Gestion Du Crédit Client Des Sociétés en Difficulté Financière Et Coûts Indirects de Faillite

GESTION DU CRÉDIT CLIENT DES SOCIÉTÉS EN DIFFICULTÉ
Document téléchargé depuis www.cairn.info - Université de Strasbourg - - 130.79.168.107 - 18/10/2018 13h11. © Direction et Gestion (La RSG)
FINANCIÈRE ET COÛTS INDIRECTS DE FAILLITE :
le cas des TPE françaises
Philippe du Jardin, Éric Séverin, Philippe Luu
Direction et Gestion (La RSG) | « La Revue des Sciences de Gestion »
2015/3 N° 273 - 274 | pages 83 à 93

ISSN 1160-7742
ISBN 9782916490465
Article disponible en ligne à l'adresse :
--------------------------------------------------------------------------------------------------------------------
https://www.cairn.info/revue-des-sciences-de-gestion-2015-3-page-83.htm
--------------------------------------------------------------------------------------------------------------------
Pour citer cet article :

--------------------------------------------------------------------------------------------------------------------
Philippe du Jardin et al., « Gestion du crédit client des sociétés en difficulté
financière et coûts indirects de faillite :. le cas des TPE françaises », La Revue des
Sciences de Gestion 2015/3 (N° 273 - 274), p. 83-93.
DOI 10.3917/rsg.273.0083
--------------------------------------------------------------------------------------------------------------------
Distribution électronique Cairn.info pour Direction et Gestion (La RSG).

© Direction et Gestion (La RSG). Tous droits réservés pour tous pays.
La reproduction ou représentation de cet article, notamment par photocopie, n'est autorisée que dans les
limites des conditions générales d'utilisation du site ou, le cas échéant, des conditions générales de la
licence souscrite par votre établissement. Toute autre reproduction ou représentation, en tout ou partie,
sous quelque forme et de quelque manière que ce soit, est interdite sauf accord préalable et écrit de
l'éditeur, en dehors des cas prévus par la législation en vigueur en France. Il est précisé que son stockage
dans une base de données est également interdit.
Powered by TCPDF (www.tcpdf.org)

La Revue des Sciences de Gestion, Direction et Gestion n° 273-274 – finance-organisation 83
Entreprendre et environnement turbulent

Gestion du crédit client des sociétés
en difficulté financière et coûts indirects
de faillite :
le cas des TPE françaises
par Philippe du Jardin, Éric Séverin, Philippe Luu
Philippe du JARDIN Éric SÉVERIN*

EDHEC Business School, IAE, Université de Lille 1
Laboratoire RIME Lab, EA 7396
*corresponding author
L
e crédit client (CC par la suite) est un des éléments princi-
paux des actifs de la firme. S.L. Mian et C.W. Smith (1992)
pour le marché américain ou encore M. Deloof (2003)
pour le marché belge montrent que le poste client représente
respectivement 21 % et 17 % du total des actifs de la firme.
Le CC est un élément essentiel du management financier en
particulier pour les TPE (Très petites entreprises). En effet, les
caractéristiques des TPE à savoir une forte asymétrie d’infor-
mation (A.N. Berger et G.F. Udell, 1998), un accès limité aux
Philippe LUU financements externes, une plus grande propension à subir
Université de Nice-Sophia Antipolis des difficultés financières (S. Titman et R. Wessels, 1988) et
Institut d’Administration des Entreprises un rationnement du crédit (S. Farrazi et B. Petersen, 1993) vont
Laboratoire GRM, EA 4711 conduire les TPE à privilégier certains modes de restructuration
lorsqu’elles se trouvent face à des difficultés. La gestion du CC
devient alors un levier majeur dans la politique de développe-
mai-août 2015
Dossier II
www.LaRSG.fr
84 La Revue des Sciences de Gestion, Direction et Gestion n° 273-274 – finance-organisation
ment, de redressement et de survie des TPE. Cette question En définitive, cette étude a pour objectif :
est essentielle lorsque l’on note que, selon l’INSEE, les TPE, • d’examiner la gestion du CC des entreprises en difficulté.
principaux vecteurs d’emplois dans l’économie, représentaient Plus précisément comment évolue le crédit client selon le
en France 93 % des entreprises françaises et 45 % de la valeur degré de difficulté de la firme ? La gestion du poste client
ajoutée produite en 2011. par les firmes en difficulté obéit-elle à un compromis entre
Dès lors, quand les TPE sont en difficulté, comment utilisent-elles la volonté de gagner des parts de marché et celle de faire
leur CC pour tenter de résoudre leurs problèmes ? La réponse à rentrer du cash au plus vite ?
cette question pose le problème du rôle du CC. En plaçant dans • d’analyser, d’une part, les effets d’une politique sous-optimale
l’optique de S.C. Myers (1977) pour lequel les firmes en difficulté du CC sur la performance de la firme et, d’autre part, de
financière sous investissent, M.A. Petersen et R.G. Rajan (1997) mettre en évidence les coûts indirects de la difficulté finan-
montrent que la politique des délais de paiement accordés par cière liés aux comportements des clients.
les entreprises en difficulté oscillent entre deux attitudes. Tout En utilisant une méthodologie de données, nous mettons en
d’abord, M.A. Petersen et R.G. Rajan (1997) mettent en évidence évidence, dans le prolongement de T.C. Opler et S. Titman
que les firmes dont les ventes baissent ont tendance à augmenter (1994), que les TPE faisant face à des problèmes de profita-
leur CC. Ils justifient ce phénomène d’une part, par la volonté bilité ont tendance à augmenter leur CC. En revanche, lorsque
des firmes de conserver leurs parts de marché et, d’autre part, la détresse financière est avérée, les TPE cherchent à réduire
par leur incapacité (en raison de leur fragilité) d’être en mesure leur CC pour dégager du cash. En outre, le CC joue en retour
de récupérer leurs créances dans les délais impartis. sur les performances en particulier lorsque les entreprises font
face à des difficultés financières. Le CC a alors tendance à se
À l’inverse, M.A. Petersen et R.G. Rajan (1997) montrent que la réduire traduisant la méfiance des clients envers leurs sources
difficulté peut conduire les firmes en situation de détresse à exiger d’approvisionnement.
des paiements plus rapides de leurs clients afin de recouvrer Notre papier s’organisera comme suit. La première partie sera
rapidement du cash pour faire face à leurs échéances. Les deux consacrée à la revue de la littérature et aux hypothèses de
attitudes, a priori contradictoires, peuvent néanmoins coexister recherche. La deuxième partie traitera des données et de la
selon le degré de détresse financière. Les firmes faisant face à méthodologie. La troisième partie présentera nos résultats et
des problèmes de profitabilité peuvent être incitées à augmenter analyses. Enfin, nous conclurons.
leur CC, alors que celles connaissant une plus grande détresse
financière peuvent être amenées à réduire leur CC pour obtenir du
cash nécessaire à leur survie. Nous cherchons donc à examiner 1. Revue de la littérature
comment évolue le crédit client selon le degré de difficulté de et hypothèses
la firme ? La gestion du poste client par les TPE en difficulté
obéit-elle à un compromis entre la volonté de gagner des parts
de marché et celle de faire rentrer du cash au plus vite ?
1.1. Gestion du poste client des entreprises
Par ailleurs, la baisse du CC peut également se lire à l’aune des en difficulté
coûts de faillite. En effet, W. Beaver (1966) puis E.I. Altman (1968,
1984) ont montré que la faillite générait des coûts tant directs Quand une entreprise est en difficulté, elle peut osciller entre
(frais d’avocats par exemple) qu’indirects (perte de réputation) deux attitudes en matière de crédit client. La première est d’aug-
dont le montant est substantiel. E.I. Altman (1984) avance que menter le crédit client en vue de gagner des parts de marché. La
ces coûts sont de l’ordre de 20 % de la valeur de la firme. Dans seconde privilégie l’obtention de cash. Pour ce faire, l’entreprise
le prolongement de ces études, T.C. Opler et S. Titman (1994) va tenter de raccourcir le crédit client afin de récupérer du cash
montrent que la difficulté financière entraîne une baisse de la le plus rapidement possible.
performance et une perte de la clientèle avant même la période Comme le mettent en évidence M.A. Petersen et R.G. Rajan
de redressement judiciaire. Ce résultat tend à démontrer l’exis- (1997), la baisse des ventes et l’apparition de pertes conduisent
tence de coûts indirects de faillite avant même la situation de à une augmentation du crédit client. Ainsi lorsque les entreprises
redressement judiciaire. ne sont pas encore en situation de fort « stress » financier, elles
Notre propos cherchera alors à nous interroger sur l’impact de la vont chercher à « financer » des parts de marché en finançant
baisse du CC des TPE en détresse financière sur la performance. leurs ventes. Néanmoins, si cette augmentation du poste client
Si tel est le cas, cela reviendrait à mettre en évidence le coût peut être guidée par la volonté de gagner des parts de marché,
indirect de perte de réputation supporté par l’entreprise vis-à-vis elle peut aussi être la résultante de l’incapacité de l’entreprise
de ses clients, ces derniers doutant de leurs sources d’appro- à être payée plus rapidement par ses clients. En conséquence,
visionnement dans un avenir proche. De fait nous cherchons à pour les firmes en difficulté, gagner des parts de marché par
mettre en évidence les liens entre CC, performance et difficulté extension du CC est une stratégie coûteuse. Le financement du
financière. poste client peut donc être vu comme un moyen de « capturer »
mai-août 2015
Dossier II
www.cairn.info/revue-des-sciences-de-gestion.htm

