et H3b), tandis que le modle 3 analyse leffet indirect par
lintermdiaire de la variable Diversit dutilisation des indicateurs de TB (hypothses
H1c, H2c et H3c). Les deux modles suivent les mmes dmarches et tapes utilises dans le
modle 1 ; nous vrifions dans un premier temps si les conditions dutilisation de la
rgression sont bien respectes. Dans un deuxime temps, nous analysons la qualit globale
du modle, et enfin, nous validons les hypothses de la recherche associes aux deux
modles.

265
 4.2.2.2.1 Vrification des conditions dutilisation de la rgression pour lutilit
des TB dans le PP.

Quatre conditions doivent imprativement tre valides, dans chaque modle, afin que lon
puisse interprter statistiquement le rsultat de la rgression.

4.2.2.2.1.1 Labsence de multicolinarit

Les VIF, dans les modles 2 et 3, sont matriss et sont infrieurs la valeur 2 (Cf. Annexe 7).
Selon Myers (1990) et Evrard et al. (2003), les VIF ne doivent pas dpasser respectivement
les valeurs de 10 et de 4. Ainsi, nous pouvons affirmer quil ny a pas de problme de
multicolinarit entre les variables explicatives.

4.2.2.2.1.2 Lhomoscdasticit

La variance des termes derreur est constante. En effet, les graphiques de dispersion des
erreurs en fonction des erreurs prdites par la rgression sont reprsents par des points
rpartis alatoirement autour de 0 (Cf. Annexe 7), et cela dans les deux modles tudis
(modle 2 et 3).

4.2.2.2.1.3 Lindpendance des erreurs

Les tableaux rcapitulatifs des modles 2 et 3 (Cf. Annexe7), indiquent dans leur dernire
colonne le rsultat du test de Durbin-Watson. Nous savons que la valeur de cette statistique
est acceptable lorsqu'elle se situe entre 1 et 3. Cette valeur est de 1,812 dans le modle 2, et
1,815 dans le modle 3. Nous pouvons donc en conclure quil ny a pas de problme au
niveau de l'indpendance des erreurs.

4.2.2.2.1.4 La normalit de la distribution des erreurs

Les distributions des valeurs rsiduelles de la variable Utilit des TB dans le PP dans les
deux modles, reprsentes par les histogrammes (Cf. Annexe 7), suivent une courbe
normale, et ces valeurs sont attaches la courbe et ne dpassent pas 3 (ou -3). Ces deux
distributions des erreurs sont donc normales.

En outre, la normalit des rsidus est examine aussi par les graphiques de la probabilit
normale des rsidus pour la variable dpendante Utilit des TB dans le PP dans chaque
266
modle (Cf. Annexe 7). Lensemble des points reprsents dans ces graphiques se situent le
long de la diagonale, Nous pouvons en conclure que les rsidus sont distribus de faon
normale.

Aprs avoir vrifi les conditions dutilisation des deux rgressions linaires multiples portant
sur lutilit des TB dans le PP, nous analysons prsent des ventuelles observations
extrmes de notre base de donnes en fonction de chaque modle.

4.2.2.2.2 Le diagnostic des observations extrmes ( outliers )

Tout dabord, les valeurs de Cook dans les modles 2 et 3, les plus importantes, calcules
partir des donnes de notre base (Cf. Annexe 7), montrent quaucune natteint ou ne dpasse
la valeur de 1. Par ailleurs, nous remarquons quaucune observation (aucune ETI) ne scarte
vraiment de la moyenne des observations. La valeur rsiduelle standardise pour chaque
individu est de moins de 3,29 cart-types (ou moins de -3,29) (Cf. Annexe 7, tableau du
diagnostic des observations extrmes sur lutilit des TB dans le PP). Donc, notre analyse
nexclura aucune observation.

Pour interprter les relations, directes et indirectes, entre les facteurs de contingence et la
variable dpendante Utilit des TB dans le PP , nous devrons valuer la qualit de
l'ajustement des modles 2 et 3 aux donnes empiriques.

4.2.2.2.3 Evaluation de la qualit globale des modles expliquant lutilit des

TB dans le PP

Le tableau dANOVA ci-dessous, nous indique que la valeur de Fisher pour le modle 2 est
de 13,546 et celle du modle 3 est de 15,559. Ces deux valeurs sont significatives
p<0,001. Nous pouvons donc rejeter lhypothse nulle. Ce sont donc bien les variables
indpendantes de chaque modle qui expliquent la variation de la variable dpendante. Nos
modles 2 et 3 sont bien ajusts aux donnes observes. Ils sont donc accepts.

267
 Tableau 4.31 : Analyse de la variance de la variable Utilit des TB dans le PP pour
les modles 2 et 3
Modle Somme des ddl Moyenne F Sig.
carrs des carrs
Rgression 28,433 6 4,739 13,546 0,000
2 Rsidu 52,124 149 0,350
Total 80,558 155
Rgression 34,151 7 4,879 15,559 0,000
3 Rsidu 46,407 148 0,314
Total 80,558 155

- Valeurs prdites du modle 2 : variables explicatives Xp (Informatisation, Structure,

Incertitude de environnement) + Variables de contrle (Taille, Secteur dactivit)
- Valeurs prdites du modle 3 : variables explicatives Xp (Informatisation, Structure,
Incertitude de environnement, Diversit dutilisation des indicateurs de TB) +
Variables de contrle (Taille, Secteur dactivit)

En outre, les rgressions simultanes pour les modles 2 et 3, expliquent respectivement

35,3% et 42,4% de la variance totale (R2 modle2 = 0,353 et R2 modle3 = 0,424) (Cf. Annexe 7).

Ainsi, il nous reste juste interprter le poids respectif des variables explicatives afin
dtudier la contribution de chacune dentre elles lutilit des tableaux de bord dans le
pilotage de la performance.

4.2.2.2.4 Lanalyse des coefficients des variables expliquant l Utilit des TB

dans le PP

Les rsultats de lanalyse par rgression en utilisant l Utilit des TB dans le PP comme
variable dpendante est donn dans le tableau ci-dessous. Le modle 2 contient six variables
indpendantes dont trois sont significatives, et le modle3 contient sept variables
indpendantes dont quatre sont significatives.

Dans les modles 2 et 3, nous observons que linformatisation et la structure sont des
variables statistiquement significatives au seuil dalpha de 0,01 tandis que le secteur
commercial est significatif au niveau dalpha de 0,1. Cette dernire variable de contrle a un
poids explicatif dans nos deux modles. En effet, par rapport au secteur industriel, lutilit
des TB dans le PP des entreprises commerciales dpasse celle des entreprises industrielles de
12,6% (Modle 2) et de 11,8% dans le modle 3.
268
Les coefficients de rgression standardiss relatifs linformatisation et la structure sont en
accord avec les attentes thoriques. Ils tendent confirmer les hypothses relatives au modle
2 (H1b, H2b) et celles associes au modle 3 (H1c, H2c), dj formules dans le chapitre 2.
Par ailleurs, le standardis attach la diversit dutilisation des indicateurs de TB est
significatif au seuil de 0,01 (hypothse H4)

En revanche, il apparat que lincertitude de lenvironnement, et la variable de contrle

taille ne sont pas corrles lutilit des TB dans le PP et nexercent aucun effet
significatif dans les deux modles (hypothses H3b et H3c).

Tableau 4.32 : Les coefficients des variables explicatives de lutilit des TB dans le
pilotage de la performance
Modle 3 : H1c, H2c, H3c et
Modle 2 : H1b, H2b, H3b
H4
Variables explicatives
Btas Btas
t de Student t de Student
standardiss standardiss
R 0,594 0,651
R2 0,353 0,424
Erreur standard de l'estimation 0,59146 0,55996
Constante 5,648 4,392
Informatisation 0,390*** 5,662 0,284*** 4,080
Structure 0,325*** 4,746 0,253*** 3,763
Incertitude de lenvironnement 0,084 1,262 0,063 1,003
Taille 0,111 1,636 0,097 1,511
Secteur commercial 0,126* 1,776 0,118* 1,756
Secteur de prestations de services -,078 -1,100 -0,055 -0,821
Diversit dutilisation des indicateurs
de TB - - 0,304*** 4,270
Variable dpendante: Utilit des TB dans le pilotage de la performance
* Le coefficient est significatif au seuil de 0.10
** Le coefficient est significatif au seuil de 0.05
*** Le coefficient est significatif au seuil de 0.01

Ainsi, nous prsentons dans le point suivant les diffrents tests dhypothses concernant les
trois principaux facteurs de contingence.

4.2.2.2.4.1 Linfluence de l Informatisation sur lutilit des TB dans le

PP

Les valeurs des Btas standardiss associes linformatisation (modle2 = 0,390, modle3 =
0,284) apportent des informations intressantes. Elles indiquent quune augmentation dune
269
unit du degr de linformatisation dans le modle 2, entrane une augmentation de 0,390 de
lutilit des TB dans le PP (modle2). Par ailleurs, cette portion daccroissement devient
0,284 dans le cadre du modle 3.

Un test t est effectu pour rendre compte de la significativit du standardis. Ce test est
significatif au seuil de 0,01 (tmodle2=5,662, tmodle3=4,080). Les coefficients estims de
relatif linformatisation rpondent donc aux attentes thoriques des hypothses H1b et H1c.
Ainsi, lutilisation des outils informatiques a une influence positive sur lutilit des TB dans le
PP soit au niveau du modle 2 ou 3. Linformatisation influence directement (H1b) ou
indirectement (H1c), travers la diversit dutilisation des indicateurs de TB, lutilit des TB
dans le PP. Ainsi, les hypothses H1b et H1c sont acceptes.

Ces rsultats sont conformes aux travaux de Meyssonnier et Pourtier (2006). Donc, lutilit
des indicateurs de TB augmente avec laccroissement du niveau dutilisation des outils
informatiques au sein de lentreprise. Autrement dit, les contrleurs de gestion peroivent que
les indicateurs de la performance globale deviennent plus utiles au fur et mesure que
lutilisation de linformatique saccentue.

4.2.2.2.4.2 Linfluence de la Structure sur lutilit des TB dans le PP

Le associ la dcentralisation structurelle de lentreprise dans les deux modles indique

que cette variable exerce une influence directe et indirecte sur lutilit des TB dans le PP. Un
test t permet dinterprter la significativit de la relation. Nous constatons dans le tableau 4.32
que le standardis associ la Structure se rvle tre significatif au seuil dalpha de
0,01 et cela dans les modles 2 et 3 (tmodle2=4,746, tmodle3=3,763).

De plus, le coefficient de rgression est positif, il indique une relation dans le mme sens
entre le degr dutilit des TB dans le PP et le degr de dcentralisation de la structure. Donc,
plus une ETI est dcentralise, plus les indicateurs de performance sont considrs comme
utiles pour le management. Ainsi, les hypothses H2b et H2c sont acceptes.

Ce rsultat est conforme aux conclusions de plusieurs travaux de recherche (De Coussergues
et Bourdeaux, 2013 ; Mvellec, 1998 ; Turki, 2006 ; Aminats, 1999 ; Brikley et al. 1997,
p.178). Il peut tre expliqu par la recherche des ETI amliorer la capacit de raction en
dlguant plus de pouvoirs de dcision aux salaris. cet gard, une structure dcentralise

270
permet aux salaris de rpondre vite aux nouveaux besoins de lentreprise (Alazard et Spari,
2010; Renard et Nussbaumer, 2011) et de participer donc dans la prise de dcision qui
favorise lmergence de propositions et dinnovation. Donc, lutilit dun systme de TB
efficace est associe au processus de dcentralisation des prises de dcision. Ainsi, la
dcentralisation structurelle influence directement (H2b) et indirectement (H2c) lutilit des
TB dans le PP.

4.2.2.2.4.3 Linfluence de l Incertitude de lenvironnement sur lutilit

des TB dans le PP

Les valeurs associes la variable Incertitude de lenvironnement ne sont pas

significatives (tmodle2 = 1,262 et tmodle3 = 1,003, trs faibles par rapport au seuil de t=1,96 et
les probabilits de se tromper en admettant H3b et H3c sont largement suprieures au seuil de
10% pmodle2 = 0,209 et pmodle2 = 0,318 1). Cela signifie que cette variable na aucune
incidence sur la variable dpendante Utilit des TB dans le PP. Lincertitude de
lenvironnement peut tre supprime de la rgression sans pour autant altrer
significativement le pouvoir explicatif de la rgression (modles 2 et 3). Ainsi, les hypothses
de recherche H3b et H3c sont rejetes.

Ces deux rsultats signifient que contrairement aux tudes antrieures (Gordon et Miller,
1976 ; Davila, 2000 ; Savall-Ennajem ; 2011 ; Chenhall et Morris ; 1986), lincertitude de
lenvironnement ne contribue pas lexplication, directe ou indirecte, de la variable
dpendante utilit des TB dans le PP . En effet, les ETI de notre chantillon nexpriment
pas un rel intrt pour le choix des indicateurs de performance, financiers ou oprationnels,
pour faire face lincertitude de leur environnement. En plus, Gul et Chia (1994) parviennent
galement un rsultat contraire celui trouv dans notre recherche, ils observent une
relation significative entre lutilit et la qualit dun systme de mesure de la performance et
le degr dincertitude peru de lenvironnement.

Ainsi, le tableau ci-dessous, nous permet de rsumer les rsultats des six hypothses de
recherche relatives linfluence directe, ou indirecte (au moyen de diversit dutilisation des
indicateurs de TB) des facteurs de contingence sur l utilits de TB dans le PP .

1
Ce rsultat statistique figure dans lannexe 7.
271
 Tableau 4.33 : Validation des hypothses relatives linfluence des facteurs de
contingence sur l Utilit des TB dans le PP
Modle Code Libell Rsultat
Lutilisation des outils informatiques (ERP, Business
Intelligence, planification budgtaire, consolidation,
H1b Accepte
bureautique) influence directement et positivement lutilit
des tableaux de bord dans le pilotage de la performance.
Modle Plus la structure dETI est dcentralise, plus lutilit des
2 H2b tableaux de bord dans le pilotage de la performance Accepte
augmente.
Plus lenvironnement dentreprises de taille intermdiaire est
H3b incertain, plus lutilit des tableaux de bord dans le pilotage Rejete
de la performance augmente.
Lutilisation des outils informatiques (ERP, Business
Intelligence, planification budgtaire, consolidation,
H1c bureautique) influence positivement lutilit des tableaux de Accepte
bord dans le pilotage de la performance par lintermdiaire
de la diversit dutilisation des indicateurs.
Laugmentation de la dcentralisation de la prise de dcision
Modle
entrane un accroissement de lutilit des tableaux de bord
3 H2c Accepte
dans le pilotage de la performance par lintermdiaire de la
diversit dutilisation des indicateurs.
Lincertitude de lenvironnement influence positivement
lutilit des tableaux de bord dans le pilotage de la
H3c Rejete
performance par lintermdiaire de la diversit dutilisation
des indicateurs.

Aprs avoir test les hypothses relatives aux principales variables explicatives
(informatisation, structure et incertitude de lenvironnement), nous abordons dans le point
suivant le rsultat relatif lhypothse H4 consistant analyser le lien entre la diversit
dutilisation des indicateurs et lutilit des TB dans le PP.

4.2.2.3 Validation de lhypothse relative linfluence de la Diversit

dutilisation des indicateurs de TB sur l Utilit des TB dans le PP

Le modle 3 nous permet de tester cette relation. En effet, nous observons dans le tableau
4.32 que la valeur du bta standardis associ la diversit dutilisation des indicateurs de TB
( = 0,304) apporte une information intressante. Cela suggre quune augmentation dune
unit de la diversit dutilisation des indicateurs de TB entrane une augmentation de 0,304 de
lutilit des indicateurs de performance globale. Donc, lutilit des TB dans le PP est
dpendante de la diversit dutilisation des indicateurs de TB.
272
Pour rendre compte de la significativit du , un test t est ralis. Celui-ci est significatif pour
= 0,01 (t=4,270). Le coefficient estim de (0,304) rpond donc aux attentes thoriques de
lhypothse H4, laissant entendre que la varit du contenu de TB a une influence positive sur
lutilit des indicateurs dans le pilotage de la performance. Donc, lutilit des indicateurs de la
performance globale augmente notamment dans les ETI ayant des TB diversifis et quilibrs.
Ainsi, lhypothse H4 est accepte.

Ce rsultat confirme les constats prcdemment observs dans les travaux de recherche
thoriques et empiriques, ayant analys la relation entre lutilit des TB dans le PP et la
varit de son contenu (Banker et al., 2000 ; McNair, 1990 ; Fernandez, 2000 ; Cauvin et
Neunreuther, 2009 ; Cauvin et Bescos, 2004 ; Said et al., 2003; Cumby et Conrod, 2001;
Amir et Lev, 1996 ; Ittner et Larcker 1998b). En outre, Mourritsen (1998) constate que
lutilisation des indicateurs de la performance globale, notamment les mesures de la
performance non financire, travers des outils tels que le Capital Intellectuel sont un
moyen trs utiles pour apprhender le concept de cration de valeur.

Ainsi, nous pouvons rsumer le rsultat de cette hypothse H4 dans le tableau ci-aprs.

Tableau 4.34 : Validation de lhypothse relative linfluence de la diversit

dutilisation des indicateurs de TB sur lutilit des TB dans le PP
Code Libell Rsultat
La diversit dutilisation des indicateurs de performance a une
H4 influence positive sur lutilit des tableaux de bord dans le pilotage de Accepte
la performance.

partir de ces rsultats relatifs aux tests des hypothses de recherche, nous pouvons donc
prsenter le modle globale valid empiriquement. Celui-ci a permis de tester statistiquement
dix hypothses dont sept sont acceptes (Cf. Schma 4.2).

273
 Schma 4.2 : Modle de recherche final valid

Aprs avoir test les hypothses de recherche, nous allons tester leffet mdiateur de la
Diversit dutilisation des indicateurs de TB entre les facteurs de contingence et l Utilit
des TB dans le PP .

4.2.2.4 Vrification de leffet mdiateur

Les mthodes danalyse de leffet mdiateur ont progress au cours des vingt dernires
annes. Le travail fondateur de Baron et Kenny (1986) qui proposent une nouvelle dmarche
danalyse des variables mdiatrices1 a t cit plus de 2000 fois (MacKinnon et al., 2002). En
raison de sa rigueur et de sa simplicit (Cortina et al., 2001; MacKinnon et al., 2002), cette
dmarche sera utilise dans le cadre de la prsente recherche.

Dans ce contexte, la mthode de la rgression linaire multiple, dont lutilisation en contrle

de gestion ne cesse de se dvelopper, offre des dmarches pertinentes, rigoureuses et flexibles
pour lanalyse des variables mdiatrices. Lexistence de ces variables reflte une relation entre

1
Il est noter quune variable intermdiaire peut tre mdiatrice ou modratrice. La premire fait lobjet de
notre recherche. Par contre, la deuxime agit particulirement sur la relation entre deux variables. Il sagit dune
variable qui change systmatiquement la grandeur, lintensit, le sens de leffet de la variable indpendante sur la
variable dpendante (Sharma et al., 1981).
274
la variable explicative et celle explique, et qui dpend dune troisime variable (Baron et
Kenny, 1986; James et Brett, 1984; Sharma et al. 1981).

La variable mdiatrice permet ainsi dexpliquer une ventuelle relation entre la variable
explicative et la variable expliquer, en dcomposant cette relation en effet direct et en effet
indirect mdiatis (MacKinnon et al. 2002). Dans notre travail doctoral, le schma 4.3 clarifie
le rle mdiateur de la diversit dutilisation des indicateurs de TB (Div) entre dune part les
facteurs de contingence variables explicatives Xp et dautre part lutilit des TB dans le
pilotage de la performance (U).

Schma 4.3 : Leffet mdiateur de la variable Diversit dutilisation des indicateurs de

TB

c
Xp U

Div
a b

Xp U
c

Le rle mdiateur de la variable Diversit dutilisation des indicateurs de TB produit une

dcomposition de leffet total (c) des variables explicatives Xp sur la variable Utilit des TB
dans le PP en un effet direct (c) et un effet indirect (ab). tant donn que la variable
mdiatrice ne peut pas vraisemblablement inverser le sens de la relation entre les variables
explicatives et lutilit des TB dans le PP, (c) et (c) devraient toujours tre de mme signe ou
(c) devrait tre nul (Ambler, 1998; MacKinnon et al. 1995).

Ainsi, nous prsentons dans les points suivants, les deux typologies existantes dans la
littrature et nous vrifions par la suite leffet mdiateur en utilisant le modle de Baron et
Kenny.

275
 4.2.2.4.1 Typologie de la variable mdiatrice

Baron et Kenny (1986) montrent quune variable mdiatrice peut intervenir de manire
intgrale ou partielle pour transmettre limpact dune variable explicative sur une variable
expliquer. Ils distinguent deux types de mdiation: la mdiation parfaite et la mdiation
partielle. Daprs le schma 4.3, leffet mdiateur1 existe dans notre cas lorsqu la fois les
variations du niveau de la variable explicative Xp influent significativement les variations
de la variable mdiatrice Div (a), et les variations au niveau de celle-ci influent
significativement sur la variable expliquer (b).

Par consquent, la variable Diversit dutilisation des indicateurs de TB est mdiatrice

parfaite (ou pure) si, et seulement si, elle transmet intgralement limpact de la variable
explicative sur la variable expliquer. Dans ce cas, leffet direct (c) sannule totalement avec
lintroduction de la variable mdiatrice dans le modle. Gnralement, nous vrifions cette
mdiation parfaite2 par lanalyse du lien entre la variable explicative et la variable explique,
prcdemment significatif, et qui ne lest plus en contrlant les effets (a) et (b). Daprs
MacKinnon et al. (1995), leffet mdiateur indirect est obtenu en calculant le produit (a * b) :
c c = a * b
Mdiation parfaite: c = 0 et c = ab

En revanche, si la mdiation est partielle (MacKinnon et al. 1995), leffet (c) ne dpasse pas
dans ce cas leffet initial (c) obtenu en labsence de la variable mdiatrice :
c c = a * b > 0
Mdiation partielle: c0 et c > c

4.2.2.4.2 Dmarche danalyse de leffet mdiateur: le modle de Baron et

Kenny

Il existe plusieurs dmarches danalyse de leffet mdiateur. MacKinnon et al. (2002) ont
compt quatorze mthodes diffrentes danalyse. Ils distinguent trois groupes de dmarches ;
le premier groupe qui lont nomm les mthodes causales, consistent tester un ensemble
de liens entre les diffrentes variables, le deuxime groupe sappelle les mthodes de

1
Appel aussi effet indirect, effet intermdiaire, effet de substitution, ou effet de processus.
2
Pour El Akremi et Roussel (2003, p.1071), une mdiation parfaite dsigne lexistence dune seule variable
mdiatrice dominante.

276
diffrences des coefficients qui comparent les coefficients de rgression avant et aprs
lintroduction de la variable mdiatrice; et le dernier groupe intitul les mthodes de produit
des coefficients, permettant dexaminer les effets direct et indirect.

Dans notre recherche, nous utilisons la mthode causale, recommande par plusieurs
chercheurs dont Collins et al. (1998). Cette mthode repose sur le modle propos par Baron
et Kenny (1986) et renouvel par Kenny et al. (1998). Ce modle a lavantage de prsenter
une dmarche simple et claire. Il expose un test de quatre tapes successives et ncessaires
pour vrifier leffet mdiateur de la variable (Div) dans le processus dimpact des variables
explicatives XP sur la variable expliquer U de notre modle de recherche (Schma 4.4).
Donc, pour tester cet effet mdiateur, trois rgressions ont t effectues, chacune avec 156
observations (la taille de lchantillon).

Schma 4.4 : Modle de Baron et Kenny pour lanalyse de la variable mdiatrice

Etape1 : Rgression de U sur XP (Modle 2)

(c) significatif
XP U

Etape2 : Rgression de Div sur XP (Modle 1)

(a)significatif
XP Div

Etape3 : Rgression de U sur Div et XP (Modle 3)

(a) significatif (b) significatif

XP Div U

(c)
Etape4 : Vrifier c=0 ou c< c

Pour lapplication de ces quatre tapes du modle de Baron et Kenny (1986), nous utilisons
les trois rgressions, ralises sous SPSS 20, et employes prcdemment pour la validation
des hypothses de recherche (Cf. Tableau 4.35).

277
 Tableau 4.35 : Les coefficients des variables explicatives dans les 3 modles de
rgressions
Modle 1 Modle 2 Modle 3
Variables explicatives Btas t de Btas t de Btas t de
standardiss Student standardiss Student standardiss Student
R 0,549 0,594 0,651
R2 0,302 0,353 0,424
Erreur standard de l'estimation 0,69873 0,59146 0,55996
Constante 3,385 5,648 4,392
Informatisation 0,273*** 3,600 0,390*** 5,662 0,284*** 4,080
Structure 0,256*** 3,412 0,325*** 4,746 0,253*** 3,763
Incertitude de lenvironnement 0,058 0,819 0,084 1,262 0,063 1,003
Taille -0,009 -0,115 0,111 1,636 0,097 1,511
Secteur commercial 0,082 1,039 0,126* 1,776 0,118* 1,756
Secteur de prestations de services -0,063 -0,824 -0,078 -1,100 -0,055 -0,821
Formation du dirigeant -0,032 -0,432 - - - -
Stratgie de diffrenciation -0,127 -1,363 - - - -
Stratgie de focalisation 0,048 0,510 - - - -
Implantation du budget 0,114 1,567 - - - -
Implantation de la mthode ABC 0,061 0,823 - - - -
Cotation en bourse 0,162** 2,181 - - - -
Diversit dutilisation des
- - - - 0,304*** 4,270
indicateurs de TB
* Le coefficient est significatif au seuil de 0.10
** Le coefficient est significatif au seuil de 0.05
*** Le coefficient est significatif au seuil de 0.01

tape 1 : Pour vrifier cette tape, nous utilisons le modle de rgression numro 2, il sagit
de tester la significativit de la relation entre dune part les variables indpendantes
principales XP (Informatisation, Structure, et Incertitude de lenvironnement) et dautre part la
variable dpendante Utilit des TB dans le PP . Les rsultats de cette premire analyse
montrent que linformatisation et la structure influencent positivement lutilit des TB dans le
PP (tinfo = 5,662 et tStr = 4,746). Par contre, lincertitude de lenvironnement na pas une
incidence sur U (tEnv = 1,262).

tape 2 : Elle consiste tester la significativit de la relation entre dune part les variables
indpendantes XP, et dautre part la variable mdiatrice Diversit dutilisation des
indicateurs de TB . Pour ce faire, nous avons appliqu la rgression du modle 1. Les
rsultats de cette deuxime analyse montrent que la diversit dutilisation des indicateurs de
TB est positivement et significativement influence par les linformatisation et la structure de
lentreprise (tInfo = 3,600 et tStr = 3,412). Au contrario, lincertitude de lenvironnement
ninflue pas sur la diversit Div (tEnv = 0,819).
278
tape 3 : Cette troisime tape permet de tester la significativit de la relation entre dune
part les principales variables explicatives XP, et dautre part la variable expliquer U, en
ajoutant la variable mdiatrice Diversit dutilisation des indicateurs de TB . Il sagit de
faire une rgression de U sur la fois Div et XP (Modle 3). En contrlant XP, le coefficient
(b) entre Div et U doit rester significatif. Les rsultats de cette troisime analyse sont
prsents dans le tableau ci-dessus (Modle 3). Ils montrent que les variables indpendantes
Informatisation et Structure influencent positivement la variable explique U (Info =
0,284, tInfo = 4,080; Str = 0,253, tStr = 3,763). La variable mdiatrice Div influence
positivement son tour lutilit des TB dans le PP U (Div = 0,304, tDiv = 4,270). Par
contre, lincertitude de lenvironnement reste toujours sans influence dans cette analyse (Env
=0,063, tEnv = 1,003).

tape 4 : La dernire tape de la dmarche de Baron et Kenny consiste vrifier la nature

partielle ou complte de la mdiation en testant la significativit des relations directes entre
les variables explicatives Xp et la variable expliquer U . Nous rappelons que lorsque
une mdiation complte par Div, le coefficient (c) liant XP et U devrait tre nul, en contrlant
Div. Il sagit de vrifier que c=0 en prsence de Div, sinon la mdiation est partielle. En
dautres termes, le coefficient qui sattache XP diminue en prsence de div dans le cas de
mdiation partielle et devient nul dans le cas dune mdiation complte de Div (Baron et
Kenny, 1986). Le tableau 4.35 montre que, aprs lintroduction de la variable mdiatrice Div,
leffet des variables explicatives (c) sur U (Modle 3) est infrieur par rapport leffet initial
(c) (tape1 de la dmarche de Kenny et Baron Modle 2 ). Techniquement, pour dtecter
cette relation, nous utilisons aussi un modle de rgression hirarchique (comprenant deux
blocs de variables explicatives1) (Cf. Annexe 8). Nous constatons que ce modle est
significatif, le tableau rcapitulatif des modles ci-dessous permet de dterminer la
contribution de chaque bloc de variables (colonne Variation de R2).

Tableau 4.36 : Rcapitulatif des modles

Modle R R- R- Erreur Changement dans les statistiques Durbin-
deux deux standard de Variation Variation ddl1 ddl2 Sig. Watson
ajust l'estimation de R-deux de F Variation
de F
2 0,594a 0,353 0,327 0,59146 0,353 13,546 6 149 0,000
3 0,651b 0,424 0,397 0,55996 0,071 18,234 1 148 0,000 1,815

1
Le bloc 1 avec variables explicatives Xp et deux variables de contrle (taille et secteur dactivit) , et le bloc 2
avec variables explicatives Xp, variable diversit dutilisation des indicateurs de TB et les deux variables de
contrle (taille et secteur dactivit). Le traitement par rgression hirarchique donnera lieu deux R2 : R2Modle2
et R2Modle3.

279
Lajustement du modle 3 samliore par rapport au modle 2 ; le coefficient de dtermination
R2 a augment de 7,1% en intgrant au modle 3 la variable Diversit dutilisation des
indicateur de TB . En outre, la valeur de t associe cette variable est significative (t= 4,27),
nous pouvons comprendre que son ajout contribue lamlioration du modle 3.

Grce ce modle de rgression hirarchique, nous pouvons comparer donc les coefficients
btas standardiss entres les principales variables explicatives des modles 2 et modle 3
(Info3 = 0,284 < Info2 = 0,390, tInfo3 = 4,080 < tInfo2 = 5,662; Str3 = 0,253 < Str2 = 0,325, tStr3 =
3,763 < tStr2 = 4,746 ; Env3 =0,063 < Env2 = 0,084, tEnv3 = 1,003 < tEnv2 = 1,262).

Ainsi, les liens (c) sont infrieurs aux liens (c) ; la mdiation par la Diversit dutilisation
des indicateurs de TB est donc partielle entre les variables explicatives Informatisation
et Structure et la variable Utilit des TB dans le PP . Par comtre cet effet mdiateur
nest pas assur entre lincertitude de lenvironnement et U.

Aprs avoir vrifi leffet mdiateur, nous prsentons un point de synthse rcapitulant les
principaux rsultats lis la vrification de nos hypothses de recherche. Nous effectuons
galement une analyse multi-groupes en fonction des variables de contrle, puis une autre
selon la nature de TB.

4.2.2.5 Synthse et discutions des rsultats empiriques

En guise de synthse, trois facteurs de contingence (informatisation, structure et cotation en

bourse) sont associs significativement au degr de la diversit dutilisation des indicateurs de
performance. Les autres facteurs contingents ne semblent pas exercer dinfluence sur la
varit du contenu des TB. Cette premire analyse tend surtout confirmer lhypothse que
les entreprises adaptent leurs TB aux volutions des outils informatiques et la
dcentralisation structurelle de lentreprise.

De la mme faon, notre recherche a montr lexistence dune influence significative, directe
et indirecte, de linformatisation et de la dcentralisation structurelle sur lutilit des TB dans
le PP. Le dernier point que nous avons trait, a permis dexposer la relation positive entre la
varit du contenu de TB et lutilit de leurs indicateurs de performance globale.

280
Afin danalyser les diffrents rsultats de notre recherche, nous procdons dans un premier
lieu une analyse multi-groupes, durant laquelle nous tudions si les variables de contrle
influencent la significativit des principales hypothses de recherche. Donc, nous aurons des
sous-chantillons en fonction des catgories de variables de contrle utilises dans notre
tude. Dans un deuxime temps, nous analysons les coefficients de rgressions des modles1,
2 et 3 selon la nature des tableaux de bord. Nous tudions donc la significativit des
coefficients relatifs aux variables explicatives dans un sous-chantillon caractris par des TB
dominante financire, puis dans un sous-chantillon dont les TB sont quilibrs, enfin, le
dernier sous-chantillon sera rserv aux TB dominante non financire.

4.2.2.5.1 Analyse multi-groupes

Les rsultats danalyse multi-groupes sont prsents dans lannexe 9, ils sont rsums dans le
tableau 4.37. En scindant notre chantillon par taille, nous observons que la relation directe
entre lincertitude de lenvironnement et la Div (H3a) et celle de lenvironnement et lU
(H3b) deviennent significatives et positives avec laccroissement de la taille de lETI. Alors,
les grandes ETI voluant dans un environnement plus instable produisent des TB plus
quilibrs et diversifis et dans ce cas lutilit des indicateurs de la performance globale
volue positivement. En revanche, la taille de lETI agit dune part sur lintensit de la
relation entre les variables explicatives (informatisation et structure) et la Div et dautre part
sur le lien entre ces deux variables explicatives et la variable dpendante U. Donc, selon
Sharma et al. (1981) la taille est une variable modratrice.

Lanalyse par secteur dactivit montre que lenvironnement influence significativement la

variable U (H3b et H3c) au sein des ETI industrielles. Par contre, les diffrents liens associs
aux hypothses de structure et de linformatisation ne sont pas significatifs au niveau de sous
chantillon des ETI de prestations de services, lexception de la relation entre la structure et
la Div (H2a). Toujours au niveau de mme secteur de services, il est noter que la relation
entre la variable Div et U (H4) est trs significative au seuil de 0,001 ( = 0,565, t = 3,328).

281
 Tableau 4.37 : Rsultats des rgressions selon les variables de contrle
Diversit
dutilisation
Incertitude de
Informatisation Structure des
lenvironnement
indicateurs
de TB
H1a H1b H1c H2a H2b H2c H3a H3b H3c H4
Variables Echantillon 0,273*** 0,390*** 0,284*** 0,256*** 0,325*** 0,253*** 0,304***
NS NS NS
de contrle global (3,600) (5,662) (4,080) (3,412) (4,746) (3,763) (4,270)
0,438*** 0,435*** 0,322*** 0,238** 0,347*** 0,298*** 0,239**
Petites ETI NS NS NS
(4,033) (4,445) (2,969) (2,380) (3,734) (3,189) (2,201)
Taille
0,312*** 0,239** 0,232** 0,289*** 0,193** 0,288** 0,212** 0,391***
Grandes ETI NS NS
(3,101) (2,534) (2,069) (2,855) (1,998) (2,521) (2,164) (3,719)
ETI 0,375*** 0,322*** 0,286*** 0,388*** 0,319*** 0,213** 0,175** 0,242**
NS NS
industrielles (4,064) (3,516) (2,687) (4,245) (3,455) (2,375) (1,992) (2,574)
ETI 0,542*** 0,538*** 0,435*** 0,323** 0,313**
Secteur NS NS NS NS NS
commerciales (3,537) (4,355) (2,859) (2,585) (2,510)
dactivit
ETI de
0,314* 0,565***
prestations NS NS NS NS NS NS NS NS
(1,774) (3,328)
de services
Variable dpendante: Diversit dutilisation des indicateurs de TB (pour H1a, H2a, H3a)
Variable dpendante: Utilit des TB dans le PP (pour H1b, H2b, H3b, H1c, H2c, H3c, H4)

* Le coefficient est significatif au seuil de 0.10

** Le coefficient est significatif au seuil de 0.05
*** Le coefficient est significatif au seuil de 0.01
NS : lien non significatif
Les statistiques T sont entre parenthses

282
 Tableau 4.37 : Rsultats des rgressions selon les variables de contrle (suite)
Incertitude de
Informatisation Structure
Variables de Contrles lenvironnement
H1a H2a H3a
Non
Formation 0,257* (1,930) NS NS
gestionnaire
du dirigeant
Gestionnaire 0,267*** (2,713 0,321*** (3,446) NS
Domination
0,422** (2,607) NS NS
Stratgie de par les cots
lentreprise Diffrenciation 0,514*** (3,185) NS NS
Focalisation NS 0,355*** (3,109) NS
Implantation Non NS NS NS
de budget Oui 0,236*** (2,823) 0,255*** (3,093) NS
Implantation Non 0,386*** (3,610) 0,239** (2,337) NS
de lABC Oui NS 0,256** (2,448) 0,228** (2,122)
Cotation en Non 0,223** (2,248) 0,242** (2,355) NS
bourse Oui 0,289** (2,077) 0,257* (1,980) NS
Variable dpendante: Diversit dutilisation des indicateurs de TB (pour H1a, H2a, H3a)
* Le coefficient est significatif au seuil de 0.10
** Le coefficient est significatif au seuil de 0.05
*** Le coefficient est significatif au seuil de 0.01
NS : lien non significatif
Les statistiques T sont entre parenthses

Nous observons galement que les secteurs industriel et commercial ont une influence sur les
liens directs et indirects entre linformatisation, la structure et lutilit des TB dans le PP. Ces
liens sont significatifs au seuil de 0,01 et 0,05 (Cf. Tableau 4.37). Autrement dit, lutilit
des indicateurs de la performance globale augmente davantage dans les ETI industrielles
et commerciales que dans les ETI de prestations de services. Ce rsultat se rapproche de
celui obtenu par Germain et Gates (2007), qui ont observ que les entreprises industrielles
prsentent un risque environnemental majeur plus important que celui des autres
entreprises. De ce fait, elles donnent une importance trs particulire aux indicateurs
financiers et non financiers, par rapport aux autres entreprises.

Les cinq variables de contrle qui restent (formation du dirigeant, stratgie de lentreprise,
implantation de budget, implantation de lABC, cotation en bourse), comme cela est prsent
prcdemment dans le modle de recherche final valid (Schma 4.2), pourraient influencer
uniquement le contenu de TB.

Le lien entre les variables explicatives (informatisation et structure de lentreprise) et la Div

est significatif notamment au sein des ETI manages par des dirigeants disposant dune

283
formation de type gestionnaire . Par ailleurs, il est noter que les dirigeants dETI nont
pas les mmes besoins de formation que les dirigeants de PME. Dans les PME, la dimension
plus petite de lentreprise fortifie beaucoup le rle du dirigeant qui doit faire face plusieurs
tches qui exigent des diffrentes comptences qui, dans les ETI, sont confies des
spcialistes.

