Vous êtes sur la page 1sur 16

La gestion du risque credit par la methode du scoring:

cas de la Banque Populaire de Rabat-Kenitra


Azzouz Elhamma

To cite this version:


Azzouz Elhamma. La gestion du risque credit par la methode du scoring: cas de la Banque
Populaire de Rabat-Kenitra. REMAREM, 2009, pp.291. <halshs-00607954>

HAL Id: halshs-00607954


https://halshs.archives-ouvertes.fr/halshs-00607954
Submitted on 11 Jul 2011

HAL is a multi-disciplinary open access Larchive ouverte pluridisciplinaire HAL, est


archive for the deposit and dissemination of sci- destinee au depot et a la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publies ou non,
lished or not. The documents may come from emanant des etablissements denseignement et de
teaching and research institutions in France or recherche francais ou etrangers, des laboratoires
abroad, or from public or private research centers. publics ou prives.
La gestion du risque crdit par la mthode du scoring: cas de la Banque Populaire de
Rabat-Knitra

Azzouz ELHAMMA
Professeur Agrg en Gestion Financire et Comptable
Docteur en contrle de gestion; UFR: EDG, FSJES : Rabat-Agdal
E-mail : elhamma_azzouz@yahoo.fr

Rsum
La crise financire qui secoue le monde actuellement, notamment les dfaillances successives
des grandes banques internationales (Lehman Brothers aux Etats-Unis par exemple) ont remis
sur le devant de la scne la problmatique des risques bancaires dont le risque crdit. Ce
risque doit tre gr actuellement par des mthodes plus sophistiques. Parmi ces mthodes,
nous citons la mthode du scoring qui reste malheureusement inconnue dans notre pays.
Cet article met vidence, daprs une tude empirique portant sur 46 entreprises clientes de la
Banque Populaire de Rabat-Knitra, les tapes pratiques quil faut respecter pour concevoir
une mthode de scoring. La fonction score extraite semble tre robuste en matire de gestion
du risque crdit.

Concepts cls : Risque crdit - Mthode du scoring Analyse discriminante.

Abstract: Management of credit risk by the scoring method: case of Banque Populaire
of Rabat-Kenitra

In front of the present world financial crisis, especially the successive failures of some famous
international banks (Lehman Brothers in USA for example), the classical methods of the
credit risk management have been questioned in most countries. This risk must be treated by
some methods that are more sophisticated. Among these methods, there is the scoring method
which is, unfortunately, still unknown in our country.
Based on data of 46 client companies of the Banque Populaure of Rabat-Kenitra, this article
shows the different phases that we must respect to establish a scoring method. The scoring
function obtained is preferment in the credit risk management.

Keys words: Credit risk - Scoring method Discriminate analysis

1
Introduction gnrale

Plusieurs types de risques peuvent affecter la survie dune banque. Parmi ces risques, on
trouve notamment le risque de march, doption, de crdit, oprationnel, etc. Le risque de
crdit, appel galement risque de contrepartie, est le risque le plus rpandu. Sil existe
plusieurs types de risques de crdit, celui de non remboursement est un risque majeur. La
crise financire actuelle trouve son origine principale dans ce type de risque, on peut prendre
titre dexemple la crise des subprimes lie au problme du non remboursement des crdits
immobiliers aux Etats-Unis. Plusieurs travaux de recherche ont t raliss pour dtecter
lavance les emprunteurs qui seront dfaillants de ceux qui ne seront pas. Ces travaux sont
bass essentiellement sur lanalyse des comptes annuels des emprunteurs.

Le systme bancaire marocain utilise des mthodes classiques pour faire face aux risques
crdit. Parmi ces mthodes, le diagnostic financier et la prise de garantie occupent sans doute
une place centrale. Cette situation engendre des effets nfastes sur le gonflement des impays
ce qui peut mettre en cause la survie mme de la banque. Or, il existe actuellement des
mthodes sophistiques destines la gestion du risque crdit dont la mthode du scoring.
Cette mthode correspond une mthode danalyse financire qui tente synthtiser un
ensemble de ratios pour parvenir un indicateur unique permettant de distinguer davance les
entreprises saines des entreprises dfaillantes (Edighoffer, 1993).

Dans cet article, nous essayerons de mettre en vidence la dmarche pratique pour la
conception et la validation de la capacit prdictive dune fonction score. Pour illustrer cette
dmarche, nous avons labor une fonction spcifique aux entreprises clientes de la Banque
Populaire de Rabat-Knitra.

Une prsentation des mthodes de gestion du risque crdit dont la mthode du scoring (1) et
une prsentation de nos choix mthodologiques de recherche (2) sont ncessaires pour mener
lanalyse statistique et de prsenter les principaux rsultats obtenus (3). Toutefois, notre
recherche prsente certaines limites et un certain nombre de pistes de recherches futures (4).

1. Les principales mthodes de gestion du risque crdit

Nous prsentons dans cette premire section, tout dabord, la gestion du risque crdit par le
diagnostic financier, ses limites et ses consquences (1.1) et nous exposerons, ensuite, la
mthode du scoring et ses avantages (1.2).

