Académique Documents
Professionnel Documents
Culture Documents
ss
ss
N° 2017
Méta
ta-
ta-modèle
mod le de l’oxymore
l oxymore du Contrôle
Contr le de Gestion
Durable des entreprises de la BVC
1
Rachid BOUTTI
Résum
sumé.
sum .
L’objectif de cette contribution scientifique a été de valider notre méta-modèle
réticulaire de la Performance Sociale et Environnementale (PSE) et de la Performance
Economique et Financière (PEF) et leur influence élargie sur le Résultat Courant
Avant Impôt (RCAI) des entreprises à la cote des valeurs. Pour atteindre un tel
objectif, nous avons pu proposer alors d’analyser et de mesurer la performance des
« public equities par la Méthode d’Equations Structurelles (MES) afin de valider le
méta-modèle de la Performance du Contrôle de Gestion ainsi que les hypothèses sous-
jacentes sur lesquelles se fonde notre recherche. Dans ce cadre, notre modèle a été testé
auprès de 44 sociétés à la cote des valeurs au Maroc. La vocation prédictive de notre
modèle, ses relations structurelles et la nature réflective de nos construits nous ont
conduit à retenir la méthode des Modèles d’Equations Structurelles (MES) à l’aide du
logiciel AMOS version 20 en vue de valider notre méta-modèle de recherche. In fine, il
a été possible, à partir de cet outil empirique, d’expliciter un méta-modèle du pilotage
du Contrôle de Gestion Décisionnel 2.0 des entreprises de la Bourse des Valeurs de
Casablanca (BVC) et ses multiples retombées en terme d’externalités positives :
Pertinence, Utilité, Economie, Efficience et Efficacité. Les différents tests réalisés ont
conclu, en toute rigueur, par le truchement de l’enquête longitudinale menée auprès
des entreprises marocaines à la cote des valeurs, à la pertinence et à la robustesse des
Méthodes et Méta-modèles du Pilotage de la Performance.
1
LOUTFI, Touda. Communication et rôle de la Bourse des Valeurs de Casablanca
dans le développement des marchés financiers. p. 31-37.
2
ARTUS, Patrick ; BETBEZE, Jean-Paul et al. 2008. Op. Cit. p. 106.
90 <<< Revue Scientifique CREMA 2017
Nous allons présenter les résultats de l’étude de la performance intégrée
menée par les Modèles d’Equations Structurelles (MES) par le
truchement du logiciel AMOS version 20. Le premier axe proposera une
analyse des objectifs des Méthodes des Equations Structurelles (MES)
dans le contexte des « public equities » marocaines (Axe 1). Le
deuxième point poursuivra cette analyse en soulignant la mesure de
performance de notre méta-modèle : méthodologie adoptée et discussions
(Axe 2). Nous allons mener enfin une discussion de l’ensemble des
résultats de cette recherche quantitative au regard du test des
hypothèses du modèle structurel et des résultats de l’analyse
confirmatoire.
I. MODELE CONCEPTUEL ET
OPERATIONNALISATION DES CONCEPTS
DU MODELE DE RECHERCHE
RECHERCHE
I.2 La modélisation
mod lisation par les Equations Structurelles SEM
Les Modèles d’Equations Structurelles (MES) sont des modèles
d’analyse qui permettent d’étudier les liens de causalité multiple entre
un ensemble de variables latentes (VL) représentant un concept ou un
construit non directement observable, qui nécessite de réunir un
ensemble d’indicateurs pour être mesuré (Roussel et al. 2002). Ces
3
Cette méthode n’est pas valable lorsqu’on voudrait effectuer une analyse de groupe multiple.