des clients puisqu’une politique accommodante en termes de W. Beaver (1966) et E.I. Altman (1968) ont mis en évidence que la
délai de paiement peut faciliter les ventes. baisse de performance de l’entreprise conduit à la faillite lorsque
Cependant, lorsque les firmes sont en grande détresse finan- l’entreprise n’est plus capable de faire face à ses engagements
cière, elles peuvent, à l’inverse de la première stratégie être financiers. La faillite est génératrice de coûts directs (frais d’avo-
enclines à réduire leur CC afin d’accélérer les rentrées de cash cats, d’experts…) et de coûts indirects. Ces derniers sont subis
nécessaire aux échéances auxquelles elles doivent faire face. par l’entreprise consécutivement au comportement restrictif des
Cette hypothèse est vérifiée empiriquement par C.A. Molina et banquiers, à la prudence des fournisseurs ou encore à la méfiance
L.A. Preve (2009) qui montrent que cet effet est encore plus des clients. De façon générale, les partenaires de l’entreprise
marqué dans les secteurs concentrés. Par ailleurs, lorsque les (clients, fournisseurs, salariés, banquiers…) perdent confiance
entreprises sont en situation de fort « stress » financier, c’est-à- dans la capacité de l’entreprise à honorer ses engagements. Si
dire lorsque la solvabilité est détériorée, C.A. Molina et L.A. Preve tous les auteurs s’accordent à reconnaître l’existence de coûts
(2009) montrent que les entreprises réduisent significativement indirects de faillite, les mesures employées pour les calculer
le montant de leurs créances clients (en moyenne entre 2 à 3 restent imparfaites. L’évaluation de ces coûts est délicate dans
jours de chiffre d’affaires). Il s’agit bien d’un coût pour l’entreprise la mesure où ils ne trouvent pas de matérialisation chiffrée.
puisque la baisse de leur chiffre d’affaires s’accentue (passant Néanmoins, diverses méthodes d’approximation ont été intro-
de 20 % à 40 %) lorsque le montant des créances clients diminue duites dans la littérature-méthode comparative (E.I. Altman,
fortement. En outre, les auteurs notent que le résultat opérationnel 1984), perte de valeur boursière (D.M. Cutler et L.H. Summers,
et la performance boursière des entreprises en difficulté sont 1988), évolution d’agrégats comptables (G. Andrade et S. Kaplan,
également affectés par une diminution excessive des créances. 1998 ; A. Kalay et al., 2007), méthode des rendements anormaux
En définitive, l’évolution du montant des créances clients des (M.G. Hertzel et al., 2008)-, sans pour autant qu’un consensus
entreprises en difficulté peut être différenciée selon le degré de puisse être dégagé sur leur magnitude. Les résultats des travaux
détresse financière. On peut alors être amené à formuler une d’E.I. Altman font ressortir des coûts totaux avoisinant 20 % de
première hypothèse. la valeur totale de la firme. E.I. Altman (1968, 1984) montre
Hypothèse 1A : les firmes en proie à des problèmes de profita- que les difficultés d’exploitation et la hausse de l’endettement
bilité devraient chercher à augmenter leur crédit client afin de conduisent mécaniquement à une dégradation des performances
gagner des parts de marché. et de la valeur. Cette situation fragilise l’entreprise qui peut, dans
Hypothèse 1B : les firmes en situation de détresse financière les cas les plus graves, être liquidée.
devraient chercher à diminuer leur crédit client afin de faire face L’approche d’E.I. Altman (1984) comporte deux limites. La première
à leurs engagements. réside dans l’apparition des coûts indirects qui ne surviendraient
qu’une fois la survenance du redressement judiciaire reconnu.
La seconde tient dans le(s) lien(s) de causalité qui conduisent à
1.2. Crédit client performance et difficulté la faillite. À ce stade, on ne peut distinguer avec certitude si le
financière déclin des performances est le fruit de la difficulté financière ou
si la baisse des profits et la dégradation économique de la firme
Un certain nombre de travaux se sont intéressés à l’influence sont source de la difficulté financière. T.C. Opler et S. Titman
du besoin en fonds de roulement (BFR) sur la performance. Le (1994) enrichissent la relation d’E.I. Altman et montrent que la
BFR, dans une première approche, peut être considéré comme le difficulté financière entraîne une perte de confiance se traduisant
rapport du poste client et des stocks comparativement au crédit par exemple par une perte de clientèle avant même la période de
fournisseur. K. Padachi (2006) et M. Deloof (2003) montrent que redressement judiciaire. En d’autres termes, les coûts indirects
le BFR impacte la performance. Plusieurs autres études mettent ne naissent pas avec l’existence d’une procédure de redresse-
en évidence une relation négative entre le résultat d’exploitation ment judiciaire mais préexistent avant même le redressement
et le BFR (H. Nobanee et al., 2009 ; I. Lazaridis et D. Tryfonidis, judiciaire. T.C. Opler et S. Titman (1994) arguent que les entre-
2006 ; P.J. Garcia Teruel et P.M. Solano, 2007 ou encore S. prises en difficulté peuvent subir une baisse de performance et
Chatterjee, 2010). d’activité avant même une situation de redressement judiciaire.
En définitive, l’augmentation du BFR réduit la profitabilité de Cette réflexion avait déjà été suggérée par J.F. Malécot (1984).
l’entreprise. Dans ce prolongement, si l’on se réfère à la décompo- Ce dernier montre que les différents acteurs peuvent émettre
sition du BFR, toute augmentation du CC, ceteris paribus, devrait des doutes quant à la pérennité d’une entreprise lorsqu’elle se
avoir un impact négatif sur la performance et cela nonobstant trouve en situation de difficulté financière. De crainte de subir
les raisons qui gouvernent à la modification du CC. des coûts d’opportunité et de crédibilité (J.F. Malécot, 1984),