1.1. Gestion du risque crdit par le diagnostic financier classique, ses limites et ses
consquences

1.1.1. Prsentation du diagnostic financier classique et son rle dans la gestion du


risque crdit

Etre un banquier, cest analyser le risque. Chaque banque tablit un diagnostic financier pour
dcrire et porter un jugement sur la sant financire des entreprises sollicitant un crdit. Cette
analyse vise tudier le pass pour diagnostiquer le prsent et prvoir lavenir
(Vernimmen, 1998, p.162). Cest dans cet esprit que le diagnostic financier sest construit.
Son objet est dvaluer la solvabilit future de lentreprise partir de lanalyse des
informations comptables quelle fournit. Il sagit principalement dune approche quantitative.
Au Maroc, le diagnostic financier se focalise essentiellement sur lanalyse des deux tats de

2
synthse: le bilan financier qui constitue un document permettant davoir une ide sur le
patrimoine et donc sur la surface financire globale et le compte des produits et des charges
(CPC) qui prsente le rsultat de lentreprise.

Le bilan comptable rpond notamment aux proccupations fiscales et ne permet pas davoir
un jugement correct sur le risque crdit, cest pourquoi les banques tablissent un autre bilan
appel bilan financier . Ce bilan est prsent aprs affectation du rsultat, les postes de
lactif et du passif sont classs respectivement par ordre de liquidit et dexigibilit croissante.
Ltablissement du bilan financier, partir du bilan comptable, ncessite de mener quelques
retraitements. Le CPC permet dtablir, daprs un certain nombre de retraitements, lESG
(tat des soldes de gestion) qui constitue un outil incontournable pour diagnostiquer le rsultat
par le biais de quelques soldes : marge commerciale, VA (Valeur Ajoute), la CAF (Capacit
dAutofinancement), etc.

Le diagnostic financier se fonde sur des soldes et des ratios analyss dans le temps,
gnralement trois exercices comptables au minimum. Les principaux ratios que la banque
doit analyser sont les ratios de structure financire qui sont principalement le ratio de
financement des immobilisations, lquilibre financier, lindpendance financire, la capacit
de remboursement, etc. ; les ratios de liquidit, notamment la rotation du crdit clients, la
rotation du crdit fournisseurs, etc. et les ratios de rentabilit qui sont principalement la marge
commerciale, la rentabilit conomique, la rentabilit financire, etc.

Le diagnostic financier orient vers lidentification des entreprises prsentant une fragilit doit
pouvoir dtecter la probabilit de dfaillance au travers de certains signes annonciateurs, car
lexistence de difficult se traduit gnralement par certains clignotants ponctuels. Selon
lUnion Europenne des Experts Comptables (cit par Casta et Zerbib, 1979), les indicateurs
de la dgradation peuvent tre rsums ainsi : un fonds de roulement ngatif ou mme une
situation nette ngative, dimportants emprunts court terme ont t raliss pour financer des
prts et des investissements non ralisables rapidement, des emprunts importants viennent
chance sans qui apparaissent des possibilits de renouveler ces crdits, impossibilit de
rgler les dettes lchance normale, persistante dune mauvaise gestion vidente, etc.
Peyramaure et Squarcioni (1981), quant eux, ont identifi quelques indicateurs de difficult
des entreprises. Ces indicateurs sont essentiellement lallongement du crdit fournisseurs, ou,
au contraire, son retrait, le recours des modes de financements nouveaux (factoring, crdit-
bail) et onreux, lalourdissement des frais financiers, la ralisation dactifs immobiliss, la
suspension des dividendes, etc.

Le diagnostic financier permet davoir une ide sur la sant financire des entreprises et donc
didentifier celles qui seront dfaillantes. Toutefois, il prsente plusieurs limites qui
aboutissent des consquences nfastes.

1.1.2- Principales limites et consquences du diagnostic financier classique

Le diagnostic financier prsente plusieurs limites pour une banque, ces limites sont lies
essentiellement la construction du bilan financier et la non matrise des postes risque.
Pour construire un bilan financier, les banques ne tiennent pas en compte que quelques
retraitements conomiques. Parmi ces retraitements, nous citons par exemple les provisions
pour risque et charges, les provisions rglementes, les subventions dinvestissements, les
comptes courants dassocis, les carts de conversion actif, les plus ou moins values sur actifs,
etc. le diagnostic financier qui ne prend pas en considration ces retraitements ne permet pas

3
daffiner davantage la gestion du risque crdit. Toutefois, la prise en compte de ces
retraitements engendre des cots importants supplmentaires que les banques doivent
supporter. Egalement, les comptes de lentreprise sont souvent amnags pour donner une
image plus flatteuse que la ralit. Les postes que la banque doit matriser sont
essentiellement : les frais de recherche & dveloppement, la production immobilise, les
stocks (qui peuvent fictifs), les plus values exceptionnelles, les dettes sur comptes courants
des actionnaires, etc.

En plus de ces deux grandes catgories de limites techniques, le diagnostic financier ncessite
pour une banque beaucoup de temps et un personnel qualifi, ce qui entrane une
augmentation des cots. Ces limites conduisent gnralement des consquences nfastes.
Malheureusement, linexistence de publications spcifiques aux indicateurs de risque crdit
propres aux entreprises nous a pouss faire appel aux consquences globales de la gestion
classique du risque crdit (tableau n1).