103 <<< Revue Scientifique CREMA 2017
indicateurs sont nommés dans les MES variables manifestes (VM), et
sont des variables pour laquelle une mesure peut être directement
recueillie (Jakobowicz, 2007). Nous présentons cet axe la démarche de la
modélisation par les Equations Structurelles (ES). Pour les variables
latentes :
η1 ξ1
η = M ξ = M
Variables latentes :
η m ξ m
142 43 142 43
V L endogène V L ex og ène
η = Bη + Γξ + ζ
Le schéma du modèle structurel externe est le suivant :
x = Λx ξ + δ
y = Λ y η + ε ⇔ y = Λ y (I - B ) −1 ( Γξ + ζ ) + ε
Φ = C o v (ξ ) = E (ξ ξ ’)
ψ = C o v (ζ ) = E (ζ ζ ’)
Θε = C o v (ε ) = E (ε ε ’)
Θδ = C o v(δ ) = E (δ δ ’)
Σxx Σxy
Σ(Λx , Λy , B,Γ, Φ, Ψ, Θε , Θδ ) =
Σyx Σyy
ΛxΦΛx ' + Θδ −1
ΛxΦΓ'[ (I -B)'] Λy '
= −1
Λy [ (I -B)] ΓΦΛx ' Λy [(I -B) (ΓΦΓ'+Ψ)][(I -B)'] Λy ' + Θε
−1 −1
Avec :
105 <<< Revue Scientifique CREMA 2017
Λ x , Λ y : Modèle externe.
B, Γ : Modèle interne.
θ
n
Maximiser
14243 log L(θ ) = −
2
{
log Σ(θ ) + tr SΣ(θ )−1 }
θ
Equivalent de :
-1
Minimiser F = Trace(SC ) - q + Ln(det C) - Ln(det S)
A cet égard, Calcul des écarts-types des paramètres :
n
{
log L(θ) = − log Σ(θ) + tr SΣ−1 (θ)
2
}
−1
ˆ ∂ 2 log L (θ )
C ov (θ ) ≈ − E
∂ θ ∂ θ ' θˆ
Il faut noter que Bentler et Chou mentionnent cinq cas par estimation
de paramètre plutôt que par la variable mesurée. Les variables mesurées
ont généralement au moins un coefficient de chemin associée à une
autre variable dans l’analyse, en plus d’une durée résiduelle ou variance
estimation, il est donc important de reconnaître que les
recommandations Bentler et Chou et Stevens en queue d’aronde à
environ 15 cas par la grandeur de mesure, minimum. Plus généralement,
Loehlin (1992) rapporte les résultats des études de simulation de Monte
Carlo en utilisant des modèles d’analyse factorielle de confirmation.
I.3.3 – Donn
Données
es complètes
compl tes ou un traitement approprié
appropri des donn
données
es
incomplètes
incompl tes
De nombreux logiciels SEM acceptent la corrélation ou l’entrée de la
matrice de covariance. Autrement dit, nous pouvons calculer ces
matrices-même en utilisant un autre logiciel (comme SPSS), puis de les
mettre dans AMOS ou un autre paquet SEM pour l’analyse. Cette
fonction est utile si nous prévoyons de ré-analyser une matrice de
108 <<< Revue Scientifique CREMA 2017
covariance rapportée dans un article de recherche, par exemple.
Habituellement, cependant, le mode préféré d’analyse utilise une entrée
de données brutes: nous disposons une base de données, qui peut-être
dans SPSS ou un autre format commun (comme Microsoft Excel), le
programme SEM calcule la covariance dans le cadre de son analyse
structurelle.
Qu’est-ce que ces programmes font sur des bases de données sans
données complètes ? Les solutions typiques ad-hoc à problèmes de
données manquantes comprennent la suppression des observations
incomplètes des cas, où l’enregistrement d’un ensemble de cas est
supprimé si le cas a un ou plusieurs points de données manquantes, et
par suppression de données paires, où les corrélations bidimensionnelles
sont calculés uniquement sur les cas les données sont disponibles.
Résultats de la suppression par paires dans les différents N de
covariance pour chaque bidimensionnelle ou la corrélation dans la base
de données. Une autre technique généralement utilisée de manipulation
de données manquantes, est la substitution de la moyenne de la variable
pour les points de données manquantes sur cette variable.