Concernant la stratgie de lentreprise, et par rapport lchantillon global, nous pourrons

dire que linfluence global de la dcentralisation structurelle sur la Div est due essentiellement
cette relation au niveau du sous-chantillon (N = 79 ETI) caractrisant la stratgie de
focalisation (= 0,355 ; t = 3,109).

En outre, une augmentation de limplantation de budget au sein des ETI permet de rendre le
lien associant les variables explicatives (informatisation et structure de lentreprise) et la Div
significatif au seuil de 0,01 (Info= 0,236 ; tInfo =2,823; Str= 0,255; tStr = 3,093). Par ailleurs,
les entreprises utilisant la mthode ABC permettent de valider positivement et
significativement le lien entre lincertitude de lenvironnement et la Div (H3a).

Enfin, les deux sous chantillons scinds en fonction de la variable Cotation en bourse ,
nous constatons que les rsultats tendent vers ceux trouvs dans lchantillon global (H1a et
H2a acceptes et H3a rejete).

De surcrot, cette variable de cotation en bourse, comme cela est prsent dans le modle 1 de
rgression (Cf. Tableau 4.35, modle1), agit empiriquement sur laugmentation de la varit
des indicateurs de TB. Ce rsultat est conforme celui trouv dans les travaux prcdents
(Bescos et al., 2004 ; Germain et Gates, 2007 ; Perez, 2002). En effet, cette diversit est
justifie par les contraintes de communication de donnes, financires et non financires, qui
sont plus prsentes dans les entreprises cotes en bourse que dans les entreprises non cotes.
Ces mesures globales communiques permettent de rassurer les actionnaires et le march
financier sur la qualit de la gestion de lentreprise.

Jusqu prsent, nous avons test les liens entre les diffrentes variables du modle de
recherche dans lchantillon globale, et dans les groupes forms par les catgories de
variables de contrle. Il est important, maintenant, de complter notre tude par une analyse
de la variabilit de ces liens obtenus en fonction de la nature du contenu de TB.

284
 4.2.2.5.2 Analyse des hypothses de recherche selon la nature de TB.

Lanalyse du contenu des TB nous permet de distinguer trois types diffrents : TB

dominante financire, TB quilibrs et TB dominante non financire. Pour ce faire, nous
avons rparti la variable Diversit dutilisation des indicateurs de TB sur deux axes
dindicateurs : le premier axe concerne les indicateurs financiers (on lappelle ici lensemble
A) et le deuxime est rserv aux indicateurs non financiers (lensemble B).

Pour laxe financier, nous avons rparti, sous SPSS 20, les rponses des interrogs en trois
catgories :
- 1 : faible utilisation dindicateurs financiers de performance : si le score obtenu est
gal 1 ou 2, cela signifie quon a un tableau de bord utilisant faiblement des
indicateurs financiers;
- 2 : Si le score est gal 3, cela implique une utilisation moyenne des indicateurs
financiers de performance ;
- 3 : si le score obtenu est gal 4 ou 5, dans ce cas le tableau de bord utilise fortement
les indicateurs financiers.

Par ailleurs, nous savons que laxe non financier est rparti en trois catgories dindicateurs ;
les indicateurs de performance clients, les indicateurs de processus interne et les indicateurs
dinnovation et dapprentissage organisationnel. Donc, pour trouver le degr dutilisation des
indicateurs non financiers, nous avons calcul les scores moyens de cet axe. Ensuite, nous
rpartissons les rsultats trouvs, des 156 observations, par trois intervalles diffrents : [1 ;
2.33 [, [2.33 ; 3.66 [ et [3.66 ; 5]. Ainsi, nous avons les cas suivants :

- 1 : les scores moyens appartenant lintervalle [1 ; 2.33 [ refltent des TB utilisant

peu dindicateurs non financiers;
- 2 : les scores moyens appartenant lintervalle [2.33 ; 3.66 [ indiquent une utilisation
moyenne des indicateurs non financiers ;
- 3 : les scores moyens appartenant lintervalle [3.66 ; 5] reprsentent les TB ayant
une forte utilisation des indicateurs non financiers.

Ainsi, la correspondance des degrs dutilisation des indicateurs de performance entre

lensemble A et lensemble B nous a permis de distinguer les trois types de TB diffrents qui
suivent.

285
Les tableaux de bord dominante financire
Les TB dominante financire contiennent plus dindicateurs financiers que dindicateurs
non financiers, pratiquement nous parlons de ce type de TB lorsque les degrs dutilisation
des indicateurs financiers A sont suprieurs aux degrs dutilisation des indicateurs non
financiers B . Le schma 4.5 nous permet de relier les degrs dutilisation des indicateurs
entre les deux ensembles A et B. Nous parlons dun tableau de bord dominante financire si
au moins une des relations, ci-dessous, entre A et B est satisfaite.
Schma 4.5 : Tableaux de bord dominante financire

Toutes les correspondances (A2 B1), (A3 B1) et (A3 B2) nous donnent des TB
dominante financire.

Les tableaux de bord quilibrs

Les TB quilibrs1 contiennent autant dindicateurs financiers que dindicateurs non
financiers. Autrement dit, les degrs dutilisation des indicateurs financiers A sont gaux
aux degrs dutilisation des indicateurs non financiers B . Le schma 4.6 reprsente les
correspondances qui existent entre les degrs dutilisation des indicateurs des deux ensembles.
Donc, toutes les correspondances (A1 B1), (A2 B2) et (A3 B3) nous donnent des TB
quilibrs.

1
Dans notre tude, nous avons utilis les quatre axes de Balanced Scorecard sauf quici nous nous basons sur
une utilisation galitaire (quilibre) des indicateurs financiers et non financiers.
286
 Schma 4.6 : Tableaux de bord quilibrs

Les tableaux de bord dominante non financire

Les TB dominante non financire contiennent plus dindicateurs non financiers que
dindicateurs financiers, cela veut dire que les degrs dutilisation des indicateurs non
financiers B dpassent les degrs dutilisation des indicateurs financiers B . Le schma
4.7 reprsente les liens existant entre ces deux ensembles A et B. Par consquent, toutes les
correspondances (A1 B2), (A1 B3) et (A2 B3) nous donnent des TB dominante non
financire.

Schma 4.7 : Tableaux de bord dominante non financire

Lapplication des trois modles de rgressions selon la nature des TB est prsente dans
lannexe 10. Au total nous avons effectus neuf rgressions linaires multiples (les trois
modles 1, 2, et 3 sont tests sur les trois sous chantillons forms en fonction des natures de

287
TB). Statistiquement, six modles sont bien ajusts aux donnes observs et sont prsents
dans le tableau 4.38.

Par ailleurs, les trois autres modles ne satisfont pas les conditions dapplication de la
rgression1 ; soit parce quils sont effectus sur un sous-chantillon de petite taille (par
exemple 16 observations pour les TB dominante non financire), ou que certaines valeurs de
VIF dpassent la valeur de 102, ou que les tableaux danalyse de la variance analysis of
variance ANOVA indiquent que les valeurs de Fisher ne sont pas significatives p < 0,05
(Cf. Annexe 10). Donc, ces trois modles de rgression ne sont pas bien ajusts aux donnes
observes. Toutefois, il est possible danalyser les liens entre les diffrentes variables de ces
modles en deux axes complmentaires. Premirement, nous tudions la corrlation de
Pearson3 entre les variables mtriques (informatisation, structure, incertitude de
lenvironnement, diversit dutilisation des indicateurs de TB et lutilit des TB dans le PP).
Ensuite, grce l'analyse de variance un facteur (technique dANOVA 1 facteur 4 ) nous
allons comparer les moyennes de plusieurs groupes forms par les modalits de variables de
contrle ; il s'agit de savoir si nos variables expliquer (Div et U) ont des valeurs
significativement diffrentes selon les modalits d'une variable de contrle5 (variable
qualitative).

Ainsi, les rsultats sont prsents dans lannexe 10 (Cf. Analyse complmentaire). Le tableau
4.39 teste la corrlation linaire de Pearson entre les principales variables mtriques du
modle de recherche (Informatisation, structure, incertitude de lenvironnement, la Div. et
lU).

1
Les modles de rgression 1 et 3 dans le sous-chantillon caractrisant les TB dominante non financire, et
pour le modle 1 dans le sous-chantillon caractrisant les TB dominante financire.
2
Cest le cas des VIF associs linformatisation et au secteur de prestations de services du modle de
rgression 1 dans le groupe TB dominante non financire .
3
Linconvnient de corrlation est quelle nous permet pas de savoir le sens de linfluence dun lien et aussi ne
prend pas en compte toutes les variables explicatives.
4
Pour plus de dtails, voir le livre de Saporta G. (2006). Probabilits, analyse des donnes et statistiques.
ditions TECHNIP, p.352.
5
Cette variable sur laquelle on teste une ventuelle diffrence entre sous-chantillons est nomme facteur .
288
 Tableau 4.38 : Prsentation des modles en fonction de la nature de TB
Prsentation du modle 2
Prsentation des modles en fonction de TB
Prsentation des modles en fonction de TB quilibrs en fonction de TB
dominante financire
dominante non financire
Modle 2 : H1b, H2b Modle 3 : H1c, Modle 1 : H1a, Modle 2 : H1b, Modle 3 : H1c, Modle 2 : H1b, H2b et
et H3b H2c, H3c et H4 H2a et H3a H2b et H3b H2c, H3c et H4 H3b
Variables explicatives
Variable
Variable dpendante: Variable dpendante: Variable Variable
Variable dpendante:
Utilit des TB dans dpendante: Utilit Diversit dpendante: Utilit dpendante: Utilit
Utilit des TB dans le PP
le PP des TB dans le PP dutilisation des des TB dans le PP des TB dans le PP
indicateurs des TB
R 0,587 0,599 0,659 0,681 0,808 0,793
R2 0,345 0,359 0,434 0,463 0,652 0,629
Erreur standard de
0,55682 0,55492 0,73106 0,56338 0,45743 0,70292
l'estimation
(constante) (4,690) (2,986) (2,550) (3,109) (2,360) (-0,227)
Informatisation 0,409*** (4,018) 0,376*** (3,575) 0,232* (1,878) 0,444*** (4,258) 0,258*** (2,832) 0,397 (1,771)
Structure 0,200* (1,959) 0,187* (1,829) 0,304** (2,616) 0,395*** (3,873) 0,250*** (2,885) 0,383 (1,740)
Incertitude de
0,182* (1,836) 0,186* (1,885) 0,049 (0,431) -0,062 (-0,609) -0,108 (-1,306) 0,306 (1,434)
lenvironnement
Taille 0,044 (0,441) 0,041 (0,412) -0,083 (-0,658) 0,191* (1,751) 0,170* (1,915) 0,250 (1,141)
Secteur commercial 0,151 (1,445) 0,152 (1,459) 0,137 (1,022) 0,134 (1,220) 0,119 (1,331) 0,272 (1,019)
Secteur de prestations de
-0,220** (-2,151) -0,211** (-2,065) -0,086 (-0,667) -0,076 (-0,699) -0,031 (-0,349) 0,518* (1,953)
services
Formation du dirigeant - - -0,105 (-0,854) - - -
Stratgie de diffrenciation - - -0,245 (-1,638) - - -
Stratgie de focalisation - - -0,028 (-0,193) - - -
Implantation de budget - - 0,178 (1,534) - - -
Implantation de lABC - - 0,106 (0,865) - - -
Cotation en bourse - - 0,227* (1,822) - - -
Diversit dutilisation des
- 0,124 (1,214) - - 0,508*** (5,519) -
indicateurs de TB

* Le coefficient est significatif au seuil de 0.10

** Le coefficient est significatif au seuil de 0.05
*** Le coefficient est significatif au seuil de 0.01
Les statistiques T sont entre parenthses

289
 Tableau 4.39 : Corrlation de Pearson entre les principales variables de contingence, la
Div et lU
TB dominante TB dominante non financire
financire
Div Div U
Variables
H1a, H2a, H3a H1a, H2a, H3a H1c, H2c, H3c, H4

Corrlation 0,291* 0,29

Informatisation -1
N 76 16
Corrlation 0,158 0,726**
Structure -
N 76 16
Incertitude de Corrlation -0,019 -0,143
-
lenvironnement N 76 16
Corrlation 1 1 0,428
Div
N 76 16 16
*. La corrlation est significative au niveau 0.05 (bilatral).
**. La corrlation est significative au niveau 0.01 (bilatral).

La matrice de corrlation de Pearson dans le tableau ci-dessus, permet de vrifier les

hypothses relatives linfluence directe des principales variables explicatives sur la diversit
dutilisation des indicateurs de TB Div (H1a, H2a et H3a), et cela dans les sous-
chantillons de TB financiers et de TB non financiers. Cependant, cette matrice ne permet pas
de vrifier les hypothses H1c, H2c et H3c dans le sous-chantillon TB dominante non
financire 2.

Par ailleurs, et selon toujours lanalyse complmentaire de lannexe 10, nous observons que la
quasi-totalit des variables de contrle nexercent pas un effet significatif ni sur la distribution
de la variable Div ou celle de la variable U. La stratgie de lentreprise, est la seule variable
de contrle qui influence significativement la distribution de la diversit dutilisation des
indicateurs de TB dominante non financire. Pour examiner cette distribution dans les
trois groupes (Domination par les cots, Diffrenciation, Focalisation), nous prsentons le
graphique de barres d'erreur ci-dessous.

1
Les relations indirectes entre les principaux facteurs de contingence et lutilit des TB travers la Div (H1c,
H2c et H3c) ne peuvent pas tre vrifies par la corrlation linaire de Pearson.
2
Lanalyse de corrlation vrifie ici uniquement la significativit de la relation entre la Div et lU (hypothse
H4).
290
 Graphique 4.5 : La distribution des valeurs de la diversit dutilisation des indicateurs
de TB dominante non financire selon la stratgie de lentreprise

Avant d'examiner les rsultats de l'ANOVA, il est important de vrifier la condition dgalit
des variances dans les trois groupes avec le test de Levene. Ce dernier, comme le montre le
tableau du test dhomognit des variances (Cf. Annexe 10), nest pas significatif (p >0,05).
Donc, nous ne pouvons pas rejeter lhypothse nulle de lgalit des variances. Elles sont
donc considres semblables, ce qui nous convient parfaitement et nous permet de passer
l'interprtation de l'ANOVA.

Alors, le tableau dANOVA, dans sa dernire colonne (signification), indique que la

probabilit de retrouver la statistique F de 4, 053 (Cf. Annexe 10) lorsque lhypothse nulle
est vraie est plus petite que 0,05 (signification = 0,043). Dans ce cas-l, nous avons
suffisamment de preuves pour rejeter lhypothse nulle et dire quil est peu probable que la
diversit moyenne dutilisation des indicateurs de TB dans chaque groupe soit la mme dans
le sous-chantillon global de TB dominante non financire.

Ainsi, les rsultats des hypothses de recherche peuvent tre prsents dans le tableau ci-
dessous :

291
Tableau 4.40 : Synthse des rsultats de validation des hypothses selon la nature de TB
TB dominante TB dominante
Variables TB quilibrs
financire financire
explicatives Modle Modle Modle Modle Modle Modle Modle Modle Modle
1 (Div) 2 (U) 3 (U) 1 (Div) 2 (Div) 3 (U) 1 (Div) 2 (U) 3 (U)
Informatisation Oui Oui Oui Oui Oui Oui Non Non -
Structure Non Oui Oui Oui Oui Oui Oui Non -
Incertitude de
Non Oui Oui Non Non Non Non Non -
lenvironnement
Taille Non Non Non Non Oui Oui Non Non -
Secteur
Non Non Non Non Non Non Non Non -
commercial
Secteur de
prestations de Non Oui Oui Non Non Non Non Oui -
services
Formation du
Non - - Non - - Non - -
dirigeant
Stratgie de
Non - - Non - - Non - -
diffrenciation
Stratgie de
Non - - Non - - Oui - -
focalisation
Implantation de
Non - - Non - - Non - -
budget
Implantation de
Non - - Non - - Non - -
lABC
Cotation en
Non - - Oui - - Non - -
bourse
Div - - Non - - Oui - - Non
Les variables dpendantes sont entre parenthses

partir de lensemble des rsultats obtenus, relatifs lanalyse des hypothses de recherche
selon la nature de TB (Cf. Tableau 4.38, Tableau 4.39, Tableau 4.40 et Graphique 4.5), nous
pouvons tirer les conclusions suivantes :

- Leffet mdiateur de la Div entre dune part les variables informatisation et structure,
et dautre part lU a t vrifi sur lchantillon de TB quilibrs. Par contre, dans les
deux sous-chantillons forms selon les TB financiers ou les TB non financiers, et vu
lemploi de trois mthodes statistiques diffrentes (rgression linaire multiple,
corrlation linaire de Pearson et ANOVA 1 facteur), cet effet ne pourrait pas tre
test.

292
- Les pratiques de TB montrent que les liens entre les facteurs de contingence et la
diversit dutilisation des indicateurs sont plus significatifs au niveau des TB
quilibrs par rapport ceux de TB financiers ou de TB non financiers. Ce constat,
peut sexpliquer par le fait quen diffrenciant et spcialisant leur structure au fur et
mesure de la croissance dutilisation des outils informatiques et de la dcentralisation
de la prise de dcision, les ETI sont appeles galement diffrencier les indicateurs
utiliss dans leur TB.

- Dans les sous-chantillons de TB financiers et de TB quilibrs, les indicateurs de

performance gagnent de lutilit en fonction de laccroissement du degr dutilisation
des outils informatiques et du degr de dcentralisation structurelle de la prise de
dcision (validation des hypothses H1b, H1c, H2b et H2c). En outre, dans le sous-
chantillon de TB financiers, lincertitude de lenvironnement influence positivement
lutilit des TB dans le PP. cet gard, les responsables financiers estiment que les
indicateurs de performance deviennent trs utiles dans un environnement dynamique
et complexe, cela valide ici les hypothses H3b et H3c formules prcdemment.

- La taille de lETI na pas un impact significatif sur la diversit dutilisation des

indicateurs de performance ou sur lutilit de ces mesures. Gnralement, la Div et lU
sont indpendantes du fait que la taille est grande ou petite. Cependant, lutilit des TB
dans le PP est positivement et significativement corrle, au seuil de 10%, avec la
taille lorsque les TB sont quilibrs (modle2 = 0,191, t modle2 = 1,751 ; modle3 = 0,170,
t modle3 = 1,915). Dans ce cas, plus la taille est grande, plus lutilit des mesures
financires et oprationnelles augmente. Ce constat saccorde avec les travaux de
Hoque et James (2000).

- La variable de contrle secteur dactivit exerce une influence significative sur

lutilit des TB financiers et non financiers au seuil de 10%. Dans ce contexte, il est
noter que la nature de TB joue un rle modrateur puisquelle agit sur le sens de la
relation entre le secteur de prestations de services et lU. En effet, dans le sous-
chantillon TB financiers, et par rapport au secteur industriel, les entreprises voluant
dans le secteur de prestations de services prsentent moins dintensit du degr de
lutilit des TB dans le PP de 22% (Modle 2) et de 21,1% dans le modle 3. Par
contre, cette relation est positive au sein de lchantillon des TB non financiers

293
 (Modle2 = 0,518, t Modle2 = 1,953). (Cf. Tableau 4.38). Donc, le type dactivit ne
permet pas dans ce cas de tirer une conclusion stable.

- Daprs le graphique de barres d'erreur (Cf. Graphique 4.5), la diversit moyenne

dutilisation des indicateurs de TB varie entre 2,8 (sur une chelle de 5) pour les ETI
qui adoptent une stratgie de diffrentiation, et 3,67 pour celles qui suivent une
stratgie de focalisation, et cela uniquement dans le sous-chantillon de TB
dominante non financire. Au total, les ETI de ce sous-chantillon ont une Div
moyenne de 3,28 (Cf. Annexe 10).

- Leffet de cotation de la bourse sur la diversit dutilisation des indicateurs de TB

apparat de faon significative au niveau du sous-chantillon de TB quilibrs (Cf.
Tableau 4.38). Ainsi, les entreprises cotes produisent des TB qui contiennent des
donnes sur plusieurs critres (finance, satisfaction client, processus interne,
innovation et apprentissage organisationnel). Ces donnes sont dtailles travers
toutes les couches de lorganisation.

- Enfin, le lien entre la Div et lU est positivement significatif au sein des ETI adoptant
des TB quilibrs (validation de lhypothse H4). Donc, lutilisation des indicateurs
diversifis, tel que recommand par Kaplan et Norton (2009, 1996, 1999, 2001),
permet daugmenter lutilit du systme de mesure de la performance auprs des
responsables financiers. Autrement dit, afin de satisfaire le processus de mesure de la
performance, les responsables financiers donnent autant dimportance aux indicateurs
non financiers quaux indicateurs financiers.

Ainsi, malgr lmergence des indicateurs non financiers et de RSE ces dernire annes,
ladaptation des TB aux nouveaux dfis de la mesure de la performance au sein des ETI na
pas vraiment chang les habitudes des dirigeants et des responsables financiers en termes de
mesure de la performance. Globalement, le poids des indicateurs financiers reste encore
important et les indicateurs relatifs aux domaines de la RSE et de la performance non
financire sont jugs peu nombreux1 (Cf. 3.2.3 Prsentation des statistiques descriptives de la
variable mdiatrice, Chapitre 3). Suite ces rsultats, les TB financiers et quilibrs restent

1
Ce rsultat saccorde avec celui de Lingle and Schiemann (1996). Ces derniers constatent que les indicateurs de
RSE sont jugs peu crdibles par les dirigeants (Cf. Lingle, J.H. and Schiemann, W.A. (1996), "From balanced
scorecard to strategy gauge: is measurement worth it?", Management Review, March, pp. 56-62.

294
les prfrs auprs des responsables financiers et les plus dominants au sein des ETI
franaises. Cest un point que les ETI partagent aussi avec les PME et les grands groupes
(Dorbes, 2004).

En revanche, nous ne pouvons pas gnraliser notre tude sur les tests dhypothses en
fonction de la nature de TB. Car sur les 156 rponses, nous avons une distribution ingale des
ETI; 76 observations relatives aux TB dominante financire, 64 observations de TB
quilibrs et 16 observations pour les TB dominante non financire.

Enfin, les pratiques observes sont conditionnes par les facteurs de contingence, notamment
linformatisation et la structure des ETI. Un dfi dajustement de la varit du contenu du
systme de TB doit tre mis en place pour intgrer rapidement les ventuelles variations de
ces facteurs.

295
Conclusion du Chapitre 4

Le prsent chapitre nous a permis dexposer les diffrents rsultats relatifs notre chantillon
form de 156 ETI. Pour ce faire, nous avons employ des analyses statistiques appliques aux
donnes recueillies auprs des participants notre enqute. Lensemble des rsultats a t
prsent en deux parties.

Au premier abord, nous avons examin la validation de nos chelles de mesure, en nous
basant sur une analyse en composantes principales, ralise sous le logiciel SPSS 20.0. Cette
premire tape avait pour objectif de vrifier la validit et la fiabilit des chelles de mesure
retenues.

Ensuite, nous avons prsent les rsultats du test de notre modle de recherche, en nous
appuyant sur trois rgressions linaires multiples. Celles-ci nous ont permis de valider sept
hypothses de recherches parmi les dix formules dans le chapitre 2. Par consquent, nous
avons abouti un modle de recherche final valid empiriquement.

Ainsi, au regard de nos travaux portant sur la contingence du contrle de gestion, il apparat
que lutilit des TB dans le pilotage de la performance des ETI, est dpendante de la varit
du contenu des TB et de certains facteurs de contingence, tels que linformatisation, la
dcentralisation structurelles et le secteur dactivit. Cependant, les facteurs comme
lincertitude de lenvironnement et la taille nexercent aucune influence sur lutilit des
indicateurs de performance dans lchantillon globale. Ces deux facteurs mriteront une
attention particulire dans les recherches futures. Enfin, laugmentation de la diversit
dutilisation des indicateurs de TB influence positivement lutilit des TB dans le pilotage de
la performance des ETI.

296
Conclusion de la deuxime partie

Cette seconde partie a t loccasion dexposer les diffrentes tapes de la phase empirique de
notre recherche dont le modle et les hypothses proviennent dune association entre la
thorie et ltude exploratoire ralise auprs dun chantillon de directeurs financiers et
contrleurs de gestion.

En parallle avec les exigences de notre positionnement pistmologique hypothtico-

dductif, et selon les rgles de conduite dune tude quantitative par questionnaire, nous
avons parcouru les tapes conscutives, commenant par la construction du questionnaire de
la recherche et du choix des chelles de mesure, passant par les analyses en composantes
principales pour affirmer la qualit des instruments de mesure mobiliss dans cette tude,
pour finir avec le test du modle de recherche et la validation des hypothses en nous
appuyant sur trois rgressions linaires multiples diffrentes. Celles-ci permettent dexaminer
les liens entre les facteurs de contingence, la diversit dutilisation des indicateurs de TB et
lutilit de ces derniers dans le pilotage de la performance.

Notre recherche ralise auprs dun chantillon de 156 ETI montre que le champ de la
performance mesure par les systmes de pilotage se rapproche du Balanced scorecard. En
effet, les axes finance , clients et processus internes sont plus ou moins dvelopps
selon les entreprises avec une lgre domination des indicateurs financiers. En revanche, laxe
innovation et apprentissage organisationnel est encore peu dvelopp et utilis par ces
entreprises.

Ltape suivante dans cette tude consiste prsenter une conclusion gnrale exposant les
apports, les limites et les perspectives de recherche relatifs ce travail doctoral.

297
 Conclusion gnrale

e but principal de la prsente recherche a t de comprendre et dexpliquer lutilit des

L tableaux de bord dans le pilotage de la performance des ETI. Ce dfi sinscrit dans un
contexte gnral de remise en cause des outils traditionnels tels que le budget et dmergence
dautres outils nouveaux qui visent la mesure de la performance globale des entreprises.
Ainsi, les pratiques de TB des ETI ont connu un dveloppement important en rponse un
dynamisme croissant des facteurs de contingence organisationnelle et comportementale.

Bien quoriginale sur un nombre de points, notre thse sinscrit parfaitement dans la
continuit des travaux antrieurs dans le domaine du contrle de gestion. Elle vise notamment
un objectif majeur : une meilleure comprhension des pratiques des TB. Ltude rvle que
les contingences, sont gnralement relies au contenu des TB. Ces facteurs de contingences
dterminent donc la varit dutilisation des indicateurs de TB, et influencent lutilit des TB
dans le pilotage de la performance. Pour cela nous avons :
- identifi les facteurs de contingence qui influencent la varit du contenu des TB,
- expliqu lvolution de lutilit des indicateurs de TB dans le pilotage de la
performance suite une volution au niveau des facteurs de contingence,
- et analys linfluence de la diversit du contenu des TB sur lutilit des indicateurs de
performance globale des ETI.

Donc, pour aboutir ces objectifs, nous avons dtermin tout dabord, les diffrents concepts
employs dans cette recherche. Ensuite, nous avons prsent le cadre thorique qui dtermine
les nouveaux dfis du systme de mesure de la performance.

Suite cette recherche thorique, nous avons labor notre modle conceptuel de recherche
en nous appuyant sur la thorie de la contingence et suivant une mthodologie hypothtico-
dductive. En outre, la littrature portant sur la mesure de la performance, et plus
particulirement sur les pratiques de TB, nous a permis didentifier dix variables explicatives
(facteurs de contingence) et une variable mdiatrice. Grce ces diffrentes variables, nous
avons pu expliquer, en utilisant notre modle conceptuel de recherche, le degr dutilit des
TB dans le pilotage de la performance des ETI.

Par ailleurs, la deuxime partie de ce travail, est rserve ltude empirique. Celle-ci
consiste tester notre modle thorique en le confrontant la ralit des pratiques. Pour ce
298
faire, nous avons administr un questionnaire de recherche en ligne qui a t envoy aux
directeurs financiers et contrleurs de gestion de 2 580 ETI en France. Les donnes collectes
exploitables forment notre chantillon compos de 156 ETI. Ces dernires ont t tudies
statistiquement grce une analyse en composantes principales ralise sous le logiciel SPSS
20.0. Cette phase danalyse statistique nous a permis de valider nos instruments de mesure.

Une fois la fiabilit et la validit des chelles de mesure dmontres, nous avons test notre
modle de recherche grce la mthode de la rgression linaire multiple. Cette mthode,
nous a permis daccepter certaines hypothses et den rejeter dautres.

Ainsi, nous avons discut les diffrents rsultats obtenus et avons compar ces derniers avec
ceux obtenus dans les travaux antrieurs. Cette phase nous a permis galement de prsenter
notre modle de recherche final valid empiriquement et dexposer un ensemble
dimplications relatives cette recherche.

Gnralement, les rsultats de la recherche montrent que les indicateurs oprationnels

sont encore relativement moins utiliss au sein des ETI par rapport aux indicateurs
financiers. Ce constat explique clairement la prdominance des mesures financires dans les
systmes dvaluation des performances des ETI. Il rejoint les conclusions de Cauvin et
Bescos (2005) et (Rharmili, 2007). Cependant, il est noter que le degr moyen dutilisation
des indicateurs non financiers au sein des ETI dpasse celui enregistr au sein des PME 1 et
des grandes entreprises2 (GE).

Au terme de ce travail, nous prsentons dabord les principaux rsultats et contributions

thoriques, pratiques et mthodologiques de la recherche (section 1), nous apportons ensuite
un regard critique sur celle-ci en prsentant ses limites dordre thorique et mthodologique
(section 2). Enfin, nous prsentons un ensemble de perspectives et des voies de prolongement
pour les recherches futures (section 3).

1. Les apports de la recherche

Nous avons identifi trois catgories dapports lies notre recherche : les apports thoriques,
les apports pratiques et les apports mthodologiques.

1
Comparaison faite avec les rsultats obtenus par Germain (2003, 2004) au sein des PME.
2
Comparaison faite avec les rsultats obtenus par Germain et Gates (2010, 2007) au sein des GE.
299
 1.1 Les apports thoriques

Les apports thoriques majeurs de la prsente recherche sont rsums en trois volets :

Le premier apport thorique li notre recherche concerne lenrichissement de

lexplication de lapproche contingente des TB au moyen de la diversit de leur contenu. En
effet, cette tude sinscrit dans une logique cumulative et a permis denrichir les travaux
antrieurs qui tudient la problmatique relative aux nouveaux dfis du systme de mesure de
la performance.

Paralllement, comme nous lavons mentionn prcdemment (Cf. Introduction Gnrale), les
travaux scientifiques portant sur les pratiques de TB au sein des ETI sont peu nombreux.
Notre thse est, notre connaissance, la premire proposer un modle contingent sur un
chantillon dETI. Ainsi, notre travail doctoral a particip satisfaire le besoin de recherche
dans ce domaine, et accrotre et approfondir nos comptences relatives la problmatique
traite.

Le deuxime apport thorique de notre recherche sattache la construction dun modle de

recherche explicatif du concept de lutilit des TB dans le PP au moyen de la diversit
dutilisation des indicateurs de performance. Issu dune littrature riche et varie, le modle
de recherche a intgr plusieurs facteurs de contingence dont trois qualifis de principaux
(informatisation, incertitude de lenvironnement, structure organisationnelle). Ce modle a
donc t le rsultat dune confrontation de plusieurs cadres thoriques, notamment ceux
portant sur les pratiques des TB construites sur les fondements des thories de la contingence.

Le troisime apport thorique relatif notre recherche, rside dans lexplication thorique
associe la problmatique de la pertinence des systmes de mesure de la performance.
Ltude a aussi permis, de constater que les rponses au problme de pertinence et dutilit du
SMP passeraient inluctablement par une diversit dutilisation des indicateurs de
performance. Celle-ci est dpendante de lvolution des facteurs de contingence. De ce fait,
les TB permettent de complter les outils comptables et budgtaires traditionnels, afin
dintgrer les nouveaux dfis actuels de la mesure de la performance des ETI. Cela est
conforme aux rsultats de plusieurs auteurs (Germain, 2005 ; Jordan, 1998, Ekholm et Wallin,
2000, Gignon-Marconnet, 2003 ; Bescos et Cauvin, 2004).

300
Face au dynamisme et la complexit de lenvironnement, les dirigeants, les directeurs
financiers et les contrleurs de gestion cherchent prvoir lavenir. Or lavenir est une chose
difficile prvoir. Plusieurs praticiens considrent, lheure actuelle, que la fiabilit des
prvisions est le dfi numro 11 de leur systme de mesure de la performance. Dans ce sens,
Degos (2009) pense que face aux changements environnemental et organisationnel, il est
souhaitable de maintenir les outils classiques au sein des systmes dinformation des
entreprises : Si difficile, dailleurs, que la plupart des systmes budgtaires prvoient
surtout le pass et utilisent les sries chronologiques comme anticipation du futur. Rien nest
plus difficile que de prvoir le futur, la complexit ou le chaos quil nous impose. Lorsque ces
ruptures, cette complexit ou ce chaos sont l, comme actuellement la crise financire des
subprimes et du systme bancaire mondial[...]les modles de rfrences et les outils
fondamentaux ne sont ni des remdes universels, ni des assurances tous risques, mais malgr
leurs limites ou leurs dfauts, ils demeurent des concepts qui rendent des services essentiels
dans lentreprise et qui, mme au plus fort des crises, peuvent trouver leur place dans les
prvisions et dans laction (p. 32).

Ensuite, lheure o les avantages de lutilisation des indicateurs non financiers de

performance ne sont plus prouver et o le plus vaste programme de recherche en contrle de
gestion concerne dornavant lquilibre optimal entre les indicateurs financiers et non
financiers, ce travail est certainement un pas en avant dans la ralisation de ce programme.

Le dernier apport thorique de cette tude nous a permis de prsenter une synthse des
travaux en Sciences de Gestion, et particulirement en contrle de gestion, tudiant
lapproche contingente des TB. Lanalyse de la littrature prsente un grand intrt dans notre
travail de recherche. Elle nous a permis de mener bien un modle de recherche en prenant
en compte toutes les variables mobilises dans notre recherche, savoir les dix variables
explicatives, la variable mdiatrice et la variable expliquer (Cf. Chapitre 2).

1.2 Les apports pratiques

Sur le plan pratique, la contribution que ce travail apporte aux praticiens est de quatre ordres :

Premirement, il sintresse notre questionnaire de recherche issu des travaux antrieurs.

Cet outil denqute peut tre employ, de manire globale ou partielle, comme un outil de

1
Cest le cas de Microsoft France, par exemple, o nous avons ralis notre stage doctoral en 2012.
301
mesure et de diagnostic des pratiques de TB au niveau des ETI, en fonction des objectifs
suivis par les responsables financiers. Il permet galement de collecter des informations sur
les facteurs de contingence ; lenvironnement de lentreprise, sa dcentralisation structurelle,
son informatisation, etc.

Deuximement, les rsultats soulignent limportance du dveloppement des outils capables

dvoluer au rythme des changements organisationnels, environnementaux et technologiques.
La flexibilit et ladaptabilit doivent tre des critres de conception essentiels des TB afin
que ceux-ci reprsentent un soutien pertinent laction.

Troisimement, il fournit des lments de rflexion aux directeurs financiers et aux

contrleurs de gestion, qui devraient apprendre mieux rpondre aux besoins dinformations
de la direction gnrale, des managers et des oprationnels en dveloppant des collaborations
avec ces utilisateurs. Dans ce cadre, plusieurs problmes techniques de la mise en place des
TB dans les ETI ne doivent pas occulter un aspect au moins aussi important de la russite
dune telle dmarche, savoir la gestion des enjeux humains. cet gard, les contrleurs de
gestion sont encore bien trop souvent perus comme des hommes de chiffres ,
ventuellement dconnect des problmatiques oprationnelles. Il leur appartient alors de
cooprer rellement avec les salaris et de communiquer intelligemment sur leur action afin
de voir leurs prconisations acceptes par les employs1. Ainsi, les contrleurs de gestion
passent du statut de menace celui de partenaire (Bouamama, 2009). En outre, les contrleurs
de gestion doivent imprativement bnficier dun soutien fort de la part de la direction. En
effet, en prsence dune possible rticence la mise en place de nouveaux TB prenant en
compte lvolution des facteurs de contingence, les contrleurs de gestion ne disposent pas de
plus de lgitimit que nimporte quel salari pour encourager ladoption dun tel dispositif.
Sils doivent alors non seulement dployer des talents de pdagogue pour faire accepter le
projet par les employs, ils doivent galement disposer de la part de la direction dun appui
important, afin que leur dmarche ne puisse pas tre perue comme facultative pour la
performance de lorganisation.

En dernier lieu, les rsultats de cette tude montrent que des changements profonds doivent
tre apports la formation en comptabilit de gestion (Boutti, 2014). Il faut dplacer les
points dintrts du contrle de gestion, de la performance financire vers lmergence de la

1
Un contrleur de gestion matrisant parfaitement les aspects techniques de sa discipline, mais tant incapable de
travailler en collaboration avec les autres salaris naura que trs peu dutilit, dans lhypothse o son travail
sera tout simplement rejet par les utilisateurs.
302
performance oprationnelle et non financire, qui reflte de plus en plus les besoins des
gestionnaires de tout niveau. Cela, est souhaitable sans ngliger limportance de maintenir les
indicateurs financiers dans les systmes de mesure de la performance.

Ce travail doctoral a expos aussi un ensemble de conseils concernant les pratiques de TB que
les responsables financiers des ETI gagneraient suivre (Cf. Chapitre 4).

1.3 Les apports mthodologiques

Les apports mthodologiques de ce travail sont primordiaux, ils peuvent tre rsums en deux
points :

Le premier apport mthodologique de cette recherche est relatif lapproche quantitative

retenue dans ce travail. Celle-ci permet dlaborer un questionnaire dinvestigation valide et
administr en ligne. Ainsi, ce questionnaire constitu de plusieurs chelles et indicateurs
mesurant nos principaux concepts thoriques. Cet outil a permis de collecter des donnes
contribuant expliquer lutilit des TB dans le pilotage de la performance des ETI selon une
approche contingente.

Par ailleurs, le deuxime apport mthodologique concerne les mthodes statiques utilises
dans ce travail. Dans ce cadre, nous avons utilis lanalyse en composantes principales afin de
nettoyer nos chelles de mesure. Ensuite la mthode de rgression multiple nous a permis de
tester notre modle de recherche en prenant en considration les liens entre nos variables
explicatives, la variable mdiatrice et la variable expliquer (Cf. Chapitre 4).