Tableau n1: Evolution des crdits distribus par lensemble des tablissements de crdit, des
crances en souffrance et du taux de contentieux durant la priode 2000-2007 (en milliards de
Dirhams)
2000 2001 2002 2003 2004 2005 2006 2007
Crdits accords 204,45 208,03 214,28 231,27 247,29 278,13 327,36 422,6
Crances en 35,80 35,70 38,02 43,22 47,07 43,61 35,61 33,31
souffrance1
Taux de contentieux2 17,51 17,16 17,74 18,69 19,03 15,68 10,88 7,88
Source : tableaux labors par nos propres soins sur la base des rapports annuels de Bank Almaghrib des exercices 2000-2007.

Le tableau n1 montre que les crdits distribus par lensemble des tablissements de crdit
ont une tendance la hausse, de 2000 2007, les crdits distribus ont augment de 106,7%.
Dune manire gnrale, cette augmentation na pas entran une augmentation des crances
en souffrance. Ces dernires ont connu une diminution de 6,95% en 2007 par rapport 2000.
Le taux de contentieux a connu une amlioration significative depuis 2005, mais il reste
encore trs inquitant (environ 8% en 2007). Devant cette situation, des nouvelles mthodes
ont t inventes pour la gestion du risque crdit dont les systmes experts, la notation
externe, le crdit scoring, etc. toutefois, la mthode du scoring peut tre adopte par les
banques marocaines dans un futur proche, alors que les autres ncessitent des investissements
significatifs en matire dintelligence artificielle.

1.2- La mthode du scoring : outil privilgi de la gestion du risque crdit

1.2.1- Dfinition et avantages du crdit scoring

Lanalyse statistique multidimensionnelle vient pour combler les lacunes en matire de


prvision des dfaillances dentreprises et donc de gestion de risques crdits. Gnralement,
cette mthode repose sur la technique de lanalyse discriminante linaire. La mthode du
scoring a vu le jour aux Etats-Unis et sest dveloppe par la suite dans les autres pays
occidentaux. Le scoring correspond une mthode danalyse financire qui tente synthtiser
un certain nombre de ratios sous forme dun seul indicateur susceptible de distinguer les
entreprises saines des entreprises dfaillantes.

1
Les crances dtenues sur un client deviennent en souffrance ds que sa solvabilit apparat compromise ou
quun vnement rend probable le non paiement total ou partiel de sa crance.
2
Taux de contentieux=crances en souffrances/total des crdits accords.

4
A partir dun ensemble de n entreprise divis en deux sous-chantillons (entreprises
dfaillantes et entreprises saines), on mesure K ratios (variables discriminantes) et lon
mesure une variable Z (score Zta). Les valeurs prises par la variable Z doivent tre les plus
diffrentes possibles dun sous-ensemble lautre.
Le score sexprime ainsi :
Z=1 R1+ 2 R2+ 3 R3++ n Rn+b
Avec :
Ri : les ratios comptables et financiers ;
i: les coefficients associs aux ratios ;
b : une constante.

Aucune fonction score na de pouvoir sparateur absolu ; il existe toujours une zone de
recouvrement entre les deux sous-ensembles qui engendre deux erreurs :

Erreur de premier type : il sagit de classer une entreprise dfaillante par lutilisation
de la fonction score parmi les entreprises saines ;
Erreur de second type : il sagit de classer une entreprise saine comme une entreprise
dfaillante par le modle.

Les fonctions scores sont relativement nombreuses. Les premiers travaux ont t entrepris aux
Etats-Unis dAmrique dans les annes 1960, notamment par Altman (1968), Altman,
Haldeman et Narayanan (1977), etc. En France et en Europe, il faut attendre les annes 1970
pour quelles se dveloppent sous limpulsion de plusieurs auteurs : Collongues (1977),
Conan et Holder (1979), Holder, Loeb et Portier (1984) et les responsables successifs des
travaux effectus au sein de la Banque de France partir de lexploitation des donnes de sa
centrale de bilans. Malheureusement, cette mthode du scoring est encore marginalise au
Maroc malgr les nombreux avantages quelle peut prsenter.

La mthode du scoring prsente plusieurs atouts pour le secteur bancaire. Ces avantages
concernent loutil lui-mme et ltablissement qui lutilise. Les atouts spcifiques
loutil sont essentiellement, premirement, la simplicit : lutilisation du score sobtient
gnralement partir dun certain nombre dinformations (de 6 12 en gnral), de ce fait,
elle est utilisable en trs peu du temps (Verdier, 1986). Cette rapidit dans la prise de dcision
prsente un double avantage : un avantage interne de charge de travail dans la mesure o la
tche de lexploitant et le processus de dcision sont considrablement acclrs dune part; et
dautre part, un Avantage commercial, il sagit le fait que le client reoit une rponse en
quelques minutes. Deuximement, lhomognit : avec le diagnostic financier, un client
refus aujourdhui par lexploitant pourrait tre accept demain ou inversement. Dans ce
contexte, il est difficile de dfinir une politique de crdit homogne. Par contre, le crdit
scoring donne la mme dcision quelque soit lagence ou le temps de la prise de dcision.