Les chercheurs font de leur mieux pour éliminer d’autres modèles, et, par
extension, d’autres explications, mais ce n’est pas toujours possible.
4
Le marché principal (1er compartiment) : ce compartiment cible les grandes entreprises, la
consolidation des comptes est nécessaire pour les sociétés disposant de filiales. Le marché
è
développement (2 me compartiment) : s’adresse aux entreprises de taille moyenne présentant des
è
perspectives d’évolution attractives. Le marché croissance (3 me compartiment) : réservé aux
sociétés en forte croissance ayant un projet à financer. Pour pouvoir accéder à ces marchés et
lever les fonds nécessaires à leur développement, les entreprises doivent respecter au préalable
certaines conditions d’admission.
112 <<< Revue Scientifique CREMA 2017
témoigne d’asymétries concernant la perception de la relation par les
deux partenaires (Anderson et Narus, 1990). Nous avons donc testé
l’existence de ces phénomènes d’asymétrie dans les perceptions du
succès, de la performance et du contrôle. Pour cela nous avons procédé
à des analyses de variance de la variable du résultat enregistré durant
les cinq dernières années. Rendant compte du type de répondants
(responsables ou directeurs) avec deux variables exogènes à savoir la
Performance Economique et Financière (PEF) et la Performance Sociale
et Environnementale (PSE). A cet égard, nous avons analysés les onze
variables d’action adressables comme suivant :
1. VAR122 : Certification dans le cadre de la qualité ;
2. VAR124 : Développement Durable et Responsabilité Sociale et Environnementale ;
3. VAR125 : Corporate Governance ;
4. VAR114 : Application de l’approche genre ;
5. VAR002 : Résultat Courant Avant Impôt durant les cinq dernières années ;
6. VAR006 : Fonds propres durant ces cinq dernières années;
7. VAR012 : Plan stratégique à long terme ;
8. VAR017 : Plan opérationnel pour réaliser les objectifs du plan stratégique
9. VAR027 : Budgets dans l’entreprise ;
10.
10. VAR029 : Lourdeur de la procédure budgétaire ;
11.
11. VAR121 : Système d’Information Intégré ERP.
Concernant les mesures des variables, nous nous sommes appuyés d’une
part, sur des mesures préexistantes issues de la littérature, d’autre part,
sur la série d’entretiens d’experts auprès de Responsables Contrôle de
Gestion et de Directeurs. Ces entretiens ont été conduits au cours du
second semestre 2008. Au final, ces mesures ont ensuite fait l’objet
d’une traduction si cela était nécessaire et d’un pré-test.
II.2 Résultats
R sultats du test des hypothèses
hypoth ses du modèle
mod le structurel
Après avoir présenté les dix hypothèses que nous voulons tester, nous
étudions la description de quatre variables que nous appliquons dans
notre méta-modèle. Comme nous l’avons introduit au début de ce
chapitre, trois études ont été retenues pour analyser la performance de
contrôle de gestion des sociétés cotées à la Bourse de Casablanca, c’est-
à-dire les « public equities ».