Cette approche reste néanmoins incomplète car elle ne tient les partenaires de l’entreprise vont chercher à mieux se garantir
pas compte d’une part, des effets bénéfiques de la hausse du avant même la situation de redressement judiciaire. Parmi ces
CC sur la performance des ventes (M.A. Petersen et R.G. Rajan, coûts, on trouvera des coûts d’agence ou de délégation, portant
1997) et, d’autre part, de l’existence des coûts indirects liés à sur la renégociation de contrats commerciaux et/ou financiers.
la difficulté financière. Ainsi, les clients peuvent craindre une baisse de la qualité du
mai-août 2015
Dossier II
www.LaRSG.fr
produit ou une disparition du service après-vente. En effet, si éléments nous ont conduits à retenir, sur la période 2001-2010,
les clients ne sont pas assurés de leurs sources d’approvision- 9830 entreprises.
nement, ils peuvent – pour sécuriser leurs activités – chercher Pour tester la validité des données contenues dans la base
d’autres fournisseurs et au-delà, faire perdre des parts de marché Diane, nous avons employé des équations de cohérence visant
à l’entreprise en difficulté. En revanche, certains coûts (appelés à détecter les erreurs ou imperfections pouvant exister dans la
coûts a posteriori) n’apparaissent qu’une fois la défaillance base de données. C’est pourquoi nous avons entrepris de filtrer
reconnue et prononcée : il s’agit de coûts de liquidation ou de les données au travers d’équations de cohérences2. Par rapport
réorganisation. En nous basant sur le travail de T.C. Opler et S. aux items retenus, nous avons veillé à ce ce que tous les postes
Titman (1994), nous allons chercher à mesurer, pour les firmes et informations comptables de base des entreprises concernées
en difficulté, l’impact de la baisse du CC sur la performance de soient renseignés sur la période de notre étude (9 ans). Cela
l’entreprise (baisse du CA ou du résultat). Si un fort endettement nous amène donc à travailler sur des données cylindrées. En
allié à la baisse du CC conduit à une baisse du CA alors, il sera outre, les variables dépendantes ont été winsorisées à 1 % et
possible de mettre en évidence les coûts indirects de faillite 99 % de façon à limiter l’influence des valeurs extrêmes.
liés à l’attitude restrictive des clients. En d’autres termes, cela Cela nous a conduits à ne retenir qu’un échantillon de 6620
signifiera que les clients se désengagent d’une relation qu’ils firmes sur une période de 9 ans allant de 2001 à 2009.
estiment dangereuse mettant ainsi en relief l’existence de coûts
indirects “clients” avant même la situation de redressement
judiciaire. Cela nous amène à une seconde hypothèse.
2.1.2. Variables
Hypothèse 2 : La baisse du CC entraîne une baisse de perfor- Le tableau ci-dessous reprend les définitions et les modes de
mance pour les entreprises en détresse financière. calcul des variables utilisées.
Tableau 1. Liste des variables utilisées
2. Données, variables La première colonne reprend la variable. La seconde reprend le mode
de calcul de chacune des variables
et méthodologie Variables Mesures
Ventes (CA) Chiffre d’affaires en K€.
Total actif (TA) Total actif en K€.
2.1. Données et variables Crédit client en jours (Crédit client/ventes)*360.
(CC/CA)
Crédit client/Total Crédit client/Total actif.
2.1.1. Données actif (CC/TA)
1° mesure de la Une firme est considérée comme en difficulté
Pour traiter de nos questions de recherche, nous avons extrait difficulté financière financière lorsque le ratio (EBE/Charges
nos données de la base DIANE qui contient les comptes finan- (FINDIST) (Asquith et financières) est inférieur à 1 pendant au
al., 1990) (DIFIN1) moins 2 ans consécutivement ou inférieur à
ciers détaillés (bilan et compte de résultat) de plus de 1 million 0,8 sur 1 année.
de firmes françaises sur une période de 10 ans. Le choix d’une Cette variable est binaire. Elle est codée
période de 10 ans se justifie essentiellement par la dimension 1 lorsque l’entreprise est en difficulté, 0
temporelle dans l’analyse empirique de ce travail et par l’anté- autrement.
riorité des données mises à disposition.
En accord avec la recommandation européenne de 2003, nous
avons retenu comme critère des TPE les firmes qui emploient
moins de 10 salariés et dont le CA et/ou le total de bilan sont
inférieurs à 2 millions. Nous avons exclu les compagnies cotées
ou celles possédant des filiales. Dans le prolongement de S. Datta
et al. (2005), nous avons exclu toutes les firmes financières.
Nous avons retenu, à l’instar de Datta et al. (2005), l’ensemble
des sociétés industrielles et commerciales (code SIC allant de
2000 à 5999)1. Plus précisément, les firmes des secteurs 20 à
39 sont celles du secteur de la fabrication. Les secteurs 40 à 49 2. Nous avons supprimé l’ensemble des firmes pour lesquelles :
- le total de l’actif était différent du total du passif,
comprennent les secteurs du transport de la communication, de - le CA ou le total actif était négatif,
l’électricité, du gaz et des services et les firmes dont les codes - le crédit client était égal à 0,
- le fonds de roulement calculé par le bas du bilan différait de celui observé
SIC sont compris entre 50 et 59 sont celles du commerce. Ces par le haut bilan avec un seuil d’erreur de 1 %,
- le résultat net du bilan et celui du compte de résultat différait avec un seuil
1. La base Diane reprend les codes NAF2. C’est à partir de cette nomencla- d’erreur de 1 %,
ture que nous avons travaillé. La codification NAF, équivalente à celle du SIC, - les entreprises dont les informations suivantes faisaient ressortir des valeurs
permet la classification sectorielle des firmes. négatives : actif immobilisé, capitaux propres et dettes.
mai-août 2015
Dossier II