Les atouts spcifiques pour ltablissement qui lutilise sont, premirement, la diminution des
impays : la mthode du scoring est fonde sur une analyse statistique et objective des critres
de risque, elle se rvle dune efficacit suprieure aux mthodes classiques. Deuximement,
la politique de cautionnement : les tablissements de crdits, pour se couvrir contre un risque
de crdit, recourent gnralement la politique de cautionnement. Toutefois, le
cautionnement est un procd soit coteux, soit anti-commercial, soit les deux. Devant cette
situation, la mthode du scoring permet ltablissement de crdit daccepter sans cautions
les dossiers jugs comme des dossiers sans problmes et ne demande dune caution que
pour les dossiers tangents. Troisimement, la productivit : la mthode du scoring permet une

5
apprciation rapide et relativement fiable (Ramage, 2001), et donc permet en quelques
minutes de traiter un grand nombre de cas qui ne prsentent aucun problme et laisser les
techniques traditionnelles oprer les dossiers tangents. Quatrimement, La dlgation des
dcisions : un personnel moins qualifi, et moins coteux que le personnel capable mener
terme le processus traditionnel de dcision, peut facilement utiliser la mthode du scoring
pour la plupart des dossiers. Cette mthode permet donc la dlgation des dcisions.

Devant ces avantages, la question suivante simpose : quelles sont les tapes pratiques quil
faut respecter pour laborer une fonction score ?

1.2.2- Dmarche pratique de la construction des fonctions scores

La construction dune fonction score repose sur trois principales tapes : la constitution de
lchantillon initial, la slection des variables discriminantes et lanalyse statistique
proprement dite.

Pour la premire tape, dans le monde bancaire, il convient de disposer de deux populations
demprunteurs. La premire regroupe les entreprises qui ont fait dfaut, et la seconde les
entreprises qui nont pas fait dfaut. Il faut signaler ici que le dfaut de paiement est un
vnement qui peut prendre de multiples formes et dont lapprciation comporte une part de
subjectivit3. Une fois le critre de dfaut est dtermin, il convient de disposer des donnes
historiques sur ces dfauts et de constituer un chantillon compos dun nombre suffisant
demprunteurs en situation de dfaut (dfaillant) et autre demprunteurs sains. Il faut signaler
galement lhorizon du modle. Cet horizon peut tre par exemple une anne si lon utilise
linformation de lanne prcdente N-1 pour prvoir les dfaillances de lanne encours N.
Lhorizon est de deux ans si les informations utilises sont celles de lanne N-2.

La deuxime tape concerne les variables que lon va utiliser, il sagit principalement de
savoir quelle est la batterie de variables ou ratios qui vont tre utiliss pour la classification et
la sparation entre les deux groupes. Il convient de signaler que lune des conditions requises
pour la construction dune fonction score est que les variables retenues ne soient pas
corrles. Des variables lies apportent en ralit la mme information et sont redondantes.

La troisime tape est purement statistique, elle consiste, sur la base des chantillons et de
lensemble des variables retenues, laborer la rgle de dcision daffectation qui soit la plus
efficace possible. Dans cette tape, il faut choisir une technique statistique de discrimination.
Les techniques de scoring les plus utilises dans le secteur bancaire sont construites par des
mthodes linaires pour leur simplicit et leur grande robustesse. Les mthodes les plus
utilises sont lanalyse discriminante et la rgression logistique. La fonction identifie sera
mise par la suite lapprciation de sa qualit prdictive.

Ces trois tapes seront respectes dans ltude empirique que nous allons mener dans cette
recherche.

3
Le comit de Ble a prcis la dfinition de dfaut (voir document technique sur lapproche IRB, Janvier 2001,
p.30, cit par Dietsch et Petey, 2003, p. 48). Un dfaut intervient lorsque lun des vnements suivants
surviennent : il est avr que le dbiteur est dans lincapacit de rembourser ; le report de paiement est associ
un vnement de type abondons de crances ; il existe un retard de paiement de plus de 90 jours ; lemprunteur
est juridiquement en faillite.

6
2- Mthodologie de recherche

Cette tude est ralise sur la base des donnes recueillies auprs des entreprises clientes de la
banque populaire de Rabat-Knitra (2.1). Ces donnes sont traites et analyses par une
mthode statistique appele lanalyse discriminante (2.2).

2.1- Construction de la base des donnes

2.1.1- Constitution de lchantillon

Nous avons constitu notre base des donnes sur la base dun chantillon de 46 socits
choisies selon la technique du tirage alatoire, ces entreprises oprent essentiellement dans la
rgion de Rabat-Sal. Notre chantillon se compose de deux sous-ensembles : 23 entreprises
juges comme dfaillantes4 et 23 saines. Le tableau n2 ci-aprs rsume les principales
caractristiques de notre chantillon.

Tableau n2: Caractristiques principales de lchantillon


Principales caractristiques Entreprises Entreprises
saines dfaillantes
Secteurs dactivit
Entreprises industrielles 10 08
Entreprises commerciales 13 15
Formes juridiques
SA 11 09
SARL 12 14

Concernant la taille, notre chantillon (les deux sous-groupes) se compose exclusivement par
des PME. Ce choix se justifie par trois causes. Premirement, les PME sont gnralement
sous capitalises. Deuximement, lendettement des PME est principalement bancaire car
elles nont pas un accs facile aux financements directs et elles sont les plus vulnrables que
les autres et troisimement, elles ont une probabilit de dfaillance nettement plus importante
que les grandes entreprises.