Une fois les trois catgories dapports de notre travail doctoral exposes, nous abordons ci-
aprs les limites associes celui-ci.

2. Les limites de la recherche

Malgr les apports thoriques, pratiques et mthodologiques de notre travail doctoral, celui-ci
contient certaines limites. Ces dernires sont dordre thorique et mthodologique.

303
2.1 Les limites thoriques

Les limites thoriques de notre recherche sont classes selon deux points suivants :
- Pour des raisons de praticabilit, les facteurs de contingence susceptibles dinfluencer
le contenu et lutilit des TB des ETI, nont pu tre pris en compte de manire
exhaustive : ainsi les aspects psychologiques de la personnalit du dirigeant, le style
dcisionnel de la direction (Child, 1975 ; Gordon et Miller, 1976), ou encore
linfluence dune culture ou de lhistoire de lentreprise, nont pas t retenus dans
notre modle de recherche.

- Notre modle de recherche ne prend pas en considration les relations inter-

factorielles, notamment au sein de variable Diversit dutilisation des indicateurs de
TB . Cette tude inter-factorielle pourrait enrichir notre modle en analysant le lien
entre les indicateurs financiers et les indicateurs non financiers (Ittner et Larcker,
1998a, 1998b). Lobjectif est de dterminer comment les mesures oprationnelles de
TB prvoient et anticipent la performance financire finale.

2.2 Les limites mthodologiques

Dun point de vue mthodologique, le prsent travail affiche certaines limites.

- La premire limite mthodologique concerne lapproche contingente adopte dans

cette tude. Cette approche tudie les pratiques de TB un instant "t". Cependant, il
est noter que ces pratiques ne sont pas un phnomne statique car elles voluent
constamment dans le temps. De mme, le caractre statique de ltude ne permet pas
danalyser finement les phnomnes, ni lobservation de leurs volutions.

Donc, il serait utile de complter notre recherche et de re-tester notre modle thorique
en faisant appel une approche longitudinale, qui tienne compte de la dimension
temporelle. Cela permettrait de suivre lvolution des pratiques de tableaux de bord en
fonction de lvolution des facteurs de contingence tudis, et de produire des tudes
comparatives de linfluence de ces facteurs sur ces pratiques entre, par exemple, deux
priodes temporelles diffrentes.

- La deuxime limite mthodologique concerne le nombre ditems composant les

construits de notre modle. Cohen et al. (2003) suggrent davoir des chelles qui
304
 comptent un minimum de trois items pour raliser des analyses statistiques. En effet,
certaines analyses sont sensibles au nombre ditems, tels que le calcul de la cohrence
interne par le coefficient alpha de Cronbach (1951) ou la vrification de la validit
convergente pour nen nommer que quelques-unes. La plupart de nos principales
variable latentes sont composes de plus de trois items, lexception de la variable
expliquer Utilit des TB dans le PP qui est compose de deux items.

- La troisime limite mthodologique est lie la taille de lchantillon : un

chantillon de 156 observations peut tre vu comme assez grand pour le chercheur en
sciences de gestion, mais le statisticien le trouvera relativement limit. Cela restreint
les possibilits de gnralisation des rsultats. Donc, pour repousser cette limite, la
ralisation dune recherche analogique sur un chantillon plus important serait dun
grand intrt.

- La dernire limite mthodologique dcoule de la mthode de recueil des donnes

choisie, qui restreint la collecte quelques donnes essentielles de type perceptuel.
Bien que toutes les enqutes aient t administres par nos soins ce qui limite les biais
perceptifs, et bien que les directeurs financiers et les contrleurs de gestion aient t
interrogs des fins de validation, des risques de dcalage entre la ralit et la
perception de cette ralit persistent.

Dans le futur, les perspectives de recherche sont nombreuses compte tenu de ces limites
thoriques et mthodologiques.

3. Les perspectives de recherche

Cette recherche amorce une rflexion sur le contenu des TB. Pour faire avancer les
connaissances dans ce domaine et pallier ses faiblesses, le prsent travail suggre diffrentes
piste de recherche.

La premire piste de recherche future concernerait lanalyse de la cohrence des perceptions

et de reprsentations. Lenqute ntant pas forcment loutil appropri, nous pourrions, par
exemple, mettre en uvre une tude qualitative afin de clarifier le rle de la direction, des
directeurs financiers et des contrleurs de gestion dans le choix des indicateurs de TB. Cette
tude devrait permettre une meilleure perception des phnomnes tudis, et elle permettrait

305
galement daborder de manire plus approfondie, partir de quelques cas, les schmas
mentaux de ces responsables. Lutilisation de cartes cognitives pourrait cette fin tre utile.

La deuxime piste de recherche future porterait sur lanalyse de la qualit et de la capacit des
indicateurs non financiers pour prdire la performance financire future1. Pour cela, nous
avons conu la question 8 de la partie IV du questionnaire2, permettant de mesurer leffet de
causalit entre les indicateurs non financiers de type prospectif ou avanc (leading indicators)
auxquels seront associs des actions et les indicateurs financiers de type rtrospectif ou
retard (lagging indicators)3 (Lorino, 2003 ; Kaplan et Norton, 2001 ; Ittner et Larcker,
1998b). Ainsi, leffet de causalit sera mesur travers la capacit des axes non financiers
(satisfaction client, processus interne, innovation et apprentissage organisationnel) anticiper
la performance financire de lentreprise. La performance non financire ne semble donc pas
contradictoire avec les intrts des actionnaires (Bughin, 2006). Cela justifie galement que
des indicateurs, tels que la dure de traitement des plaintes ou le pourcentage de livraisons
temps, occupent une place grandissante dans les systmes de reporting (Kaplan, 2001).

Dans ce cadre, une tude sudoise4 a vrifi en 1994 lexistence dun lien positif et significatif
entre laxe clients (mesur par le CBS o Customer Satisfaction Barometer5) et la rentabilit
(mesure par lindicateur ROI)6. Anderson et al. (1994) ont montr, partir des observations
du CSB ralises pendant le premier semestre de lexercice comptable, et de lvolution du
ROI enregistr durant le deuxime semestre du mme exercice comptable, que les entreprises
qui atteignent un niveau lev de satisfaction clients atteignent galement une performance
financire importante. En effet, ce dcalage temporel de six mois a permis de vrifier le lien
prdictif qui existe entre le CSB et le ROI. Ainsi, les ressources consacres lamlioration
de la qualit et de la satisfaction clients sont considres comme des investissements et non
comme des dpenses (Anderson et al., op. cit.).

1
Pour Auguste Comte (1798 - 1857), grer cest savoir pour prvoir afin de pouvoir . Donc, le fait de bien
grer la performance oprationnelle permet long terme damliorer la performance financire.
2
Cette question na pas t traite dans la prsente recherche.
3
Pour plus de dtail, regarder galement larticle de Patrick JAULENT : Comment mesurer la performance
dune entreprise ? , publi le 26 dcembre 2012 dans les chos. Cf. http://lecercle.lesechos.fr/entreprises-
marches/finance-marches/finances/221161804/comment-mesurer-performance-entreprise
4
Cf. Anderson E.W., Fornell C. et Lehmann D.R. (1994), Customer Satisfaction, Market Share, and Profitability:
Findings from Sweden, Journal of Marketing, Vol. 58, N3, pp. 53-66
5
Lexprience sudoise, qui commena en 1989, fut la premire avoir test la relation de cause effet, entre la
satisfaction client et la rentabilit financire. Cette exprience a t effectue sur un chantillon de 100
organisations appartenant au secteur industriel. Pour plus de dtail ce sujet, voir larticle de Fornell C. (1992), "
A National Customer Satisfaction Barometer: The Swedish Experience ", Journal of Marketing.
6
Etude mene sur 5 annes.
306
De mme, en sappuyant sur les rsultats de trois enqutes mensuelles de satisfaction clients,
menes par 73 agences dune mme institution financire, Ittner et Larcker (1998b) constatent
une corrlation positive entre la satisfaction clients et les donnes financires de lanne
suivante. Ils parviennent confirmer le pouvoir prdictif de la satisfaction clients pour la
performance comptable future (rentabilit des ventes, bnfice, chiffres daffaires). Par
ailleurs, Kaplan et Norton (1998) ont interprt lvolution du taux de profitabilit en fonction
de lamlioration antrieure des indicateurs relatifs la pntration dun march, le niveau de
qualit des produits, le taux de satisfaction des clients ou des salaris et le degr de motivation
des employs. Enfin, Lorino (2003) et Saghroun et Eglem (2008), prconisent que les axes de
performance sur lesquels il convient de travailler sont les clients, les processus internes ou
encore les ressources humaines.
Ainsi, ces conclusions relatives la prvision de la performance financire partir des
indicateurs non-financiers mriteraient dtre tudies profondment dans le contexte des ETI.

La troisime piste de recherche future qui pourrait tre propose, concernerait le pilotage des
objectifs stratgiques. Il sagirait de vrifier la capacit des TB traduire la stratgie de
lentreprise en valeurs cibles et concrtes. Cela permettrait dassurer un dploiement et un
suivi de la stratgie de lentreprise au niveau oprationnel (Gervais, 2000 ; Gray et Pesqueux,
1993).

Par ailleurs, la quatrime piste de recherche serait denrichir lexplication de lutilit des TB
dans le pilotage de la performance, en incorporant notre modle valid dautres variables
causales cites dans la littrature. cet gard, le style dcisionnel de la direction (personnalit
du dirigeant, son attitude face au risque, lincertitude, sa crativit, ses motivations,)
(Gordon et Miller, 1976 ; Macintosh, 1981, 1985) et la culture de lentreprise (Chiapello,
1996 ; Chenhall, 2003), pourraient amliorer la qualit explicative de notre modle. Prenons,
par exemple, le cas de ce deuxime facteur, il serait judicieux, dans le cadre dun futur travail,
de rtudier notre modle de recherche en lappliquant dune part des ETI franaises, et
dautres part des ETI sous contrle tranger. Cette tude, pourrait apprhender lapport des
diffrences de culture dentreprise dans lexplication de lutilit des TB dans le pilotage de la
performance.

La dernire piste de recherche porterait sur lajout dune deuxime variable expliquer au
modle tudi, il sagit de lutilit des TB dans la prise de dcision . Pour ce faire, un
deuxime questionnaire devrait tre envoy aux managers des ETI afin de collecter des

307
informations concernant le rle et lutilit de cet outil de TB dans leurs processus de
dcisions.

En dfinitive, cette recherche a pu confirmer, infirmer ou complter les conclusions de

recherches antrieures. Lanalyse des rsultats obtenus souligne la ncessit dapprofondir et
dlargir notre problmatique de recherche dans diffrents contextes dtudes. Ces
perspectives contribueraient enrichir les explications dclenches dans ce travail pour mieux
comprendre les futurs TB et leur utilit dans la mesure de la performance.

308
BIBLIOGRAPHIE

309
A
ABERNETHY M. A. et LILLIS A. (1995), The impact of manufacturing flexibility on
management control system design, Accounting, Organizations and Society, 20 (4), 241-
258.

AIKEN L.S., WEST S.G. (1991), Multiple Regression: Testing and Interpreting
Interactions, Newbury Park, CA: SAGE Publications.

AKROUT F. (2010), Les mthodes des quations structurelles, Imprimerie Coopi, 1re
dition, Tunis, 274 p.

ALAZARD C. et SPARI S. (2010), Contrle de gestion, Manuel et applications, 2e

dition Dunod.

ALCOUFFE S. et MALLERET V. (2002), " Les fondements conceptuels de lABC la

franaise ", 23me congrs de lAssociation Franaise de Comptabilit (AFC), Toulouse
16-17 mai.

ALCOUFFE S., BERLAND N. et LEVANT Y. (2008), " Succs et chec dun outil de
gestion. Le cas de la naissance des budgets et de la gestion sans budget ", Revue franaise
de gestion, 2008/8, n 188-189, p. 291-306.

AMBLER T. (1998), " Mediation and Moderation: Roles and Tests ", PanAgra Workin
Paper, n 98-904, London Business School.

AMINATS A. (1999). La crise du contrle de gestion comme crise des savoirs

gestionnaires, Edition Vuibert, Paris.

AMINE A. (2002), " Le statut de la mesure en sciences de gestion", in N. Mourgues (d.),

Questions de mthodes en sciences de gestion, Colombelles, pp. 237-253.

AMIR E. et LEV B., (1996). Value-relevance of nonfinancial information: The wireless

communications industry, Journal of Accounting and Economics, 22, 3-30.

AMPUERO M., GORANSON, J. et SCOTT J. (1998), Solving the measurement

dilemma: How EVA and the balanced scorecard fit together, Strategic Performance
Management Series, vol. 2, disponible sur internet:
www.tarrani/measurementdilemma.pdf

ANDERSON J. C. et GERBING D. W. (1988), "Structural equation modelling in

practice: A review and recommended two-step approach", Psychological bulletin, vol.
103, n3, 411-423.

ANGOT J. et MILANO P. (2003), " Comment lier concepts et donnes?" in R.-A. Thitart
(d.), Mthodes de recherche en management, Dunod, Paris, pp. 169-187.

ANTHEAUME N. (2005), " La comptabilit environnementale est-elle une forme

310
dhypocrisie organisationnelle ? Le cas des indicateurs de performances cologiques
dune gamme de pesticides", Congrs de lAssociation Francophone de
Comptabilit, Lille.

ANTHONY R.N. (1965), Planning and Control Systems, A Framework for Analysis,
Boston, Division of Research, Harvard Business Scool

ANTHONY R.N. (1988), "The Management Control Function", Harvard Business School
Press, Boston.

ASMEP-ETI TRENDEO (2013), Lemploi et linvestissement des ETI dans la crise 2009
- 2013, d. Asmep-ETI.

ATAMER T. (2012), Dveloppement linternational des ETI et gopolitique, EM Lyon

Business School

ATKINSON A.A., WATERHOUSE J.H. et WELLS R.B. (1997), "A Stakeholder

Approach to Strategic Performance Measurement ", Sloan Management Review,
printemps.

AVENIER M.J. (1987), Complmentarit et fragilit des mthodes de recherche en

gestion, Colloque IAE de Lyon, p.23-52

AVGEROU C. (2000), "Information systems: What sort of science is it? ", Omega The
International Journal of Management Science, vol. 28, pp. 567-579.

B
BAINES A. et LANGFIELDSMITH K. (2003), " Antecedents to management
accounting change: a structural equation approach", Accounting, Organizations and
Society, Vol. 28, N 7/8, pp. 675-698.

BANHAM R. (2000), "Better Budgets ", Journal of Accountancy, fvrier, pp. 7-11.

BANKER R. D., POTTER G. et SRINIVASAN D. (2000). An empirical investigation of

an incentive plan that includes nonfinancial performance measures, The Accounting
Review, 75, 65-92.

BANKER R.D., POTTER G. et SRINIVASAN D. (2000), "An Empirical Investigation of

an Incentive Plan that Includes Non-Financial Performance Measures ", Accounting
Review, vol. 75, p. 65-92.

BANQUE DE FRANCE (2012), Les ETI en France : quelles stratgies de croissance,

dinvestissement et de financement ?, Bulletin de la Banque de France, n 190, 4e
trimestre 2012.

BARNETO P., GREGORIO G. (2011), Normes IFRS et mesure de la performance. tude

comparative auprs des tablissements bancaires europens, hal-00646454, version 1

311
BARON R.M. et KENNY D.A. (1986), " The Moderator-Mediator Variable Distinction in
Social psychological Research: Conceptual, Strategic, and Statistical Considerations ",
Journal of Personality and Social Psychology, 51, 6, pp. 1173-1182.

BARRETT E. M. et FRASER L.B. (1977), "Conflicting roles in budgeting for

operations", Harvard Business Review, July-August, pp. 137-146.

BASLY S. (2005), " Internationalisation de la PME familiale: une analyse fonde sur
l'apprentissage organisationnel et le dveloppement de la connaissance", Thse de
doctorat, Soutenance: 7 dcembre, Bordeaux, Universit Montesquieu Bordeaux IV.

BASLY S. (2015), Limplication de la famille-propritaire et lexportation dans la PME :

Lorientation internationale du dirigeant a-t-elle une influence ?, Revue Internationale
PME, 2015.

BATAC J., OUVRARD S. (2010), Etude des liens entre les indicateurs de pilotage
oprationnel et de reporting financier en IFRS. In : AFC. 31me Congrs de lAssociation
Francophone de Comptabilit, 10-12 mai, Nice, France. 41 p.

BAUMARD P. et IBERT J. (2003), " Quelles approches avec quelles donnes ? ", dans
Thitart et coll., Mthodes de recherche en management, Dunod, Paris, pp 82-103.

BAUMARD P., DONADA C., IBERT J. et XUEREB J.-M. (2003), " La collecte des
donnes et la gestion de leurs sources", dans R.-A. Thitart (d.), Mthodes de recherche
en management, Dunod, Paris, pp. 224-256.

BAZIN V. (2013), Panorama de lemploi cadre dans les ETI, APEC n 2013 85, ISBN
978-2-7336-0721-3

BEAUVALLET M. (2009), Les dcisions absurdes, comment faire pire en croyant faire
mieux, ditions du Seuil.

BELDI A et CHEFCHI W (2007). Conception dun outil de mesure de la performance :

divergence entre contrleurs de gestion et managers. Cas dun groupe industriel franais,
congrs de lAFC, dcembre.

BERGERON H. (1996), " Diffrenciation des systmes de donnes et reprsentations en

contrle de gestion. Essai dobservation et dinterprtation ", Thse de Doctorat,
Soutenance: 5 avril 1996, Montpellier, Universit de Montpellier II - Sciences et
Techniques du Languedoc.

BERGERON H. (2000), " Les indicateurs de performance en contexte PME, quel modle
appliquer ? ", 21me Congrs de l'Association Franaise de Comptabilit, Angers.

BERLAND N. (1999), " Lhistoire du contrle budgtaire en France", Thse de Doctorat,

Soutenance: 19 janvier 1999, Paris, Universit Paris IX - Dauphine.

BERLAND N. (2000), " Fonctions du contrle budgtaire et turbulence ", 21me congrs
de lAssociation Franaise de Comptabilit, Angers.
312
BERLAND N. (2001), " Les rles du contrle budgtaire : un mode d'interprtation ",
Revue franaise de gestion, septembre-octobre, pp. 111-120.

BERLAND N. (2002a), " Comment peut-on grer sans budget?" Actes de confrence:
Sciences de Gestion et Pratiques Managriales, Paris, XVImes journes des IAE, dit
par le Rseau des IAE, Economica, pp. 411-421.

BERLAND N. (2002b), Le contrle budgtaire, Repres, La Dcouverte & Syros, Paris.

BERLAND N. (2004), "La gestion sans budget: valuation de la pertinence des critiques
et interprtation thorique", Finance Contrle Stratgie, Vol. 7, N 4, dcembre, pp. 37-
58.

BERLAND N. (2007), " A quoi servent les indicateurs de la RSE ? Limites et modalits
dusage ", Espace Mends France.

BERLAND N. (2008), On ne gre bien que ce que lon mesure, Petit brviaire des ides
reues en management, La dcouverte.

BERLAND N. (2009), Mesurer et piloter la performance, e-book,

www.management.free.fr

BERLAND N. et DOHOU-RENAUD A. (2007), Mesure de la performance globale des

entreprises, 28me congrs de lAFC, Mai, IAE de Poitiers.

BERLAND N. et SIMON F-X (2010). Le contrle de gestion en mouvement Etat de

lart et meilleures pratiques, Eyrolles, Paris.

BERLAND N., DE RONG Y. (2010), Contrle de gestion. Perspectives stratgiques et

managriales, Paris, Pearson.

BERLINER C., BRIMSON J.A. (1988), Cost Management for Todays Advanced
Manufacturing: The CAM-I Conceptual Design, Harvard Business School Press.

BESCOS P.-L. et CAUVIN E. (2004), "Performance Measurement in French Companies:

An Empirical Study", in M.J. Epstein et J.-F. Manzoni (Eds), Performance Measurement
and Management Control: Superior Organizational Performance, Elsevier, Collection:
"Studies in Managerial and Financial Accounting", Vol. 14, pp. 185-202

BESCOS P.-L. et MENDOZA C. (1994), Le management de la performance, Editions

Comptables Malesherbes, Paris.

BESCOS P.-L., CAUVIN E., LANGEVIN P. et MENDOZA C. (2004), "Critiques du

budget : une approche contingente", Comptabilit, Contrle, Audit, Vol. 10, N 1, juin,
pp. 165-185.

BESSIRE D. (2000), " Du tableau de bord au pilotage : lentreprise au risque de se

perdre", Congrs de lAssociation franaise de comptabilit, Angers.

313
BETBZE J-P. et SAINT-TIENNE C. (2006), Une stratgie PME pour la France,
rapport du CAE, la Documentation franaise, Paris.

BIEDER C. (2006). Les facteurs humains dans la gestion des risques Evolution de
la pense et des outils. Lavoisier.

BIEKER T. (2002), " Managing corporate sustainability with the Balanced Scorecard:
Developing a Balanced Scorecard for Integrity Management", Oikos PhD summer
academy.

BIEKER T., GMINDER K.U. (2001), Towards a Sustainability Balanced Scorecard,

Oikos Summer Academy.

BITITCI U., GARENGO P., DRFLER V. et NUDURUPATI S. (2011), Performance

Measurement: Challenges for Tomorrow. International Journal of Management Reviews.
doi: 10.1111/j.1468 2370.2011.00318.x

BOITIER M. (2002a), Linfluence des technologies de linformation et de la

communication sur la fonction contrle de gestion. Une analyse socio-technique,
Comptabilit, Contrle, Audit, May 2002.

BOITIER M. (2002b). Le contrle de gestion : une fonction aux prises avec les
transformations organisationnelles et techniques des entreprises. Thse de doctorat en
Sciences de gestion. Universit des sciences sociales Toulouse I

BOLLECKER M. (2001). " Les contrleurs de gestion : des hommes de liaison ? ", Revue
Direction et Gestion, N188-189, juillet, p.57-63.

BOLLECKER M. (2004), "Les mcanismes de contrle dans un contexte de

diffrenciation des systmes dinformation", Finance Contrle Stratgie, Vol. 7, N 4,
dcembre, pp. 59-85.

BOLLECKER M. (2007), " Vers des systmes de mesure des performances socitales "
L'apport des conventions, Revue franaise de gestion, 2007/11 n 180, p. 89-102. DOI :
10.3166/rfg.180.89-102

BOLLECKER M., MATHIEU P. et CLEMENTZ C. (2006) " Le comportement

socialement responsable des entreprises : une lecture des travaux en comptabilit et
contrle de gestion dans une perspective no-institutionnaliste, Congrs de
lAssociation Francophone de Comptabilit, Tunis.

BOUAMAMA M. (2009), L'influence de la mise en place du contrle de gestion sur la

performance du secteur public : Cas des collectivits locales, mmoire de master 2
recherche, Universit de bordeaux.

BOUDREAU M-C., GEFEN D. et STRAUB D.W. (2001), "Validation in Information

Systems research: A state-of-the-art assessment ", MIS Quarterly, vol. 25, n 1, pp. 1-16.

BOUQUIN H. (1993), Comptabilit de gestion, Dalloz-Sirey, Paris.

314
BOUQUIN H. (1997), Les Fondements du contrle de gestion, PUF.

BOUQUIN H. (1999), Contrle et Stratgie, in B. Collasse (coord.), Encyclopdie de

Comptabilit, Contrle, Audit, Economica.

BOUQUIN H. (2001), Contrle de gestion, Presses Universitaires de France.

BOUQUIN H. (2003), Comptabilit de gestion, Economica, Paris.

BOUQUIN H. (2004), Le contrle de gestion, 6 e d., PUF, Paris.

BOUQUIN H. et PESQUEUX Y. (1999). " Vingt ans de contrle ou le passage dune

technique une discipline ", Comptabilit Contrle et Audit.

BOURGEOIS I. (2010), PME allemandes : les cls de la performance, CIRAC Travaux

et documents du CIRAC, Cergy-Pontoise.

BOURGUIGNON A. (1995), " Peut-on dfinir la performance ? ", Revue Franaise de

Comptabilit, juillet- aot, pp. 61-66.

BOURGUIGNON A. (1997), "Sous les pavs, la plage... ou les multiples fonctions du

vocabulaire comptable : l'exemple de la performance", Comptabilit Contrle Audit, mars,
Vol. 3, Numro 1, p. 89-101

BOURGUIGNON A. (2000), " Performance et contrle de gestion ", Encyclopdie de

Comptabilit, Contrle de gestion et Audit, Ed. Economica, pp. 931-941.

BOURGUIGNON A., MALLERET V. et NRREKLIT H. (2001), " Balanced scorecard

versus French tableau de bord : beyond dispute, a cultural and ideological persprective ",
Cahier de recherche HEC, mars. Publi dans Comptabilit - Contrle - Audit, mai 2002,
pp. 7-60.

BOURGUIGNON A., MALLERET V. et NRREKLIT H. (2002). Lirrductible

dimension culturelle des instruments de gestion : lexemple du tableau de bord et du
balanced scorecard, Comptabilit-Contrle-Audit/ Numro spcial, mai, pp. 7-60.

BOURGUIGNON A., MALLERET V. et NRREKLIT H. (2004), "The American

balanced scorecard versus the French tableau de bord: the ideological dimension",
Management Accounting Research, Vol. 15, pp. 107-134.

BOURGUINON A. (1995), " Peut-on dfinir la performance ? ", Revue Franaise de

Comptabilit, juillet- aot, pp. 61-66.

BOURNE M., MILLS J., WILCOX M., NEELY A. et PLATTS K. (2000). Designing,
implementing and updating performance measurement systems. International Journal of
Operations and Production Management, 20, pp. 754 771.

315
BOUTTI R. (2003), La mise niveau organisationnelle dans les entreprises marocaines: la
conduite et laccompagnement dun projet de changement. Revue Marocaine dAudit et
de Dveloppement, n 16, pp. 55-61.

BOUTTI R. (2010), Dveloppement Durable : lentreprise marocaine face ses

responsabilits sociales. Revue Africa Compliance, n 1, septembre pp. 20-40.

BOUTTI R. (2011), Les fondamentaux de la comptabilit analytique dcisionnelle et du

Contrle de Gestion en action. Best Practices L.M.D avec le soutien du Centre National
pour la Recherche Scientifique et Technique (C.N.R.S.T), 400 pages. Dpt lgal : n
2011 MO 790, ISBN : 987-9954 30-215-6.

BOUTTI R. (2012a), Gestion Budgtaire : Ingnierie des mta-rgles

dcisionnelles: conformit totale IFRS, ABM, ABC, Balanced Scorecard, Agadir : Best
Practices LMD, 500 pages, ISBN : 978-9954 9143-0-4.

BOUTTI R. (2012b), Contrle de Gestion Dcisionnel : Ingnierie des Meilleures

pratiques de la Gestion Budgtaire et de Contrle de Gestion des entreprises du
Moroccan All Shares Index. Agadir: Universit Ibnou Zohr (UIZ), 400 pages. ISBN :
978-9954-9229-1-0.

BOUTTI R. (2012c), Lingnierie du contrle de gestion dcisionnel versus : IFRS,

COSO II, SOX, BALE III, Value@Risk, Stress Test. Editions Universitaires Europennes
(EUE), 350 pages. ISBN : 978-3-8417-9635-6.

BOUTTI R. (2014), Comptabilit de Gestion Dcisionnelle : Manuel & Applications, 250

exercices corrigs. Ssame Grandes Ecoles avec le soutien de lUniversit Ibnou Zohr
(UIZ), 507 pages. Dpt lgal : 2014MO2897, ISBN : 978-9-9549-2293-4.

BOUTTI, R. (2004), Lingnierie financire vecteur structurant pour un dveloppement

durable. Revue Marocaine dAudit et de Dveloppement, n 18, pp. 123-141.

BOUTTI, R. (2005), Les mta-rgles du contrle de gestion dans le cadre des meilleures
pratiques de gouvernance et de dveloppement durable : oxymore ou complmentarit ?,
Revue Marocaine dAudit et de Dveloppement, srie : management stratgique. N 6, pp.
93-108.

BOYD B.K. et FULK J. (1996), "Executive Scanning and Perceived Uncertainty: A

Multidimensional Model", Journal of Management, Vol. 22, N 1, pp. 1-21.

BROWNELL P. (1985), "Budgetary Systems and the Control of Functionally

Differentiated Organizational Activities", Journal of Accounting Research, Vol. 23, N 2,
pp. 502- 512.

BRUNS W.J. et WATERHOUSE J.H. (1975), "Budgetary control and organization

structure ", Journal of accounting Research, Automne, pp. 177-203.

316
BUGHIN C. (2006), "Les mesures non financires refltent-elles la performance
financire future de lentreprise ? Le pouvoir prdictif de la satisfaction du client",
Gestion 2000, Vol. 23, N 2, pp. 111--131.

BUNCE P., FRASER R. et WOODCOCK L. (1995), " Advanced Budgeting: A Journey

to Advanced Management Systems ", Management Accounting Research, n 6, pp. 253-
265.

BURNS T. et STALKER G.M. (1961), "The Management of Innovation", Tavistock,

London.

C
CABY J. et HIRIGOYEN G. (2001), La cration de valeur de l'entreprise, 2 e d.,
Economica.

CAMBON J. (2007), Vers une nouvelle mthodologie de mesure de la performance des

systmes de management de la sant-scurit au travail, Thse de doctorat en sciences et
Gnie des Activits Risques, Ecole des Mines de Paris.

CAM-I (1999), "Beyond Bugeting", Mai 1999, Document disponible sur le site internet du
CAM-I.

CAPET M. et TOTAL-JACQUOT C. (1976), Comptabilit, diagnostic et dcision,

Presses Universitaires de France.

CAPRON M. (2003), " Un nouvel instrument dauto-valuation des organisations : le

bilan socital " Comptabilit, Contrle, Audit, mai, pp. 55-70.

CARRICANO M. et al. (2010), Analyse de donnes avec SPSS, 2e dition, Pearson

CAUVIN E. (2000), " La gestion par les activits ", Les Nouvelles Approches de la
Gestion des Organisations, Arregle J.-L., Cauvin E., Ghertman M., Grand B., Rousseau
P., Economica.

CAUVIN E. et BESCOS P-L. (2005). " Les dterminants du choix des indicateurs dans
les tableaux de bord des entreprises franaises : une tude empirique ", Finance, Contrle,
Stratgie, vol. 8, n1, mars, pp. 5-25.

CAUVIN E. et NEUNREUTHER B. (2009), " La contribution du contrle de gestion au

management de la valeur ", Revue franaise de gestion, n 196, pp. 177-190.

CCI de Paris (2010), Entreprises de taille intermdiaire : mode demploi pour retrouver
la croissance, la documentation Franaise, Paris.

CHABIN Y. (2001), Reprsentation de la performance dans les entreprises de grande

distribution alimentaire, 22ME CONGRES DE L'AFC, France.

317
CHANDELIER J. (2004). Les systmes de mesure de la performance, ditions
dOrganisation.

CHANDLER (1962). Strategy and Structure. Chapters in the History of Industrial

Enterprise, Massachusetts Institute of Technology.

CHAPELLIER P. (1994), Comptabilit et systme dinformation du dirigeant de PME.

Thse de doctorat en sciences de gestion, Universit de Montpellier II.

CHAPMAN C.S. (1997), "Reflections on a Contingent View of Accounting ",

Accounting, Organizations and Society, vol. 22, pp. 189-205.

CHARREAUX G. (1998), Le point sur la mesure de performance des entreprises,

Revue Banque & Marchs, n 34, mai-juin.

CHARREIRE S. et DURIEUX F. (2003), "Explorer et tester : deux voies pour la

Recherche", in R.-A. Thitart (d.), Mthodes de recherche en management, Dunod, Paris,
pp. 57- 81.

CHENHALL R.H. et LANGFIELD-SMITH K. (1998), " The Relationship between

Strategic Priorities, Management Techniques and Management Accounting: an
Empirical Investigation Using a System Approach " Accounting, Organization and
Society, 23: 3, pp. 243-264.

CHENHALL R.H. (2003), "Management control systems design within its organizational
context: findings from contingency-based research and directions for the future",
Accounting, Organizations and Society, Vol. 28, N 2/3, pp. 127-168.

CHENHALL R.H. (2005), "Integrative strategic performance measurement systems,

strategic alignment of manufacturing, learning and strategic outcomes: an exploratory
study", Accounting, Organizations and Society, Vol. 30, N 5, Jul, pp. 395-422.

CHENHALL R.H. et Morris D. (1986), "The Impact of Structure, Environment, and

Interdependence on the perceived Usefulness of Management Accounting Systems",
Accounting Review, Vol. 61, N 1, Jan., pp. 16-35.

CHIA Y.M. (1995), " Decentralization, Management Accounting Systems (MAS)

Information Characteristics and Their Interaction Effects on Managerial Performance:
a Singapore Study ", Journal of Business Finance and Accounting, 22(6), pp. 811
830.

CHIAPELLO E. (1996), Les typologies des modes de contrle et leurs facteurs

de contingence : un essai d'organisation de la littrature, Comptabilit, Contrle,
Audit, Tome 2, Volume 2, septembre, pp. 51-74.

CHIAPELLO E. et DELMOND M.H. (1994), " Les tableaux de bord de gestion, outils
d'introduction du changement ", Revue Franaise de Gestion, janvier-fvrier, pp. 49-58.

318
CHILD J. (1975), "Managerial and Organizational Factors Associated with Company
Performance - Part 2: A Contingency Analysis", Journal of Management Studies, Vol. 12,
N 1, February, pp. 12-27.

CHOFFEL D. et MEYSSONNIER F. (2005), "Dix ans de dbats autour du Balanced

Scorecard", Comptabilit, Contrle, Audit, Vol. 11, N 2, dcembre, pp. 61-81.

CHONG V.K. (1996), "Management accounting systems, task uncertainty and managerial
performance: A research note", Accounting, Organizations and Society, Vol. 21, N 5, pp.
415-421.

CHONG V.K. et CHONG K.M. (1997), " Strategic Choices, Environmental Uncertainty
and SBU Performance: A Note on the Intervening Role of Management Accounting
Systems ", Accounting and Business Research, 27(4), pp. 268276.

CLARKE R., CRAPART P., LAUGA G. et WATKINS R. (2008). Doubler la

performance de lentreprise : les 7 leviers. AFNOR.

COHEN J. et COHEN P. (2002), Applied Multiple Regression / Correlation Analysis for

the Behavioral Sciences, Lawrence Erlbaum.

COLLINS L.M., GRAHAM J.W., FLAHERTY B.P. (1998), "An Alternative Framework
for Defining Mediation ", Multivariate Behavioral Research, Vol. 33 (2), pp. 295 312.

COMTE A. (1830), "Cours de philosophie positive", Tome 1, Rouen Frres, Librairies

diteurs, Paris.

COOPER R. et KAPLAN R.S. (1988), "Measure Costs Right: Make the Right Decisions",
Harvard Business Review, septembre octobre, 96 103.

COOPER R. et KAPLAN R.S. (1992), "Activity-Based Systems: Measuring the Costs of

Resource Usage", Accounting Horizons, Vol. 6, N 3, September, pp. 1-13.

CORTINA J.M, CHEN G. et DUNLAP W.P (2001), " Testing Interaction Effects in
LISREL: Examination and Illustration of available procedures ", Organizational Research
Methods, vol.4, N4, pp. 324-360.

COULOMB . (2010), Les entreprises de taille intermdiaire, elles ont tout pour plaire !,
Revue Banque, n728.

COVALESKI M.A., DIRSMITH M.W. et SAMUEL S. (1996), " Managerial Accounting

Research: The Contributions of Organizational and Sociological Theories ", Journal of
Management Accounting Research, vol. 8, p. 1-35.

CRONBACH L. (1951), Coefficient Alpha and the Internal Structure of Tests,

Psychometrika, 16(3), pp. 297-334.

CROZIER M. et FRIEDBERG F. (1977). Lacteur et le Systme, Paris, Ed. du Seuil.

319
CUMBY J. et CONROD J., (2001). Non-financial performance measures in the Canadian
biotechnology industry, Journal of Intellectual Capital, 2 (3), 261-272.

D
DAFT R.L. (1992). Organization Theory and Design, West Publishing Company.

DAFT R.L. et MACINTOSH N.B. (1978), "A New Approach to Design and Use of
Management Information", California Management Review, Vol. 21, N 1, Fall, pp. 82-
92.

DAVID G. (2006). Les rles du contrle et des contrleurs de gestion financiers dans les
grandes entreprises, Mmoire prsent en vue de lobtention de lhabilitation diriger des
recherches en sciences de gestion, Universit Paris IX Dauphine.

DAVILA T. (2000), "An Empirical Study on the Drivers of Management Control

System's Design in New Product Development ", Accounting, Organization and Society,
vol. 25, n 4-5, p. 383-409.

DAVIS S. et ALBRIGHT T. (2000) " The Changing Organizational structure and

Individual Responsibilities of Managerial Accountants: A Case study ", Journal of
Managerial Issues, Vol. 12, Issue 4, pp. 446-468.

DE RONG Y. et LEVANT Y. (2010). Les cots base dactivits in Berland N., De

Rong Y., Contrle de gestion, perspectives stratgiques et managriales, Pearson, p.213

DEGOS J-G. (2010), Systme budgtaire, carts rtrospectifs et tableaux de bord

prospectifs, E-book, E-thque, 105 p.

DEGOS J-G. (1992), Budgets, Encyclopdie du Management, HELFER J.P. et ORSONI

J. diteurs, Tome I, Vuibert, 1992, pp.132-152.

DEGOS J-G. (2009), Aux origines du contrle de gestion : modles conceptuels de

rfrence et outils incontournables. Revue Marocaine de Contrle de Gestion, Premier
Numro, pp. 735.

DEGOS J-G. (2011), Le temps et lapprentissage dans lanalyse stroboscopique des

carts, Revue Marocaine de Contrle de Gestion, Numro double 2-3, pp. 922.

DEGOS J-G. et OUVRARD S. (2012), Analyse financire, Ellipses, chapitre 5, Lanalyse

de la rentabilit de lentreprise, pp. 93 123.

DELOITTE TOUCHE TOHMATSU INTERNATIONAL (1994), "Performance

Measurement ", Working Paper.

DEMEESTRE R. (2002), " Le contrle de gestion dans le secteur public ", LGDJ, EJA.