Variables Mesures Variables Moyenne Ecart type Médiane
2° mesure de la Une firme est considérée en difficulté finan- VARCA (Variation du CA en N et 0,19 0,98 0,12
difficulté financière cière en prenant en compte son levier. Le N-1)
(FDLEV) (T.C. Opler levier est mesuré comme le rapport entre EBITDA/TA 0,10 0,10 0,12
et S. Titman, 1994) les dettes financières rapportées aux dettes
INV/TA 0,06 0,05 0,07
(DIFIN2) financières plus les capitaux propres (Valeur
des dettes financières/valeur des dettes VENTACT/TA -0,11 % 0,8 % -0,01 %
financières + valeur des capitaux propres).
Lorsque le levier de la firme est situé dans Tableau 3. Distribution des firmes selon leur champ d’activité
les deux derniers déciles de son secteur, La première colonne reprend le secteur industriel. La seconde
l’entreprise est considérée en difficulté. colonne reprend le nombre d’entreprises dans chacun des secteurs.
Cette variable est binaire. Elle est codée La troisième colonne représente le pourcentage (le poids) de chaque
secteur dans notre échantillon total.
1 lorsque l’entreprise est en difficulté, 0
autrement.
Secteur industriel Effectif %
3° mesure de la Une firme est considérée en difficulté si elle
difficulté financière connaît 3 ans de pertes consécutivement. C (industrie manufacturière) (secteur 10 à 33) 1174 18
(LOSSFD) (DeAngelo Cette variable est binaire. Elle est codée D&E (électricité et gaz) (secteur 35 à 39) 54 0,9
et DeAngelo, 1990) 1 lorsque l’entreprise est en difficulté, 0 G (automobile et motocycles) (secteur 45à 47) 4796 72
(DIFIN3) autrement.
H (transport et entreposage) (secteur 49 à 53) 355 5
Crédit fournisseur (Crédit fournisseur/Coût d’achat)*360.
I (Restauration) (secteur 56) 168 3
en jours (CFR/CA)
J (Information et communication) (secteur 58 à 61) 73 1,1
Délai d’écoulement (Stocks/coût des marchandises
des stocks en jours vendues)*360. Total 6620 100
(STO/CMV)
Levier (LEV) (Valeur des dettes financières/valeur des
Tableau 4. Distribution des firmes selon le nombre d’employés en 2009
La première colonne reprend le nombre d’employés. La seconde
dettes financières + valeur des capitaux
colonne reprend le nombre d’entreprises pour chaque catégorie de
propres) (en valeur comptable).
nombre d’employés. La troisième colonne représente le pourcentage
Variation des (Chiffre d’affaires en N – chiffre d’affaires en de chaque catégorie d’entreprises dans notre échantillon total.
ventes (Croissance N-1)/Chiffre d’affaires en N-1)
des ventes en N) Nombre d’employés Effectif %
(VARCAN/N-1)
0 1072 16,2
Performance écono- EBITDA/Total actif.
mique (EBITDA/TA) 1 413 6,2
Investissement/ Investissements/Total actif. 2 239 3,6
Total actif (INV/TA) 3 1157 17,5
Ventes actifs (Variation du total des actifs lorsque cette 4 563 8,5
(VENACT/TA) valeur est négative/Total actif).
5 571 8,6
6 1447 21,9
2.1.3. Statistiques descriptives 7 462 7,0
8 405 6,1
Les statistiques descriptives sont présentées dans les tableaux
9 291 4,4
ci-dessous.
Total 6620 100
Tableau 2. Statistiques descriptives de notre échantillon
La première colonne reprend les variables. Les deuxième, troisième
et quatrième colonnes reprennent respectivement la moyenne, La lecture du tableau 4 met en évidence que 16,2 % des entreprises
l’écart-type et la médiane ne comportent aucun salarié. L’essentiel des TPE ont entre 4 et
Variables Moyenne Ecart type Médiane 6 employés (56,4 %) comparativement aux entreprises de 1 à 3
CA en K€ 746,16 359,94 698,37 salariés (27,3 % de notre échantillon). Ces résultats ne sont pas
TA en K€ 577,29 245,76 528,54 complètement en phase avec l’étude de N. Aktas et al. (2011)
CC/CA en jours 54,18 33.03 51,37
qui fait ressortir une proportion sensiblement égale entre les
CC/TA 0,20 0,11 0,18
entreprises ayant 0 employé et les entreprises dont le nombre
DIFIN1 0,10 0,30 0,00
d’employés est compris entre 4 et 6 (respectivement 24,84 %
DIFIN2 0,03 0,14 0,00
et 24,10 %). La différence vient du fait que, dans leur étude,
les auteurs élargissent leurs échantillons aux TPI (Très petites
DIFIN3 0,03 0,17 0,00
industries) pour des raisons de représentativité de l’échantillon.
CFR/CA en jours 51,09 28,43 46,26
Ils ont relevé le critère de l’effectif à 20 salariés pour les TPE
STO/CMV en jours 0,25 0,21 0,28
du secteur de l’industrie. Si on exclut ces entreprises de leurs
LEV 0,27 0,22 0,23
échantillons en se focalisant sur les seules TPE, on obtient des
proportions différentes. Notre échantillon fait ressortir une plus
mai-août 2015
Dossier II
www.LaRSG.fr
88 La Revue des Sciences de Gestion, Direction et Gestion n° 273-274 – finance-organisation
faible proportion d’entreprises n’ayant pas de salarié (16,2 % d’hétéroscédasticité4. Pour déterminer le modèle à retenir (fixe
dans notre échantillon comparativement à celui de N. Aktas et ou aléatoire), on utilise le test d’Hausman. Le test d’Hausman
al., (2011) qui fait ressortir un taux de 26 %) et une proportion permet de confirmer la présence ou l’absence de corrélations
légèrement supérieure d’entreprises dont les effectifs vont de entre les effets spécifiques et les variables explicatives. Ce
1 à 6 salariés (66,3 % dans notre échantillon contre 62 % dans résultat suit une loi du Chi carré. En d’autres termes, on a une
l’étude d’Aktas et al. (2011)). Malgré ces différences, les échan- hypothèse H0 = effet aléatoire et H1 = effet fixe. Lorsque l’hypo-
tillons restent de même nature. thèse H0 est rejetée, les effets individuels ne sont pas aléatoires
Tableau 5. Distribution des firmes selon la forme juridique et sont dépendants des variables exogènes, on utilisera alors
La première colonne reprend la forme juridique. La seconde colonne les effets fixes. En revanche, si on ne peut rejeter l’hypothèse
reprend le nombre d’entreprises pour chaque catégorie de forme nulle, on utilisera les effets aléatoires.
juridique. La troisième colonne représente le pourcentage de chaque Ayant présenté nos données et notre méthodologie, nous dévelop-
catégorie d’entreprises dans notre échantillon total.
perons nos résultats au sein de notre troisième partie.
Forme juridique Effectif %
EURL 591 8,9
3. Analyse des résultats
S.A. 215 3,2