2.1.2- Choix des ratios

Devant linsuffisance ou linexistence des informations dordre qualitatif (stratgique et/ou


organisationnel) dans les dossiers des socits retenues dans lchantillon, nous navons
retenu que les informations comptables et financires sous forme des ratios5. Pour faire des
rapprochements et de porter des jugements sur les aspects essentiels de la vie des socits

4
Le critre de dfaillance retenu ici : toute entreprise ayant une crance classe comme crances en
souffrance est considre comme dfaillante.
5
Les ratios sont des rapports mettant en relation deux grandeurs homognes lis par une logique conomique,
afin den tirer des indicateurs de tendance.

7
choisies, on a distingu trois grandes catgories de ratios : ratios de structure6, dactivit7 et de
rentabilit8. Le tableau n 3 ci-dessous rsume les ratios retenus dans cette recherche.

Tableau n3: Ratios retenus


Aspect Ratio Intitul Formule
R1 Ratio dautonomie financire Capitaux propres/ capitaux
Ratios de permanents
structure R2 Ratio de trsorerie immdiate Disponibilit/ dettes court terme
R3 Ratio dquilibre financier Capitaux permanents/ actif
immobilis net
R4 Part des frais financiers dans la Charges financires//valeur ajoute
Ratios valeur ajoute
dactivit R5 Ratio crdit fournisseurs en (Dettes fournisseurs/ achats TTC+
mois autres charges externes TTT)*12
R6 Ratio crdit clients en mois (Crances clients/CA TTC)*12
Ratio de R7 Rentabilit financire Rsultat net de lexercice/ capitaux
rentabilit propres

Il faut signaler que les ratios sont calculs une anne avant (N-1) la survenance de la
dfaillance. Une fois la base des donnes est construite, il convient de choisir la technique
approprie pour discriminer et opposer les deux groupes.

2.2- Lanalyse discriminante : mthode de lanalyse des donnes recueillies

Dans cette recherche, nous avons retenu lanalyse discriminante de Fisher pour avoir une
combinaison linaire optimale des meilleures variables permettant de distinguer les
entreprises risques des entreprises viables. Ce choix se justifie par le fait que, selon plusieurs
auteurs, notamment Bardos et Zhu (1997), cette mthode prsente des avantages en termes de
robustesses aux fluctuations conjoncturelles et de maintenance.

Comme son nom lindique, lanalyse discriminante a pour but de discriminer, dopposer et de
diffrencier. Cest une mthode statistique multidimensionnelle qui a pour objectif
dexpliquer un caractre qualitatif (appartenance ou non un groupe dindividus) par
lintermdiaire de variables quantitatives explicatives dcrivant les individus. Cest une
mthode utilise notamment par les banques pour le scoring. Les objectifs de lanalyse
discriminante sont diffrents. Selon Romeder (1973), lanalyse discriminante vise rsoudre
deux catgories de problmes :

Comment peut-on sparer deux groupes dindividus grce lutilisation des critres
mesurs sur ces individus ? Dans notre cas, faire la sparation entre les entreprises
dfaillantes et celles saines par le biais dun ensemble de ratios comptables et
financiers (cest lanalyse discriminante but descriptif) ;

6
La structure financire est un concept trs utilis par les analystes financiers, notamment les banquiers. Elle
recouvre ltude des consquences des chois de financement (capitaux propres, dettes de financement), et se
concentre donc sur le passif de lentreprise.
7
Ces ratios permettent dclairer la ralit conomique de lentreprise et ils sont indpendants des problmes de
financement et nabordent pas les problmes de rentabilit. Parmi ces ratios, figurent notamment ceux qui
concernent la valeur ajoute (VA) et les dlais moyens.
8
La rentabilit dune entreprise peut tre dfinie comme son aptitude scrter un rsultat pour un montant
donn de capitaux investis.

8
Comment peut-on raffecter ces individus leurs groupes ? et comment peut-on
identifier la classe dun nouvel individu avec la seule connaissance de la valeur des
critres retenus ? (cest lanalyse discriminante but dcisionnel).

Dans cette recherche, notre objectif est double : descriptif et dcisionnel, les deux approches
de lanalyse discriminante seront donc sollicites.

3- Rsultats et discussion

Avant de prsenter nos principaux rsultats relatifs la fonction score et la validation de sa


capacit prdictive (3.2), il nous parait essentiel de mener une tude portant sur les ratios et
leur capacit de discrimination (3.1).

3.1 : Statistiques lmentaires relatives aux ratios

3.1.1. Etude la diversit des valeurs prises par les ratios

Le tableau n 4 ci-dessous prsente les principales statistiques descriptives des ratios retenus
dans cette recherche.

Tableau n 4: Les principales statistiques descriptives des ratios


Ratios Valeur Valeur Moyenne Ecart-type
minimale maximale
R1 0,42 1,00 0,8548 0,1792
R2 0,00 0,54 0,1087 8,735E-02
R3 0,45 12,91 2,3952 2,4691
R4 0,01 0,44 0,1422 0,1092
R5 0,12 3,29 1,5730 0,8807
R6 0,01 2,84 0,9052 0,7916
R7 0,00 0,21 7,217E-02 5,325E-02

Ce tableau montre que les valeurs prises par les sept ratios retenus sont disperses. Elles
diffrent fortement dune entreprise une autre. Ces valeurs stalent sur un intervalle de 0,58
points (de 0,42 1) pour R1 (ration dautonomie financire); de 0,54 points pour R2 (ratio de
trsorerie immdiate); de 12,46 points pour R3 (ration dquilibre financier); de 0,43 points
pour R4 (la part des frais financiers dans la VA); de 3,17 points pour R5 (dlai crdit
fournisseurs en mois) ; de 2,83 points pour R6 (dlai crdit clients en mois) et de 0,21 points
pour R1 (la rentabilit financire). Cette diversit peut expliquer le phnomne de la
dfaillance, c'est--dire que la diversit de ces ratios peut classer les entreprises en
entreprises dfaillantes / entreprises saines , do la ncessit de tester leurs capacits
de discrimination.