320
DESANCTIS G., POOLE M.S. (1994), "Capturing the complexity in advanced
technology use: Adaptative Structuration Theory", Organization Science, vol.5, n2,
p.121-146.

DESCHAMPS P. (1997), "Le budget, pige cadres", L'Expansion, n 558 du 9 au 22

octobre, pp. 153-155.

DFCG (1994), Les Directeurs financiers et la procdure budgtaire : faut-il tuer le

budget?, DFCG-KPMG, IFOP.

DIDELLON L. et VALETTE-FLORENCE P. (1996), " Lutilisation des indices

dajustement dans les modles dquations structurelles. Prsentation et recommandations
dusage ", Actes des XIIIme Journe Nationales des IAE, Vol. 1, pp. 111-126.

DOOLEY D. (2001), Social research methods, Upper Saddle River, NJ: Prentice Hall.

DORBES H. (2004), "Le tableau de bord prospectif, une nouvelle approche du pilotage
pour les PME avec le balanced scorecard ", Dossier Gestion dentreprise, pp.1-2.

DORE B., PEPPERS D. et ROGERS M. (1999), Le One to One en pratique, ditions

dOrganisation.

DRTINA R. HOEGER S. et SCHAUB John (1996), "Continuous Budgeting at The HON

Company", Management accounting (US), January, pp. 20-24.

DRUCKER P.F. (1999), Management Challenges for the 21st Century, Harper Business,
207 pages.

DRUCKERGODARD C., EHLINGER S. et GRENIER C. (2003), "Validit et fiabilit

de la recherche", in R.-A. Thitart (d.), Mthodes de recherche en management, Dunod,
Paris, pp. 257-287.

DUCROCQ C. (2000). "Informatique et contrle de gestion" in Encyclopdie de

Comptabilit, Contrle de gestion et Audit sous la direction de B. Colasse, Economica.

DUNCAN R.B. (1972), "Characteristics of Organizational Environments and Perceived

Environmental Uncertainty", Administrative Science Quarterly, Vol. 17, N 3, Sep., pp.
313-327.

DURAND C. (2005), " L'analyse factorielle et l'analyse de fidlit ", Universit de

Montral, 13 juillet.

DUROX S. (2014), ETI : les valeurs sres de lconomie franaise, Le Parisien conomie.
Janvier.

321
E
ECCLES R.G. (1999) , Le manifeste de lvaluation des performances, in Les systmes de
mesure de la performance, Harvard Business Review, ditions de lOrganisation, 2559
pages.

EDVINSSON L. et MALONE M.S. (1997), Intellectual Capital: Realizing Your

Companys True Value by Findings its Hidden Brainpower, Harper Collins Publishers,
New York.

EDVINSSON L. et MALONE M.S. (1999), Le capital immatriel de lentreprise :

Identification, Mesure, Management, Maxima, Laurent du Mesnil diteur, Paris.

EDVINSSON L., SULLIVAN P. (1996), " Developing a Model for Managing Intellectual
Capital ", European Management Journal, vol.14, n4, p. 356-364.

EKHOLM B.-G. et WALLIN J. (2000), "Is the annual budget really dead?" The European
Accounting Review, Vol. 9, N 4, pp. 519-539.

EL AKREMI A. et ROUSSEL P. (2003). Analyse des variables modratrices et

mdiatrices par les mthodes dquations structurelles : Applications en GRH. Actes du
congrs de lAGRH, Grenoble, 2003, pp. 1063 1096.

ELHAMMA A. (2011). Impact de la taille sur le contenu des tableaux de bord dans les
entreprises au Maroc : rsultats dune tude empirique, halshs.archives-ouvertes.fr:halshs-
00670474.

EPSTEIN M. et MANZONI J.F. (1998), " Implementing Corporate Strategy : From

Tableaux de Bord to Balanced Scorecards ", European Management Journal, vol. 6, n 2,
pp. 190-203.

EPSTEIN M., WISNER P. (2002), Using a Balanced Scorecard to Implement

Sustainability, Environmental Quality Management, Winter: 1-10.

EPSTEIN M.J. et MANZONI F. (1997), "The Balanced Scorecard and Tableau de bord,
Translating strategy into action ", Management Accounting, August, 28-36.

ERNST & YOUNG, 1997, "Measures that Matter ", Ernst & Young.

ERRAMI Y. (2007). Les systmes de contrle traditionnels et modernes: articulation et

modes dexistence dans les entreprises franaises, Actes de 28me congrs de lAFC,
Poitiers, 23 - 25 mai.

EVRAERT S. (2000), " Confiance et comptabilit ", Encyclopdie de comptabilit,

contrle de gestion et audit, Economica, pp. 461-471.

EVRAERT S. et MVELLEC P. (1990), "Calcul des cots: il faut dpasser les mthodes
traditionnelles", Revue Franaise de Gestion, Janvier - Fvrier, pp. 20-29.

322
EVRARD Y. et al. (2009), Market : fondements et mthodes des recherches en
marketing, Dunod, Paris.

EVRARD Y., PRAS B. et ROUX E. (1993), Market : tudes et recherche en marketing,

Nathan, 2me dition, Paris.

EVRARD Y., PRAS B. et ROUX E. (2003), Market : tudes et recherches en marketing,

Dunod, 3me dition, Paris.

F
FERNANDEZ A. (2000). Les nouveaux tableaux de bord des dcideurs, 2e dition,
ditions dOrganisation, Paris, 452 pages.

FERNANDEZ A. (2008), Les nouveaux tableaux de bord des managers : le projet

dcisionnel dans sa totalit, ditions dOrganisation, Quatrime dition, Paris

FIELD A. (2005), Discovering statistics using SPSS, 2me dition, London, Sage
Publications.

FIGGE F., HAHN T., WAGNER S., WAGNER M. (2002), The Sustainability Balanced
Scorecard Linking sustainability management to business strategy, Business Strategy
and the Environment: n 11:269-284.

FISHER J.G. (1998), " Contingency Theory, Management Control Systems and Firm
Outcomes: Past Results and Future Directions ", Behavioral Research in Accounting,
Supplement, vol. 10, p. 47-64.

FITZGERALD L., JOHNSTON R., BRIGNALL T.J., SILVESTRO R. et VOSS C.

(1991). Performance Measurement in Service Businesses, Publi par the Chartered
Institute of Management Accountants (CIMA), ISBN 0 948036 78 8, 126 p (rimprim en
1993 et en 1995).

FORNER C., SANABRIA S., (2010). Post-Earnings Announcement Drift in Spain and
Behavioural Finance Models. European Accounting Review 19 (4): 775-815.

FORTIN J., MANFRON A. et VZINA M. (1999), Pratiques de contrle budgtaire,

Gurin Montral.

FRANCO M. et BOURNE M. (2003). Factors that play a role in managing through

measures. Management Decision, 41, pp. 698710.

FREEMAN R.E. (1984), Strategic Management: A Stakeholder Approach, Boston,

Pitman.

FRIGO M.L. (2002), Nonfinancial performance measures and strategy execution,

Strategic Finance, Aug, 84 (2), 6-9.

323
G
GARENGON P. et BITITCI U.S. (2007), Towards a contingency approach to
performance measurement: an empirical study in Scottish SMEs. International Journal of
Operations and Production Management, 27, pp. 802 825.

GASCHO, LIPE M. et SALTERIO S. (2002), "A note on the judgmental effects of the
balanced scorecards information organization ", Accounting, Organizations and Society
(27), pp. 531-540.

GATTAZ P. (2009), Le printemps des magiciens. La rvolution industrielle, cest

maintenant !, Paris, Nouveau Monde ditions.

GATTAZ Y. (2010), Les ETI, champions cachs de notre conomie, Paris, Franois
Bourin.

GERDIN J. et GREVE J. (2004), "Forms of contingency fit in management accounting

research - a critical review", Accounting, Organizations and Society, Vol. 29, N 3/4, pp.
303-326.

GERMAIN C. (2003), Le UnBalanced Scorecard ou lanalyse de la diffrenciation

des systmes de mesure de la performance , Actes du congrs de lAssociation
francophone de comptabilit, Louvain.

GERMAIN C. (2004), "La contingences des systmes de mesure de la performance: les

rsultats d'une recherche empirique sur le secteur des PME", Finance Contrle Stratgie,
Vol.7, N 1, mars, pp. 33-52.

GERMAIN C. (2005), La conception des systmes de contrle de gestion: les relations

entre les budgets et les systmes de mesure de la performance, congrs de lAFC.

GERMAIN C. et GATES S. (2007), Le niveau de dveloppement des indicateurs de

responsabilit sociale dans les outils de pilotage de contrle de gestion : une analyse des
pratiques des entreprises, Congrs de lAssociation Francophone de Comptabilit,
Poitiers.

GERMAIN C. et GATES S. (2010). Lengagement des parties prenantes internes dans

les dmarches de Responsabilit Globale (RG) : lintgration des indicateurs de RG dans
les outils de pilotage du contrle de gestion. Management et Avenir (33): 223-237.

GERMAIN C. et TRBUCQ S. (2004), La performance globale de lentreprise et son

pilotage : quelques rflexions, Semaine sociale Lamy 18 octobre n 1186, pp.35-41.

GERMAIN C., TRBUCQ S. (2003). Problmatiques et conjectures lies l'intgration

des dimensions socitales au pilotage de la performance. Colloque AUDENCIA Nantes -
"Responsabilit globale, un nouveau modle de rgulation de l'entreprise ?", Oct. 2003,
Nantes, France.

324
GERVAIS M. (2000), Contrle de gestion, conomica, 7e dition, Paris.

GERVAIS M. et THERNET G. (1998), "Planification, gestion budgtaire et turbulence",

Finance, Contrle, Stratgie, Vol. 1, N 3, septembre.

GERVAIS M., LEVANT Y.et DUCROCQ C. (2010), Le Time-Driven Activity-Based

Costing (TDABC) : un premier bilan travers une tude de cas longitudinale, Finance
Contrle Stratgie vol. 13, n1, mars 2010, p. XX.

GIGNON-MARCONNET I. (2003), "Les rles actuels de la gestion budgtaire en France:

une confrontation des perceptions de professionnels avec la littrature", Comptabilit,
Contrle, Audit, Vol. 9, N 1, pp. 53-78.

GIORDANO Y. (2003), Les spcificits des recherches qualitatives , dans Giordano Y.

(2003), Conduire un projet de recherche : une perspective qualitative , Editions EMS,
pp. 11-39.

GIORDANO Y. et JOLIBERT A. (2008), Spcifier lobjet de la recherche dans

GAVARD-PERRET M.L., GOTTELAND D., HAON C. et JOLIBERT A., Mthodologie
de la Recherche - Russir son mmoire ou sa thse en sciences gestion, Pearson
Education, Paris.

GIRAUD F., SAULPIC O., NAULLEAU G., DELMOND M-H. et BESCOS P-L.
(2002), Contrle de gestion et pilotage de la performance, Gualino diteur.

GOMES C.F., YASIN M.M. et LISBOA J.V. (2004), An examination of manufacturing

organizations performance evaluation, International Journal of Operations & Production
Management, 24 (5), 488-513.

GOOLD M. et QUINN J.J. (1990), The paradox of strategic controls, Strategic

Management Journal, 11, pp. 43 57.

GORDON L.A. et MILLER D. (1976), "A Contingency Framework for the Design of
Accounting Information Systems ", Accounting, Organizations and Society, vol. 1, n 1,
pp. 59-70.

GORDON L.A. et MILLER D. (1976), "A contingency framework for the design of
accounting information systems", Accounting, Organizations and Society, Vol. 1, N 1,
pp. 59-69.

GORDON L.A. et NARAYANAN V.K. (1984), "Management accounting systems,

perceived environmental uncertainty and organization structure: An empirical
investigation", Accounting, Organizations and Society, Vol. 9, N 1, pp. 33-47.

GOSH D. et LUSCH R.F. (2000), " Outcome Effect, Controllability and Performance
Evaluation of Managers: Some Field Evidence from Multi-Outlet Businesses ",
Accounting, Organizations and Society, vol. 25, p. 411-425.

325
GOSSELIN M. (1997), "The effect of strategy and organizational structure on the
adoption and implementation of activity-based costing ", Accounting, Organizations and
Society, Vol. 22, n2, pp. 105-122.

GOSSELIN M. et DUB T. (2002), Influence de la stratgie sur l'adoption des mesures de

performance en vigueur dans le systme de comptabilit de gestion , 23me congrs de
l'Association Franaise de Comptabilit, Toulouse, 16 et 17mai.

GOVINDARAJAN V. (1984), "Appropriateness of Accounting Data in Performance

Evaluation: an Empirical Investigation of Environmental Uncertainty as an
Intervening Variable ", Accounting, Organization and Society, n9, pp. 25-135.

GOVINDARAJAN V. (1988), "A Contingency Approach to Strategy Implementation at

the Business-Unit Level: Integrating Administrative Mechanisms with Strategy",
Academy of Management Journal, Vol. 31, N 4, pp. 828-853.

GOVINDARAJAN V. et FISHER J. (1990), "Strategy, control systems, and resource

sharing: Effects on business-unit performance ", Academy of Management Journal Vol.
33, N 2, June, pp. 259-285.

GRAY J. et PESQUEUX Y. (1993), "Comparaison des pratiques rcentes de tableaux de

bord dans quelques multinationales franaises et nord-amricaines", Revue Franaise de
Comptabilit, fvrier.

GRAY R. (1992), " Accounting and Environmentalism: An Exploration of the

Challenge of Gently Accounting for Accountability Transparency and Sustainability",
Accounting, Organizations and Society, 17: 5, pp. 399- 425.

GUEDJ N. (2001), Le contrle de gestion ; pour amliorer la performance de

lentreprise, ditions dOrganisation, Troisime dition.

GUEGUEN G. (2000), "Ladministration des enqutes par Internet", Actes de confrence:

IXme Confrence Internationale de l'AIMS, Montpellier, 24 au 26 mai.

Meier GUIZANI C, BRUNHES-FAURE M. (2002), " De la construction budgtaire au

pilotage de la performance ", Revue changes, n 191, aot-septembre, pp. 48-51.

H
HAIR J.F., ANDERSON R.E., TATHAM R.L. et BLACK W.C. (1998), Multivariate
data analysis with readings, Upper Saddle River, N-J : Prentice-Hall.

HARRISON J.L. (2003), "Perceived environmental uncertainty: validation of a measure

from the accounting literature", Australasian Journal of Business and Social Inquiry, Vol.
1, N 3, pp. 116-130.

326
HARTMANN F. (2000), " The Appropriateness of RAPM: Towards the Further
Development of Theory ", Accounting, Organizations and Society, vol. 25, n 4-5, p. 451-
482.

HAUMONT J., MAROIS B. (2010), Les meilleures pratiques de lentreprise et de la

finance durables, Paris, ditions dOrganisation

HNARD J. (2012), L'Allemagne : un modle mais pour qui ?, Paris, Presses des MINES.

HINKIN T.R. (1995), "A Review of Scale Development Practices in the Study of
Organizations", Journal of Management, Vol. 21, N 5, pp. 967-988.

HIRSCH D. et al. (2013), Le grand livre du contrle de gestion, ditions Eyrolles

Hockerts K. (2001), "Corporate Sustainability Management, Towards Controlling

Corporate Ecological and Social Sustainability ", in Proceedings of Greening of Industry
Network Conference, January 21-24, Bangkok.

Hofstede G.H. (1967), "The Game of Budget Control", Van Gorcum.

HOLLNAGEL E., WOODS D., LEVESON N. (2006), Resilience engineering: Concepts

and precepts. Aldershot, UK: Ashgate. 410 p.

HOLMBECK G.N. (1997), "Toward Terminological, Conceptual and Statistical Clarity in

the Study of Mediators and Moderators ", Journal of Consulting and Clinical Psychology,
vol. 65 (4), pp. 599-610.

HOPE J. et FRASER R. (1997), "Beyond Budgeting. Breaking through the barrier to the
third wave ", Management accounting, December, pp. 20-23.

HOPE J. et FRASER R. (1999), "Beyond budgeting. Building a new management model

for the information age", Management accounting, January, pp. 16-21.

HOPE J., FRASER R. (2000), " Beyond Budgeting ", Strategic Finance, octobre, pp. 30-
35.

HOPWOOD A.G. (2002), "If only there were simple solutions, but there arent: some
reflections on Zimmermans critique of empirical management accounting research", The
European Accounting Review, Vol. 11, N 4, pp. 777-785.

HOQUE Z. (2004), "A contingency model of the association between strategy,

environmental uncertainty and performance measurement: impact on organizational
performance", International Business Review, Vol. 13, pp. 485-502.

HOQUE Z. et JAMES W. (2000), " Linking Balanced Scorecard Measures to Size and
Market Factors: Impact on Organizational Performance ", Journal of Management
Accounting Research, vol. 12, p. 1-17.

327
HOROVITZ, J.H. (1979), Strategic control: a new task for top management. Long Range
Planning, 12, pp. 27.

HOUT T., STALK H. (1992), Vaincre le temps: reconcevoir l'entreprise pour un nouveau
seuil de performance, Dunod.

HRONEC S.M. (1995), Vital Signs, des indicateurs - cot, qualit, dlai- pour optimiser
la performance de l'entreprise, ditions d'organisation.

HUGUES K.E. (2000), The Value Relevance of Non-Financial Measures of Air

Pollution in the Electric Utility Industry ", Accounting Review, vol. 75, p. 209-228.

I
IGALENS J. et ROUSSEL P. (1998), Mthodes de recherche en gestion des ressources
humaines, Economica, Paris.

Itami H. (1987), Mobilizing Invisible Assets, Cambridge, Mass.: Harvard University Press

ITTNER C.D. et LARCKER D.F. (1998a), " Innovations in performance measurement:

trends and research implications ", Journal of management accounting research, Vol. 10.
205-238.

ITTNER C.D. et LARCKER D.F. (1998b), Are nonfinancial measures leading indicators
of financial performance? An analysis of customer satisfaction, Journal of Accounting
Research, Vol. 36, n3, 1-35.

ITTNER C.D. et LARCKER D.F. (2001), "Assessing empirical research in managerial

accounting: a value-based management perspective", Journal of Accounting and
Economics, Vol. 32, pp. 349-410.

ITTNER C.D., D. F. LARCKER et RANDALL T. (2003), Performance implications of

strategic performance measurement in financial services firms, Accounting, Organizations
and Society, 28, 715-741.

J
JAMES L.R., BRETT J.M (1984), "Mediators, Moderators and Tests for Mediation ",
Journal of Applied Psychology, vol. 69, pp. 307-321.

JENSEN M. C. (2001), " Corporate Budgeting is Broken: Let's Fix it ", Harvard Business
Review, novembre, pp. 95-101.

JOHNSON H.T. (1975), "The Role of Accounting History in the Study of Modern
Business Enterprise", The Accounting Review, Vol. 50, N 3, Jul, pp. 444-450.

328
JOHNSON H.T. (1978), "Management Accounting in an Early Multidivisional
Organization: General Motors in the 1920s", Business History Review, Vol. 52, N 4,
Winter, pp. 490-517.

JOHNSON H.T. (1981). Towards an understanding of 19th century cost accounting.

Accounting Review, 56, pp. 510 518.

JOHNSON H.T. (1988), " Activity based information: a blueprint for world class
management accounting ", Management Accounting, juin, pp. 23-30.

JOHNSON H.T. et KAPLAN R.S. (1987), "Relevance Lost: the Rise and Fall of
Management Accounting", Harvard Business School Press, Boston.

JOHNSON S. (1998), Identification of Environmental Performance Indicators:

Application of the Balanced Scorecard Approach, Summer: 35-41.

JOLIBERT A. et JOURDAN P. (2006), Marketing research : Mthodes de recherche et

dtudes en Marketing, Dunod, Paris.

JOLIBERT A. et JOURDAN P. (2011), Marketing research : mthodes de recherche en

marketing, Dunod, Paris, 603 pages.

JORDAN H. (1998), Planification et contrle de gestion en France en 1998, Cahier de

recherche HEC, Jouy-en-Josas, France.

JORISSEN A., DEVINCK S. et VANSTRAELEN A. (1997), " Planning and Control: Are
These Necessary Tools for Success? Empirical Results of Survey and Case Research on
Small and Medium-Sized Enterprises Compared with Research on Large Enterprises ",
Congrs de l'IAAER, Paris.

JORISSEN A., LAVEREN E. et VANSTRAELEN A. (1999), "La pratique de la

planification et du contrle dans les entreprises belges: l'incidence de la taille de
l'entreprise, du secteur et des rsultats", Revue Franaise de Gestion, N 317, dcembre,
pp. 66-74.

K
KAISER H.R. et RICE J. (1974), "Little Jiffy, Mark IV", Journal of Educational and
Psychological Measurement, vol.34, n1, pp. 111-117.

KALIKA M. (1987), Structures dentreprises, ralits, dterminants, performances,

Economica.

KAPLAN R. (2009). Conceptual Foundations of the Balanced Scorecard ", Handbook of

Management Accounting Research, Chapman C., Hopwood A., Shields M. (Eds.), vol. 3,
Elsevier, Oxford, p.1253-1269.

329
KAPLAN R. S. et NORTON D. P. (1996), The Balanced Scorecard: Translating Strategy
into Action, Harvard Business School Press, Boston, Massachusetts, USA.

KAPLAN R. S. et NORTON D. P. (1999), Le tableau de bord prospectif : un systme de

pilotage de la performance, ditions dOrganisation, Paris.

KAPLAN R. S. et NORTON D. P. (2000), "Having trouble with your strategy? Then map
it", Harvard Business Review, vol. 78, n 5, pp. 167-176.

KAPLAN R. S. et NORTON D. P. (2001a), Comment utiliser le tableau de bord

prospectif? Pour crer une organisation oriente stratgie, ditions dOrganisation, Paris,
pp.1-18 ; pp.69-113.

KAPLAN R. S. et NORTON D. P. (2001b). " Le tableau de bord quilibr : un bilan ",

Echanges, n181, octobre, pp. 20-23.

KAPLAN R.S. (1983), "Measuring manufacturing performance: a new challenge for

managerial accounting research", The Accounting Review, Vol. 57, n 4, October, pp. 686-
705.

KAPLAN R.S. (1984), "The evolution of management accounting", The Accounting

Review,Vol. 59, N 3, pp. 390-418.

KAPLAN R.S. (1984), "Yesterdays accounting undermines production ", Harvard

Business Review, July-August.

KAPLAN R.S. et ANDERSON S.R. (2008), TDABC: la mthode ABC pilote par le
temps, Les Editions dOrganisation, Paris

KAPLAN R.S. et NORTON D.P. (1992), "The Balanced Scorecard Measure that drive
performance", Harvard Business Review, February, pp. 71-79.

KAPLAN R.S. et NORTON D.P. (1993), "Putting the Balanced Scorecard to Work ",
Harvard Business Review, September-October, pp. 134-147.

KAPLAN R.S. et NORTON D.P. (1998), Le tableau de bord prospectif, Editions des
Organisations, traduit de: "The Balanced Scorecard" (1996), Harvard Business School
Press.

KAPLAN R.S. et NORTON D.P. (2001a), "The strategy focused organization. How
balanced scorecard companies thrive in the new business environment", Harvard Business
School Press, USA.

KAPLAN R.S. et NORTON D.P. (2001b). Transforming the balanced scorecard from
performance measurement to strategic management: Part 1, Accounting horizons, 15, 87-
104.

KAPLAN R.S. et NORTON D.P. (2004), " Strategy Maps: Converting Intangible Assets
into Tangible Outcomes ", Harvard Business School Press, Boston.
330
KAPLAN R.S., NORTON D.P. (1997), Le Tableau de Bord Prospectif, Les Editions
dOrganisation, traduction de "The Balanced Scorecard ", HBS Press, 1996.

KAPLAN R.S., NORTON D.P. (2003), Le tableau de bord prospectif, ditions

dOrganisation, Paris.

KAPLAN R.S., NORTON D.P. (2007). Lalignement stratgique, Paris: Editions Eyrolles

KENNERLEY M. et NEELY A. (2003), Measuring performance in a changing business

environment, International Journal of Operations and Production Management, 23, pp.
213-229.

KENNY D., JUDD CH. M. (1984), "Estimating the Nonlinear and Interactive Effects of
Latent Variables ". Psychological Bulletin, 96, pp. 201-210.

KENNY D., KASHY D.A., BOLGER N. (1998), "Data Analysis in Social Psychology ",
In D.T. Gilbert, S.T. Fiske, G. Gardner, The Handbook of Social Psychology, 4th ed.,
Boston, Oxford University Press, pp. 233-265

KHANDWALLA P.N. (1972), "The Effect of Different Types of Competition on the Use
of Management Controls", Journal of Accounting Research, Vol. 10, N 2, Autumn, pp.
275-285.

KOHLER D. et WEISZ J-D. (2012), Pour un nouveau regard sur le Mittelstand, La

documentation franaise, Paris.

KOMAREV I. (2007), La place des budgets dans le dispositif de contrle de gestion : une
approche contingente, thse doctorat, Universit Montesquieu Bordeaux

KPMG (2012), Une stratgie de conqute, voyage au cur des ETI.

KPMG (2013), Les ETI, leviers de la croissance en France : cinq ans aprs leur cration,
quel bilan et quelles perspectives ?, Ed. ASMEP-ETI & KPMG.

KRUMWIEDE K. R., EATON T. V. et SWAIN M. R. (2005). "A research note on the

effects of target focus on the use of financial and nonfinancial measures in Balanced
Scorecard evaluations ". Working paper, Boise State University.

L
LACROIX M. (1998). De la reprsentation des immatriels en comptabilit, Revue
Comptabilit-Contrle-Audit, Tome4 Vol.2, septembre, pp.89-107.

LANGFIELD-SMITH K. (1997), Management control systems and strategy: a critical

review. Accounting, Organizations and Society, 22, pp. 207232.

LAWRENCE P.R. et LORSCH J.W. (1969), "Organization and Environment", Irwin,

Homewood.

331
LEBAS M. (1991), " Comptabilit analytique base sur les activits, analyse et gestion
des activits ", Revue Franaise de Comptabilit, n226, septembre, pp. 47-63.

LEBAS M. (1995), " Oui, il faut dfinir la performance ", Revue Franaise de
Comptabilit, juillet- aot, pp. 66-71.

LVY-LEBOYER C. (2006), La motivation au travail : modles et stratgies, ditions

dOrganisation.

LINN G., CASEY K.M., JOHNSON G.H. et ELLIS T.S. (2001), "Do Broad Scope
Managerial Accounting Systems Moderate the Effects of Budget Emphasis, Budget
Participation and Perceived Environmental Uncertainty on the Propensity to Create
Budgetary Slack?", Journal of Computer Information Systems, Vol. 42, N 1, Fall, pp. 90-
97.

LINTIGNAT J. (2012), Les entreprises de taille intermdiaire : une stratgie de

conqutes, OSEO-PME 2012.

LIPE M. et SALTERIO S. (2000). The balanced scorecard: Judgmental effects of

common and unique performance measures. The Accounting Review 75 (3): 283-298.

LNING H. (2004), " Faut-il tuer le budget dans les entreprises ", Les Echos, cahier
spcial lart du management, jeudi 25 novembre, p. 4.

LNING H. et al. (2008), Le contrle de gestion, 3e dition Dunod

LNING H., MALLERET V., MRIC J., PESQUEUX Y., CHIAPELLO E., MICHEL
D., SOL A. (2003), Le contrle de gestion : organisation et mise en uvre, Dunod, 2 me
dition, Paris, 277 p.

LORINO P. (1991), Le contrle de gestion stratgique. La gestion par les activits,

Dunod, Paris.

LORINO P. (2000), " Le balanced scorecard revisit : dynamique stratgique et pilotage

de performance, exemple dune entreprise nergtique ", Congrs de lAssociation
franaise de comptabilit, Metz.

LORINO P. (2001), Mthodes et pratiques de la performance, Editions dorganisation,

Paris.

LORINO P. (2003), Mthodes et pratiques de la performance. ditions dOrganisations.3e

dition. Paris.

LORINO P., (2009), Le contrle de gestion aprs la crise : Expertise obstine du chiffre
ou mtier d'enqute complexe ?, Revue franaise de gestion, n193, p. 29-35.

LUFT J. et SHIELDS M. (2001). The effects of financial and nonfinancial performance

measures on judgment and decision performance . Working paper, Michigan State
University.
332
LUFT J. et SHIELDS M.D. (2003), "Mapping management accounting: graphics and
guidelines for theory-consistent empirical research", Accounting, Organizations and
Society, Vol. 28, N 2/3, pp. 169-249.

LUSTHAUS C., ADRIEN M.H., ANDERSON G., CARDEN F. (1999), Amliorer la

performance organisationnelle. Manuel dauto-valuation, CRDI 1999. 150 p.

LYNCH R.L. et CROSS K.F. (1991). Measure Up The Essential Guide to Measuring
Business Performance, Mandarin, London.

LYNE S. et DUGDALE D. (2004), "Beyond Budgeting Or More Budgeting? A

Survey ", Actes de confrence: Congrs European Accounting Association, Prague.

M
MACINTOSH N.B. (1981), "A Contextual Model of Information Systems", Accounting,
Organizations and Society, vol. 6, n 1, p. 39-53.

MACINTOSH N.B. (1985), The Social Software of Accounting and Information Systems,
John Wiley & Sons.

MYERS R. (1990), Classical and modern regression with applications, 2nd edition,
Boston, Duxbury.

MACINTOSH N.B. (1994), Management accounting and control systems, an

organizational behavioral approach, Willey, p.203.

MACKINNON D.P., LOCKWOOD CH. M., HOFFMAN J.M, WEST S.G, SHEETS V.
(2002), "A Comparison of Methods to Test Mediation and Other Intervening Variable
Effects ", Psychological Methods, vol. 7 (1), pp. 83-104.

MACKINNON D.P., WARSI G., DWYER J.H. (1995), "A Simulation Study of Mediated
Effects Measures ", Multivariate Behavioral Research, vol. 30 (1), pp. 41-62.

MADAHAVAN A. (2000), Market Microstructure: A Survey. Journal of Financial

Markets 3 (3): 205- 258.

MALHOTRA N.K. (2004), Marketing research: An applied orientation, Pearson

Education International, New Jersey.

MALHOTRA N.K. et al. (2011), tudes marketing, 6me d. Pearson Education France.

MALINA M.A. et SELTO F.H. (2001), "Communicating and Controlling Strategy: An

Empirical Study of the Effectiveness of the Balanced Scorecard ", Journal of
Management Accounting Research, 13, pp. 4790.

MALINA M.A. et SELTO F.H. (2004), "Choice and change of measures in performance
measurement models", Management Accounting Research, Vol. 15, pp. 441-469.

333
MALO J.-L. (2000), "Tableaux de bord", in B. Colasse (d.), Encyclopdie de
comptabilit, contrle de gestion et audit, Economica, Paris, pp. 1133-1144.

MALO J.L. et MATH J.C. (1998), Lessentiel du contrle de gestion, Editions

dOrganisation, Paris.

MARGINSON D. et OGDEN S. (2005), "Coping with ambiguity through the budget: the
positive effects of budgetary targets on managers' budgeting behaviours", Accounting,
Organizations and Society, Vol. 30, N 5, July, pp. 435-456.

MARQUET-PONDEVILLE S. (2003), Le Contrle de gestion environnemental: Une

approche thorique contingente et une tude empirique du cas des entreprises
manufacturires belges, Presses universitaires de Louvain.

MARR B. et NEELY A. (2002), Software for measuring performance. In Bourne, M.

(ed.), Handbook of Performance Measurement. London: Gee Publications.

MARSAL C. et TRAVAILL D. (2006), Les systmes dinformation de pilotage, les

tableaux de bord, Cahier du FARGO n 1060901.

MARTINET A. et REYNAUD E. (2001), " Shareholders, Stakeholders et stratgie ",

Revue Franaise de Gestion, nov.- dc., pp. 12-25.

MARTINET A.-C. (coord.) (1990), pistmologies et sciences de gestion, Economica,

Paris.

MARTORY B. (2012), Contrle de gestion sociale, 6me dition, Vuibert

MAYO A. (2001), The Human Value of the Enterprise, Nicholas Bradley Publishing.

MCLELLAND G. H., JUDD C.M. (1993), "Statistical Difficulties of Detecting

Interactions and Moderator Effects ". Psychological Bulletin, 114 (2), pp. 376-390.

MCNAIR C.J., LYNCH R.L., CROSS K.F. (1990), " Do financial and nonfinancial
performance measures have to agree? ", Management accounting, november, pp. 28-36.

MCQUITTY S. (2004), "Statistical power and structural equation models in business

Research ", Journal of Business Research, 57 (2), pp. 175-83.

MEDORI D. et STEEPLE D. (2000), A framework for auditing and enhancing

performance measurement systems, International Journal of Operations and Production
Management, 20 (5), 520-533.

MLSE J. (1990), Approche systmatique des organisations : vers lentreprise

complexit humaine, ditions dOrganisation.

MENDOZA C. et ZRIHEN R. (1999), "Le tableau de bord : en V.O. ou en version

amricaine ? Comparaison entre tableau de bord et le balanced scorecard", Revue
Franaise de Comptabilit, N 309, Mars, pp. 60-66.

334
MENDOZA C., DELMOND H., GIRAUD F et LNING H. (1999), Tableaux de
bord pour managers, Groupe Revue Fiduciaire.

MERCHANT K. A. (1985). Control in Business Organizations, MA, Harvard Graduate

School of Business.

MERCHANT K. et VAN DER STEDE W. (2003), "Management control systems:

performance measurement, evaluation and incentives", Prentice Hall, Financial Times,
imprint of Pearson Education Ltd.

MERCHANT K., VAN DER STEDE W. (2007), Management control systems:

performance measurement, evaluation and incentives, 2e ditions. Prentice Hall.

MRIC J. (2003), " L'mergence d'un discours de l'innovation managriale - le cas du

Balanced Scorecard", Comptabilit, Contrle, Audit, Numro spcial - Mai, pp. 129- 145.

MVELLEC P. (1991), Outils de Gestion. La pertinence retrouve, ditions Comptables

Malesherbes.

MVELLEC P. (1995), " La comptabilit base dactivit ", Revue fiduciaire comptable,
n212.

MVELLEC P. (1998). " Le contrle de gestion la recherche dune nouvelle assise : de

la mise en uvre doutils la modernisation des organisations ", Management et
organisation des entreprises, n287, Septembre-Octobre

MVELLEC P. (2009), Comptabilit par activits, sous la direction de Colasse B.,

Encyclopdie de Comptabilit, Contrle de gestion et audit, 2 me dition, Economica,
Paris, p.463.

MEYER C. (1999), Comment de bons indicateurs aident les quipes atteindre

lexcellence, ditions dOrganisation, Paris.

MEYSSONNIER F. et POURTIER F. (2006), " Les ERP changent-ils le contrle de

gestion ? ", Comptabilit-Contrle-Audit, juin.

MIA L. et CHENHALL R.H. (1994), "The Usefulness of Management Accounting

Systems, Functional Differentiation and Managerial Effectiveness", Accounting,
Organizations and Society, Vol. 19, N 1, Jan, pp. 1-13.

MIKOL A. (2001), Linformation environnementale publie par les socits du CAC

40 de 1992 1998 compare une information type, Actes du 21me congrs de
lAFC, Angers.

MILLER D. et FRIESEN P.H. (1982). "Innovation in Conservative and Entrepreneurial

Firms", Strategic Management Journal, pp.1-27.

335
MILLIKEN F.J. (1987), "Three types of perceived uncertainty about the environment:
state, effect, and response uncertainty", Academy of Management Review, Vol. 12, N 1,
Jan, pp. 133-143.

Mintzberg H. (1979), Structure et dynamique des organisations, Les ditions

dorganisation, Paris.

Mintzberg H. (2010), Structure et dynamique des organisations, Les Editions

dOrganisations, Paris.

MIONE A. (2005), De laffectivit leffectivit: lvaluation par ses membres dun

rseau daffiliation. Colloque " accompagnement des jeunes entreprises : entre
darwinisme et assistanat ", Montpellier, 2005.

MODELL S. (2005), "Triangulation between case study and survey methods in

management accounting research: An assessment of validity implications", Management
Accounting Research, Vol. 16, pp. 231-254.

MOQUET A.C. et PEZET A. (2005), " Les technologies de la responsabilit socitale

ou le mythe fait ralit : le cas Lafarge ", Actes du colloque du GREFIGE de Nancy.

MORIN E., GUINDON M. et BOULIANNE . (1996), " Mesurer la performance de

lentreprise ", Gestion, vol 21, n3, Septembre, pp. 61-66.

N
NANNI A.J., DIXON J.R., VOLLMANN T.E. (1992), " Integrated Performance
Measurement: Management Accounting to Support the New Manufacturing Realities ",
Journal of Management Accounting Research, vol. 4, Fall, pp. 1-19.

NARO G. (2005), Les indicateurs sociaux : du contrle de gestion aux dveloppements

rcents du pilotage et du reporting, Sminaire " Management et gestion des ressources
humaines : stratgies, acteurs et pratiques ",
http://eduscol.education.fr/D0217/grh_naro.htm

NARO G. et NOGUERA F. (2008), Lintgration du dveloppement durable dans le

pilotage stratgique de lentreprise : enjeux et perspectives des Sustainability Balanced
Scorecards, Revue de lorganisation responsable, Volume 3, p. 24-38.

NARO G. et TRAVAILL D. (2010), "Le Blanced scorecard revisit travers le modle

des leviers de contrle : les enseignements de deux tudes de cas". 31me congrs de
lAFC, Nice, 10-12 mai.

NARO G. et TRAVAILL D. (2011), "Le BSC l'preuve de l'exprience. De

l'assemblage d'un puzzle et construction d'un Lego ", Revue franaise de gestion,
(n 211), pp. 65-80.

NEELY A. (1999), The performance measurement revolution: why now and what next?

336
International Journal of Operations and Production Management, 19, pp. 205228.

NEELY A.et ADAMS C. (2001), "The Performance Prism Perspective ", Journal of Cost
Management, janvier-fevrier.

NEWSTED P.R., HUFF S.L. et MUNRO M.C. (1998), "Survey instruments in

Information Systems ", MIS Quarterly, December, pp. 553-555.

NIDUMOLU R., PRAHALAD C.K. et RANGASWAMI M.R. (2009), Why

sustainability is now the key driver of innovation. Harvard Business Review, 87, pp. 57
64.

NIKITIN M. (1992), La naissance de la comptabilit industrielle en France, Thse, Paris-

Dauphine.

NOBRE T. (2001), " Mthodes et outils du contrle de gestion dans les PME", Finance
Contrle Stratgie, Vol. 4, N 2, juin, pp. 119 - 148.