Tableau : Résultat
sultat des mesures
mesures fondées
fond es sur la fonction d’ajustement
d ajustement :
RMR, GFI
RMR, GFI
Model RMR GFI AGFI PGFI
Default model 0,03 0,889 0,831 0,502
Saturated model 0,000 1,000
Independence 0,04 0,663 0,596 0,553
model
Source : Nos propres calculs par le biais du progiciel AMOS version 20
Enfin, en ce qui concerne les résidus, les RMR standardisés sont tous
inférieurs au seuil de 0,1 (et dans la majorité des cas inférieur au seuil
de 0,05). En fait, contrairement aux analyses de régressions classiques,
Tableau : Résultat
R sultat des mesures
mesures fondées
fond es sur la fonction d’ajustement
d ajustement :
RMSEA
RMSEA
Model RMSEA LO 90 HI 90 PCLOSE
Default model 0,044 0,094 0,192 0,003
Independence model 0,028 0,247 0,319 0,000
Source : Nos propres calculs par le biais du progiciel AMOS version 20
Tableau : Résultat
R sultat de la covariance
Covariance
Estimate S.E. C.R. P Label
PSE PEF 0,016 0,009 1,711 0,007
Source : Nos propres calculs par le biais du progiciel AMOS version 20
5
Dans cette matrice, la valeur des résidus ne doit pas dépasser 2,58 (Jöreskog et Sör-bom,
1988). Si la valeur des résidus est supérieure 2,58, cela signifie que la covariance entre les
énoncés concernés est mal restituée par le modèle ; nous pouvons conclure alors qu’un énoncé
n’est pas relié à la bonne variable latente ou qu’un énoncé doit être supprimé.
Tableau : Résultat
R sultat de la corrélation
corr lation
Correlation
Estimate
PSE PEF 0,888
Source : Nos propres calculs par le biais du progiciel AMOS version 20
Tableau : Résultat
R sultat de la corrélation
corr lation de chaque variable
6
D’aprés Didellon et Valette Florence (1996), Meschi et livolsi (2001) et Roussel (1996).
131 <<< Revue Scientifique CREMA 2017
raison de la proximité sémantique de certaines échelles. Comme le
préconisent Bagozzi et Yi (1988) et Roussel et al. (2002), la validité
discriminante peut être déterminée lorsque le modèle testé en laissant
libres les corrélations entre les différentes variables latentes est
meilleur (Khi2 inférieur) qu’un modèle où l’on fixerait à 1 les
corrélations entre les variables. Plus précisément, en comparant le
Khi2 obtenu entre le modèle contraint (corrélation fixée à 1 entre les
deux construits testés) et le modèle non contraint (corrélation laissée
libre), nous pouvons constater que la différence de Khi2 est
statistiquement significative au seuil de 1 %, ce qui établit la validité
discriminante des construits.
Tableau : Validité
Validit discriminante des construits
pour 1 degré de
Performance Sociale et
Environnementale (PSE) 79,243 P<0,01
/Performance Economique et
Financière (PEF)
Source : Nos propres calculs par le biais du progiciel AMOS version 20
AMOS peut s’adapter à des modèles qui ne sont pas soumis à ces
limitations.
Indices de parcimonie
PNFI 0,79
612,938
CAIC (1213,92 pour le
modèle saturé)
Last but not least, il faut se pencher sur la validation des hypothèses
avancées précédemment. Notre modèle d’équations structurelles a
permis de valider neuf de nos dix hypothèses (H1_1_VAR114,
H1_2_VAR122, H1_3_VAR124, H1_4_VAR125, H2_2_VAR012,
H2_3_VAR017, H2_4_VAR027, H2_5_VAR029, H2_6_VAR0121) ainsi
l’hypothèse H2_1_VAR006 « fonds propres » a été infirmée. Les
résultats ont confirmé, en effet, un rôle positif des variables de la
Performance Sociale et Environnementale (PSE) sur la performance
globale de même que de la « Corporate Governance » et du
« Développement Durable et Responsabilité Sociale et
Environnementale » sur la Performance du Contrôle de Gestion et sur le
résultat enregistré (au travers de sa composante liée à l’application de
l’Approche Genre et la Certification TQM). Les résultats confirment
également un rôle signifiant des variables de la Performance
Economique et Financière (PEF) autre que la variable VAR006 « fonds
propres durant les cinq dernières années ». Ces variables qui ont
contribuent à la Performance du Contrôle de Gestion étaient : (VAR012
« plan stratégique à long terme », VAR017 « plan opérationnel pour
réaliser les objectifs du plan stratégique », VAR027 « budgets dans
l’entreprise », VAR029 « lourdeur de la procédure budgétaire » et
VAR0121 « système d’information intégré ERP »). Nous avons
également pu présenter les indicateurs construits à partir des données et
qui sont utilisés afin de construire les variables exogènes de notre méta-
modèle. C’est pourquoi nous avons par ailleurs décrit la méthode
138 <<< Revue Scientifique CREMA 2017
d’analyse statistique qui consiste en un modèle d’équations structurelles,
et plus précisément un modèle provenant de la méthode des Modèles
d’Equations Structurelles (MES) à l’aide du logiciel AMOS version 20.