3.1.1: Etude de la capacit discriminante des ratios

Pour avoir une ide prliminaire sur le pouvoir de discrimination de chaque ratio, nous
utilisons le test de diffrence de moyennes de student relatives chaque ratio entre les
entreprises dfaillantes et les entreprises saines. Les rsultats de ce test se rsument ainsi :

9
Tableau n 5: Moyennes compares des ratios retenus
Ratios Entreprise Entreprises Ecart Test-t Signification9
saines dfaillantes
Ratio 1 0,9617 0,7478 0,2139 5,019 0,000*
Ratio 2 0,1396 7,783E-02 6,174E-02 2,538 0,015**
Ratio 3 3,5343 1,2561 2,2783 3,498 0,001*
Ratio 4 0,1813 0,1030 0,0783 2,579 0,013**
Ratio 5 1,9548 1,1913 0,7635 3,234 0,002*
Ratio 6 0,4383 1,3722 -0,9339 -4,928 0,000*
Ratio 7 8,913E-02 5,522E-02 3,391E-02 2,256 0,029**
* significatif au seuil de 1% ** significatif au seuil de 5%

Les premiers rsultats de notre tude (tableau n5) montrent que la moyenne relative au ratio
1 (ratio dindpendance financire) est plus leve chez les entreprises saines (0,96) que chez
les entreprises dfaillantes (0,75). La diffrence entre ces deux moyennes est positive (+0,21)
et statistiquement significative. Ce ratio est discriminant selon le test de student. Cette
situation sapplique galement pour les ratios R2 (Ratio de trsorerie immdiate), R3 (ratio de
lquilibre financier), R5 (ratio fournisseurs) et R7 (Rentabilit financire). Par contre, la
moyenne relative au ratio 6 (ratio clients) est plus leve chez les dfaillantes (1,37) que chez
les saines (0,44). Le dlai client est plus long chez les dfaillantes que chez les entreprises
saines. Or, ces remarques lmentaires ne nous permettent pas de trancher dfinitivement sur
les variables les plus discriminantes. Pour ce faire, nous attendons les verdicts de lanalyse
discriminante.

3.2 : Rsultats de lanalyse discriminante

3.2.1. Prsentation de la fonction score

Lutilisateur aura le choix entre la fonction discriminante (une seule fonction) et les fonctions
de classement (dans notre cas : deux fonctions). Le traitement de notre base des donnes par
le biais du logiciel SPSS10 nous a permis didentifier la fonction score suivante :

Tableau n6: fonction score identifie (extraite de SPSS)


Fonction 1
Ratio 1 2,071
Ratio 2 -0,036
Ratio 3 0,070
Ratio 4 1,662
Ratio 5 0,706
Ratio 6 -1,219
Ratio 7 8,224
constant -2,772

Donc notre fonction score peut scrire ainsi :


Z=2,071 R1-0,036 R2+0,070 R3+1,662 R4+0,706 R5-1,219 R6+8,224 R7-2,772

9
Niveau de significativit : Il sagit de la probabilit p que lhypothse H0 les deux moyennes sont
identiques soit vrifie. Dans cette recherche, on naccepte que les niveaux de signification qui sont
infrieurs 10% au moins.

10
Laffectation aux groupes se fera en fonction des centroides de ces derniers, c'est--dire par
comparaison avec un score discriminant moyen pour chaque groupe. Ce score moyen est
calcul partir de la fonction discriminante, o lon remplace les valeurs individuelles par les
moyens des variables indpendantes pour le groupe dont on soccupe. Les scores
discriminants moyens pour les deux groupes sont donns ainsi :

Tableau n7: fonctions aux barycentres des groupes (extrait de SPSS)


Fonction 1
Appartenance Scores moyens
0 (entreprises dfaillantes) -1,343
1 (entreprises saines) +1,343

Chaque score individuel discriminant individuel est ensuite compar aux deux scores moyens
et affect au groupe dont-il est le plus proche. Mais la question qui se pose est la suivante:
partir de quel score peut-on affecter les individus au groupe 1 (entreprises saines) et non pas
au groupe 0 (entreprises dfaillantes) ? Pour ce faire, on doit dterminer un score qui joue le
rle de frontire entre les groupes. Si les groupes sont de dimensions gales, le score critique
est gal la moyenne des moyennes des scores des groupes. Dans notre cas, ce score est gal
1,343+1,343/2=0.