NOBRE T. et RISKAL D. (2003). " Lvolution des pratiques du contrle de gestion dans
les entreprises russes aprs 1992 ", (en ligne), disponibilit et accs : http://www.afc-
cca.com/docs_congres/congres2003/COMO44.PDF.

NRREKLIT H. (2000). The Balance of the Balanced Scorecard - A critical analysis of

some of its assumptions, Management Accounting Research, 11 (1): 65-88.

NUDURUPATI S. et BITITCI U.S. (2005), Implementation and impact of IT-supported

performance measurement systems. Production Planning and Control, 16, pp. 152 162.

O
OBRIEN D.P. (2000), Business Measurements for Safety Performance. Lewis publishers,
Washington.

OPTION FINANCE (1996), " La mthode Descarpentries l'uvre chez Bull ", Option
finance, n 406, 3 juin.

ORIOT F. et MISIASZEK E. (2012). Le Balanced Scorecard au filtre d'une PME

franaise. Ou pourquoi les PME prfrent le "sur-mesure", Revue franaise de gestion,
vol. 38, n225 juin-juillet 2012, pp.27- 43.

OTLEY, D.T. (1999), Performance management: a framework for management control

systems research, Management accounting research, 10, 363-382.

OTLEY D.T. (1980), "The contingency theory of management accounting: achievement

and prognosis", Accounting, Organizations and Society, Vol. 5, N 4, pp. 413-428.

OTLEY D.T. (1998), " Performance Management and Strategy Implementation: The Role
of Management Accounting in the Modern Organization ", Fourth International

337
Management Control Systems Research Conference, Universit de Reading, Royaume-
Uni, 6-8 juillet.

OUCHI W.G. (1977), "The Relationship between Organizational Structure and

Organizational Control", Administrative Science Quarterly, Vol. 22, N 1, March, pp. 95-
113.

P
PALVIA P., MAO E., SALAM A.F. et SOLIMAN K.S. (2003), " Management
information systems research: Whats there in a methodology?", Communications of the
Association for Information Systems, vol.11, pp. 289-309.

PARRAT F. (1999), Quand lactionnaire pse trop lourd, LExpansion Management

Review, juin.

PAUCHER P. (1991), Mesure de la performance financire de lentreprise, Presses

Universitaires de Grenoble.

PAYETTE A. (1988), Lefficacit des gestionnaires et des organisations, Sillery, Qubec,

Presses de Luniversit du Qubec.

PERERA S., HARRISON G. et POOLE M. (1997), "Customer-focused manufacturing

strategy and the use of operations-based non-financial performance measures: A research
note", Accounting, Organizations and Society, Vol. 22, n 6, pp. 557-572.

PREZ R. (2002), " Lactionnaire socialement responsable : mythe dhier ou ralit de

demain ? ", Revue Franaise de Gestion, N 141, p. 131-151.

PERRET V. et SVILLE M. (2003), "Fondements pistmologiques de la recherche", in

R. A. Thitart (d.), Mthodes de recherche en management, Dunod, Paris, pp. 13-33.

PETERSON R.A. (1995), " Une mta-analyse du coefficient alpha de Cronbach",

Recherche et Application en Marketing, 19(2), pp. 75-88.

POINCELOT E. et WEGMANN G. (2005), "Utilisation des critres non financiers pour

valuer ou piloter la performance: analyse thorique", Comptabilit, Contrle, Audit, Vol.
11, N 2, dcembre, pp. 109-125.

PORTER M.E. (1980), Competitive Strategy, Free Press, New York.

PORTER M.E. (1982), Choix stratgiques et concurrence : techniques d'analyse des

secteurs et de la concurrence dans l'industrie, Economica.

PORTER M.E. (1985), Competitive Advantage, Free Press, New York.

POURTOIS J-P., DESMET H. et LAHAYE W. (2006), Postures et dmarches

pistmiques en recherche , dans Paill P. (2006), La mthodologie qualitative, Postures
de recherche et travail de terrain, Armand Colin, pp. 169-200.
338
PRENDERGAST P (2000), "Budgets hit back ", Management Accounting, janvier, pp.
14-16.

PYHRR P. (1973), Zero-Base Budgeting: a practical management tool for evaluating

expenses, John Wiley et Sons, New-York.

Q
QUAIREL F. (2004), " Responsable mais pas comptable : analyse de la normalisation
des rapports environnementaux et sociaux ", Comptabilit, Contrle, Audit, Tome 10,
Volume 1, pp.7-36.

QUAIREL F. (2005), " La mesure de la performance socitale laune de

linstrumantation comptable et financire " in Le Roy F. et Marchesnay M. (2005) La
responsabilit sociale de lentreprise, Editions EMS.

QUINN R.E. (1988), Beyond rational management: mastering the paradoxes and
competing demands of high performance. Jossey-Bass

QUINN R.E. et ROHRBAUGH J. (1983), "A spatial model of effectiveness criteria ",
Management science, vol.29, n3, pp. 363-377.

QUIVY R. et VAN CAMPENHOUDT L. (1995), Manuel de recherche en sciences

sociales, Dunod, Paris.

R
REICHHELD F. (1996), LEffet loyaut : russir en fidlisant ses clients, ses salaris et
ses actionnaires, Dunod.

REID G.C. et SMITH J.B. (2000), The impact of contingencies on managerial accounting
systems development. Management Accounting Research, 11, pp. 427450.

REIX R. (2000) Systmes d'information et management des organisations, 3me d., Paris,
Vuibert.

RETAILLEAU B. (2010), les entreprises de taille intermdiaire au cur dune nouvelle

dynamique de croissance, la Documentation franaise, Paris.

RHARMILI M. (2007). Systme de mesure de la performance dans les PME : Cas des
PME marocaines, Document de travail, 21p.

RILEY R. A., PEARSON T. A. et TROMPETER G. (2003), The value relevance of non-

financial performance variables and the accounting information: the case of the airline
industry, Journal of Accounting and Public Policy, 22, 231-254.

RODIER J-P (1999), Les systmes de mesure de la performance, ditions dOrganisation,

Paris.

339
ROLLAND S. (2003), Impact de lutilisation dInternet sur la qualit perue et la
satisfaction du consommateur, Thse de Doctorat en Sciences de Gestion, Universit Paris
IX Dauphine, Paris.

ROSLENDER R. (1996), "Relevance Lost and Found: Critical Perspectives on the

Promise of Management Accounting", Critical Perspectives on Accounting, Vol. 7, pp.
533-561.

ROSLENDER R. et HART S.J. (2002), "Integrating Management Accounting and

Marketing in the Pursuit of Competitive Advantage: The case for Strategic Management
Accounting", Critical Perspectives on Accounting, Vol. 13, pp. 255-277.

ROUSSEAU L. (2010), Les entreprises de taille intermdiaire, dossier DGCIS, dition :

Gilles Pannetier, Nicole Merle-Lamoot.

ROUSSEL P. et WACHEUX F. (2005), Management des ressources humaines :

Mthodes de recherche en sciences humaines et sociales, De Boeck, Bruxelles.

ROUSSEL P., DURRIEU F., CAMPOY E. et EL AKREMI A. (2002), Mthodes

dquations structurelles : Recherche et application en Gestion, Economica, Paris.

ROYER I. et ZARLOWSKI P. (2003), "Le design de la recherche", dans R.-A. Thitart

(d.), Mthodes de recherche en management, Dunod, Paris, pp. 139-168.

RUSSEL C.J. BOBKO P. (1992), " Moderated Regression Analysis and Likert Scales:
Too coarse for comfort ", Journal of Applied Psychology, 77, 2, pp. 336-342.

RYAN B., SCAPENS R.W. et THEOBALD M. (2002), Research method and

methodology in Finance and Accounting, 2me d., Thomson.

S
SAGHROUN J., SEGLEM J.Y. (2008). la recherche de la performance globale de
lentreprise : la perception des analystes financiers. Comptabilit-Contrle-Audit, 14 (1):
93-118.

SAID A.A., HASSAB ELNABY H.R. et WIER B. (2003), An empirical investigation of

the performance consequences of non-financial measures, Journal of Management
Accounting Research, 15, 193-223.

SANDISON D., HANSEN S.C et TOROK R.G. (2003), "Activity-Based Planning and
Budgeting: a New Approach from CAM-I", Journal of Cost Management, March/April,
pp. 16-22.

SAULQUIN J.Y., MAUPETIT C. (2004), EVA, performance et valuation bancaire,

Journe de recherche CERMAT " La performance : de la mesure laction ". 15 janvier
2004.

340
SAULQUIN J.Y., SCHIER G. (2005), La RSE comme obligation/occasion de revisiter
le concept de performance, Congrs Grefige Nancy.

SAVALL-ENNAJEM C. (2011), volution du rle du contrleur de gestion dans un

contexte de contrle de gestion dcentralis, thse doctorat, le Conservatoire National des
Arts et Mtiers, Juin.

SCHIFF A. D. et HOFFMAN L. R. (1996). "An exploration of the use of financial and

nonfinancial measures of performance by executives in a service firm". Behavioral
Research in Accounting 8: 134-151.

SCHMIDT J.A. (1992), "Is it time to replace traditional budgeting? A method to make a
budget more useful to management is proposed", Journal of accountancy, October, pp.
103-107.

SCHONBERGER R.J. (1990), Building a Chain of Customers: Linking Business

Functions to Create the World-Class Company, New York, The Free Press.

SHANK J.K. (1989), " Strategic Management Accounting: New Wine, or Just New
Bottles " Journal of Management Accounting Research, fall, pp. 47-65.

SHANK J.K. et V. GOVIANDARAJAN (1993), Strategic Cost Management, the New

Tool for Competitive Advantage, New York, The Free Press.

SHANK J.K., GOVIANDARAJAN V. et SPIEGEL E. (1989), Strategic Cost Analysis:

a Case Study, Irwin.

SHARMA S. (2001), " Lorganisation durable et ses stakeholders ", Revue Franaise de
Gestion, novembre-dcembre.

SHARMA S., DURAND R.M. et GUR-ARIE O. (1981), "Identification and Analysis of

Moderator Variables ", Journal of Marketing research, 18, August, pp. 291-300.

SICOTTE C., CHAMPAGNE F., CONTANDRIOPOULOS A.P. (1999), La performance

organisationnelle des organismes publics de sant. Ruptures Revue transdisciplinaire en
sant 1999, vol. 6, no 1, (34-46).

SIEGEL G. (1999), " Counting more counting less: the new role of management
accountants ", Strategic Finance, Novembre, Vol. 81.

SIEGEL G., SORENSEN J.E. (1999). "Counting more, counting less, transformations in
the management accounting profession ", (en ligne), Recherche de lInstitute of
Management Accountants, disponibilit et accs:
http://www.imanet.org/resources_and_publications/management_accounting_quarterly.as
px/fall99/russella

SIMON HERMANN (2009), Hidden Champions of the Twenty-First Century, Heidelberg,

Springer.

341
SIMON HUBERT (1982), Models of bounded rationality: Behavioral economics and
business organization (Vol. 1 et 2), The MIT Press.

SIMONS R. (1987), " Accounting Control Systems and Business Strategy: an Empirical
Analysis ", Accounting, Organizations and Society, vol. 12, n 4, pp. 357-374.

SIMONS R. (1990), "The Role of Management Control Systems in Creating Competitive

Advantage: New Perspectives", Accounting, Organizations and Society, Vol. 15, N 1/2,
Jan-Mar, pp. 127-143.

SIMONS R. (1995a), Levers of control: How managers use innovative control systems to
drive strategic renewal, Harvard Business School Press, Boston Massachusetts.

SIMONS R. (1995b). Control in the age of empowerment. Harvard Business Review, 73,
pp. 8088.

SIMONS R. (2000), Performance Measurement and Control Systems for Implementing

Strategy, Texts and Cases, Upper Saddle River, Prentice Hall.

SPONEM S. (2004), "Diversit des pratiques budgtaires des entreprises franaises :

proposition d'une typologie et analyse des dterminants", Thse de Doctorat, Soutenance:
2 dcembre 2004.

STAFFORD J. et BODSON P. (2006), Lanalyse multivarie avec SPSS, Presses de

lUniversit du Qubec.

STEERS R.M (1975), "Problems in the measurement of organizational effectiveness ",

Administrative Sciences Quarterly, n20, p.546-558.

STERN J.M., STEWART G.B. et CHEW D.H. (1998), The EVA Financial Management
system, dans The revolution in corporate finance, 3me dition, Blackwell Publishers,
514 pages.

STEWART T.A. (1997), Intellectual Capital: The New Wealth of Organizations,

Doubleday / Currency.

STOFFAS C. (2008), Mittelstand : Notre chanon manquant, Mission du secrtaire

dtat aux Entreprise et au Commerce extrieur, rapport du Conseil danalyse conomique
franco-allemand.

ST-PIERRE J., LAVIGNE B., BERGERON H. (2005), " Les indicateurs de performance
financire et non financire : complmentarit ou substitution ? tude exploratoire sur des
PME manufacturires ", HAL : halshs-00581289, version 1.

SUPIZET J. (2002), " Total Balanced Scorecard, un pilotage aux instruments ",
LInformatique Professionnelle n 209, dcembre, pp. 15-20.

342
T
TAHON C. (2003), Evaluation des performances des systmes de production, Srie
Productique, Herms, Lavoisier.

TCHANKAM J.P. (1998), " Performance compares des entreprises publiques et prives
au Cameroun ", Thse de doctorat en sciences de gestion, Bordeaux.

THOMAS C. (2003), "Organisation matricielle et coordination transversale: le budget

demeure l'outil privilgi", Comptabilit, Contrle, Audit, Numro spcial - Mai, pp. 169-
187.

THOMPSON J. (1967), "Organizations in Action: Social Science Bases of Administrative

Theory", McGraw-Hill, New York.

TIESSEN P. et WATERHOUSE J.H. (1978), "The Contingency Theory of Managerial

Accounting: A Comment", The Accounting Review, Vol. 53, N 2, April pp. 523-529.

TILLEMA S. (2005), "Towards an integrated contingency framework for MAS

sophistication. Case studies on the scope of accounting instruments in Dutch power and
gas companies", Management Accounting Research, Vol. 16, pp. 101-129.

TORT E. (1998). "Intgration de la comptabilit de gestion au systme comptable dans

une structure dcentralise", Revue franaise de comptabilit, n301, juin, pp.35-44.

TOUCHAIS L. (1998), Les pratiques de contrle de gestion des activits exportatrices

dans les moyennes entreprises industrielles bretonnes, thse, Universit de Rennes I.

TRAHAND J. (1980), " Etude des processus de planification et de contrle dans les
entreprises. Cration dune typologie et essai dinterprtation ", Thse de doctorat dEtat
en sciences de gestion, Universit des sciences sociales de Grenoble II.

TRAVAILL D. et MARSAL C. (2007), Automatisation des tableaux de bord et

cohrence du contrle de gestion : propos de deux cas, Comptabilit - Contrle - Audit,
2007/2 Tome 13, pp. 75-96.

TURKI O. (2006). Les pratiques du contrle de gestion face au changement,

Comptabilit, contrle, audit et institution(s), Institut Suprieur de Gestion de Tunis.

U
USUNIER J.-C., EASTERBY-SMITH M. et THORPE R. (2000), Introduction la
Recherche en Gestion, 2 e d., Economica, Paris.

V
VAIVIO J. (1999), "Exploring a Non-financial Management Accounting Change ",
Management Accounting Research, vol. 10, p. 409-437.
343
VAKKURI J., MEKLIN P. (2006), " Ambiguity in performance measurement: A
theoretical approach to organizational uses of performance ", Financial Accounting and
Management.

VAN CAILLIE et ARNOULD S. (2001). "Tendances actuelles en matire de contrle de

gestion : de lentreprise oriente produit lentreprise oriente client ", sminaire de
perfectionnement des formations postuniversitaires, HEC. Liges.

VAN DER STEDE W.A. (2000), "The relationship between two consequences of
budgetary controls: budgetary slack creation and managerial short-term orientation",
Accounting, Organizations and Society, Vol. 25, N 6, pp. 609-622.

VAN DER STEDE W.A. (2001), "The effect of corporate diversification and business
unit strategy on the presence of slack in business unit budgets", Accounting, Auditing &
Accountability Journal, Vol. 14, N 1, pp. 30.

VAN DER STEDE W.A., YOUNG S.M. et CHEN C.X. (2005), "Assessing the quality of
evidence in empirical management accounting research: The case of survey studies",
Accounting, Organizations and Society, Vol. 30, N 7/8, Oct, pp. 655-684.

VANHAMME, J. (2002), "La satisfaction des consommateurs spcifiques une

transaction : dfinition, antcdents, mesures et modes ", Recherches et Applications en
Marketing, vol. 17, n 2.

Villarmois (de la) O. (1998), Le concept de performance et sa mesure, Actes des XIVme
Journes des IAE, Nantes, tome2, vol.2.

VILLARMOIS (de la) O. (2001), Le concept de performance et sa mesure : un tat de

lart. Les cahiers de la recherche. CLAREE, UPRESA CNRS 8020.

VILLESQUE-DUBUS F. (2005), "Vers une transversalisation des budgets: un essai

d'observation et d'interprtation", Comptabilit, Contrle, Audit, Vol. 11, N 2, dcembre,
pp. 127-147.

W
WACHEUX F. (1996), Mthodes qualitatives et recherche en gestion, Economica.

WALLANDER J. (1999), "Budgeting - unnecessary evil", Scandinavian Journal of

Management, N 15, pp. 405-421.

WALLMAN S.M.H. (1995), " The Future of Accounting and Disclosure in an Evolving
World: The Need for Dramatic Change ", Accounting Horizons, September, p. 81-91.

WEGMANN G. (2009), Investigations autour du potentiel stratgique du contrle de

gestion : rflexions thoriques, empiriques et exploratoires, Mmoire prsent en vue de
lobtention de lhabilitation diriger des recherches en sciences de gestion, Universit de
Bourgogne, LEG/FARGO, UMR CNRS 5118.

344
WEGMANN G. et POINCELOT E. (2005), Utilisation des critres non financiers pour
valuer ou piloter la performance : analyse thorique, Comptabilit Contrle Audit,
Association Francophone de Comptabilit, 11 (2), pp.109-125. <halshs-00481768>

WOODWARD J. (1965), "Industrial Organization: Theory and Practice", Oxford

University Press, London.

Z
ZIADI J. (2006), Performance et mesure de la dcision, Direction et Gestion (La RSG), La
Revue des Sciences de Gestion, 2006/4 - n220-221, pp. 107-118.

ZIAN H. (2013), Contribution ltude des tableaux de bord dans laide la dcision des
PME en qute de performances, thse doctorat, Universit Montesquieu Bordeaux IV.

ZIMMERMAN J.L. (2001), "Conjectures regarding empirical managerial accounting

research", Journal of Accounting & Economics, Vol. 32, N 1-3, Dec, pp. 411-427.

ZINGALES F., HOCKERTS K. (2003), Balanced Scorecard and Sustainability: examples

from literature and practice, INSEAD, Working Paper Series, Center for the Management
of Environment.

345
 LISTE DES TABLEAUX

Tableau 1.1 : Les diffrentes perceptions de la performance ................................................................ 38

Tableau 1.2 : Les principaux rles du budget et leurs critiques ............................................................ 44
Tableau 1.3 : Comparaison des dfinitions et des exemples donnes pour le concept d activit (Cf.
Alcouffe et Malleret, 2002) ................................................................................................................... 61
Tableau 1.4 : Usage et pertinence des indicateurs financiers et non financiers .................................... 75

Tableau 2.1 : Les diffrentes catgories dentreprises .......................................................................... 92

Tableau 3.1 : Le nombre ditems variables de mesure des principaux facteurs de contingence dordre
organisationnel .................................................................................................................................... 154
Tableau 3.2 : Critres quantitatifs retenus en France pour classer les entreprises par taille (Source :
INSEE) ................................................................................................................................................ 155
Tableau 3.3 : Le nombre ditems des variables de contrle ................................................................ 160
Tableau 3.4 : Le nombre ditems des variables de mesure de la diversit dutilisation des indicateurs
de TB ................................................................................................................................................... 163
Tableau 3.5 : Le nombre ditems des variables de mesure de lutilit des TB dans le pilotage de la
performance ......................................................................................................................................... 165
Tableau 3.6 : Distribution des questionnaires envoys par taille dETI .............................................. 169
Tableau 3.7 : Distribution des questionnaires envoys par rgion ...................................................... 170
Tableau 3.8 : Taux de retour du questionnaire diffus ........................................................................ 181
Tableau 3.9 : Interprtation de la fiabilit dune chelle de mesure.................................................... 184
Tableau 3.10 : Statistiques de fiabilit de la variable Informatisation .......................................... 187
Tableau 3.11 : Statistiques de fiabilit des deux dimensions de la variable Structure .................. 188
Tableau 3.12 : Statistiques de fiabilit de la variable Incertitude de lenvironnement .................. 189
Tableau 3.13 : Distribution des ETI selon leur degr dinformatisation ............................................. 191
Tableau 3.14 : Distribution des ETI selon le degr de dcentralisation structurelle ........................... 192
Tableau 3.15 : Distribution des ETI selon le degr de dcentralisation horizontale DDH de la prise de
dcision................................................................................................................................................ 193
Tableau 3.16 : Distribution des ETI selon le degr de dcentralisation verticale DDV de la prise de
dcision................................................................................................................................................ 194
Tableau 3.17 : Distribution des ETI selon le degr dincertitude de lenvironnement........................ 196
Tableau 3.18 : Rsum et interprtation des principaux facteurs de contingence ............................... 196
Tableau 3.19 : La taille des entreprises de lchantillon ..................................................................... 197
Tableau 3.20 : Le secteur d'activit des ETI enqutes ....................................................................... 197
Tableau 3.21 : La formation des dirigeants dETI enqutes .............................................................. 198

346
Tableau 3.22 : Les stratgies concurrentielles des ETI enqutes ...................................................... 199
Tableau 3.23 : Limplantation du budget au sein des ETI enqutes .................................................. 199
Tableau 3.24 : Limplantation de la mthode ABC au sein des ETI enqutes .................................. 200
Tableau 3.25 : La cotation en bourse des ETI enqutes .................................................................... 200
Tableau 3.26 : Scores moyens des ETI sur les indicateurs caractrisant la diversit du contenu de TB
............................................................................................................................................................. 202
Tableau 3.27 : Scores moyens des ETI sur les indicateurs caractrisant lutilit des TB dans le pilotage
de la performance ................................................................................................................................ 206

Tableau 4.1 : Les seuils et les choix retenus dans lanalyse factorielle exploratoire .......................... 218
Tableau 4.2 : Variables du modle et leurs codes ............................................................................... 224
Tableau 4.3 : Les seuils et les choix retenus dans lanalyse de la rgression linaire multiple........... 232
Tableau 4.4 : Les rsultats de lindice de KMO et du test de Bartlett pour lACP de la variable
Informatisation .............................................................................................................................. 234
Tableau 4.5 : Valeurs propres et pourcentage de variance explique relatives lchelle
Informatisation .............................................................................................................................. 235
Tableau 4.6 : Communalits de lchelle Informatisation ............................................................. 235
Tableau 4.7 : Les rsultats de lindice de KMO et du test de Bartlett pour lACP de la variable
Informatisation aprs la premire purification .............................................................................. 236
Tableau 4.8 : Valeurs propres et pourcentage de variance explique relatives lchelle
Informatisation aprs la premire purification .............................................................................. 236
Tableau 4.9 : Communalits et structure factorielle de lchelle Informatisation aprs la premire
purification .......................................................................................................................................... 237
Tableau 4.10 : Statistiques de fiabilit de lchelle Informatisation ............................................. 237
Tableau 4.11 : Les rsultats de lindice de KMO et du test de Bartlett pour lACP de la variable
Structure ........................................................................................................................................ 239
Tableau 4.12 : Valeurs propres et pourcentage de variance explique relatives lchelle Structure
............................................................................................................................................................. 240
Tableau 4.13 : Communalits de lchelle Structure ..................................................................... 240
Tableau 4.14 : Les rsultats de lindice de KMO et du test de Bartlett pour lACP de la variable
Structure aprs la premire purification ........................................................................................ 241
Tableau 4.15 : Valeurs propres et pourcentage de variance explique pour la variable Structure ,
aprs la premire purification .............................................................................................................. 241
Tableau 4.16 : Communalits et structure factorielle de lchelle Structure , aprs la premire
purification et la rotation Varimax ...................................................................................................... 242
Tableau 4.17 : Statistiques de fiabilit de lchelle Structure ....................................................... 244
Tableau 4.18 : Les rsultats de lindice de KMO et du test de Bartlett pour lACP de la variable
Incertitude de lenvironnement ..................................................................................................... 246

347
Tableau 4.19 : Valeurs propres et % de variance explique relatives lchelle Incertitude de
lenvironnement ............................................................................................................................... 247
Tableau 4.20 : Communalits et structure factorielle de lchelle Incertitude de lenvironnement
............................................................................................................................................................. 247
Tableau 4.21 : Statistiques de fiabilit de lchelle Incertitude de lenvironnement ..................... 248
Tableau 4.22 : Matrice de corrlation (Rh de Pearson) des items mesurant les variables
Informatisation , Structure , Incertitude de lenvironnement et Diversit dutilisation des
indicateurs de TB .............................................................................................................................. 251
Tableau 4.23 : Rsum des rsultats relatifs la validation des chelles de mesure .......................... 252
Tableau 4.24 : Matrice des corrlations (Rh de Pearson) des variables et diagnostic de la
multicolinarit.................................................................................................................................... 255
Tableau 4.25 : Distances de Cook sur la diversit dutilisation des indicateurs de TB ....................... 259
Tableau 4.26 : Diagnostic des observations extrmes sur la diversit dutilisations des indicateurs de
TB ........................................................................................................................................................ 259
Tableau 4.27 : Analyse de la variance de la variable Diversit dutilisation de indicateurs de TB
............................................................................................................................................................. 260
Tableau 4.28 : Rsultats de la rgression simultane sur lexplication de la Diversit dutilisation des
indicateurs de TB .............................................................................................................................. 261
Tableau 4.29 : Les coefficients des variables explicatives de la diversit dutilisation des indicateurs de
TB ........................................................................................................................................................ 262
Tableau 4.30 : Validation des hypothses relatives linfluence des facteurs de contingence sur la
Diversit dutilisation des indicateurs de TB ................................................................................ 265
Tableau 4.31 : Analyse de la variance de la variable Utilit des TB dans le PP pour les modles 2
et 3 ....................................................................................................................................................... 268
Tableau 4.32 : Les coefficients des variables explicatives de lutilit des TB dans le pilotage de la
performance ......................................................................................................................................... 269
Tableau 4.33 : Validation des hypothses relatives linfluence des facteurs de contingence sur
l Utilit des TB dans le PP ............................................................................................................ 272
Tableau 4.34 : Validation de lhypothse relative linfluence de la diversit dutilisation des
indicateurs de TB sur lutilit des TB dans le PP ................................................................................ 273
Tableau 4.35 : Les coefficients des variables explicatives dans les 3 modles de rgressions ........... 278
Tableau 4.36 : Rcapitulatif des modles ............................................................................................ 279
Tableau 4.37 : Rsultats des rgressions selon les variables de contrle ............................................ 282
Tableau 4.38 : Prsentation des modles en fonction de la nature de TB .......................................... 289
Tableau 4.39 : Corrlation de Pearson entre les principales variables de contingence, la Div et lU . 290
Tableau 4.40 : Synthse des rsultats de validation des hypothses selon la nature de TB ................ 292

348
 LISTE DES GRAPHIQUES

Graphique 2.1 : Chiffre daffaires par catgorie dentreprise ............................................................... 95

Graphique 2.2 : Rpartition des salaris des ETI selon la rgion principale en 2012 (Source : enqute
Apec, 2013).......................................................................................................................................... 102
Graphique 2.3 : Rpartition sectorielle des ETI (2010)....................................................................... 106
Graphique 2.4 : Poids des entreprises dans les exportations en 2011, selon la catgorie et le type de
contrle ................................................................................................................................................ 107

Graphique 3.1 : Distribution des questionnaires envoys par rgion .................................................. 172
Graphique 3.2 : La diversit dutilisation des indicateurs de TB ........................................................ 201
Graphique 3.3 : Degr d'utilisation des indicateurs financiers ............................................................ 202
Graphique 3.4 : Degr d'utilisation des indicateurs de performance clients ....................................... 203
Graphique 3.5 : Degr d'utilisation des indicateurs de processus internes .......................................... 203
Graphique 3.6 : Degr d'utilisation des indicateurs dinnovation et dapprentissage organisationnel 204
Graphique 3.7 : Utilit des TB dans le pilotage de la performance..................................................... 205
Graphique 3.8 : Degr dutilit des indicateurs financiers dans le pilotage de la performance .......... 206
Graphique 3.9 : Degr dutilit des indicateurs non financiers dans le pilotage de la performance ... 207

Graphique 4.1 : Diagramme des composantes dans lespace aprs rotation ....................................... 243
Graphique 4.2 : Homoscdasticit de la variable Diversit dutilisation des indicateurs de TB ... 256
Graphique 4.3 : Normalit de distribution des erreurs pour la variable Diversit dutilisation des
indicateurs de TB .............................................................................................................................. 257
Graphique 4.4 : Etude de la normalit des rsidus pour la variable Diversit dutilisation des
indicateurs de TB .............................................................................................................................. 258
Graphique 4.5 : La distribution des valeurs de la diversit dutilisation des indicateurs de TB
dominante non financire selon la stratgie de lentreprise ................................................................ 291

349
 LISTE DES SCHMAS

Schma 1.1 : Plans daction, programmes et budgets ........................................................................... 46

Schma 1.2 : La dclinaison de la stratgie selon le Balanced Scorecard ............................................ 66
Schma 1.3 : Architecture du Balanced Scorecard ............................................................................... 78

Schma 2.1 : Les diffrentes catgories dETI ...................................................................................... 93

Schma 2.2 : Le cadre conceptuel du modle contingent de la recherche .......................................... 122
Schma 2.3 : Le modle conceptuel des liens de contingence organisationnelle ................................ 129
Schma 2.4 : Le modle conceptuel du lien entre la diversit dutilisation des indicateurs de tableaux
de bord et leur utilit dans le pilotage de la performance .................................................................... 131
Schma 2.5 : Le modle conceptuel des liens de variables de contrle .............................................. 137
Schma 2.6 : Le modle conceptuel de recherche ............................................................................... 138

Schma 3.1 : Les mesures des principaux facteurs de contingence dordre organisationnel .............. 153
Schma 3. 2 : Les mesures des variables de contrle .......................................................................... 159
Schma 3.3 : Les mesures de la diversit dutilisation des indicateurs de TB .................................... 162
Schma 3.4 : Les mesures de lutilit des TB dans le pilotage de la performance .............................. 165
Schma 3.5 : De la phase de conception la phase de pr-test et de validation du questionnaire ...... 175
Schma 3.6 : Les phases du processus dadministration du questionnaire en ligne ............................ 180

Schma 4.1 : Les tapes de lanalyse factorielle exploratoire en composantes principales ................ 213
Schma 4.2 : Modle de recherche final valid ................................................................................... 274
Schma 4.3 : Leffet mdiateur de la variable Diversit dutilisation des indicateurs de TB ....... 275
Schma 4.4 : Modle de Baron et Kenny pour lanalyse de la variable mdiatrice ............................ 277
Schma 4.5 : Tableaux de bord dominante financire ...................................................................... 286
Schma 4.6 : Tableaux de bord quilibrs........................................................................................... 287
Schma 4.7 : Tableaux de bord dominante non financire ............................................................... 287

350
 TABLE DES MATIRES

Introduction gnrale ............................................................................................................... 6

Premire partie : Systme de mesure de la performance : revue de littrature et cadre

conceptuel ................................................................................................................................ 25

Introduction de la premire partie ....................................................................................... 26

Chapitre 1. Le systme de mesure de la performance ........................................................ 28

1.1 Le contrle de gestion traditionnel et la mesure de la performance ........................... 31

1.1.1 Quest-ce que la performance ? ....................................................................................... 31
1.1.1.1 Notions de performance........................................................................................... 33
1.1.1.2 Problmatique de la performance ............................................................................ 35
1.1.1.3 Nombreuses acceptations du concept de performance ............................................ 36
1.1.1.3.1 Les diffrents niveaux dapprhension de la performance et leurs disparits . 36
1.1.1.3.2 Identification dune typologie gnrique de la performance ........................... 39
1.1.2 Limites du contrle de gestion traditionnel ..................................................................... 40
1.1.2.1 Limites du budget classique .................................................................................... 41
1.1.2.2 Difficult relier stratgie et budgets...................................................................... 46
1.1.2.3 Difficults dapplication des budgets en environnement incertain ......................... 48
1.1.2.4 Rductionnisme des indicateurs comptables et financiers ...................................... 50
1.2 Les nouveaux dfis du systme de mesure de la performance ..................................... 53
1.2.1 mergence des nouveaux dfis du contrle de gestion et mesure de la performance .... 53
1.2.1.1 Contribution des outils informatiques dans le systme de mesure de la
performance.. ....................................................................................................................... 54
1.2.1.2 Intgration de la dcentralisation du pouvoir de dcision dans le systme de mesure
de la performance ................................................................................................................ 57
1.2.1.3 Intgration de lincertitude de lenvironnement dans le systme de mesure de la
performance ......................................................................................................................... 59
1.2.1.4 Dveloppement de la mthode des cots par activit ABC..................................... 60
1.2.1.5 Alignement de la stratgie et mesure de la performance ......................................... 65
1.2.2 Tableau de bord, nouvel outil de contrle de gestion adapt une nouvelle ralit ....... 67
1.2.2.1 Tableaux de bord et mesure de la performance ....................................................... 67
351
 1.2.2.1.1 Dfinition des indicateurs de performance ...................................................... 68
1.2.2.1.1.1 Indicateurs financiers ............................................................................... 70
1.2.2.1.1.2 Indicateurs non financiers ........................................................................ 72
1.2.2.1.2 Exigences des tableaux de bord daujourdhui ................................................ 74
1.2.2.2 Balanced Scorecard, un nouveau systme de mesure de la performance ................ 76
1.2.2.2.1 Quelques caractristiques fondamentales ........................................................ 79
1.2.2.2.1.1 Une clarification de la stratgie ............................................................... 80
1.2.2.2.1.2 Une nouvelle vision de la performance .................................................... 81
1.2.2.2.1.3 Une amlioration de la communication ................................................... 83
1.2.2.2.2 Contingence du Balanced Scorecard ............................................................... 84

Conclusion du Chapitre 1 ...................................................................................................... 86

Chapitre 2. Ltude du terrain et les hypothses de la recherche...................................... 87

2.1 Le terrain de recherche.................................................................................................... 90

2.1.1 Quest-ce quune ETI ? ................................................................................................... 90
2.1.1.1 Les diffrentes catgories dETI.............................................................................. 91
2.1.1.2 Les grands atouts des ETI........................................................................................ 94
2.1.1.2.1 Innovation dans les ETI ................................................................................... 96
2.1.1.2.2 Exportations des ETI ....................................................................................... 98
2.1.1.2.3 Investissements et financements des ETI ........................................................ 99
2.1.1.2.4 Structure industrielle des ETI ........................................................................ 100
2.1.1.2.5 Limplantation nationale et internationale des ETI franaises ...................... 102
2.1.2 Lintrt dtudier les ETI ............................................................................................. 104
2.1.2.1 La participation des ETI la cration de la richesse ............................................. 104
2.1.2.2 Les enjeux et les perspectives des ETI .................................................................. 108
2.1.3 Lapproche comparative ETI Mittelstand .................................................................. 109
2.1.3.1 Facteurs cls de succs du Mittelstand .................................................................. 111
2.1.3.2 Mittelstand, le chanon manquant de la France ..................................................... 113
2.2 Les pistes de recherche .................................................................................................. 115
2.2.1 La contingence du systme de mesure de la performance des ETI ............................... 116
2.2.1.1 La contingence organisationnelle des ETI............................................................. 116
2.2.1.2 La contingence comportementale des ETI ............................................................ 118

352
2.2.2 Modle de recherche initial - influence des facteurs de contingence sur la diversit
dutilisation des indicateurs et sur lutilit des tableaux de bord dans le pilotage de la
performance ............................................................................................................................ 120
2.2.2.1 Le cadre conceptuel de la recherche et la slection des variables pertinentes ...... 120
2.2.2.2 Les hypothses de recherche et la dfinition du modle conceptuel ..................... 123
2.2.2.2.1 Les hypothses concernant les variables explicatives facteurs de contingence
dordre organisationnel ................................................................................................. 123
2.2.2.2.1.1 Linformatisation ................................................................................... 123
2.2.2.2.1.2 La structure organisationnelle ................................................................ 125
2.2.2.2.1.3 Lincertitude de lenvironnement........................................................... 127
2.2.2.2.2 Lhypothse concernant linfluence de la diversit dutilisation des indicateurs
de performance sur lutilit des tableaux de bord dans le pilotage de performance des
ETI 130
2.2.2.2.3 Les variables de contrle ............................................................................... 131
2.2.2.2.3.1 La taille de lETI .................................................................................... 132
2.2.2.2.3.2 Le secteur dactivit ............................................................................... 133
2.2.2.2.3.3 Formation du dirigeant ........................................................................... 133
2.2.2.2.3.4 La stratgie de lentreprise ..................................................................... 133
2.2.2.2.3.5 Implantation du budget .......................................................................... 134
2.2.2.2.3.6 Implantation de la mthode ABC........................................................... 135
2.2.2.2.3.7 Cotation en bourse ................................................................................. 135

Conclusion du Chapitre 2 .................................................................................................... 138

Conclusion de la premire partie ........................................................................................ 140

Deuxime partie : Validation du modle thorique : choix mthodologique et

prsentation des rsultats empiriques ................................................................................ 141

Introduction de la deuxime partie..................................................................................... 142

Chapitre 3. Le tableau de bord des ETI : Mthodologie adopte et mise en uvre de

ltude empirique.................................................................................................................. 144