S.A.R.L. 5805 87,69
Société en action simple 9 0,1 Notre première hypothèse vise à déterminer la politique de crédit
Total 6620 100 client engagée par les firmes en difficulté (hypothèse 1A) et de
vérifier que les firmes en détresse financière réduisent leur poste
Le tableau 5 met en évidence une grande majorité de SARL. client dans le but d’obtenir du cash (hypothèse 1B).
Là encore, nos résultats sont à mettre en évidence avec ceux
d’I. Bellettre (2010). L’auteur met également en évidence une
prépondérance des SARL et des EURL. Si le pourcentage de notre 3.1. Profitabilité et Crédit client
échantillon concernant les EURL est sensiblement identique à celui
d’I. Bellettre (8,9 % contre 9,2 %), les SARL sont surreprésentées Afin de tester l’hypothèse 1A, nous estimons l’équation suivante
(87,69 % dans notre échantillon contre 79 % dans celui d’I. Bellettre). dans la lignée de M.A. Petersen et R.G. Rajan (1997).
Ce résultat peut s’expliquer par l’échantillon de l’étude Bellettre (CC/ventes)it = α + b1VarPOSCAit + b2 VarNEGCAit + b3 BENETit
qui incorpore également des TPI allant jusqu’à 20 salariés. + b4 PERNETit + θXit + eit. (Équation 1).
Dans ce modèle, la variable CC/ventes est le rapport entre le
crédit client et le montant des ventes. Ce ratio est mesuré en
2.2. Méthodologie jours et se définit comme (CC/ventes)*360. VarPOSCA est une
variable muette égale à 1 si la croissance du CA est positive et
La méthodologie utilisée sera celle des données de panel. Comme 0 autrement. VarNECA est également une variable muette qui
les observations sont sur 9 ans, la technique de données de panel est égale à 1 si la variation du CA est négative et 0 autrement.
peut être utilisée. B. Dormont (1989) avance que les données BENET est égal aux bénéfices de la firme rapporté aux ventes.
de panel ont plusieurs avantages. Elles permettent de rendre Dans le cadre d’une perte, cette valeur est égale à 0. PERNET
compte simultanément de la dynamique des comportements et est égal aux pertes de la firme divisé par les ventes. Dans le
de leur hétérogénéité éventuelle. Les études en coupe instan- cas de bénéfice, cette valeur est égale à 0.
tanée ne permettent pas de contrôler cette hétérogénéité, ce Xit est une matrice de contrôle qui prend en compte la difficulté
qui peut biaiser les résultats. Les données en panel possèdent financière et le crédit fournisseur. Nous prenons en compte ici
deux dimensions : une pour les individus et une pour le temps. la difficulté financière en distinguant les firmes connaissant
Elles sont traditionnellement et respectivement indiquées par des problèmes de profitabilité (pertes) et celles subissant des
l’indice i (individu) et t (temps). L’intérêt des données de panel problèmes de cash-flow (détresse financière). Cette variable est
est d’identifier l’effet associé à chaque individu (c’est-à-dire l’effet donc une variable muette qui est mesurée de 3 façons. Dans
qui ne varie pas dans le temps, mais qui varie d’un individu à une première approche, en ligne avec celle de P. Asquith et al.
l’autre). Cet effet peut être fixe ou aléatoire. Outre ces effets, (1994) nous mesurons la difficulté financière au travers du ratio
il faut également étudier les questions de d’autocorrélation3 et EBE/Charges financières. Une firme est considérée comme en
3. La détection de la présence d’autocorrélation se fait au moyen d’un test de