Donc le score frontire=0

Cette situation nous emmne constater que chaque entreprise peut se classer selon la rgle
de dcision suivante :

Tableau n8: rgle de dcision (extrait de SPSS)


Valeur du score Affectation selon notre modle
Z0 (score positif) Saine
Z<0 (score ngatif) Dfaillante

Mais, il convient de signaler quil y a une zone dincertitude qui se situe entre les deux centres
de gravit des deux groupes (-1,343 et +1,343). Cette zone ne permet pas de trancher
dfinitivement sur la dfaillance ou non des entreprises, ce sont les dossiers tangents.
Concernant les fonctions de classement, le tableau n9 ci-aprs donne les coefficients de ces
deux fonctions fournis par le traitement statistique. Ces coefficients permettent de classer les
entreprises dans les classes.

Tableau n9: Coefficients des fonctions de classement (extraits de SPSS)


Appartenance
Ratios 0 (entreprises dfaillantes) 1 (entreprises saines)
Ratio 1 42,085 47,649
Ratio 2 -3,028 -3,125
Ratio 3 0,400 0,588
Ratio 4 -7,797 -3,331
Ratio 5 -2,726 -0,830
Ratio 6 3,805 0,531
Ratio 7 10,495 32,589
Constant -17,437 -24,884

11
Et donc les fonctions de classement peuvent scrire comme suit :

Z dfaillantes=
42,085 R1- 3,028 R2+ 0,400 R3- 7,797 R4- 2,726 R5+ 3,805 R6 + 10,495 R7-
17,437.
Z saines= 47,649 R1 3,125 R2 + 0,588 R3 3,331 R4 0,830 R5 + 0,531 R6 + 32,589 R7
24,884.

Chaque entreprise est classe selon le score obtenu ; elle est affecte au groupe dans lequel
elle obtient le plus grand score.

3.2.2- Tests du modle labor

Gnralement, on teste la capacit prdictive de la fonction score soit par des tests statistiques
faisant appel des hypothses probabilistes, soit par un test pragmatique par le biais de la
matrice de confusion. Concernant les premiers tests, nous utilisons la corrlation canonique
(tableau n10) et Lambda de Wilks10 (tableau n11).

Tableau n10: Corrlation canonique et valeurs propres (extrait de SPSS)


Fonction Valeur propres % de la % cumul Corrlation
variance canonique
1 1,886 100,0 100,0 0,808

Tableau n11: Test de Lambda de Wilks (extrait de SPSS)


Test de la ou Lambda de Khi-deux ddl Signification
des fonctions Wilks
1 0,346 42,929 7 0,000

Plus la corrlation canonique est proche de 1, meilleur est le modle. Dans notre cas, la
corrlation canonique est gale 80,80%. Ce rsultat est trs encourageant parce que cette
valeur confirme un pouvoir discriminant assez important de la fonction discriminante extraite.
Egalement, la valeur de Lambda de Wilks tant faible, et est gale 0,346, et donc plus
proche de 0 que de 1, avec un khi-deux ayant un degr de signification nul. Cela veut dire
quau niveau global, la diffrence des moyennes des groupes est significative. Pour sassurer
que la fonction discriminante classifie bien les entreprises en sous-groupes, on analyse la
matrice de confusion qui regroupe les entreprises bien classes et les mal classes. Cest le
moyen le plus utilis est aussi le plus parlant . La matrice de confusion de notre fonction
score se prsente comme suit :

Tableau n12: Matrice de confusion


Appartenance Classe (s) daffectation Total
prvue (s)
0 1
Effectif 0 19 04 23
Originale 1 03 20 23
% 0 82,6 17,4 100
1 13,0 87,0 100

10
Lambda de Wilks est le rapport de la variation intra-groupes la variation totale. La variation intra-groupes
est, pour chaque groupe, la somme des carres des diffrences entre les scores discriminants individuels et le
centroide du groupe.

12
Cette matrice fait ressortir que la fonction score extraite ci-dessus permet de classer un an
avant loccurrence de la dfaillance 84,78% (19+20/46) des entreprises correctement. Ce taux
peut se dcortiquer ainsi :

Le pourcentage des bien classes pour les entreprises saines est gal
20/23=87% ;
Le pourcentage des bien classes pour les entreprises dfaillantes est gal 19/23=
82,6%.

Par contre, le taux derreurs (entreprises mal classes) est gal seulement (7/46) 15,21%.
Toutefois, on distingue pour ce taux entre:

lerreur du premier type (classer une entreprise dfaillante par lutilisation de la


fonction score parmi les entreprises saines) : ce taux est gal 4/23=17,4% ;
et lerreur du second type (classer une entreprise saine comme une entreprise
dfaillante par le modle): ce taux est gal 3/23=13%.

Cependant, le pourcentage dentreprises correctement reclasses ne doit pas tre analys dans
labsolu. Il doit tre compar au pourcentage que lon obtiendrait si lon reclassait les
entreprises au hasard. Pour ce faire, un test Q de Presses (Hair et al., 1992 ; cit par
Giannelloni et Vernette, 2001, p.420) sera men. Ce test vrifie que le pourcentage
dentreprises correctement classes est significativement plus important que celui donn par
un choix alatoire. La statistique calcule suit une loi de Khi-deux (2) 1 degr de libert.
Lhypothse nulle est lgalit des deux valeurs, c'est--dire le nombre dindividus bien
classs au hasard et le nombre dindividus classs par la fonction discriminante. Lexpression
de ce test est la suivante :

Q presse=[n-(ncp)]2/n (p-1)

Avec:
n: le nombre des entreprises de lchantillon;
nc : le nombre des entreprises correctement classes ;
p : le nombre de groupes.