3.1 Prsentation de la mthodologie de recherche retenue............................................... 147

353
3.1.1 Mesures des variables du modle de recherche ............................................................ 147
3.1.1.1 Les mesures des facteurs de contingence (les variables explicatives)................... 147
3.1.1.1.1 Les mesures des principaux facteurs de contingence .................................... 148
3.1.1.1.1.1 Linformatisation ................................................................................... 148
3.1.1.1.1.2 La structure ............................................................................................ 149
3.1.1.1.1.3 Lincertitude de lenvironnement........................................................... 152
3.1.1.1.2 Les mesures des variables de contrle ........................................................... 154
3.1.1.1.2.1 La taille .................................................................................................. 154
3.1.1.1.2.2 Le secteur dactivit ............................................................................... 155
3.1.1.1.2.3 La formation du dirigeant ...................................................................... 156
3.1.1.1.2.4 La stratgie de lentreprise ..................................................................... 156
3.1.1.1.2.5 Limplantation du budget ....................................................................... 157
3.1.1.1.2.6 Limplantation de la mthode ABC ....................................................... 158
3.1.1.1.2.7 La Cotation en bourse ............................................................................ 158
3.1.1.2 Les mesures de la diversit dutilisation des indicateurs de tableaux de bord (la
variable mdiatrice) ........................................................................................................... 160
3.1.1.3 Les mesures de lutilit des tableaux de bord dans le pilotage de la performance (la
variable explique) ............................................................................................................ 163
3.1.2 La mthode suivie et la mise en uvre de ltude empirique ....................................... 165
3.1.2.1 La mise en uvre de la collecte des donnes ........................................................ 166
3.1.2.1.1 Prsentation de la mthode de recueil des donnes ....................................... 166
3.1.2.1.2 Dfinition de lchantillon ............................................................................. 167
3.1.2.1.3 Conception et pr-test du questionnaire......................................................... 172
3.1.2.1.4 Organisation du questionnaire final ............................................................... 176
3.1.2.1.5 Administration du questionnaire en ligne ...................................................... 178
3.1.2.1.6 Collecte de donnes ....................................................................................... 181
3.1.2.2 Construction des instruments de mesure ............................................................... 182
3.1.2.2.1 Fiabilit dune chelle .................................................................................... 182
3.1.2.2.2 Validit dune chelle .................................................................................... 184
3.1.2.2.2.1 Validit de contenu ................................................................................ 184
3.1.2.2.2.2 Validit nomologique ............................................................................. 185
3.1.2.2.2.3 Validit de construit ............................................................................... 185
3.1.2.2.3 Examen de la fiabilit des instruments de mesure relatifs aux facteurs de
contingence de lchantillon ......................................................................................... 186
3.1.2.2.3.1 Informatisation ....................................................................................... 187

354
 3.1.2.2.3.2 Structure ................................................................................................. 187
3.1.2.2.3.3 Incertitude de lenvironnement .............................................................. 188
3.1.2.2.4 Examen de la validit des instruments de mesure relatifs aux facteurs de
contingence de lchantillon ......................................................................................... 189
3.2 Description de lchantillon dtude ............................................................................. 190
3.2.1 Prsentation des statistiques descriptives des principaux facteurs de contingence ....... 190
3.2.1.1 Linformatisation ................................................................................................... 191
3.2.1.2 La structure ............................................................................................................ 192
3.2.1.2.1 Degr de dcentralisation horizontale............................................................ 193
3.2.1.2.2 Degr de dcentralisation verticale ................................................................ 194
3.2.1.3 Lincertitude de lenvironnement .......................................................................... 195
3.2.2 Prsentation des statistiques descriptives des variables de contrle ............................. 196
3.2.2.1 La taille des entreprises de lchantillon ............................................................... 196
3.2.2.2 Le secteur dactivit des entreprises questionnes ................................................ 197
3.2.2.3 La formation du dirigeant ...................................................................................... 198
3.2.2.4 La stratgie de lentreprise .................................................................................... 198
3.2.2.5 Limplantation du budget ...................................................................................... 199
3.2.2.6 Limplantation de la mthode ABC....................................................................... 199
3.2.2.7 La cotation en bourse............................................................................................. 200
3.2.3 Prsentation des statistiques descriptives de la variable mdiatrice ............................. 201
3.2.4 Prsentation des statistiques descriptives de la variable explique ............................... 205

Conclusion du Chapitre 3 .................................................................................................... 208

Chapitre 4. La validation du modle et lanalyse des rsultats ........................................ 209

4.1 Prsentation de lanalyse multivarie ........................................................................... 212

4.1.1 Analyse factorielle exploratoire en composantes principales ....................................... 212
4.1.1.1 Analyse de la matrice de corrlations .................................................................... 214
4.1.1.2 Choix du nombre de facteurs retenir................................................................... 215
4.1.1.3 Choix de la mthode de rotation ............................................................................ 216
4.1.1.4 Interprtation de la structure factorielle obtenue ................................................... 217
4.1.2 Analyse de rgression linaire multiple ........................................................................ 218
4.1.2.1 Modle thorique ................................................................................................... 219
4.1.2.2 Vrification des conditions dutilisation ............................................................... 220

355
 4.1.2.2.1 Lanalyse de la multicolinarit ..................................................................... 221
4.1.2.2.2 Lhomoscdasticit ou variance constante des erreurs .................................. 222
4.1.2.2.3 Lindpendance des erreurs ........................................................................... 223
4.1.2.2.4 La normalit de la distribution des termes derreurs ..................................... 223
4.1.2.3 Prsentation du modle de rgression linaire multiple ........................................ 224
4.1.2.4 Choix du Modle de rgression ............................................................................. 227
4.1.2.4.1 Lanalyse de rgression simultane ............................................................... 227
4.1.2.4.2 Lanalyse de rgression pas pas (stepwise)................................................. 227
4.1.2.4.3 Lanalyse de rgression hirarchique ............................................................ 227
4.1.2.5 Le diagnostic des observations extrmes ( outliers ) ......................................... 228
4.1.2.6 Linterprtation des rsultats de lanalyse de rgression ....................................... 230
4.1.2.6.1 La qualit globale de la rgression ................................................................ 230
4.1.2.6.2 La significativit statistique de chaque coefficient de rgression .................. 231
4.2 La validation du modle thorique ............................................................................... 233
4.2.1 Les rsultats des tests de validation des instruments de mesure ................................... 233
4.2.1.1 chelle de mesure de la variable Informatisation ............................................ 233
4.2.1.1.1 Dimensionnalit ............................................................................................. 233
4.2.1.1.2 Fiabilit .......................................................................................................... 237
4.2.1.1.3 Validit convergente ...................................................................................... 238
4.2.1.2 chelle de mesure de la variable Structure ...................................................... 238
4.2.1.2.1 Dimensionnalit ............................................................................................. 239
4.2.1.2.2 Fiabilit .......................................................................................................... 244
4.2.1.2.3 Validit convergente ...................................................................................... 245
4.2.1.3 chelle de mesure de la variable Incertitude de lenvironnement ................... 245
4.2.1.3.1 Dimensionnalit ............................................................................................. 246
4.2.1.3.2 Fiabilit .......................................................................................................... 247
4.2.1.3.3 Validit convergente ...................................................................................... 248
4.2.1.4 Variables indicielles : Variable mdiatrice et variable expliquer. ...................... 249
4.2.1.5 Examen de la validit discriminante des variables latentes ................................... 250
4.2.1.6 Synthse ................................................................................................................. 252
4.2.2 Prsentation et analyse des rsultats : confirmation ou infirmation des hypothses de
recherche. ........................................................................................................................... 253
4.2.2.1 Validation des hypothses relatives linfluence des facteurs de contingence sur la
Diversit dutilisation des indicateurs de TB .............................................................. 253

356
 4.2.2.1.1 Vrification des conditions dutilisation de la rgression pour la diversit
dutilisation des indicateurs de TB. .............................................................................. 254
4.2.2.1.1.1 Labsence de multicolinarit ................................................................ 254
4.2.2.1.1.2 Lhomoscdasticit ................................................................................ 256
4.2.2.1.1.3 Lindpendance des erreurs ................................................................... 256
4.2.2.1.1.4 La normalit de la distribution des erreurs............................................. 257
4.2.2.1.2 Le diagnostic des observations extrmes ( outliers ) ................................. 258
4.2.2.1.3 Evaluation de la qualit globale du modle expliquant la diversit dutilisation
des indicateurs de TB .................................................................................................... 260
4.2.2.1.4 Lanalyse des coefficients des variables expliquant la Diversit dutilisation
des indicateurs de TB ................................................................................................. 261
4.2.2.1.4.1 Linfluence de l Informatisation sur la diversit dutilisation des
indicateurs TB .......................................................................................................... 262
4.2.2.1.4.2 Linfluence de la Structure sur la diversit dutilisation des indicateurs
de TB ........................................................................................................................ 263
4.2.2.1.4.3 Linfluence de l Incertitude de lenvironnement sur la diversit
dutilisation des indicateurs de TB........................................................................... 264
4.2.2.2 Validation des hypothses relatives linfluence des facteurs de contingence sur
l Utilit des TB dans le PP ......................................................................................... 265
4.2.2.2.1 Vrification des conditions dutilisation de la rgression pour lutilit des TB
dans le PP. ..................................................................................................................... 266
4.2.2.2.1.1 Labsence de multicolinarit ................................................................ 266
4.2.2.2.1.2 Lhomoscdasticit ................................................................................ 266
4.2.2.2.1.3 Lindpendance des erreurs ................................................................... 266
4.2.2.2.1.4 La normalit de la distribution des erreurs............................................. 266
4.2.2.2.2 Le diagnostic des observations extrmes ( outliers ) ................................. 267
4.2.2.2.3 Evaluation de la qualit globale des modles expliquant lutilit des TB dans le
PP..... ............................................................................................................. 267
4.2.2.2.4 Lanalyse des coefficients des variables expliquant l Utilit des TB dans le
PP .. ......................................................................................................................... 268
4.2.2.2.4.1 Linfluence de l Informatisation sur lutilit des TB dans le PP .... 269
4.2.2.2.4.2 Linfluence de la Structure sur lutilit des TB dans le PP .............. 270
4.2.2.2.4.3 Linfluence de l Incertitude de lenvironnement sur lutilit des TB
dans le PP ................................................................................................................. 271

357
 4.2.2.3 Validation de lhypothse relative linfluence de la Diversit dutilisation des
indicateurs de TB sur l Utilit des TB dans le PP ................................................... 272
4.2.2.4 Vrification de leffet mdiateur ........................................................................... 274
4.2.2.4.1 Typologie de la variable mdiatrice............................................................... 276
4.2.2.4.2 Dmarche danalyse de leffet mdiateur: le modle de Baron et Kenny ..... 276
4.2.2.5 Synthse et discutions des rsultats empiriques .................................................... 280
4.2.2.5.1 Analyse multi-groupes ................................................................................... 281
4.2.2.5.2 Analyse des hypothses de recherche selon la nature de TB. ........................ 285

Conclusion du Chapitre 4 .................................................................................................... 296

Conclusion de la deuxime partie ....................................................................................... 297

Conclusion gnrale ............................................................................................................. 298

BIBLIOGRAPHIE ............................................................................................................... 309

LISTE DES TABLEAUX .................................................................................................... 346
LISTE DES GRAPHIQUES ............................................................................................... 349
LISTE DES SCHMAS....................................................................................................... 350
TABLE DES MATIRES ................................................................................................... 351
LISTE DES ANNEXES ....................................................................................................... 359
ANNEXES ............................................................................................................................. 360

358
 LISTE DES ANNEXES

Annexe 1 : Questionnaire destin aux ETI............................................................................. 361

Annexe 2 : Lettre de prsentation des objectifs de ltude ................................................... 374
Annexe 3 : Les rsultats du test de fiabilit des chelles de mesures relatives aux facteurs de
contingence de lchantillon................................................................................................... 376
Annexe 4 : Les rsultats du test de validit des chelles de mesure relatives aux principaux
facteurs de contingence de lchantillon ................................................................................ 381
Annexe 5 : Prsentation des statistiques descriptives de certaines variables de lchantillon
dtude .................................................................................................................................... 384
Annexe 6 : Les rsultats des tests de validation des chelles de mesure ............................... 388
Annexe 7 : Les rsultats de rgressions ................................................................................. 403
Annexe 8 : Rsultats du test de leffet mdiateur................................................................... 411
Annexe 9 : Rsultats des tests dans les sous chantillons : analyse multi-groupes ............... 414
Annexe 10 : Prsentation des modles en fonction de la nature de TB ........................... 423

359
ANNEXES

360
Annexe 1 : Questionnaire destin aux ETI

361
 IRGO - Institut de Recherche en Gestion des Organisations
Ple universitaire des Sciences de Gestion
35, avenue Abadie 33072 Bordeaux

QUESTIONNAIRE
Objectif
Analyser les nouveaux dfis de la mesure de la performance et tudier plus
prcisment linfluence des facteurs de la contingence sur la nature des
indicateurs de performance des tableaux de bord.
Cible
Directeurs du contrle de gestion, Contrleurs de gestion, Directeurs
financiers, Responsables financiers.
Ce questionnaire vous prendra entre 15 20 minutes
Ce questionnaire est structur en quatre parties :

I. Informations gnrales,
II. Environnement, structure de lentreprise et informatisation,
III. Variables de contrle,
IV. Nature et caractristiques des indicateurs de performance de tableaux de bord.

Merci pour votre participation !

I. Informations gnrales

1. Votre entreprise est :

a) Une socit anonyme (SA)
b) Une socit par actions simplifie (SAS)
c) Une socit responsabilit limite (SARL)
d) Autres, veuillez prciser

362
2. Quel est le secteur dactivit de votre entreprise ?
a) Secteur industriel
b) Secteur commercial
c) Secteur de prestations de services
d) Autres, veuillez prciser...

3. Questions concernant la taille de votre entreprise

a) Vos effectifs permanents au 31/12/2012 slvent :

7- Moins de 250 salaris
8- De 250 salaris 499 salaris
9- De 500 salaris 749 salaris
10- De 750 salaris 999 salaris
11- De 1 000 salaris 4 999 salaris
12- Plus de 4 999 salaris

b) Votre chiffre daffaires en 2012 est de :

1- Moins de 50 000 k
2- De 50 000 k 100 000 k
3- Plus de 100 000 k 150 000 k
4- Plus de 150 000 k 200 000 k
5- Plus de 200 000 k 250 000 k
6- Plus de 250 000 k 1 500 000 k
7- Plus de 1 500 000 k

363
 c) Le total de lactif de votre bilan en 2012 slve :
1- Moins de 43 000 k
2- De 43 000 k 100 000 k
3- Plus de 100 000 k 150 000 k
4- Plus de 150 000 k 200 000 k
5- Plus de 200 000 k 250 000 k
6- Plus de 250 000 k 2 000 000 k
7- Plus de 2 000 000 k

4. Quelle est la formation professionnelle de votre dirigeant ?

a) Ingnieur
b) Comptabilit, contrle, finance
c) Marketing, commerce
d) Gestion des ressources humaines
e) Autres diplmes
prcisez SVP.............................................................

364
 II. Environnement, structure de lentreprise et informatisation

1. Votre environnement externe (client, concurrence, etc.) :

Est totalement Est totalement
stable dynamique

a) Au plan conomique 1 2 3 4 5
(ex. crise conomique)
b) Au plan technologique 1 2 3 4 5
(ex. Technologies de
linformation et de la
Communication)

2. Les actions et le comportement de vos concurrents sur le march sont :

Facilement Totalement
prvisibles imprvisibles
1 2 3 4 5

3. Les prfrences et le comportement de vos clients sont :

Facilement Totalement
prvisibles imprvisibles
1 2 3 4 5

4. Veuillez indiquer le degr dutilisation des outils informatiques pour la mesure

de la performance de votre entreprise.
Trs faible Trs forte
utilisation utilisation
a) ERP (Entreprises Ressource 1 2 3 4 5
Planning ; en franais progiciel
de gestion intgr)

365
b) Outils de Business Intelligence 1 2 3 4 5
/ dcisionnel / reporting
c) Outils de planification 1 2 3 4 5
budgtaire
d) Outils de Consolidation 1 2 3 4 5
e) Outils de bureautique 1 2 3 4 5

5. Veuillez prciser quel est votre degr daccord vis--vis des affirmations
suivantes :
Pour cela cochez :
1 si vous ntes pas du tout daccord
2 si vous n'tes plutt pas daccord
3 si vous tes neutre
4 si vous tes plutt daccord
5 si vous tes totalement daccord

a) Le dirigeant de votre entreprise participe la prise de toutes les dcisions, y compris

les dcisions mineures, car il considre que tout doit tre contrl par lui-mme.

1 2 3 4 5

b) Le dirigeant ne prend de dcisions importantes quaprs avoir consult ses

collaborateurs.

1 2 3 4 5

c) Les collaborateurs consultent toujours le dirigeant avant la mise en application des

dcisions quils prennent.

1 2 3 4 5

d) Les collaborateurs prennent seuls leurs dcisions qui relvent de leur domaine de
responsabilit.

1 2 3 4 5

366
 6. Les dcisions suivantes sont gnralement prises quel niveau de direction ?
Plusieurs cases peuvent tre coches.

Cadres Cadres Direction gnrale

oprationnels1 fonctionnels2 ou au dessus
de la DG3
a) Dveloppement ou lancement de
nouveaux produits ou services
b) Embauche et licenciement
c) Fixation des prix de vente
d) Choix des investissements
e) Dcisions oprationnelles

NB. Voici des exemples de ce que lon peut retrouver dans chacune des catgories :
(1) Cadres oprationnels : les chefs dquipe, chef datelier, responsable de service, etc.
(2) Cadre fonctionnels : responsable commercial, financier, de ventes, des achats, etc.
(3) Direction gnrale (DG) ou au-dessus de la DG : dirigeant, propritaire, conseil
dadministration, etc.

367
III. Variables de contrle

1. Quelle est la stratgie suivie par votre entreprise ?

a) Domination par les cots : le contrle portera sur la mesure des

conomies dchelle, laccs des matires peu chres et une supriorit
technologique.
b) Diffrenciation : le contrle portera sur la capacit apporter de la
valeur aux clients (qualit, dpendance aux produits de lentreprise,
flexibilit de la production)
c) Focalisation : combinaison des deux.

2. Disposez-vous dun budget au sein de votre entreprise ?

Oui Non

Si la rponse est non, passez la question 5.

3. Utilisez-vous les donnes produites par le systme budgtaire ?

Jamais Ponctuellement Deux trois fois Tous les mois Toutes les
(quand un par an semaines
problme prcis
se pose)
1 2 3 4 5

Si la rponse est jamais, passez la question 5.

368
 4. Dans quelle mesure le systme budgtaire couvre-t-il les fonctions de lentreprise ?

Les budgets couvrent une Les budgets couvrent

seule fonction de lentreprise lensemble des fonctions de
(ex. : le budget des achats) lentreprise (ventes, achats,
administration, production,
etc.)

1 2 3 4 5

5. Utilisez-vous la mthode des cots par activit (ABC- Activity based costing) au
sein de votre entreprise ?
Oui Non

Si la rponse est Non, passez la question 7.

6. Veuillez indiquer le degr dutilisation de la mthode ABC au sein de votre

entreprise ?
Trs faible Trs forte
utilisation utilisation
1 2 3 4 5

7. Est-ce que votre entreprise est cote en bourse ?

Oui Non

369
IV. Nature et caractristiques des indicateurs de performance dans les tableaux
de bord

1. Disposez-vous de tableaux de bord dans votre entreprise ?

Oui Non

Si la rponse est non, fin du questionnaire. Merci de votre collaboration.

2. Quel type de tableaux de bord utilisez-vous (plusieurs cases peuvent tre

coches) ?

a) Balanced Scorcard (tableau de bord prospectif)

b) Tableau de bord la franaise

3. Veuillez indiquer le degr dintgration des indicateurs de performance dans vos

tableaux de bord :
Trs faible Trs forte
a) Indicateurs financiers 1 2 3 4 5
b) Indicateurs non financiers 1 2 3 4 5

370
 4. Quel est le degr dutilisation des indicateurs suivants dans vos tableaux de bord?
Trs Trs
faible fort
Indicateurs financiers cls (ex. : ROE rentabilit des 1 2 3 4 5
capitaux propres, rsultat net, retour sur investissement
ROI, EVA valeur conomique ajoute, rsultat
dexploitation EBIT, EBITDA bnfice avant
intrts, impts (taxes), dotations aux amortissements et
provisions sur immobilisations, taux de croissance du
chiffre affaires, taux de marge brute, excdent brut
dexploitation EBE, ratios de trsorerie, Besoin en fonds
de roulement BFR, etc.)

Indicateurs de performance clients (ex. : fidlit et 1 2 3 4 5

satisfaction des anciens clients, pourcentages des ventes
raliss auprs des anciens clients, pourcentages des
ventes raliss auprs des nouveaux clients, rentabilit par
segment, volution des parts de march, dlais et la
ponctualit des livraisons, taux de rclamation des clients,
etc.)

Indicateurs de processus internes (ex. : cots de 1 2 3 4 5

dveloppement/bnfice, pourcentage des ventes ralises
par les nouveaux produits, nombre de nouveaux produits
introduit dans le march, montant dinvestissement en
R&D, dvelopper des processus innovants favorisant les
conomies dnergie et de matires, temps de rponse aux
rclamations des clients, etc.)

Indicateurs dinnovation et dapprentissage 1 2 3 4 5

organisationnel (ex. : satisfaction des salaris,
productivits des salaris, heures formations par employ,
montant de la formation, nombre de suggestions par
salaris, taux de turnover du personnel, taux
dabsentisme, qualit du systme dinformation, climat
social, rduction des accidents de travail, etc.)

371
 5. Propositions relatives vos prfrences en matire dinformation
Cochez
1 si vous tes totalement daccord avec la proposition de gauche
2 si vous tes plutt daccord avec la proposition de gauche
3 si vous navez pas de prfrence
4 si vous tes plutt daccord avec la proposition de droite
5 si vous tes totalement daccord avec la proposition de droite

a) Je prfre utiliser des KPI Je prfre utiliser des KPI non

financiers (Key Performance financiers
Indicators, ICP en franais ;
Indicateurs cls de
performance)
1 2 3 4 5

b) Je prfre disposer dune trs Je prfre disposer dune

faible quantit dinformations quantit dinformation
et que celles-ci soient importantes et que celle-ci
rsumes, agrges, soient dtailles, non agrges
synthtises.
1 2 3 4 5

6. Combien dindicateurs utilisez-vous pour lvaluation de la performance ?

a) De 1 5
b) De 6 10
c) De 11 15
d) De 16 20
e) Plus de 20

7. Quel est le degr de liaison entre les indicateurs de performance et la stratgie de

votre entreprise ?

Aucune Trs forte

liaison liaison
1 2 3 4 5

372
 8. Veuillez indiquer le degr de prvision de la performance financire partir de
la performance non financire (innovation et apprentissage organisationnel,
processus interne, satisfaction client)

Trs faible Trs forte

1 2 3 4 5

9. Veuillez indiquer le degr dutilit de vos indicateurs de performance dans le

pilotage de la performance ?

Trs faible Trs forte

a) Indicateurs financiers 1 2 3 4 5
b) Indicateurs non financiers 1 2 3 4 5

Si vous souhaitez recevoir une synthse des rsultats de la recherche ou nous faire plus
de commentaires, veuillez nous contacter par mail ladresse :
mohamedbouamama@yahoo.com

Merci pour votre participation !

Mohamed BOUAMAMA
IRGO Institut de Recherche en Gestion des Organisations
35, Avenue Abadie
33072 Bordeaux cedex
Tl : 06 25 01 41 22

373
Annexe 2 : Lettre de prsentation des objectifs de ltude

374
 Le 23 septembre 2013
Objet : Enqute sur la mesure de la performance au sein des entreprises de taille
intermdiaire (ETI).

Ce mail sadresse aux responsables et cadres des fonctions contrle de gestion, finance et
comptabilit.
Si vous ntes pas parmi eux, nous vous prions de bien vouloir le transfrer aux
personnes concernes dans votre entreprise.
Merci davance !

Madame, Monsieur,

Enseignant-chercheur doctorant en sciences de gestion lUniversit Montesquieu-Bordeaux

IV et membre de lInstitut de Recherche en Gestion des Organisations (IRGO) de Bordeaux.
Nous avons consacr notre recherche doctorale lanalyse des nouveaux dfis du systme de
mesure de la performance au sein des entreprises de taille intermdiaire (ETI).
Pour mener bien cette tude, nous avons besoin de mieux connatre la vie pratique de votre
entreprise. A cet effet nous avons dvelopp une enqute lectronique facile dutilisation que
nous vous proposons de remplir en ligne sur le site internet de lUniversit Montesquieu-
Bordeaux IV :

http://enquete.u-bordeaux4.fr/index.php/survey/index/sid/335987/newtest/Y/lang/fr

Pour y rpondre, nous avons besoin de connatre votre exprience professionnelle travers
quelques questions qui ne vous prendront pas plus de 20 minutes.

Votre participation est pour nous dune grande importance. Elle nous permettra de mieux
connatre les pratiques relles du contrle de gestion et les nouveaux dfis en matire de
mesure de la performance. Les rsultats seront analyss de faon globale et non individuelle,
ils nous permettront de remettre jour la thorie du contrle de gestion ainsi que nos
enseignements universitaires.

Remarque : Le questionnaire est parfaitement anonyme et confidentiel et aucune information

identifiant personnellement le rpondant ne sera demande ni collecte travers des moyens
lectroniques. Par ailleurs, afin de vous permettre de bnficier personnellement des
conclusions de la recherche, une synthse des rsultats vous sera propose.

Nous vous remercions par avance du temps et de l'intrt que vous accorderez cette enqute.
Nous vous prions dagrer, Madame, Monsieur, lexpression de ma considration distingue.

Mohamed BOUAMAMA
Enseignant-chercheur doctorant en Sciences de Gestion

IRGO Universit Montesquieu Bordeaux IV Tl. : 06 25 01 41 22

35, Avenue Abadie Mail: mohamedbouamama@yahoo.com
33072 Bordeaux cedex

375
Annexe 3 : Les rsultats du test de fiabilit des chelles de mesures
relatives aux facteurs de contingence de lchantillon

376
 1. Informatisation

Linformatisation est mesure par les items suivants :

- ERP (Entreprises Ressource Planning ; en franais progiciel de gestion intgr),

- Outils de Business Intelligence / dcisionnel / reporting,
- Outils de planification budgtaire,
- Outils de consolidation,
- Outils de bureautique.

Statistiques concernant lchantillon

Statistiques de fiabilit
Alpha de Nombre
Cronbach d'lments
,660 5

Statistiques d'item
Moyenne Ecart-type N
Degr_utilisation_Info_ERP 3,8141 1,32862 156
Degr_utilisation_Info_BI_DR 3,6923 1,19469 156
Degr_utilisation_Info_PB 3,2949 1,31600 156
Degr_utilisation_Info_Consolidation 3,3974 1,43090 156
Degr_utilisation_Info_Bureautique 4,5385 ,76525 156

Matrice de corrlation inter-items

Degr_utilisa Degr_utilisati Degr_utilisat Degr_utilisati Degr_utilisa
tion_Info_ER on_Info_BI_D ion_Info_PB on_Info_Conso tion_Info_Bu
P R lidation reautique
Degr_utilisation_Info_ERP 1,000 ,362 ,242 ,188 ,207
Degr_utilisation_Info_BI_DR ,362 1,000 ,419 ,347 ,225
Degr_utilisation_Info_PB ,242 ,419 1,000 ,455 ,085
Degr_utilisation_Info_Consolidation ,188 ,347 ,455 1,000 ,233
Degr_utilisation_Info_Bureautique ,207 ,225 ,085 ,233 1,000

Statistiques de total des lments

Moyenne de Variance de Corrlation Carr de la Alpha de
l'chelle en l'chelle en cas complte des corrlation Cronbach en
cas de de suppression lments multiple cas de
suppression d'un lment corrigs suppression
d'un lment de l'lment
Degr_utilisation_Info_ERP 14,9231 11,104 ,354 ,158 ,638
Degr_utilisation_Info_BI_DR 15,0449 10,508 ,525 ,284 ,555
Degr_utilisation_Info_PB 15,4423 10,222 ,481 ,296 ,573
Degr_utilisation_Info_Consolidation 15,3397 9,826 ,460 ,263 ,586
Degr_utilisation_Info_Bureautique 14,1987 13,902 ,265 ,101 ,665

2. Structure organisationnelle de lentreprise

Les dimensions participant la caractrisation de cette variable sont :

- Degr de dcentralisation horizontale (DDH) de la prise de dcision ;

- Degr de dcentralisation verticale (DDV) de la prise de dcision.

377
 Degr de dcentralisation horizontale (DDH) de la prise de dcision

Les items participant la caractrisation de cette dimension sont :

- DDH concernant la participation des dirigeants dans la prise de dcision;

- DDH concernant la consultation des collaborateurs avant la prise de dcision ;
- DDH concernant la consultation des dirigeants avant la mise en application des
dcisions prises par les collaborateurs ;
- DDH concernant la prise de dcision par les collaborateurs.

Statistiques concernant lchantillon

Statistiques de fiabilit
Alpha de Nombre
Cronbach d'lments
,743 4

Statistiques d'item
Moyenne Ecart-type N
DDH_participation_dir_PD 3,5000 1,30755 156
DDH_dir_PD_consultation_coll 3,3846 1,11565 156
DDH_collaborateurs_dir_PD 2,7821 1,06131 156
DDH_collaborateurs_seuls_PD 3,3718 1,08490 156

Matrice de corrlation inter-items

DDH_participat DDH_dir_PD_c DDH_collabora DDH_collabora
ion_dir_PD onsultation_coll teurs_dir_PD teurs_seuls_PD
DDH_participation_dir_PD 1,000 ,460 ,432 ,468
DDH_dir_PD_consultation_coll ,460 1,000 ,262 ,451
DDH_collaborateurs_dir_PD ,432 ,262 1,000 ,446
DDH_collaborateurs_seuls_PD ,468 ,451 ,446 1,000

Statistiques de total des lments

Moyenne de Variance de Corrlation Carr de la Alpha de
l'chelle en cas l'chelle en cas complte des corrlation Cronbach en cas
de suppression de suppression lments multiple de suppression
d'un lment d'un lment corrigs de l'lment
DDH_participation_dir_PD 9,5385 6,289 ,590 ,349 ,654
DDH_dir_PD_consultation_coll 9,6538 7,570 ,498 ,283 ,705
DDH_collaborateurs_dir_PD 10,2564 7,895 ,478 ,263 ,715
DDH_collaborateurs_seuls_PD 9,6667 7,243 ,591 ,353 ,655

Degr de dcentralisation verticale (DDV) de la prise de dcision PD

Les items participant la caractrisation de cette dimension sont :

- DDV dans la prise de dcision concernant le dveloppement ou le lancement de

nouveaux produits ou services ;
- DDV dans la prise de dcision concernant lembauche et le licenciement ;
- DDV dans la prise de dcision concernant la fixation des prix de vente ;
- DDV dans la prise de dcision concernant les choix des investissements ;
- DDV dans la prise des dcisions oprationnelles.

378
 Statistiques concernant lchantillon

Statistiques de fiabilit
Alpha de Nombre
Cronbach d'lments
,748 5

Statistiques d'item
Moyenne Ecart-type N
DDV_dveloppement_lancement
2,5641 1,54577 156
_nouveaux_produits_services
DDV_embauche_licenciement 3,1090 1,62867 156
DDV_fixation_prix_vente 3,3782 1,61182 156
DDV_choix_investissements 2,5513 1,53369 156
DDV_dcisions_oprationnelles 3,8654 1,33965 156

Matrice de corrlation inter-items

DDV_dvelopp DDV_embauche DDV_fixation_ DDV_choix_inv DDV_dcisions
ement_lanceme _licenciement prix_vente estissements _oprationnelles
nt_nouveaux_pr
oduits_services
DDV_dveloppement_lancement
1,000 ,398 ,455 ,524 ,183
_nouveaux_produits_services
DDV_embauche_licenciement ,398 1,000 ,473 ,521 ,104
DDV_fixation_prix_vente ,455 ,473 1,000 ,461 ,215
DDV_choix_investissements ,524 ,521 ,461 1,000 ,313
DDV_dcisions_oprationnelles ,183 ,104 ,215 ,313 1,000

Statistiques de total des lments

Moyenne de Variance de Corrlation Carr de la Alpha de
l'chelle en cas l'chelle en cas complte des corrlation Cronbach en cas
de suppression de suppression lments multiple de suppression
d'un lment d'un lment corrigs de l'lment
DDV_dveloppement_lancement
12,9038 19,429 ,552 ,338 ,688
_nouveaux_produits_services
DDV_embauche_licenciement 12,3590 19,135 ,530 ,353 ,697
DDV_fixation_prix_vente 12,0897 18,779 ,570 ,337 ,681
DDV_choix_investissements 12,9167 18,335 ,658 ,445 ,647
DDV_dcisions_oprationnelles 11,6026 24,112 ,261 ,114 ,781

3. Incertitude de lenvironnement

Lincertitude de lenvironnement est mesure par les quatre items suivants:

- Dynamisme de lenvironnement externe au plan conomique ;

- Dynamisme de lenvironnement externe au plan technologique ;
- Prvisibilit des actions et des comportements des concurrents sur le march;
- Prvisibilit des prfrences et des comportements des clients.

Statistiques de lchantillon

Statistiques de fiabilit
Alpha de Nombre
Cronbach d'lments
,800 4

379
 Statistiques d'item
Moyenne Ecart-type N
Dynamisme_env_plan_conomique 3,1795 ,90509 156
Dynamisme_env_plan_technologique 2,8462 ,96489 156
Prvisibilit_comportement_concurrents 3,0256 1,05310 156
Prvisibilit_comportement_clients 3,0256 ,93635 156

Matrice de corrlation inter-items

Dynamisme_en Dynamisme_en Prvisibilit_co Prvisibilit_co
v_plan_conom v_plan_technol mportement_co mportement_cli
ique ogique ncurrents ents
Dynamisme_env_plan_conomique 1,000 ,482 ,523 ,467
Dynamisme_env_plan_technologique ,482 1,000 ,461 ,469
Prvisibilit_comportement_concurrents ,523 ,461 1,000 ,601
Prvisibilit_comportement_clients ,467 ,469 ,601 1,000

Statistiques de total des lments

Moyenne de Variance de Corrlation Carr de Alpha de
l'chelle en cas l'chelle en complte des la Cronbach en
de suppression cas de lments corrlatio cas de
d'un lment suppression corrigs n multiple suppression
d'un lment de l'lment
Dynamisme_env_plan_conomique 8,8974 5,886 ,599 ,362 ,757
Dynamisme_env_plan_technologique 9,2308 5,779 ,566 ,325 ,772
Prvisibilit_comportement_concurrents 9,0513 5,107 ,655 ,450 ,728
Prvisibilit_comportement_clients 9,0513 5,636 ,635 ,421 ,739

380
Annexe 4 : Les rsultats du test de validit des chelles de mesure
relatives aux principaux facteurs de contingence de lchantillon

381
 1. Validit convergente des variables

- Validit convergente de la variable Informatisation

Matrice de corrlation (Rh de Pearson) des items mesurant la variable informatisation

Degr_utilisati Degr_utilisati Degr_utilisat Degr_utilisat
on_Info_ERP on_Info_BI_D ion_Info_PB ion_Info_Con
R solidation
Corrlation de Pearson 1
Degr_utilisation_Info
Sig. (bilatrale)
_ERP
N 156
Corrlation de Pearson ,362** 1
Degr_utilisation_Info
Sig. (bilatrale) ,000
_BI_DR
N 156 156
Corrlation de Pearson ,242** ,419** 1
Degr_utilisation_Info
Sig. (bilatrale) ,002 ,000
_PB
N 156 156 156
Corrlation de Pearson ,188* ,347** ,455** 1
Degr_utilisation_Info
Sig. (bilatrale) ,018 ,000 ,000
_Consolidation
N 156 156 156 156
**. La corrlation est significative au niveau 0.01 (bilatral).
*. La corrlation est significative au niveau 0.05 (bilatral).

- Validit convergente de la variable Incertitude de lenvironnement

Matrice de corrlation (Rh de Pearson) des items mesurant la variable incertitude de lenvironnement
Dynamisme_env_ Dynamisme_env Prvisibilit_ Prvisibilit_
plan_conomique _plan_technologi comportemen comportemen
que t_concurrents t_clients
Corrlation de Pearson 1
Dynamisme_env_
Sig. (bilatrale)
plan_conomique
N 156
Dynamisme_env_ Corrlation de Pearson ,482** 1
plan_technologiq Sig. (bilatrale) ,000
ue N 156 156
Prvisibilit_com Corrlation de Pearson ,523** ,461** 1
portement_concur Sig. (bilatrale) ,000 ,000
rents N 156 156 156
Corrlation de Pearson ,470** ,477** ,599** 1
Prvisibilit_com
Sig. (bilatrale) ,000 ,000 ,000
portement_clients
N 155 155 155 155
**. La corrlation est significative au niveau 0.01 (bilatral).