Durbin Watson pour une autocorrélation de premier ordre qui prend la forme inférieure et la limite supérieure au-delà desquelles il est possible de prendre
suivante : une décision.
4. L’hétéroscédasticité inter-individus est testée au moyen d’un test de White.
Pour l’hypothèse nulle, les tests supposent que la variance des erreurs est
la même pour tous les individus. On est donc en présence là encore d’une
Au numérateur, il y a une observation de moins qu’au dénominateur puisque la statistique du Chi carré. Si la valeur du test est inférieure à la valeur critique,
première observation est perdue. L’interprétation du test de Durbin-Watson se on peut en conclure que la variance des erreurs est la même pour tous les
fait dans des stables spécifiques reprenant la taille de l’échantillon, la limite individus (homoscédasticité).
mai-août 2015
Dossier II
Tableau 6. Influence de la profitabilité sur le crédit client

La première colonne représente la variable à expliquer (CC/CA) et les variables explicatives. Les trois modèles prennent en compte une mesure
différente de la difficulté financière (DIFIN1, DIFIN2, DIFIN3). CC/CA représente le crédit client rapporté aux ventes. Var POSCA est une variable
muette qui prend la valeur 1 si la croissance du CA est positive et 0 autrement. VarNEGA est une variable muette qui prend la valeur 1 si la
croissance du CA est négative et 0 autrement. BENET est le bénéfice rapporté aux ventes. PERNET représente la perte rapportée aux ventes.
CFR/CA est le crédit fournisseur rapporté aux ventes. DIFIN1, DIFIN2 et DIFFIN3 sont des mesures de difficulté financière. DIFIN1 est le rapport
EBE/Charges financières. Si ce ratio est inférieur à 1 pendant au moins 2 ans consécutivement ou inférieur à 0,8 sur 1 année, l’entreprise est
considérée comme en difficulté financière. Cette variable est binaire. Elle est codée 1 lorsque l’entreprise est en difficulté, 0 autrement. DIFIN2
est une mesure de levier ainsi calculé (Valeur des dettes financières/valeur des dettes financières + valeur des capitaux propres). Lorsque le
levier de la firme est situé dans les deux derniers déciles de son secteur, l’entreprise est considérée en difficulté. Cette variable est binaire
codée 1 lorsque l’entreprise est en difficulté, 0 autrement. DIFIN3 est une variable mesurant 3 ans de pertes consécutives. Cette variable est
binaire codée 1 lorsque l’entreprise est en difficulté, 0 autrement. Les modèles 1, 2 et 3 sont calculés respectivement avec les mesures de
difficulté financière DIFIN1, DIFIN2 et DIFIN3.
CC/CA Modèle 1 Modèle 2 Modèle 3
Coefficient p-value Coefficient p-value Coefficient p-value
CONSTANTE 23,30*** 0 23,49*** 0 23,31*** 0
VarPOSCA -0,42 0,634 -0,53 0,621 -0,50 0,651
VarNEGA -3,02** 0,041 -2,99** 0,032 -3,12* 0,072

BENET - 3,35* 0,051 -2,05* 0,053 -2,79* 0,052
PERNET -1,96*** 0,000 -2,25*** 0,000 -2,75*** 0,000
CFR/CA 0,20*** 0,000 0,14*** 0,000 0,17*** 0,000
DIFIN1 -0,46** 0,047
DIFIN2 -0,65*** 0,002
DIFIN3 -0,55*** 0,002
R2 0,08 0,07 0,06
Hausman test 87,34*** 54,34*** 34,21***
Note : ***, ** et * respectivement significatif à 1, 5 et 10 %. Le R2 représente le pourcentage de la variance expliquée par le modèle. La taille
de l’échantillon est de 6620 sur la période 2001-2009. Le test d’Hausman nous conduit à rejeter le modèle à effet aléatoire. En définitive, le
test d’Hausman sert à vérifier si les caractéristiques individuelles (effets spécifiques) sont corrélées avec les variables exogènes (explicatives).
difficulté financière si ce ratio est inférieur à 1 sur deux années Le fait de distinguer les firmes dont le CA est en croissance et
consécutives ou s’il est inférieur à 0,8 sur une seule année (ce en décroissance est un moyen de contrôler les firmes qui ont dû
ratio est appelée DIFIN1). faire face à des problèmes de profitabilité (pertes/bénéfices).
Bien que ce ratio est communément accepté dans la littérature, il L’utilisation de la variable crédit fournisseur comme variable de
ne peut prendre en compte que les firmes dont les charges finan- contrôle répond au fait que les firmes qui utilisent massivement
cières sont trop fortes et celles dont l’EBE est trop faible même si le crédit fournisseur auront plus de fonds pour financer leur
la firme n’est pas excessivement endettée. C’est pourquoi, pour crédit client (en d’autres termes le crédit fournisseur permet de
considérer l’importance de la dette, nous avons utilisé une autre financer le crédit client).
mesure de difficulté financière qui tient compte de l’importance En concordance avec les résultats de M.A. Petersen et R.G.
de l’endettement au sein d’un secteur industriel. Là aussi, nous Rajan, nous mettons en évidence que les firmes qui connaissent
avons opté pour une variable muette lorsque l’entreprise est dans des pertes et qui subissent une baisse de leur CA recourent
les deux derniers déciles de l’endettement (Valeur des dettes plus largement au crédit client. De la même façon que M.A.
financières/valeur des dettes financières + valeur des capitaux Petersen et R.G. Rajan (1997), nous mettons en évidence que les
propres) dans son secteur d’activité. firmes augmentent leur crédit client à la fois en cas de hausse
Dans ce cas, les firmes en difficulté sont codées 1, et 0 autre- et de baisse du CA. Concernant les variables de contrôle, notre
ment. Cette mesure est celle de T.C. Opler et S. Titman (1994) hypothèse est vérifiée à savoir que la difficulté financière agit
(ce ratio est appelé DIFIN2). Enfin, une dernière façon de mesurer négativement sur le crédit client. En d’autres termes, les entre-
la difficulté financière consiste, dans le prolongement de (H. prises n’ont plus les moyens de financer leurs clients et sont
DeAngelo et L. DeAngelo, 1990), à dire qu’une firme est en dans l’obligation de faire rentrer du cash le plus vite possible.
difficulté financière lorsqu’elle fait 3 ans de pertes consécutive- De même les entreprises qui peuvent jouer sur des délais
ment. Dans ce cas la variable est codée 1, 0 autrement (variable fournisseurs longs peuvent bénéficier ou faire bénéficier leurs
DIFIN3). Le crédit fournisseur quant à lui est le rapport du poste clients de délais plus importants. Dans le prolongement de M.A.
fournisseur rapporté aux ventes. Le ratio est donc calculé comme Petersen et R.G. Rajan (1997), nos résultats mettent en évidence
le rapport du poste fournisseur sur le CA multiplié par 360 jours. que les firmes qui doivent faire face à des pertes et une baisse
de leur CA perdent la capacité de faire payer leurs clients plus
mai-août 2015
Dossier II
www.LaRSG.fr
Tableau 7. Difficulté financière et crédit client