Dans notre cas :


Q presse=[46-(392)]2/46 (2-1) = 22,26

La valeur critique du 2 1 degr de libert est gale 3,84, lhypothse nulle doit tre
rejete. La fonction discriminante est donc significativement plus performante que le hasard
pour reclasser correctement les entreprises.

4- Conclusion

Lutilisation des outils classiques par notre systme bancaire pour se couvrir contre les risques
crdit rend ce risque plus dlicat valuer. Devant cette situation, notre travail de recherche
prend toute sa lgitimit thorique, managerielle et mthodologique et surtout, lorsque la
matrise de ce type de risque est devenue actuellement, sur le plan international, lun des axes
stratgiques dans la gestion des banque. Certes, ladoption de cette mthode du scoring par
notre systme bancaire portera une vritable opportunit pour ce systme dans la gestion du
risque crdit.

13
Dans ce cadre, cet article sest intress aux tapes pratiques quil faut respecter pour mettre
en place une fonction score au sein dune banque. Notre fonction est destine la prdiction
des dfaillances dentreprises. Elle est construite, comme la plupart de ce type de modles, sur
la base des informations comptables et financires.

4.1. Limites de la recherche

Ce travail de recherche nous a permis dlaborer, dune manire pratique, une fonction score.
Cependant son utilisation doit se faire avec beaucoup de prcautions pour plusieurs raisons.
Premirement, la mesure de son efficacit sest limite seulement lchantillon initial, c'est-
-dire lchantillon qui nous a servi estimer les coefficients de cette fonction discriminante.
Ce type de validation conduit trs souvent des rsultats trop optimistes. Deuximement, la
non intgration des donnes qualitatives constitue un obstacle devant le fait de complter
lanalyse financire du risque crdit par une autre conomique intgrant notamment des
variables de positionnement de lentreprise sur son march, de matrise des cots de revient
ou dapprciation de la qualit de gestion de lentreprise, etc. et troisimement, les limites
portant sur lanalyse discriminante et notamment celles qui concernent les conditions
thoriques pour son utilisation. Mais, et en pratique, les variables utilises dans les tudes
suivent rarement des lois probabilistes connues. Les conditions thoriques dapplication des
modles sont donc rarement runies (Bardos, 2001).

4.2. Pistes de recherches futures

A partir des limites exposes ci-dessus, nous pouvons proposer quelques voies de recherches
futures, la plus importante consiste introduire dautres variables qualitatives pour complter
cette prsente recherche. Ces variables doivent toucher la stratgie, la structure, le mode de
gestion, etc. la deuxime voie quon peut proposer est celle qui utilise une autre mthode
statistique, notamment la rgression logistique, afin dviter les conditions thoriques quil
faut respecter pour mener une analyse discriminante.

Bibliographie

Altman (1968), Financial ratios discriminant analysis and the prediction of corporate
bankrupcy, Journal of Finance, Sep. 1968, traduction en franais in Girault F. & Zisswiller
R., Finances modernes : thories et pratiques, Tome 1, ed. Dunod, 1973, p. 30-60.
Altman E.I., Haldeman R.G. et Narayanan P. (1977), Zeta analysis. A new model to identify
bankruptcy risk of corporation, Journal of Banking and Finance, Vol.1, Juin, p.29-51.
Bardos M. (2001), Analyse discriminante, application au risque et scoring financier, ed.
Dunod.
Bardos M. et Zhu W. (1997), Comparaison de lanalyse discriminante linaire et rseaux de
neurones, applications la dtection de dfaillance des entreprises, Revue de statistique
applique, XLV4, p. 65-92.
Casta J.F. et Zerbib J.P. (1979), Prvoir la dfaillance des entreprises, Revue Franaise de
Comptabilit, Octobre, p. 506-527.
Collongues Y. (1977), Ratios financiers et prvision des faillites des petites et moyennes
entreprises, Revue Banque, n 365, septembre, p. 963-970.
Conan J. et Holder M. (1979), Variables explicatives de performances et contrle de gestion
dans les PMI, Thse de Doctorat en sciences de gestion, Universit de Paris IX.
Dietsch M., Petey J. (2003), Mesure et gestion du risque de crdit dans les institutions
financires, Revue Banque Edition.

14
Edighoffer J.R. (1993), Crdit management : prvention et gestion des risques dimpays
dans lentreprise, d. Nathan.
Giannelloni J.L. et Vernette E. (2001), Etudes de march, dition Vuibert.
Holder M. et Loeb J., Portier G. (1984), Le score de lentreprise, Paris, Nouvelles ditions
Judiciaires.
Peyramaure Ph., Squarcioni P. (1981), Lentreprise en difficult, d. J. Demas et Cie.
Ramage P. (2001), Analyse et diagnostic financier, d. Dorganisations.
Rapports annuels de Mank Almaghrib des exercices 200-2007.
Romeder J.M., Mthodes et programmes danalyse discriminante, Paris, d. Dunod.
Verdier M. (1986), Laide lanalyse financire : un systme de prvention des difficults des
entreprises, Revue Franaise de Comptabilit, N170, Juillet-Aot.
Vernimmen P. (1998), Finance dentreprise, 3me dition par Quiry P. & Ceddaha F., Dalloz.

15