382
- Validit convergente et discriminante de la variable Structure
Matrice de corrlation (Rh de Pearson) des items senss mesurer la variable Structure
DDH_partici DDH_dir_PD_ DDH_collab DDH_collab DDV_dvelop DDV_embauche DDV_fixatio DDV_choix_ DDV_dcisions
pation_dir_P consultation_c orateurs_dir_ orateurs_seul pement_lance _licenciement n_prix_vente investisseme _oprationnelles
D oll PD s_PD ment_nouveau nts
x_produits_ser
vices

DDH_participation_ Corrlation 1
dir_PD
Sig.
DDH_dir_PD_consu Corrlation ,460** 1
ltation_coll
Sig. ,000
DDH_collaborateurs Corrlation ,432** ,262** 1
_dir_PD
Sig. ,000 ,001
DDH_collaborateurs Corrlation ,468** ,451** ,446** 1
_seuls_PD
Sig. ,000 ,000 ,000
DDV_dveloppeme Corrlation ,182* ,274** ,150 ,305** 1
nt_lancement_nouve
aux_produits_servic
es
Sig. ,023 ,001 ,061 ,000
DDV_embauche_lic Corrlation ,350** ,357** ,268** ,324** ,398** 1
enciement
Sig. ,000 ,000 ,001 ,000 ,000
DDV_fixation_prix_ Corrlation ,375** ,346** ,203* ,188* ,455** ,473** 1
vente
Sig. ,000 ,000 ,011 ,019 ,000 ,000
DDV_choix_investi Corrlation ,245** ,215** ,205* ,283** ,524** ,521** ,461** 1
ssements
Sig. ,002 ,007 ,010 ,000 ,000 ,000 ,000
DDV_dcisions_op Corrlation ,204* ,251** ,065 ,226** ,183* ,104 ,215** ,313** 1
rationnelles
Sig. ,010 ,002 ,417 ,005 ,022 ,195 ,007 ,000
**. La corrlation est significative au niveau 0.01 (bilatral).
*. La corrlation est significative au niveau 0.05 (bilatral).
383
Annexe 5 : Prsentation des statistiques descriptives de certaines
variables de lchantillon dtude

384
- Prsentation des statistiques descriptives des formes juridiques :

Distribution des ETI de lchantillon selon leurs formes juridiques

Pourcentage Pourcentage
Effectifs Pourcentage
valide cumul
Une socit anonyme (SA) 73 46,8 46,8 46,8
Une socit par actions
64 41 41 87,8
simplifie (SAS)
Une socit responsabilit
15 9,6 9,6 97,4
limit (SARL)
Autres 4 2,6 2,6 100
Total 156 100 100

- Prsentation des statistiques descriptives de la variable informatisation :

Scores moyens des items relatifs lutilisation des outils informatiques de gestion (sur 5 points)

4,5
5,0
4,5 3,8 3,7
4,0 3,3 3,4
3,5
3,0
2,5
2,0
1,5
1,0
0,5
0,0

- Prsentation des statistiques descriptives de certaines variables de contrle :

Distribution des ETI selon leur effectif salari
Nombre d'employs permanents Nombre dETI Pourcentage

Moins de 250 salaris 22 14,10 %

De 250 salaris 499 salaris 35 22,44 %

De 500 salaris 749 salaris 24 15,38 %

De 750 salaris 999 salaris 36 23,08 %

De 1 000 salaris 4 999 salaris 39 25,00 %

Total 156 100 %

385
 La formation des dirigeants des ETI enqutes

Type de formation Nombre dETI Pourcentage

Ingnieur 64 41,03 %

Comptabilit, contrle, finance 34 21,79 %

Marketing, commerce 33 21,15 %

Gestion des ressources humaines 11 7,05 %

Autres diplmes (ENA, Sciences politiques, etc.) 14 8,97 %

Total 156 100 %

- Prsentation des statistiques descriptives de la variable mdiatrice :

Degr d'utilisation des indicateurs financiers

Degr d'utilisation des Nombre

Pourcentage % cumul
indicateurs financiers d'ETI
Trs faible 0 0,00% 0,00%
Faible 10 6,41% 6,41%
Moyen 35 22,44% 28,85%
Fort 49 31,41% 60,3%
Trs fort 62 39,74% 100,0%
Total 156 100,00%

Degr d'utilisation des indicateurs de performance clients

Degr d'utilisation des indicateurs Nombre

Pourcentage % cumul
de performance clients d'ETI

Trs faible 5 3,21% 3,21%

Faible 22 14,10% 17,31%
Moyen 45 28,85% 46,15%
Fort 51 32,69% 78,8%
Trs fort 33 21,15% 100,0%
Total 156 100,00%

Degr d'utilisation des indicateurs de processus interne

Degr d'utilisation des Nombre

Pourcentage % cumul
indicateurs de processus interne d'ETI

Trs faible 13 8,33% 8,33%

Faible 45 28,85% 37,18%
Moyen 40 25,64% 62,82%
Fort 32 20,51% 83,3%
Trs fort 26 16,67% 100,0%
Total 156 100,00%

386
 Degr d'utilisation des indicateurs dinnovation et dapprentissage organisationnel
Degr d'utilisation des indicateurs
Nombre
dinnovation et dapprentissage Pourcentage % cumul
d'ETI
organisationnel

Trs faible 32 20,51% 20,51%

Faible 54 34,62% 55,13%
Moyen 33 21,15% 76,28%
Fort 25 16,03% 92,3%
Trs fort 12 7,69% 100,0%
Total 156 100,00%

- Prsentation des statistiques descriptives de la variable expliquer :

Degr dutilit des indicateurs financiers dans le pilotage de la performance

Degr dutilit des Nombre
Pourcentage % cumul
indicateurs financiers d'ETI
Trs faible 0 0,00% 0,00%
Faible 3 1,92% 1,92%
Moyenne 25 16,03% 17,95%
Forte 59 37,82% 55,8%
Trs forte 69 44,23% 100,0%
Total 156 100,00%

Degr dutilit des indicateurs non financiers dans le pilotage de la performance

Degr dutilit des Nombre
Pourcentage % cumul
indicateurs financiers d'ETI
Trs faible 5 3,21% 3,21%
Faible 23 14,74% 17,95%
Moyenne 39 25,00% 42,95%
Forte 57 36,54% 79,5%
Trs forte 32 20,51% 100,0%
Total 156 100,00%

387
Annexe 6 : Les rsultats des tests de validation des chelles de
mesure

388
 - chelle de mesure de la variable Informatisation

Rsultats initiaux

Matrice de Corrlations
Degr_utilisa Degr_utilis Degr_utilisat Degr_utilisati Degr_utilisat
tion_Info_ER ation_Info_ ion_Info_PB on_Info_Conso ion_Info_Bur
P BI_DR lidation eautique
Degr_utilisation Corrlation de 1
_Info_ERP Pearson
N 156

Degr_utilisation Corrlation de ,362** 1

_Info_BI_DR Pearson
N 156 156
Degr_utilisation Corrlation de ,242** ,419** 1
_Info_PB Pearson
N 156 156 156
* **
Degr_utilisation Corrlation de ,188 ,347 ,455** 1
_Info_Consolidat Pearson
ion
N 156 156 156 156
** **
Degr_utilisation Corrlation de ,207 ,225 ,085 ,233** 1
_Info_Bureautiqu Pearson
e
N 156 156 156 156 156
**. La corrlation est significative au niveau 0.01 (bilatral).
*. La corrlation est significative au niveau 0.05 (bilatral).

Indice KMO et test de Bartlett

Mesure de prcision de l'chantillonnage de Kaiser-Meyer-Olkin. ,692
Khi-deux approxim 110,179
Test de sphricit de Bartlett ddl 10
Signification de Bartlett ,000

Qualit de reprsentation
Initial Extraction
Degr_utilisation_Info_ERP 1,000 ,349
Degr_utilisation_Info_BI_DR 1,000 ,571
Degr_utilisation_Info_PB 1,000 ,516
Degr_utilisation_Info_Consolidation 1,000 ,499
Degr_utilisation_Info_Bureautique 1,000 ,206
Mthode d'extraction : Analyse en composantes principales.

Variance totale explique

Composante Valeurs propres initiales Extraction Sommes des carrs des facteurs retenus
Total % de la variance % cumuls Total % de la variance % cumuls
1 2,141 42,825 42,825 2,141 42,825 42,825
2 ,954 19,073 61,898
3 ,832 16,649 78,547
4 ,581 11,623 90,170
5 ,491 9,830 100,000
Mthode d'extraction : Analyse en composantes principales.

389
 Matrice des composantesa
Composante
1
Degr_utilisation_Info_BI_DR ,756
Degr_utilisation_Info_PB ,718
Degr_utilisation_Info_Consolidation ,707
Degr_utilisation_Info_ERP ,591
Degr_utilisation_Info_Bureautique ,454
Mthode d'extraction : Analyse en composantes
principales.
a. 1 composante extraite.

Rsultats aprs 1re purification : suppression de litem

Degr_utilisation_Info_Bureautique

Matrice de corrlations

Degr_utilisati Degr_utilisation Degr_utilisation Degr_utilisation_I

on_Info_ERP _Info_BI_DR _Info_PB nfo_Consolidation
Degr_utilisation_Info_ Corrlation de 1
ERP Pearson
N 156
Degr_utilisation_Info_ Corrlation de ,362** 1
BI_DR Pearson
N 156 156
**
Degr_utilisation_Info_ Corrlation de ,242 ,419** 1
PB Pearson
N 156 156 156
* **
Degr_utilisation_Info_ Corrlation de ,188 ,347 ,455** 1
Consolidation Pearson
N 156 156 156 156
**. La corrlation est significative au niveau 0.01 (bilatral).
*. La corrlation est significative au niveau 0.05 (bilatral).

390
 Indice KMO et test de Bartlett
Mesure de prcision de l'chantillonnage de Kaiser-Meyer-Olkin. ,692
Khi-deux approxim 94,211
Test de sphricit de Bartlett ddl 6
Signification de Bartlett ,000

Qualit de reprsentation
Initial Extraction
Degr_utilisation_Info_ERP 1,000 ,341
Degr_utilisation_Info_BI_DR 1,000 ,584
Degr_utilisation_Info_PB 1,000 ,591
Degr_utilisation_Info_Consolidation 1,000 ,505
Mthode d'extraction : Analyse en composantes principales.

Variance totale explique

Composante Valeurs propres initiales Extraction Sommes des carrs des facteurs retenus
Total % de la variance % cumuls Total % de la variance % cumuls
1 2,021 50,526 50,526 2,021 50,526 50,526
2 ,868 21,693 72,218
3 ,585 14,631 86,849
4 ,526 13,151 100,000
Mthode d'extraction : Analyse en composantes principales.

Matrice des composantes

Composante
1
Degr_utilisation_Info_PB ,769
Degr_utilisation_Info_BI_DR ,764
Degr_utilisation_Info_Consolidation ,710
Degr_utilisation_Info_ERP ,584
Mthode d'extraction : Analyse en composantes principales.
a. 1 composante extraite.

391
Rsultats de ltude de fiabilit : Alpha de Cronbach
Statistiques de fiabilit
Alpha de Alpha de Nombre
Cronbach Cronbach bas d'lments
sur des lments
normaliss
,665 ,669 4

Statistiques d'chelle
Moyenne Variance Ecart-type Nombre
d'lments
14,1987 13,902 3,72856 4

- chelle de mesure de la variable Structure

Rsultats initiaux

392
 Matrice de corrlation (Rh de Pearson)
DDH_partici DDH_dir_PD_ DDH_collab DDH_collab DDV_dvelop DDV_embauche DDV_fixatio DDV_choix_ DDV_dcisions
pation_dir_P consultation_c orateurs_dir_ orateurs_seul pement_lance _licenciement n_prix_vente investisseme _oprationnelles
D oll PD s_PD ment_nouveau nts
x_produits_ser
vices

DDH_participation_ Corrlation 1
dir_PD
Sig.
DDH_dir_PD_consu Corrlation ,460** 1
ltation_coll
Sig. ,000
DDH_collaborateurs Corrlation ,432** ,262** 1
_dir_PD
Sig. ,000 ,001
DDH_collaborateurs Corrlation ,468** ,451** ,446** 1
_seuls_PD
Sig. ,000 ,000 ,000
DDV_dveloppeme Corrlation ,182* ,274** ,150 ,305** 1
nt_lancement_nouve
aux_produits_servic
es
Sig. ,023 ,001 ,061 ,000
DDV_embauche_lic Corrlation ,350** ,357** ,268** ,324** ,398** 1
enciement
Sig. ,000 ,000 ,001 ,000 ,000
DDV_fixation_prix_ Corrlation ,375** ,346** ,203* ,188* ,455** ,473** 1
vente
Sig. ,000 ,000 ,011 ,019 ,000 ,000
DDV_choix_investi Corrlation ,245** ,215** ,205* ,283** ,524** ,521** ,461** 1
ssements
Sig. ,002 ,007 ,010 ,000 ,000 ,000 ,000
DDV_dcisions_op Corrlation ,204* ,251** ,065 ,226** ,183* ,104 ,215** ,313** 1
rationnelles
Sig. ,010 ,002 ,417 ,005 ,022 ,195 ,007 ,000
**. La corrlation est significative au niveau 0.01 (bilatral).
*. La corrlation est significative au niveau 0.05 (bilatral).

393
 Indice KMO et test de Bartlett
Mesure de prcision de l'chantillonnage de Kaiser-Meyer-
,797
Olkin.
Khi-deux approxim 381,756
Test de sphricit de Bartlett ddl 36
Signification de Bartlett ,000

Qualit de reprsentation
Initial Extraction
DDH_participation_dir_PD 1,000 ,633
DDH_dir_PD_consultation_coll 1,000 ,496
DDH_collaborateurs_dir_PD 1,000 ,540
DDH_collaborateurs_seuls_PD 1,000 ,616
DDV_dveloppement_lancement_nouve
1,000 ,599
aux_produits_services
DDV_embauche_licenciement 1,000 ,538
DDV_fixation_prix_vente 1,000 ,569
DDV_choix_investissements 1,000 ,681
DDV_dcisions_oprationnelles 1,000 ,176
Mthode d'extraction : Analyse en composantes principales.

Variance totale explique

Composante Valeurs propres initiales Extraction Sommes des carrs Somme des carrs des facteurs
des facteurs retenus retenus pour la rotation
Total % de la % cumuls Total % de la % Total % de la %
variance variance cumuls variance cumuls
1 3,542 39,355 39,355 3,542 39,355 39,355 2,555 28,384 28,384
2 1,305 14,505 53,860 1,305 14,505 53,860 2,293 25,476 53,860
3 ,962 10,686 64,547
4 ,754 8,378 72,925
5 ,671 7,458 80,383
6 ,562 6,244 86,626
7 ,467 5,189 91,815
8 ,381 4,237 96,052
9 ,355 3,948 100,000
Mthode d'extraction : Analyse en composantes principales.

394
 Matrice des composantesa
Composante
1 2
DDV_embauche_licenciement ,702 -,213
DDV_choix_investissements ,680 -,468
DDV_fixation_prix_vente ,677 -,333
DDH_participation_dir_PD ,667 ,434
DDH_collaborateurs_seuls_PD ,657 ,429
DDH_dir_PD_consultation_coll ,647 ,279
DDV_dveloppement_lancement_nouveaux_
,628 -,452
produits_services
DDH_collaborateurs_dir_PD ,526 ,513
DDV_dcisions_oprationnelles ,404 -,111
Mthode d'extraction : Analyse en composantes principales.
a. 2 composantes extraites.

Matrice des composantes aprs rotationa

Composante
1 2
DDV_choix_investissements ,819 ,102
DDV_dveloppement_lancement_nouveaux_pr
,770 ,079
oduits_services
DDV_fixation_prix_vente ,727 ,202
DDV_embauche_licenciement ,666 ,307
DDV_dcisions_oprationnelles ,376 ,186
DDH_participation_dir_PD ,210 ,768
DDH_collaborateurs_seuls_PD ,205 ,757
DDH_collaborateurs_dir_PD ,052 ,733
DDH_dir_PD_consultation_coll ,298 ,638
Mthode d'extraction : Analyse en composantes principales.
Mthode de rotation : Varimax avec normalisation de Kaiser.
a. La rotation a converg en 3 itrations.

Rsultats aprs 1re purification : suppression de litem

DDV_dcisions_oprationnelles

395
 Matrice de corrlation (Rh de Pearson)

DDH_participa DDH_dir_ DDH_colla DDH_colla DDV_dv DDV_em DDV_fixat DDV_choix

tion_dir_PD PD_consul borateurs_d borateurs_s eloppeme bauche_li ion_prix_v _investisse
tation_coll ir_PD euls_PD nt_lancem cencieme ente ments
ent_nouve nt
aux_prod
uits_servi
ces
DDH_participation_dir_PD Corrlation 1
Sig. (bilatrale)

DDH_dir_PD_consultation_coll Corrlation ,460** 1

Sig. (bilatrale) ,000

DDH_collaborateurs_dir_PD Corrlation ,432** ,262** 1

Sig. (bilatrale) ,000 ,001

DDH_collaborateurs_seuls_PD Corrlation ,468** ,451** ,446** 1

Sig. (bilatrale) ,000 ,000 ,000

DDV_dveloppement_lancemen Corrlation ,182* ,274** ,150 ,305** 1

t_nouveaux_produits_services
Sig. (bilatrale) ,023 ,001 ,061 ,000

DDV_embauche_licenciement Corrlation ,350** ,357** ,268** ,324** ,398** 1

Sig. (bilatrale) ,000 ,000 ,001 ,000 ,000

DDV_fixation_prix_vente Corrlation ,375** ,346** ,203* ,188* ,455** ,473** 1

Sig. (bilatrale) ,000 ,000 ,011 ,019 ,000 ,000

DDV_choix_investissements Corrlation ,245** ,215** ,205* ,283** ,524** ,521** ,461** 1

Sig. (bilatrale) ,002 ,007 ,010 ,000 ,000 ,000 ,000

**. La corrlation est significative au niveau 0.01 (bilatral).

*. La corrlation est significative au niveau 0.05 (bilatral).

396
 Indice KMO et test de Bartlett
Mesure de prcision de l'chantillonnage de Kaiser-Meyer-Olkin. ,806
Khi-deux approxim 354,356
Test de sphricit de Bartlett ddl 28
Signification de Bartlett ,000

Qualit de reprsentation
Initial Extraction
DDH_participation_dir_PD 1,000 ,634
DDH_dir_PD_consultation_coll 1,000 ,493
DDH_collaborateurs_dir_PD 1,000 ,538
DDH_collaborateurs_seuls_PD 1,000 ,615
DDV_dveloppement_lancement_no
1,000 ,615
uveaux_produits_services
DDV_embauche_licenciement 1,000 ,578
DDV_fixation_prix_vente 1,000 ,581
DDV_choix_investissements 1,000 ,668
Mthode d'extraction : Analyse en composantes principales.

Variance totale explique

Compo Valeurs propres initiales Extraction Sommes des carrs des Somme des carrs des facteurs retenus
sante facteurs retenus pour la rotation
Total % de la % Total % de la % cumuls Total % de la % cumuls
variance cumuls variance variance
1 3,420 42,746 42,746 3,420 42,746 42,746 2,420 30,255 30,255
2 1,302 16,270 59,016 1,302 16,270 59,016 2,301 28,760 59,016
3 ,763 9,535 68,551
4 ,693 8,668 77,219
5 ,564 7,046 84,265
6 ,480 6,005 90,270
7 ,405 5,059 95,329
8 ,374 4,671 100,000
Mthode d'extraction : Analyse en composantes principales.

397
 Matrice des composantesa
Composante
1 2
DDV_embauche_licenciement ,721 -,242
DDV_fixation_prix_vente ,680 -,345
DDH_participation_dir_PD ,671 ,428
DDV_choix_investissements ,669 -,470
DDH_collaborateurs_seuls_PD ,657 ,427
DDH_dir_PD_consultation_coll ,643 ,282
DDV_dveloppement_lancement_nouveaux_produits
,631 -,465
_services
DDH_collaborateurs_dir_PD ,544 ,492
Mthode d'extraction : Analyse en composantes principales.
a. 2 composantes extraites.

Matrice des composantes aprs rotationa

Composante
1 2
DDV_choix_investissements ,809 ,118
DDV_dveloppement_lancement_nouveaux_
,778 ,096
produits_services
DDV_fixation_prix_vente ,731 ,216
DDV_embauche_licenciement ,690 ,319
DDH_participation_dir_PD ,194 ,772
DDH_collaborateurs_seuls_PD ,184 ,762
DDH_collaborateurs_dir_PD ,057 ,731
DDH_dir_PD_consultation_coll ,274 ,646
Mthode d'extraction : Analyse en composantes principales.
Mthode de rotation : Varimax avec normalisation de Kaiser.
a. La rotation a converg en 3 itrations.

398
Rsultats de ltude de fiabilit : Alpha de Cronbach (aprs suppression du facteur
DDH)
Statistiques de fiabilit
Alpha de Nombre
Cronbach d'lments
,781 4

Statistiques d'chelle
Moyenne Variance Ecart-type Nombre
d'lments
11,6026 24,112 4,91040 4

399
 - chelle de mesure de la variable incertitude de lenvironnement

Matrice de corrlations
Dynamisme_ Dynamisme_env Prvisibilit_comp Prvisibilit_com
env_plan_co _plan_technologi ortement_concurre portement_client
nomique que nts s

Corrlation de Pearson 1
Dynamisme_env_p
lan_conomique Sig. (bilatrale)

Corrlation de Pearson ,482** 1

Dynamisme_env_p
lan_technologique Sig. (bilatrale) ,000

Prvisibilit_comp Corrlation de Pearson ,523** ,461** 1

ortement_concurre
Sig. (bilatrale) ,000 ,000
nts
Corrlation de Pearson ,467** ,469** ,601** 1
Prvisibilit_comp
ortement_clients Sig. (bilatrale) ,000 ,000 ,000

**. La corrlation est significative au niveau 0.01 (bilatral).

Indice KMO et test de Bartlett

Mesure de prcision de l'chantillonnage de Kaiser-Meyer-Olkin. ,780
Khi-deux approxim 185,405
Test de sphricit de Bartlett ddl 6
Signification de Bartlett ,000

Qualit de reprsentation
Initial Extraction
Dynamisme_env_plan_conomique 1,000 ,606
Dynamisme_env_plan_technologique 1,000 ,568
Prvisibilit_comportement_concurrents 1,000 ,679
Prvisibilit_comportement_clients 1,000 ,650
Mthode d'extraction : Analyse en composantes principales.

Variance totale explique

Composante Valeurs propres initiales Extraction Sommes des carrs des facteurs retenus
Total % de la variance % cumuls Total % de la variance % cumuls
1 2,504 62,592 62,592 2,504 62,592 62,592
2 ,587 14,672 77,265
3 ,521 13,036 90,301
4 ,388 9,699 100,000
Mthode d'extraction : Analyse en composantes principales.

400
 Matrice des composantesa
Composante
1
Prvisibilit_comportement_concurrents ,824
Prvisibilit_comportement_clients ,806
Dynamisme_env_plan_conomique ,779
Dynamisme_env_plan_technologique ,754
Mthode d'extraction : Analyse en composantes principales.
a. 1 composante extraite.

Rsultats de ltude de fiabilit : Alpha de Cronbach

Statistiques de fiabilit
Alpha de Nombre
Cronbach d'lments
,800 4

Statistiques d'chelle
Moyenne Variance Ecart-type Nombre
d'lments
12,0769 9,336 3,05548 4

- chelle de mesure de la variable Diversit dutilisation des indicateurs de

performance

La Diversit dutilisation des indicateurs de TB est une variable indicielle mesure par
quatre indicateurs:

- Utilisation des indicateurs financiers,

- Utilisation des indicateurs de performance clients,

401
 - Utilisation des indicateurs de processus internes,
- Utilisation des indicateurs dinnovation et dapprentissage organisationnel.

Etant donn que cette variable est indicielle, sa factorisation nest pas ncessaire. Ainsi, le
score de lchelle Diversit dutilisation des indicateurs de TB est la moyenne des scores
obtenus dans chaque axe de performance (financiers, satisfaction clients, processus internes,
innovation & apprentissage organisationnel).

- chelle de mesure de la variable Utilit des tableaux de bord dans le pilotage de

la performance

L Utilit des tableaux de bord dans le pilotage de la performance PP est mesure par deux
items :
- Degr dutilit des indicateurs financiers,
- Degr dutilit des indicateurs non financiers,

Cette variable est indicielle, son analyse factorielle nest pas ncessaire. Le score moyen de
l Utilit de TB dans le PP est ainsi la moyenne des scores obtenus sur les deux
indicateurs prcits.

402
Annexe 7 : Les rsultats de rgressions

403
 - Rsultats de la rgression multiple de la variable Diversit dutilisation des
indicateurs de TB sur les variables explicatives et les variables de contrle.

Rcapitulatif des modlesb

Modle R R-deux R-deux ajust Erreur standard Durbin-Watson
de l'estimation
1 ,549a ,302 ,243 ,69873 1,362
a. Valeurs prdites : (constantes), Cotation_bourse, Formation_dirigeant,
Incertitude_environnement, Diffrenciation, Secteur_prestations_services, Structure,
Implantation_budget, Taille, Implantation_ABC, Informatisation, Secteur_commercial,
Focalisation
b. Variable dpendante : Diversit_utilisation_indicateurs_TB

ANOVAa
Modle Somme des ddl Moyenne des D Sig.
carrs carrs
Rgression 30,165 12 2,514 5,149 ,000b
1 Rsidu 69,816 143 ,488
Total 99,981 155
a. Variable dpendante : Diversit_utilisation_indicateurs_TB
b. Valeurs prdites : (constantes), Cotation_bourse, Formation_dirigeant,
Incertitude_environnement, Diffrenciation, Secteur_prestations_services, Structure,
Implantation_budget, Taille, Implantation_ABC, Informatisation, Secteur_commercial,
Focalisation

Coefficientsa
Modle Coefficients non Coefficients t Sig. Statistiques de
standardiss standardiss colinarit
A Erreur Bta Tolrance VIF
standard
(Constante) 1,511 ,446 3,385 ,001
Informatisation ,233 ,065 ,273 3,600 ,000 ,849 1,178
Structure ,168 ,049 ,256 3,412 ,001 ,864 1,157
Incertitude_environnement ,060 ,073 ,058 ,819 ,414 ,964 1,037
Taille -,014 ,121 -,009 -,115 ,909 ,860 1,163
Secteur_commercial ,155 ,149 ,082 1,039 ,300 ,781 1,280
1 Secteur_prestations_services -,119 ,145 -,063 -,824 ,411 ,840 1,190
Formation_dirigeant -,052 ,121 -,032 -,432 ,666 ,885 1,130
Diffrenciation -,227 ,166 -,127 -1,363 ,175 ,567 1,765
Focalisation ,077 ,150 ,048 ,510 ,611 ,556 1,800
Implantation_budget ,292 ,186 ,114 1,567 ,119 ,928 1,078
Implantation_ABC ,098 ,120 ,061 ,823 ,412 ,876 1,141
Cotation_bourse ,268 ,123 ,162 2,181 ,031 ,889 1,125
a. Variable dpendante : Diversit_utilisation_indicateurs_TB

404
 - Rsultats de la rgression multiple de la variable Utilit des TB dans le PP sur
les variables explicatives et les variables de contrle.

Rcapitulatif des modlesb

Modle R R-deux R-deux ajust Erreur standard Durbin-Watson
de l'estimation
2 ,594a ,353 ,327 ,59146 1,812
a. Valeurs prdites : (constantes), Secteur_prestations_services, Structure,
Incertitude_environnement, Taille, Informatisation, Secteur_commercial
b. Variable dpendante : Utilit_TB_PP

ANOVAa
Modle Somme des ddl Moyenne des D Sig.
carrs carrs
Rgression 28,433 6 4,739 13,546 ,000b
2 Rsidu 52,124 149 ,350
Total 80,558 155
a. Variable dpendante : Utilit_TB_PP
b. Valeurs prdites : (constantes), Secteur_prestations_services, Structure,
Incertitude_environnement, Taille, Informatisation, Secteur_commercial

Coefficientsa
Modle Coefficients non Coefficients t Sig. Statistiques de
standardiss standardiss colinarit
A Erreur Bta Tolrance VIF
standard
(Constante) 1,786 ,316 5,648 ,000
Informatisation ,298 ,053 ,390 5,662 ,000 ,918 1,090
Structure ,191 ,040 ,325 4,746 ,000 ,924 1,083
2 Incertitude_environnement ,077 ,061 ,084 1,262 ,209 ,986 1,014
Taille ,160 ,098 ,111 1,636 ,104 ,944 1,060
Secteur_commercial ,213 ,120 ,126 1,776 ,078 ,864 1,157
Secteur_prestations_services -,133 ,121 -,078 -1,100 ,273 ,869 1,151
a. Variable dpendante : Utilit_TB_PP

405
 Homoscdasticit de la variable Utilit des TB dans le PP pour le modle 2

Normalit de distribution des erreurs pour la variable Utilit des TB dans le PP dans le modle 2

406
Etude de la normalit des rsidus pour la variable Utilit des TB dans le PP dans le modle 2

10 distances de Cook les plus importantes sur lutilit des TB dans le PP

Numro dobservation Distance de Cook
156 0,06206
81 0,05535
145 0,05007
61 0,03748
70 0,03689
49 0,03552
56 0,02884
62 0,02700
47 0,02394
27 0,02311

Diagnostic des observations extrmes sur lutilit des TB dans le PP

Numro dobservation Erreur Rsidu
70 -2,67916
145 -2,38334
49 -2,15434
156 2,13273
81 2,12032
61 -2,05426
29 -1,89128
56 -1,79859
102 -1,76936
36 -1,64505

407
 - Rsultats de la rgression multiple de la variable Utilit des TB dans le PP sur
les variables explicatives, les variables de contrle et la variable Diversit
dutilisation des indicateurs de TB

Rcapitulatif des modlesb

Modle R R-deux R-deux ajust Erreur standard Durbin-Watson
de l'estimation
3 ,651a ,424 ,397 ,55996 1,815
a. Valeurs prdites : (constantes), Secteur_prestations_services, Structure,
Incertitude_environnement, Taille, Informatisation, Secteur_commercial,
Diversit_utilisation_indicateurs_TB
b. Variable dpendante : Utilit_TB_PP

ANOVAa
Modle Somme des ddl Moyenne des D Sig.
carrs carrs
Rgression 34,151 7 4,879 15,559 ,000b
3 Rsidu 46,407 148 ,314
Total 80,558 155
a. Variable dpendante : Utilit_TB_PP
b. Valeurs prdites : (constantes), Secteur_prestations_services, Structure,
Incertitude_environnement, Taille, Informatisation, Secteur_commercial,
Diversit_utilisation_indicateurs_TB

Coefficientsa
Modle Coefficients non Coefficients t Sig. Statistiques de
standardiss standardiss colinarit
A Erreur Bta Tolrance VIF
standard
(Constante) 1,380 ,314 4,392 ,000
Informatisation ,218 ,053 ,284 4,080 ,000 ,802 1,246
Structure ,148 ,039 ,253 3,763 ,000 ,864 1,157
Incertitude_environnement ,058 ,058 ,063 1,003 ,318 ,981 1,020
3 Diversit_utilisation_indicateurs
,273 ,064 ,304 4,270 ,000 ,769 1,300
_TB
Taille ,140 ,092 ,097 1,511 ,133 ,941 1,062
Secteur_commercial ,199 ,113 ,118 1,756 ,081 ,864 1,158
Secteur_prestations_services -,094 ,114 -,055 -,821 ,413 ,864 1,158
a. Variable dpendante : Utilit_TB_PP

408
 Homoscdasticit de la variable Utilit des TB dans le PP pour le modle 3

Normalit de distribution des erreurs pour la variable Utilit des TB dans le PP dans le modle 3

409
Etude de la normalit des rsidus pour la variable Utilit des TB dans le PP dans le modle 3

10 distances de Cook les plus importantes sur lutilit des TB

dans le PP
Numro dobservation Distance de Cook
81 0,08057
156 0,04272
145 0,04122
56 0,03989
70 0,03518
61 0,03203
49 0,02941
20 0,02486
140 0,02448
47 0,02181

Diagnostic des observations extrmes sur lutilit des TB dans le PP

Numro dobservation Erreur Rsidu
70 -2,79357
81 2,59519
56 -2,17288
145 -2,16563
49 -2,00636
61 -1,99768
13 -1,78589
36 -1,7401
3 -1,73542
37 -1,67897

410
Annexe 8 : Rsultats du test de leffet mdiateur

411
 Rsultats du test de leffet de mdiateur : rgression hirarchique

- Bloc 1 (Modle 1) : Rsultats de la rgression multiple de la variable Utilit des TB

dans le PP sur les variables explicatives et les variables de contrle.
- Bloc2 (Modle 2) : Rsultats de la rgression multiple de la variable Utilit des TB
dans le PP sur les variables explicatives, les variables de contrle et la variable
Diversit dutilisation des indicateurs de TB

Rcapitulatif des modlesc

Modle R R- R- Erreur Changement dans les statistiques Durbin-
deux deux standard de Variation Variatio ddl1 ddl2 Sig. Watson
ajust l'estimation de R-deux n de F Variation
de F
a
2 ,594 ,353 ,327 ,59146 ,353 13,546 6 149 ,000
3 ,651b ,424 ,397 ,55996 ,071 18,234 1 148 ,000 1,815
a. Valeurs prdites : (constantes), Secteur_prestations_services, Structure, Incertitude_environnement, Taille,
Informatisation, Secteur_commercial
b. Valeurs prdites : (constantes), Secteur_prestations_services, Structure, Incertitude_environnement, Taille,
Informatisation, Secteur_commercial, Diversit_utilisation_indicateurs_TB
c. Variable dpendante : Utilit_TB_PP

ANOVAa
Modle Somme des ddl Moyenne des D Sig.
carrs carrs
Rgression 28,433 6 4,739 13,546 ,000b
2 Rsidu 52,124 149 ,350
Total 80,558 155
Rgression 34,151 7 4,879 15,559 ,000c
3 Rsidu 46,407 148 ,314
Total 80,558 155
a. Variable dpendante : Utilit_TB_PP
b. Valeurs prdites : (constantes), Secteur_prestations_services, Structure,
Incertitude_environnement, Taille, Informatisation, Secteur_commercial
c. Valeurs prdites : (constantes), Secteur_prestations_services, Structure,
Incertitude_environnement, Taille, Informatisation, Secteur_commercial,
Diversit_utilisation_indicateurs_TB

412
 Coefficientsa
Coefficients non Coefficients Statistiques de
standardiss standardiss colinarit
Modle t Sig.
Erreur
A Bta Tolrance VIF
standard
(Constante) 1,786 ,316 5,648 ,000
Informatisation ,298 ,053 ,390 5,662 ,000 ,918 1,090
Structure ,191 ,040 ,325 4,746 ,000 ,924 1,083
2 Incertitude_environnement ,077 ,061 ,084 1,262 ,209 ,986 1,014
Taille ,160 ,098 ,111 1,636 ,104 ,944 1,060
Secteur_commercial ,213 ,120 ,126 1,776 ,078 ,864 1,157
Secteur_prestations_services -,133 ,121 -,078 -1,100 ,273 ,869 1,151
(Constante) 1,380 ,314 4,392 ,000
Informatisation ,218 ,053 ,284 4,080 ,000 ,802 1,246
Structure ,148 ,039 ,253 3,763 ,000 ,864 1,157
Incertitude_environnement ,058 ,058 ,063 1,003 ,318 ,981 1,020
3 Taille ,140 ,092 ,097 1,511 ,133 ,941 1,062
Secteur_commercial ,199 ,113 ,118 1,756 ,081 ,864 1,158
Secteur_prestations_services -,094 ,114 -,055 -,821 ,413 ,864 1,158
Diversit_utilisation_indicateu
,273 ,064 ,304 4,270 ,000 ,769 1,300
rs_TB
a. Variable dpendante : Utilit_TB_PP

413
Annexe 9 : Rsultats des tests dans les sous chantillons : analyse
multi-groupes

414
 Prsentation des modles en fonction de la taille des ETI
Prsentation des modles pour les grandes ETI
Prsentation des modles pour les petites ETI
Modle 1 Modle 2 Modle 3 Modle 1 Modle 2 Modle 3
Variable dpendante: Variable dpendante:
Variable dpendante: Variable dpendante: Variable
Diversit Diversit Variable dpendante:
Variables explicatives Utilit des TB dans le Utilit des TB dans le dpendante: Utilit
dutilisation des dutilisation des Utilit des TB dans le PP
PP PP des TB dans le PP
indicateurs de TB indicateurs de TB
R 0,623 0,614 0,645 0,580 0,592 0,678
R2 0,388 0,377 0,416 0,336 0,350 0,460
Erreur standard de
0,68344 0,66503 0,64862 0,70208 0,49250 0,45224
l'estimation
(constante) (3,395) (4,052) (2,796) (1,897) (6,538) (5,885)
Informatisation 0,438*** (4,033) 0,435*** (4,445) 0,322*** (2,969) 0,127 (1,075) 0,312*** (3,101) 0,239** (2,534)
Structure 0,238** (2,380) 0,347*** (3,734) 0,298*** (3,189) 0,232** (2,069) 0,289*** (2,855) 0,193** (1,998)
Incertitude de
-0,137(-1,377) 0,034 (0,369) 0,071 (0,774) 0,288** (2,521) 0,212** (2,164) 0,076 (0,783)
lenvironnement
Secteur commercial 0,128 (1,126) 0,074 (0,725) 0,059 (0,593) 0,077 (0,677) 0,246** (2,451) 0,224** (2,418)
Secteur de prestations de
0,024 (0,220) -0,081 (-0,781) -0,084 (-0,834) -0,098 (-0,863) -0,051 (-0,504) -0,011 (-0,115)
services
Formation du dirigeant -0,082 (-0,809) - - -0,042 (-0,353) - -
Stratgie de diffrenciation -0,134 (-1,051) - - -0,035 (-0,240) - -
Stratgie de focalisation -0,102 (-0,782) - - 0,114 (0,824) - -
Implantation de budget 0,158 (1,538) - - -0,031 (-0,274) - -
Implantation de lABC 0,036 (0,363) - - 0,066 (0,591) - -
Cotation en bourse 0,104 (1,000) - - 0,194* (1,726) - -
Diversit dutilisation des
- - 0,239** (2,201) - - 0,391*** (3,719)
indicateurs de TB
* Le coefficient est significatif au seuil de 0.10
** Le coefficient est significatif au seuil de 0.05
*** Le coefficient est significatif au seuil de 0.01
Les statistiques T sont entre parenthses

415
 Prsentation des modles en fonction des secteurs dactivit

Prsentation des modles pour les ETI commerciales

Prsentation des modles pour les ETI industrielles
Modle 1 Modle 2 Modle 3 Modle 1 Modle 2 Modle 3
Variable dpendante: Variable dpendante:
Variable dpendante: Variable
Diversit Variable dpendante: Diversit Variable dpendante:
Variables explicatives Utilit des TB dans le dpendante: Utilit
dutilisation des Utilit de TB dans le PP dutilisation des Utilit des TB dans le PP
PP des TB dans le PP
indicateurs de TB indicateurs de TB
R 0,523 0,624 0,662 0,696 0,721 0,735
R2 0,274 0,390 0,438 0,484 0,521 0,540
Erreur standard de
0,74321 0,52940 0,51128 0,64921 0,57413 0,57159
l'estimation
(constante) (2,620) (4,427) (3,578) (1,663) (3,030) (2,487)
Informatisation 0,161 (1,449) 0,375*** (4,064) 0,322*** (3,516) 0,542*** (3,537) 0,538*** (4,355) 0,435***(2,859)
Structure 0,286*** (2,687) 0,388*** (4,245) 0,319*** (3,455) 0,089 (0,582) 0,323** (2,585) 0,313** (2,510)
Incertitude de
0,119 (1,163) 0,213** (2,375) 0,175** (1,992) 0,052 (0,328) -0,072 (-0,588) -0,075 (-0,613)
lenvironnement
Taille -0,055 (-0,497) 0,007 (0,074) 0,009 (0,102) 0,118 (0,694) 0,217* (1,745) 0,191 (1,524)
Formation du dirigeant -0,124 (-1,135) - - -0,087 (-0,555) - -
Stratgie de diffrenciation -0,239 (-1,663) - - 0,006 (0,028) - -
Stratgie de focalisation -0,093 (-0,673) - - 0,283 (1,443) - -
Implantation de budget 0,107 (1,035) - - 0,029 (0,183) - -
Implantation de lABC 0,211* (1,953) - - -0,123 (-0,845) - -
Cotation en bourse 0,116 (1,133) - - -0,008 (-0,041) - -
Diversit dutilisation des
- - 0,242** (2,574) - - 0,175 (1,134)
indicateurs de TB