La première colonne représente la variable à expliquer (CC/CA) et les variables explicatives. Les trois modèles prennent en compte une mesure
différente de la difficulté financière (DIFIN1, DIFIN2, DIFIN3). CC/CA représente le crédit client rapporté aux ventes. DIFFIN1 est le rapport
EBE/Charges financières. Si ce ratio est inférieur à 1 pendant au moins 2 ans consécutivement ou inférieur à 0,8 sur 1 année, l’entreprise est
considérée comme en difficulté financière. Cette variable est binaire. Elle est codée 1 lorsque l’entreprise est en difficulté, 0 autrement. DIFIN2
est une mesure de levier ainsi calculé (Valeur des dettes financières/valeur des dettes financières + valeur des capitaux propres). Lorsque le
levier de la firme est situé dans les deux derniers déciles de son secteur, l’entreprise est considérée en difficulté. Cette variable est binaire
codée 1 lorsque l’entreprise est en difficulté, 0 autrement. DIFIN3 est une variable mesurant 3 ans de pertes consécutives. Cette variable est
binaire codée 1 lorsque l’entreprise est en difficulté, 0 autrement. DIFIN1, DIFIN2 et DIFIN3 sont des mesures de difficulté financière CFR/
CA est le crédit fournisseur rapporté au coût d’achat (cette valeur est en jours). LEV est le rapport comptable des dettes sur les dettes et les
capitaux propres. VARCAt-1 est la variation du CA. STO/CMV est le stock rapporté au coût des marchandises en jours.
Modèle 1 Modèle 2 Modèle 3
Variable à expli-
quer CC/CA CC/CA CC/CA
CONSTANTE 19,49*** 0,000 19,57*** 0,000 19,61*** 0,000
DIFIN1t-1 -1,32** 0,046
DIFIN2 t-1 -1,80*** 0,005

DIFIN3t-1 -1,15*** 0,022
CFR/CAt 0,19*** 0,000 0,16*** 0,000 0,17*** 0,000
LEV t 15,33*** 0,000 21,27*** 0,000 20,49*** 0,000
VAR CAt-1 0,18 0,797 0,19 0,779 0,26 0,71
STO/CMV t 16,16*** 0,000 15,12*** 0,000 15,76 0
R2 0,12 0,11 0,14
Hausman test 85,34*** 97,54*** 101,32***
rapidement. L’accroissement du CC est donc la traduction de résultats mettent en évidence que les entreprises sont à la
la faiblesse de la société. Notre hypothèse 1A est vérifiée à recherche de cash afin de faire face à leurs problèmes de profi-
savoir que les firmes en proie à des problèmes de profitabilité tabilité. On observe aussi une relation positive avec le crédit
devraient chercher à augmenter leur crédit client afin de gagner fournisseur et avec le levier.
des parts de marché. Les firmes qui ont le plus haut levier et les plus forts crédits
fournisseurs devraient avoir tendance à augmenter leur crédit
client (A. Meltzer, 1960). On observe en outre une relation
3.2. Détresse financière et crédit client positive entre les stocks et le CC. Les firmes avec un haut
niveau de stocks essayent d’augmenter leurs ventes au travers
Pour tester notre deuxième hypothèse (hypothèse 1B), nous de l’investissement qu’elles réalisent dans le crédit client. Notre
développons le modèle suivant. hypothèse 1B est vérifiée et met en évidence que les firmes en
CC/CAit = αDIFINit-1 + γ1 CFR/CAit + γ2 LEVit + γ3 VARCAt-1 + γ4 situation de détresse financière devraient chercher à diminuer
STO/CMVit + εit (Équation 2). leur crédit client afin de faire face à leurs engagements.
Dans ce modèle CC/ventes est le ratio représentant le poste À ce stade, notre analyse est encore incomplète car on pourrait
client divisé par les ventes. Ce ratio est mesuré en jours et défini également avancer qu’une firme est en difficulté financière en
comme (crédit client/Ventes)*360. Dans cette équation DIFIN raison du non-paiement de ses clients. Dans ce cadre, le CC et
est une variable muette qui est égale à 1 si la firme est en diffi- la difficulté financière s’enrichissent mutuellement. À terme, la
culté financière à un moment donné du temps et 0 dans le cas pérennité de l’entreprise peut se trouver mise en cause. Ces deux
contraire et X est la matrice de contrôle. Comme il n’y a pas de effets pourraient suggérer une relation positive entre la difficulté
consensus sur une définition de la difficulté financière, nous avons financière et le CC (les deux effets viendraient se renforcer). Pour
considéré, comme précédemment, 3 mesures différentes pour la le déterminer on s’intéressa ensuite à l’influence du CC sur la
mesurer (cf. plus haut). Les variables de contrôle sont : le crédit performance. C’est l’objet du point suivant.
fournisseur mesuré comme le rapport du poste fournisseur sur
le CA multiplié par 360, le levier, ratio mesuré par le rapport de
la valeur comptable de la dette rapportée à la valeur comptable 3.3. Impact du crédit client
de la dette et des capitaux propres. VARCA est la variation du sur la performance
CA entre t-1 et t. Enfin le stock est le ratio des stocks rapporté
au coût des marchandises vendues multiplié par 360. Pour déterminer les effets du CC sur la performance, nous
Ces résultats viennent confirmer notre hypothèse 1B à savoir que utiliserons le modèle suivant. Nous avons choisi, à l’instar de
les entreprises en difficulté financière sont incitées à diminuer T.C. Opler et S. Titman (1994), deux mesures de performance à
leur CC mais tous les résultats ne sont pas significatifs. Nos savoir la variation du CA et la variation du résultat d’exploitation.
mai-août 2015
Dossier II