Cette méthode d’analyse économétrique a permis, i) d’étudier les liens
de causalité multiples entre plusieurs variables latentes et variables
manifestes et, ii) d’utiliser différents schémas afin de construire ces
variables latentes. Nous avons enfin présenté les résultats obtenus dans
le méta-modèle identifié, testé et validé. Ces résultats nous ont permis
de confirmer la construction des déterminants de la Performance du
Contrôle de Gestion (PCDG) par le truchement de l’impact de la
Performance Sociale et Environnementale (PSE) et de la Performance
Economique et Financière (PEF). Il a été ensuite question de la
présentation des résultats du modèle autant au niveau de la qualité de
la modélisation, des variables significatives et moyennement
significatives que de la contribution de ces dernières au pouvoir
explicatif de la variable endogène à savoir la Performance du Contrôle
de Gestion (PCDG) mesurée par le Résultat Courant Avant Impôt
(RCAI) pendant les cinq dernières années des « public equities ¸. Nous
avons ainsi pu présenter une discussion portant sur la validation des
hypothèses sous-jacentes au modèle structurel en comparant les
résultats de notre méta-modèle identifié et testé. Enfin, nous avons pu
conclure cette contribution, scientifique, en démontrant que le méta-
modèle identifié, testé et validé, de la Performance Sociale et
Environnementale (PSE) et de la Performance Economique et
Financière (PEF), a été, selon nos résultats probants, adapté à l’étude
Tableau : Récapitulatif
R capitulatif des résultats
r sultats de la recherche
Hypothèses
Hypoth ses de notre recherche Résultats
sultats /
Significativité
Significativit
H1. Performance du Contrôle
Contr le de Gestion (PCDG)
H1_1_VAR114 : L’application de l’approche genre influence positivement Validée
Valid e
la Performance du Contrôle de Gestion
H1_2_VAR122 : L’implémentation et le déploiement de la certification Validée
Valid e
dans le cadre de la qualité influence positivement la Performance du
Contrôle de Gestion
H1_3_VAR124 Les agendas du Développement Durable et la Validée
Valid e
Responsabilité Sociale et Environnementale influencent positivement la
performance du Contrôle de Gestion
H1_4_VAR125 : La Corporate Governance influence positivement la Validée
Valid e
Performance du Contrôle de Gestion (PCDG)
H2. Performance Sociale et Environnementale (PSE)
H2_1_VAR006 : L’existence des fonds propres durant les cinq dernières Non-
Non-Validée
Valid e
années a un effet positif sur la Performance du Contrôle de Gestion
H2_2_VAR012 : La mise en place du plan stratégique à long terme a un Validée
Valid e
effet positif sur la Performance du Contrôle de Gestion
H2_3_VAR017 : L’existence du plan opérationnel pour réaliser les Validée
Valid e
objectifs du plan stratégique a un effet positif sur la Performance du
Contrôle de Gestion
H2_4_VAR027 : L’existence budgets a un effet positif sur la Performance Validée
Valid e
du Contrôle de Gestion
H2_5_VAR029 : La lourdeur de la procédure budgétaire a un effet Validée
Valid e
négatif sur la Performance du Contrôle de Gestion
H2_6_VAR0121 : L’implémentation et le déploiement d’un Système Validée
Valid e
d’Information Intégré ERP a un effet positif sur la Performance du
Contrôle de Gestion