416
 Prsentation des modles en fonction des secteurs dactivit (suite)
Prsentation des modles pour les ETI de prestations de services
Modle 1 Modle 2 Modle 3
Variable Diversit Variable Variable
Variables explicatives dutilisation des dpendante: Utilit dpendante: Utilit
indicateurs de TB des TB dans le PP des TB dans le PP
R 0,742 0,434 0,638
R2 0,551 0,188 0,407
Erreur standard de
0,63324 0,73511 0,63864
l'estimation
(constante) (1,662) (2,969) (1,867)
Informatisation 0,149 (0,919) 0,155 (,872) -0,032 (-0,194)
Structure 0,314* (1,774) 0,292 (1,654) 0,100 (0,608)
Incertitude de
0,028 (0,183) 0,022 (0,137) 0,060 (0,423)
lenvironnement
Taille -0,240 (-1,342) 0,159 (0,969) 0,173 (1,217)
Formation du dirigeant 0,181 (0,988) - -
Stratgie de diffrenciation -0,182 (-1,028) - -
Stratgie de focalisation 0,038 (0,218) - -
Implantation de budget 0,139 (0,950) - -
Implantation de lABC 0,035 (0,183) - -
Cotation en bourse 0,485*** (3,030) - -
Diversit dutilisation des
- - 0,565*** (3,328)
indicateurs de TB

417
 Prsentation du modle1 en fonction de formation du dirigeant
Prsentation du modle1 pour les Prsentation du modle1 pour les
ETI gres par des dirigeants ETI gres par des dirigeants
possdant une formation de type possdant une formation de type
non gestionnaire gestionnaire
Variable dpendante: Variable dpendante:
Variables explicatives Diversit dutilisation des Diversit dutilisation des
indicateurs de TB indicateurs de TB
R 0,562 0,629
R2 0,315 0,395
Erreur standard de l'estimation 0,76893 0,64531
(constante) (2,528) (1,911)
Informatisation 0,257* (1,930) 0,267*** (2,713)
Structure 0,128 (0,975) 0,321*** (3,446)
Incertitude de
0,038 (0,296) 0,135 (1,462)
lenvironnement
Taille -0,076 (-0,592) -0,017 (-0,175)
Secteur commercial 0,014 (0,113) 0,122 (1,200)
Secteur de prestations de
-0,157 (-1,162) -0,015 (-0,147)
services
Stratgie de diffrenciation -0,055 (-0,324) -0,133 (-1,105)
Stratgie de focalisation 0,254 (1,580) -0,026 (-0,220)
Implantation de budget 0,153 (1,219) 0,090 (0,990)
Implantation de lABC -0,098 (-0,735) 0,194** (2,075)
Cotation en bourse 0,046 (0,366) 0,201** (2,044)

418
 Prsentation du modle 1 en fonction de la stratgie de lentreprise

Prsentation du modle1 Prsentation du modle 1 Prsentation du modle 1

pour les ETI suivant une pour les ETI suivant une pour les ETI suivant une
stratgie de Domination stratgie de stratgie de Focalisation
par les cots Diffrenciation
Variable dpendante: Variable dpendante: Variable dpendante:
Variables explicatives Diversit dutilisation des Diversit dutilisation des Diversit dutilisation des
indicateurs de TB indicateurs de TB indicateurs de TB
R 0,736 0,634 0,490
R2 0,541 0,402 0,240
Erreur standard de l'estimation 0,61925 0,64599 0,76789
(constante) (1,728) (1,448) (2,377)
Informatisation 0,422** (2,607) 0,514*** (3,185) 0,138 (1,107)
Structure 0,138 (0,786) 0,169 (1,050) 0,355*** (3,109)
Incertitude de
lenvironnement 0,082 (0,517) -0,001 (-0,008) 0,086 (0,758)

Taille -0,184 (-1,177) -0,071 (-0,410) 0,002 (0,019)

Secteur commercial -0,058 (-0,325) -0,110 (-0,574) 0,215* (1,829)
Secteur de prestations de
services -0,199 (-1,215) -0,116 (-0,598) -0,043 (-0,374)
Formation du dirigeant 0,111 (0,690) 0,173 (0,849) -0,199* (-1,737)
Implantation de budget 0,164 (0,975) 0,055 (0,331) 0,076 (0,679)
Implantation de lABC -0,003 (-0,020) -0,071 (-0,466) 0,134 (1,176)
Cotation en bourse 0,306* (1,856) 0,123 (0,823) 0,164 (1,386)

419
 Prsentation du modle 1 en fonction de l implantation du budget

Prsentation du modle 1 Prsentation du modle 1

pour les ETI nutilisant pas pour les ETI utilisant un
un budget budget
Variable dpendante: Variable dpendante:
Variables explicatives Diversit dutilisation des Diversit dutilisation des
indicateurs de TB indicateurs de TB
R 0,860 0,516
R2 0,740 0,266
Erreur standard de l'estimation 0,70345 0,70899
(constante) (-0,552) (4,405)
Informatisation 0,414 (0,782) 0,236*** (2,823)
Structure 0,508 (1,809) 0,255*** (3,093)
Incertitude de lenvironnement 0,282 (1,018) 0,043 (0,551)
Taille 0,438 (0,970) -0,033 (-0,407)
Secteur commercial 0,157 (0,339) 0,071 (0,833)
Secteur de prestations de services 0,068 (0,145) -0,069 (-0,835)
Formation du dirigeant 0,063 (0,207) -0,036 (-0,441)
Stratgie de diffrenciation 0,342 (1,023) -0,167 (-1,626)
Stratgie de focalisation 0,035 (0,066) 0,033 (0,328)
Implantation de lABC 0,078 (0,296) 0,070 (0,857)
Cotation en bourse -0,112 (-0,231) 0,206** (2,547)

420
 Prsentation du modle 1 en fonction de l implantation de la mthode ABC
Prsentation du modle 1
pour les ETI nutilisant pas la
mthode ABC
Variable dpendante:
Variables explicatives Diversit dutilisation des
indicateurs de TB
R 0,640
R2 0,410
Erreur standard de l'estimation 0,61434
(constante) (3,695)
Informatisation 0,386*** (3,610)
Structure 0,239** (2,337)
Incertitude de lenvironnement -0,038 (-0,391)
Taille 0,006 (0,062)
Secteur commercial 0,310*** (2,848)
Secteur de prestations de services 0,034 (0,313)
Formation du dirigeant -0,239** (-2,312)
Stratgie de diffrenciation -0,062 (-0,512)
Stratgie de focalisation 0,027 (0,224)
Implantation de budget 0,134 (1,357)
Cotation en bourse 0,127 (1,253)
421
Prsentation du modle 1
pour les ETI utilisant la
mthode ABC
Variable dpendante:
Diversit dutilisation des
indicateurs de TB
0,590
0,348
0,74277
(1,255)
0,140 (1,208)
0,256** (2,448)
0,228** (2,122)
-0,110 (-0,981)
-0,152 (-1,323)
-0,127 (-1,154)
0,195* (1,765)
-0,047 (-0,322)
0,174 (1,163)
0,055 (0,528)
0,216* (1,945)
 Prsentation du modle 1 en fonction de la cotation en bourse

Prsentation du modle 1 pour Prsentation du modle 1

les ETI non cotes pour les ETI cotes
Variable dpendante: Variable dpendante:
Variables explicatives Diversit dutilisation des Diversit dutilisation des
indicateurs de TB indicateurs de TB
R 0,511 0,617
R2 0,262 0,380
Erreur standard de l'estimation 0,69104 0,72536
(constante) (3,753) (0,805)
Informatisation 0,223** (2,248) 0,289** (2,077)
Structure 0,242** (2,355) 0,257* (1,980)
Incertitude de lenvironnement 0,012 (0,125) 0,156 (1,190)
Taille -0,029 (-0,281) -0,032 (-0,237)
Secteur commercial 0,074 (0,669) -0,016 (-0,115)
Secteur de prestations de services -0,171 (-1,584) 0,055 (0,432)
Formation du dirigeant -0,099 (-1,003) 0,061 (0,466)
Stratgie de diffrenciation -0,043 (-0,359) -0,197 (-1,053)
Stratgie de focalisation 0,145 (1,173) -0,054 (-0,304)
Implantation de budget 0,071 (0,730) 0,215* (1,699)
Implantation de lABC 0,016 (0,161) 0,061 (0,463)

422
Annexe 10 : Prsentation des modles en fonction de la nature
de TB

423
Modle 1 : H1a, H2a, H3a
Rcapitulatif des modlesb
Nature_TB Modle R R-deux R-deux Erreur Durbin-
ajust standard de Watson
l'estimation
TB dominante financire 1 ,412a ,170 ,012 ,49206 1,923
TB quilibrs 1 ,659 ,434 ,301 ,73106 2,116
TB dominante non
1 ,960 ,921 ,604 ,39770 2,610
financire
a.Valeurs prdites : (constantes), Cotation_bourse, Implantation_budget, Formation_dirigeant,
Structure, Secteur_prestations_services, Incertitude_environnement, Informatisation, Taille,
Focalisation, Implantation_ABC, Secteur_commercial, Diffrenciation.
b.Variable dpendante : Diversit_utilisation_indicateurs_TB

ANOVAa
Nature_TB Modle Somme ddl Moyenne D Sig.
des des carrs
carrs
Rgression 3,117 12 ,260 1,073 ,398b
TB dominante
1 Rsidu 15,254 63 ,242
financire
Total 18,371 75
Rgression 20,937 12 1,745 3,265 ,002
TB quilibrs 1 Rsidu 27,257 51 ,534
Total 48,194 63
Rgression 5,510 12 ,459 2,903 ,206
TB dominante non
1 Rsidu ,474 3 ,158
financire
Total 5,984 15
a. Variable dpendante : Diversit_utilisation_indicateurs_TB.
b. Valeurs prdites : (constantes), Cotation_bourse, Implantation_budget, Formation_dirigeant,
Structure, Secteur_prestations_services, Incertitude_environnement, Informatisation, Taille,
Focalisation, Implantation_ABC, Secteur_commercial, Diffrenciation.

424
 Coefficientsa
Nature_T Modle Coefficients non Coefficients t Sig. Statistiques de
B standardiss standardiss colinarit
A Erreur Bta Tolrance VIF
standard
(Constante) 1,847 ,446 4,142 ,000
Informatisation ,123 ,066 ,236 1,852 ,069 ,813 1,230
Structure ,047 ,052 ,116 ,911 ,366 ,810 1,234
Incertitude_environnement -,014 ,082 -,020 -,165 ,870 ,890 1,123
Taille ,017 ,122 ,017 ,136 ,893 ,861 1,161
Secteur_commercial ,030 ,159 ,025 ,190 ,850 ,760 1,315
TB
Secteur_prestations_servic
dominante 1 -,050 ,145 -,043 -,344 ,732 ,842 1,187
es
financire
Formation_dirigeant ,085 ,120 ,086 ,710 ,480 ,908 1,101
Diffrenciation ,090 ,175 ,082 ,515 ,608 ,520 1,923
Focalisation ,129 ,152 ,131 ,846 ,401 ,552 1,812
Implantation_budget ,365 ,215 ,200 1,698 ,094 ,947 1,056
Implantation_ABC -,121 ,125 -,122 -,969 ,336 ,832 1,202
Cotation_bourse ,066 ,126 ,065 ,525 ,601 ,873 1,146
(Constante) 2,112 ,828 2,550 ,014
Informatisation ,226 ,121 ,232 1,878 ,066 ,727 1,376
Structure ,214 ,082 ,304 2,616 ,012 ,822 1,217
Incertitude_environnement ,052 ,122 ,049 ,431 ,668 ,865 1,156
Taille -,145 ,220 -,083 -,658 ,513 ,690 1,449
Secteur_commercial ,274 ,268 ,137 1,022 ,312 ,621 1,609
TB Secteur_prestations_servic
1 -,197 ,295 -,086 -,667 ,508 ,673 1,486
quilibrs es
Formation_dirigeant -,185 ,217 -,105 -,854 ,397 ,728 1,373
Diffrenciation -,481 ,294 -,245 -1,638 ,108 ,497 2,013
Focalisation -,049 ,254 -,028 -,193 ,848 ,521 1,921
Implantation_budget ,426 ,278 ,178 1,534 ,131 ,820 1,219
Implantation_ABC ,186 ,214 ,106 ,865 ,391 ,738 1,355
Cotation_bourse ,404 ,222 ,227 1,822 ,074 ,713 1,403
(Constante) 2,612 1,545 1,690 ,190
Informatisation -,034 ,385 -,049 -,088 ,936 ,084 11,872
Structure ,347 ,170 ,662 2,040 ,134 ,250 3,992
Incertitude_environnement ,087 ,133 ,123 ,653 ,560 ,743 1,345
Taille ,055 ,307 ,045 ,179 ,869 ,427 2,341
TB Secteur_commercial ,444 ,521 ,337 ,852 ,457 ,169 5,905
dominante Secteur_prestations_servic
1 ,006 ,656 ,005 ,010 ,993 ,093 10,707
non es
financire Formation_dirigeant -,247 ,586 -,187 -,422 ,702 ,134 7,454
Diffrenciation -,950 ,463 -,720 -2,053 ,132 ,215 4,655
Focalisation -,069 ,498 -,056 -,138 ,899 ,162 6,181
Implantation_budget -,206 1,255 -,081 -,164 ,880 ,107 9,338
Implantation_ABC ,116 ,288 ,094 ,402 ,714 ,485 2,063
Cotation_bourse ,464 ,375 ,367 1,235 ,305 ,299 3,343
a. Variable dpendante : Diversit_utilisation_indicateurs_TB

425
Modle 2 : H1b, H2b et H3b
Rcapitulatif des modlesb
Nature_TB Modle R R-deux R-deux Erreur standard Durbin-
ajust de l'estimation Watson
TB dominante
2 ,587a ,345 ,288 ,55682 2,155
financire
TB quilibrs 2 ,681 ,463 ,407 ,56338 2,286
TB dominante non
2 ,793 ,629 ,382 ,70292 2,414
financire
a. Valeurs prdites : (constantes), Secteur_prestations_services, Informatisation, Taille,
Incertitude_environnement, Structure, Secteur_commercial
b. Variable dpendante : Utilit_TB_PP

ANOVAa
Nature_TB Modle Somme des ddl Moyenne D Sig.
carrs des carrs
TB Rgression 11,274 6 1,879 6,060 ,000b
dominante 2 Rsidu 21,394 69 ,310
financire Total 32,668 75
Rgression 15,623 6 2,604 8,204 ,000
TB quilibrs 2 Rsidu 18,092 57 ,317
Total 33,715 63
TB Rgression 7,553 6 1,259 2,548 ,100
dominante Rsidu 4,447 9 ,494
2
non
financire Total 12,000 15
a. Variable dpendante : Utilit_TB_PP
b. Valeurs prdites : (constantes), Secteur_prestations_services, Informatisation, Taille,
Incertitude_environnement, Structure, Secteur_commercial

426
 Coefficientsb
Nature_TB Modle Coefficients non Coefficients t Sig. Statistiques de
standardiss standardiss colinarit
A Erreur Bta Tolrance VIF
standard
(Constante) 1,975 ,421 4,690 ,000
Informatisation ,285 ,071 ,409 4,018 ,000 ,914 1,094
TB Structure ,108 ,055 ,200 1,959 ,054 ,914 1,094
dominante 2 Incertitude_environnement ,164 ,089 ,182 1,836 ,071 ,966 1,035
financire Taille ,057 ,130 ,044 ,441 ,660 ,971 1,030
Secteur_commercial ,242 ,168 ,151 1,445 ,153 ,874 1,144
Secteur_prestations_services -,339 ,158 -,220 -2,151 ,035 ,910 1,099
(Constante) 1,647 ,530 3,109 ,003
Informatisation ,362 ,085 ,444 4,258 ,000 ,867 1,154
Structure ,232 ,060 ,395 3,873 ,000 ,907 1,103
TB quilibrs 2 Incertitude_environnement -,056 ,091 -,062 -,609 ,545 ,914 1,094
Taille ,278 ,159 ,191 1,751 ,085 ,789 1,268
Secteur_commercial ,225 ,185 ,134 1,220 ,228 ,776 1,288
Secteur_prestations_services -,146 ,210 -,076 -,699 ,487 ,794 1,260
(Constante) -,306 1,348 -,227 ,825
Informatisation ,386 ,218 ,397 1,771 ,110 ,821 1,219
TB Structure ,283 ,163 ,383 1,740 ,116 ,852 1,174
dominante non 2 Incertitude_environnement ,305 ,213 ,306 1,434 ,185 ,906 1,104
financire Taille ,437 ,383 ,250 1,141 ,283 ,856 1,168
Secteur_commercial ,508 ,499 ,272 1,019 ,335 ,577 1,732
Secteur_prestations_services ,904 ,463 ,518 1,953 ,083 ,585 1,709
a. Variable dpendante : Utilit_TB_PP

Modle 3 : H1c, H2c et H3c et H4

Rcapitulatif des modlesa
Nature_TB Modle R R-deux R-deux ajust Erreur standard Durbin-
de l'estimation Watson
TB dominante financire 3 ,599b ,359 ,293 ,55492 2,142
TB quilibrs 3 ,808 ,652 ,609 ,45743 1,861
TB dominante non
3 ,794 ,630 ,306 ,74500 2,411
financire
a. Variable dpendante : Utilit_TB_PP
b. Valeurs prdites : (constantes), Secteur_prestations_services, Structure, Incertitude_environnement,
Informatisation, Taille, Secteur_commercial, Diversit_utilisation_indicateurs_TB

ANOVAa
Nature_TB Modle Somme des ddl Moyenne D Sig.
carrs des carrs
Rgression 11,728 7 1,675 5,441 ,000b
TB dominante
3 Rsidu 20,939 68 ,308
financire
Total 32,668 75
Rgression 21,997 7 3,142 15,018 ,000
TB quilibrs 3 Rsidu 11,718 56 ,209
Total 33,715 63
Rgression 7,560 7 1,080 1,946 ,185
TB dominante
3 Rsidu 4,440 8 ,555
non financire
Total 12,000 15
a. Variable dpendante : Utilit_TB_PP
b. Valeurs prdites : (constantes), Secteur_prestations_services, Informatisation, Taille,
Incertitude_environnement, Structure, Diversit_utilisation_indicateurs_TB,
Secteur_commercial
427
 Coefficientsa
Nature_TB Modle Coefficients non Coeffici t Sig. Statistiques de
standardiss ents colinarit
standard
iss
A Erreur Bta Tolrance VIF
standard
(Constante) 1,582 ,530 2,986 ,004
Informatisation ,262 ,073 ,376 3,575 ,001 ,852 1,174
Structure ,101 ,055 ,187 1,829 ,072 ,904 1,106
Incertitude_environnement ,167 ,089 ,186 1,885 ,064 ,965 1,037
TB
dominante 3 Diversit_utilisation_indica ,166 ,137 ,124 1,214 ,229 ,899 1,112
financire teurs_TB
Taille ,053 ,130 ,041 ,412 ,682 ,970 1,031
Secteur_commercial ,244 ,167 ,152 1,459 ,149 ,874 1,144
Secteur_prestations_service
-,325 ,157 -,211 -2,065 ,043 ,905 1,105
s
(Constante) 1,047 ,444 2,360 ,022
Informatisation ,210 ,074 ,258 2,832 ,006 ,748 1,336
Structure ,147 ,051 ,250 2,885 ,006 ,825 1,213
Incertitude_environnement -,097 ,075 -,108 -1,306 ,197 ,904 1,106
TB Diversit_utilisation_indica
3 ,425 ,077 ,508 5,519 ,000 ,731 1,368
quilibrs teurs_TB
Taille ,247 ,129 ,170 1,915 ,061 ,787 1,270
Secteur_commercial ,200 ,150 ,119 1,331 ,188 ,776 1,289
Secteur_prestations_service
-,060 ,171 -,031 -,349 ,729 ,787 1,271
s
(Constante) -,398 1,656 -,241 ,816
Informatisation ,376 ,246 ,387 1,528 ,165 ,721 1,387
Structure ,262 ,260 ,354 1,010 ,342 ,377 2,654
TB Incertitude_environnement ,304 ,226 ,304 1,343 ,216 ,902 1,108
dominante
3 Diversit_utilisation_indica ,054 ,494 ,038 ,110 ,915 ,380 2,633
non teurs_TB
financire Taille ,448 ,418 ,256 1,072 ,315 ,808 1,237
Secteur_commercial ,511 ,529 ,274 ,966 ,363 ,576 1,736
Secteur_prestations_service
,898 ,494 ,514 1,817 ,107 ,577 1,732
s
a. Variable dpendante : Utilit_TB_PP

428
 Analyse complmentaire concernant les trois modles de rgression invalides :
Modle 1 dans le sous-chantillon TB dominante financire
et Modle 1 et 3 dans le sous-chantillon TB dominante non financire
- Analyse de corrlations entre les variables mtriques du modle

Le rsultat des tests de corrlation (Rh de Pearson) entre les facteurs de contingence (variables
mtriques) et la Div
Nature_TB Informatisat Incertitude_environ
Structure
ion nement
*
Diversit_utilisation_indic Corrlation ,291 0,158 -0,019
ateurs_TB N 76 76 76
Corrlation 0,17 0,103 -0,054
Degr_utilisation_KPI_fin
N 76 76 76
TB *
Degr_utilisation_KPI_clie Corrlation ,287 0,064 0,041
dominante
nts N 76 76 76
financire
Corrlation 0,09 0,073 -0,077
Degr_utilisation_KPI_PI
N 76 76 76
Corrlation 0,161 0,18 0,034
Degr_utilisation_KPI_AO
N 76 76 76
*. La corrlation est significative au niveau 0.05 (bilatral).
**. La corrlation est significative au niveau 0.01 (bilatral).

Le rsultat des tests de corrlation (Rh de Pearson) entre les facteurs de contingence (variables
mtriques), la Div et lU.
Incertitude_ Diversit_utili
Nature_TB
Informatisation Structure environneme sation_indicat
nt eurs_TB
** 1
Diversit_utilisation_ Corrlation 0,29 ,726 -0,143
indicateurs_TB N 16 16 16 16

Degr_utilisation_KPI Corrlation 0,386 ,521* 0,018 0,869**

_fin N 16 16 16 16

Degr_utilisation_KPI Corrlation 0,271 0,411 -0,462 0,676**

_clients N 16 16 16 16

Degr_utilisation_KPI Corrlation 0,216 0,334 0,15 0,661**

TB
dominante _PI N 16 16 16 16
non ,684** 0,610*
Degr_utilisation_KPI Corrlation 0,045 -0,123
financire
_AO N 16 16 16 16
Corrlation -1 - - 0,428
Utilit_TB_PP
N 16 16 16 16

Degr_utilit_KPI_fin Corrlation - - - 0,351

_PP N 16 16 16 16

Degr_utilit_KPI_no Corrlation - - - 0,356

n_fin_PP N 16 16 16 16
*. La corrlation est significative au niveau 0.05 (bilatral).
**. La corrlation est significative au niveau 0.01 (bilatral).

1
Les relations indirectes entre les principaux facteurs de contingence et lutilit des TB travers la Div (H1c,
H2c et H3c) ne peuvent pas tre vrifies par la corrlation linaire de Pearson.
429
 - Analyse dANOVA 1 facteur pour les variables de contrle dans les sous
chantillons TB dominante financire et TB dominante non financire

Taille Diversit dutilisation des indicateurs de TB

Descriptives
Diversit_utilisation_indicateurs_TB
Nature_TB N Moyenn Ecart- Erreur Intervalle de confiance Minimu Maximum
e type standard 95% pour la m
moyenne
Borne Borne
infrieure suprieure
TB Petites ETI 41 2,8902 ,57296 ,08948 2,7094 3,0711 1,50 3,75
dominante Grandes ETI 35 2,9214 ,39188 ,06624 2,7868 3,0560 2,00 3,50
financire Total 76 2,9046 ,49492 ,05677 2,7915 3,0177 1,50 3,75
TB Petites ETI 9 3,2778 ,64280 ,21427 2,7837 3,7719 2,25 4,25
dominante Grandes ETI 7 3,2857 ,66815 ,25254 2,6678 3,9037 2,50 4,25
non
financire Total 16 3,2813 ,63163 ,15791 2,9447 3,6178 2,25 4,25

Test d'homognit des variances

Diversit_utilisation_indicateurs_TB
Nature_TB Statistique de ddl1 ddl2 Signification
Levene
TB dominante financire 4,504 1 74 ,037
TB dominante non
,010 1 14 ,922
financire

ANOVA 1 facteur
Diversit_utilisation_indicateurs_TB
Nature_TB Somme ddl Moyenne F Significatio
des carrs des carrs n
Inter-groupes ,018 1 ,018 ,074 ,786
TB dominante
Intra-groupes 18,353 74 ,248
financire
Total 18,371 75
Inter-groupes ,000 1 ,000 ,001 ,981
TB dominante non
Intra-groupes 5,984 14 ,427
financire
Total 5,984 15

430
 Secteur dactivit Diversit dutilisation des indicateurs de TB

Descriptives
Diversit_utilisation_indicateurs_TB
Nature_TB N Moyen Ecart Erreur Intervalle de confiance Minimum Maximu
ne -type standard 95% pour la moyenne m
Borne Borne
infrieure suprieure
,4734
Secteur industriel 42 2,9464 ,07306 2,7989 3,0940 1,75 3,75
9
TB ,5550
Secteur commercial 16 2,8594 ,13876 2,5636 3,1551 1,75 3,50
domina 4
nte Secteur de
financi ,5083
prestations de 18 2,8472 ,11981 2,5944 3,1000 1,50 3,75
re 1
services
,4949
Total 76 2,9046 ,05677 2,7915 3,0177 1,50 3,75
2
,4787
Secteur industriel 4 3,1250 ,23936 2,3633 3,8867 2,50 3,50
1
TB ,6708
Secteur commercial 5 3,3000 ,30000 2,4671 4,1329 2,25 3,75
domina 2
nte non Secteur de
financi ,7480
prestations de 7 3,3571 ,28272 2,6653 4,0489 2,50 4,25
re 1
services
,6316
Total 16 3,2813 ,15791 2,9447 3,6178 2,25 4,25
3

Test d'homognit des variances

Diversit_utilisation_indicateurs_TB
Nature_TB Statistique de ddl1 ddl2 Signification
Levene
TB dominante financire ,101 2 73 ,904
TB dominante non
,912 2 13 ,426
financire

ANOVA 1 facteur
Diversit_utilisation_indicateurs_TB
Nature_TB Somme ddl Moyenne des F Significatio
des carrs carrs n
Inter-groupes ,165 2 ,083 ,332 ,719
TB dominante
Intra-groupes 18,205 73 ,249
financire
Total 18,371 75
Inter-groupes ,140 2 ,070 ,155 ,858
TB dominante
Intra-groupes 5,845 13 ,450
non financire
Total 5,984 15

431
 Formation du dirigeant Diversit dutilisation des indicateurs de TB

Descriptives
Diversit_utilisation_indicateurs_TB
Nature_TB N Moyenn Ecart- Erreur Intervalle de Minimu Maximu
e type standard confiance 95% m m
pour la moyenne
Borne Borne
infrieur suprieure
e
type non
TB 32 2,8516 ,50345 ,08900 2,6700 3,0331 1,50 3,75
gestionnaire
dominante
type gestionnaire 44 2,9432 ,49080 ,07399 2,7940 3,0924 1,75 3,75
financire
Total 76 2,9046 ,49492 ,05677 2,7915 3,0177 1,50 3,75
type non
TB 5 3,3500 ,67546 ,30208 2,5113 4,1887 2,50 4,25
gestionnaire
dominante non
type gestionnaire 11 3,2500 ,64226 ,19365 2,8185 3,6815 2,25 4,25
financire
Total 16 3,2813 ,63163 ,15791 2,9447 3,6178 2,25 4,25

Test d'homognit des variances

Diversit_utilisation_indicateurs_TB
Nature_TB Statistique de ddl1 ddl2 Signification
Levene
TB dominante financire ,064 1 74 ,801
TB dominante non
,024 1 14 ,880
financire

ANOVA 1 facteur
Diversit_utilisation_indicateurs_TB
Nature_TB Somme ddl Moyenne F Signification
des carrs des carrs
Inter-
,156 1 ,156 ,632 ,429
groupes
TB dominante
Intra-
financire 18,215 74 ,246
groupes
Total 18,371 75
Inter-
,034 1 ,034 ,081 ,780
groupes
TB dominante
Intra-
non financire 5,950 14 ,425
groupes
Total 5,984 15

432
 Stratgie de lentreprise Diversit dutilisation des indicateurs de TB
Descriptives
Diversit_utilisation_indicateurs_TB
Intervalle de confiance
95% pour la
Ecart- Erreur moyenne
Nature_TB N Moyenne Minimum Maximum
type standard
Borne Borne
infrieure suprieure
Domination par
18 2,7639 ,56537 ,13326 2,4827 3,0450 1,50 3,50
TB les cots
dominante Diffrenciation 21 2,8810 ,53397 ,11652 2,6379 3,1240 2,00 3,75
financire Focalisation 37 2,9865 ,42877 ,07049 2,8435 3,1294 1,75 3,75
Total 76 2,9046 ,49492 ,05677 2,7915 3,0177 1,50 3,75
Domination par
TB 4 3,1875 ,55434 ,27717 2,3054 4,0696 2,50 3,75
les cots
dominante Diffrenciation 5 2,8000 ,59687 ,26693 2,0589 3,5411 2,25 3,75
non
financire Focalisation 7 3,6786 ,47246 ,17857 3,2416 4,1155 3,00 4,25
Total 16 3,2813 ,63163 ,15791 2,9447 3,6178 2,25 4,25

Test d'homognit des variances

Diversit_utilisation_indicateurs_TB
Nature_TB Statistique de ddl1 ddl2 Signification
Levene
TB dominante financire 1,361 2 73 ,263
TB dominante non
,198 2 13 ,822
financire

ANOVA 1 facteur
Diversit_utilisation_indicateurs_TB
Nature_TB Somme ddl Moyenne F Significatio
des carrs des carrs n
Inter-groupes ,616 2 ,308 1,267 ,288
TB dominante
Intra-groupes 17,755 73 ,243
financire
Total 18,371 75
Inter-groupes 2,298 2 1,149 4,053 ,043
TB dominante
Intra-groupes 3,686 13 ,284
non financire
Total 5,984 15

Implantation de budget Diversit dutilisation des indicateurs de TB

Descriptives
Diversit_utilisation_indicateurs_TB
Nature_TB N Moyenne Ecart- Erreur Intervalle de confiance Minimum Maximum
type standard 95% pour la
moyenne
Borne Borne
infrieure suprieure
TB Non 6 2,5833 ,73598 ,30046 1,8110 3,3557 1,75 3,50
dominante Oui 70 2,9321 ,46610 ,05571 2,8210 3,0433 1,50 3,75
financire Total 76 2,9046 ,49492 ,05677 2,7915 3,0177 1,50 3,75
TB Non 1 2,2500 . . . . 2,25 2,25
dominante Oui 15 3,3500 ,58858 ,15197 3,0241 3,6759 2,50 4,25
non
financire Total 16 3,2813 ,63163 ,15791 2,9447 3,6178 2,25 4,25

433
 Test d'homognit des variances
Diversit_utilisation_indicateurs_TB
Nature_TB Statistique de ddl1 ddl2 Signification
Levene
TB dominante financire 3,063 1 74 ,084
TB dominante non a,b
. 0 . .
financire
a. Les groupes avec une seule observation sont ignors lors du calcul du test
d'homognit de variance pour Diversit_utilisation_indicateurs_TB.
b. Le test d'homognit des variances ne peut tre effectu pour
Diversit_utilisation_indicateurs_TB car un seul groupe possde une variance calcule.

ANOVA 1 facteur
Diversit_utilisation_indicateurs_TB
Nature_TB Somme ddl Moyenne F Signification
des carrs des carrs
Inter-groupes ,672 1 ,672 2,811 ,098
TB dominante
Intra-groupes 17,699 74 ,239
financire
Total 18,371 75
Inter-groupes 1,134 1 1,134 3,274 ,092
TB dominante
Intra-groupes 4,850 14 ,346
non financire
Total 5,984 15

Implantation de lABC Diversit dutilisation des indicateurs de TB

Descriptives
Diversit_utilisation_indicateurs_TB
Nature_TB N Moyenne Ecart- Erreur Intervalle de confiance Minimu Maximu
type standard 95% pour la m m
moyenne
Borne Borne
infrieure suprieure
TB Non 44 2,9375 ,53136 ,08011 2,7760 3,0990 1,50 3,75
dominante Oui 32 2,8594 ,44422 ,07853 2,6992 3,0195 1,75 3,50
financire Total 76 2,9046 ,49492 ,05677 2,7915 3,0177 1,50 3,75
TB Non 7 3,3214 ,74602 ,28197 2,6315 4,0114 2,25 4,25
dominante Oui 9 3,2500 ,57282 ,19094 2,8097 3,6903 2,50 4,25
non
financire Total 16 3,2813 ,63163 ,15791 2,9447 3,6178 2,25 4,25

Test d'homognit des variances

Diversit_utilisation_indicateurs_TB
Nature_TB Statistique de ddl1 ddl2 Signification
Levene
TB dominante financire 1,073 1 74 ,304
TB dominante non
1,410 1 14 ,255
financire

434
 ANOVA 1 facteur
Diversit_utilisation_indicateurs_TB
Nature_TB Somme des ddl Moyenne F Significatio
carrs des carrs n
Inter-groupes ,113 1 ,113 ,458 ,501
TB dominante
Intra-groupes 18,258 74 ,247
financire
Total 18,371 75
Inter-groupes ,020 1 ,020 ,047 ,831
TB dominante
Intra-groupes 5,964 14 ,426
non financire
Total 5,984 15

Cotation en bourse Diversit dutilisation des indicateurs de TB

Descriptives
Diversit_utilisation_indicateurs_TB
Nature_TB N Moyenne Ecart- Erreur Intervalle de confiance Minimu Maximum
type standard 95% pour la moyenne m
Borne Borne
infrieure suprieure
Non 49 2,8724 ,47358 ,06765 2,7364 3,0085 1,50 3,75
TB dominante
Oui 27 2,9630 ,53576 ,10311 2,7510 3,1749 1,75 3,75
financire
Total 76 2,9046 ,49492 ,05677 2,7915 3,0177 1,50 3,75
Non 10 3,1000 ,61464 ,19437 2,6603 3,5397 2,25 4,25
TB dominante
Oui 6 3,5833 ,58452 ,23863 2,9699 4,1968 2,50 4,25
non financire
Total 16 3,2813 ,63163 ,15791 2,9447 3,6178 2,25 4,25

Test d'homognit des variances

Diversit_utilisation_indicateurs_TB
Nature_TB Statistique de ddl1 ddl2 Signification
Levene
TB dominante
,977 1 74 ,326
financire
TB dominante non
,173 1 14 ,683
financire

ANOVA 1 facteur
Diversit_utilisation_indicateurs_TB
Nature_TB Somme ddl Moyenne F Signification
des carrs des carrs
Inter-groupes ,143 1 ,143 ,579 ,449
TB dominante
Intra-groupes 18,228 74 ,246
financire
Total 18,371 75
Inter-groupes ,876 1 ,876 2,401 ,144
TB dominante non
Intra-groupes 5,108 14 ,365
financire
Total 5,984 15

435
Rsum :
Lobjectif de cette thse est de dterminer linfluence des facteurs de contingence sur lutilit
des tableaux de bord dans le pilotage de la performance des ETI. Pour atteindre un tel
objectif, la revue de littrature a permis dun ct, dapprhender les principaux concepts
thoriques utiliss dans ce travail, et dautre ct de prsenter un cadre de la recherche qui
constitue la pierre angulaire sur laquelle est fonde la conception de notre modle thorique.
Issu dune mthodologie hypothtico-dductive et dun positionnement positiviste, un modle
explicatif de lutilit des tableaux de bord dans le pilotage de la performance des ETI est
labor. Ce dernier incorpore une variable expliquer utilit des TB dans le pilotage de la
performance , dix variables explicatives, et une variable mdiatrice diversit dutilisation
des indicateurs de TB .

Ensuite, ce modle est test auprs de 156 ETI implantes en France. Les donnes recueillies
sont examines en utilisant lanalyse en composantes principales et la mthode de rgression
linaire multiple. Les rsultats de cette tude quantitative exposent les facteurs de contingence
expliquant lutilit des TB dans le pilotage de la performance. Ainsi, cette thse permet
denrichir les travaux thoriques antrieurs relatifs aux dfis de mesure de la performance, et
pratiquement de procurer aux directeurs financiers et aux contrleurs de gestion un cadre
explicatif des nouvelles pratiques de mesure de la performance des ETI.
Mots cls : tableau de bord, contrle de gestion, mesure de la performance, Entreprise de
Taille Intermdiaire, modle de recherche, tude quantitative, facteurs de contingence.

New Challenges of the Performance Measurement System:

A Balanced Scorecards Case
Abstract:
This thesis aims to determine the influence of contingency factors on the utility of balanced
scorecards in the performance management of ISEs. To achieve this objective, the literature
review has allowed, on the one hand, to understand the main theoretical concepts used in this
work and, on the other hand, to present a research framework which is the cornerstone of our
theoretical model. From a hypothetical-deductive methodology and a positivist position, an
explanatory model of the utility of balanced scorecards in the performance management of
ISEs is developed. The latter incorporates one dependent variable which explains the "utility
of balanced scorecards in the performance management", ten explanatory variables and one
mediating variable "diversity of use of BSC indicators".

Then, this model is tested on 156 ISEs established in France. The data collected is examined
using the principal components analysis and the multiple linear regression method. The results
of this quantitative study expose contingency factors explaining the utility of BSC in the
performance management. Thus, this thesis enriches the previous theoretical works on the
challenges of measuring performance, and practically, provides CFOs and management
controllers with an explanatory framework of the new practices of ISEs performance
management.
Keywords: balanced scorecard, management control, performance measurement,
Intermediate-sized Enterprise, research model, quantitative study, contingency factors.

Institut de Recherches en Gestion des Organisations IRGO

Equipe Management bancaire et financier
PUSG 35, avenue Abadie 33072 BORDEAUX cedex