VARCAt-2/t = α+ β1 LN(CA)t-2 + β2 EBITDA/TAt-2 (ajusté du secteur) + β3 Nous mettons en évidence que la difficulté joue négativement et
INV/TAt-2 (ajusté du secteur) +β4 VENTEACTt-2 (ajusté du secteur) +β5 DIFFINt-1 significativement sur la performance que la variable à expliquer
+ β6 VARCC/TAt-2 + β7 VARCC/TAt-2* DIFFINt-1 +ε (Équation 3). soit la variation du CA ou la variation du résultat d’exploitation.
Par ailleurs, nos résultats mettent en évidence un impact de la
Modèle avec VAREXP variation du CC sur la performance (les valeurs sont toutes signi-
ficatives au seuil de 1 %). Le coefficient négatif est significatif
VAREXP t-2/t = α+ β1 LN(CA)t-2 + β2 EBITDA/TAt-2 (ajusté du secteur) + β3 pour les variables VARCC/TA ou encore VARCC/CA ce qui met
INV/TAt-2 (ajusté du secteur) +β4 VENTEACTt-2 (ajusté du secteur) +β5 DIFFINt-1 en relief l’impact du crédit client sur la performance des firmes.
+ β6 VARCC/CAt-2 + β7 VARCC/CAt-2* DIFFINt-1 +ε (Équation 4). Ce résultat est en phase avec celui de C.A. Molina et L.A. Preve
(2009). Nous mettons en évidence que les firmes en difficulté
Le choix de prendre la variation du CC en T =-2 est guidé par financière connaissent une baisse de leurs performances et que
la prise en compte d’une source de biais. En effet on pourrait cette baisse est encore plus prononcée lorsque le CC évolue à
observer une corrélation négative entre le crédit client et la la baisse. Ces résultats sont en ligne avec ceux de T.C. Opler et
performance en raison du fait que les firmes les moins perfor- S. Titman (1994). En l’occurrence la baisse de la performance
mantes pourraient augmenter leur endettement pour couvrir provient pour partie du CC ce qui accrédite l’idée de l’impor-
leurs pertes. Notre analyse implique, à l’instar des travaux de tance du CC pour les firmes ayant à faire face à des difficultés
T.C. Opler et S. Titman (1994), que le choix des variables de financières. La baisse du CC peut également se lire à l’aune
contrôle en T =-2 est exogène. de l’analyse de T.C. Opler et S. Titman. La fragilité de la firme
La difficulté financière est en T-1 pour mettre nos résultats en conduit les clients à se dégager d’une relation potentiellement
rapport avec ceux de C.A. Molina et L.A. Preve (2009). Nos dangereuse pour l’avenir. C’est donc un coût indirect de faillite
différentes mesures de performance estimées entre T =-2 et T mais qui, contrairement à l’analyse d’E.I. Altman (1984), survient
= 0 sont la variation du CA (VARCA) et la variation du résultat avant même la situation de faillite. Ce retrait préventif des clients
d’exploitation (VAREXP). joue en retour sur la baisse de la performance.
Tableau 8. Impact du CC sur le CA

La première colonne représente les variables explicatives. VARCA représente la variation du CA entre T-2 et T. Elle est la variable à expliquer.
LN(CA) est le logarithme du CA en T-2. EBITDA/TA représente la performance en T-2/ INV/TA représente l’investissement rapporté au CA.
VENTACT représente la valeur du désinvestissement. Les trois variables EBITDA/TA, INV/TA et VENTACT sont toutes ajustées par la médiane
sectorielle. DIFIN1 est le rapport EBE/Charges financières. Si ce ratio est inférieur à 1 pendant au moins 2 ans consécutivement ou inférieur à
0,8 sur 1 année, l’entreprise est considérée comme en difficulté financière. Cette variable est binaire. Elle est codée 1 lorsque l’entreprise est
en difficulté, 0 autrement. DIFIN2 est une mesure de levier ainsi calculé (Valeur des dettes financières/valeur des dettes financières + valeur
des capitaux propres). Lorsque le levier de la firme est situé dans les deux derniers déciles de son secteur, l’entreprise est considérée en
difficulté. Cette variable est binaire codée 1 lorsque l’entreprise est en difficulté, 0 autrement. DIFIN3 est une variable mesurant 3 ans de
pertes consécutives. Cette variable est binaire codée 1 lorsque l’entreprise est en difficulté, 0 autrement. DIFIN1, DIFIN2 et DIFIN3 sont des
mesures de difficulté financière. VAR CC/TA est la variation du crédit client rapporté au total actif entre T-2 et T. VARCC/TA*DIFIN mesure (de
trois façons) la variation du crédit client pour les firmes en difficulté financière. Les colonnes 2, 3 et 4 représentent le modèle (équation 3)
avec les trois mesures de difficulté financière expliquées précédemment.

Variable à expliquer VARCA VARCA VARCA
CONSTANTE 7,65*** 0,000 7,65*** 0,000 7,64*** 0,000
LN(CA)t-2 -0,14*** 0,000 -0,17*** 0,000 -0,18*** 0,000
EBITDA/TAt-2 -0,04 0,781 -0,03 0,813 -0,03 0,799
INV/TAt-2 0,08** 0,645 0,05 0,561 -0,06 0,591
VENTACTt-2 -1,01*** 0,000 -1,31*** 0,000 -1,16*** 0,000
VARCC/TAt-2/t -0,07*** 0,000 -0,05*** 0,000 -0,09*** 0,000
DIFIN1t-1 -0,16*** 0,000
DIFIN2 t-1 -0,11*** 0,000
DIFIN3t-1 -0,21*** 0,000
VARCC/TAt-2/t*DIFFIN1  t-1 -0,23*** 0,000
VARCC/TAt-2/t*DIFFIN2 t-1 -0,22*** 0,000
VARCC/TAt-2/t*DIFFIN3t-1 -0,23*** 0,000
R2 0,14 0,17 0,18
Hausman test 64,41*** 71,43*** 99,12***
mai-août 2015
Dossier II
www.LaRSG.fr
Tableau 9. Impact du CC sur le résultat d’exploitation

La première colonne représente les variables explicatives. VAREXP représente la variation du résultat d’exploitation entre T-2 et T. Elle est la
variable à expliquer. LN(CA) est le logarithme du CA en T-2. EBITDA/TA représente la performance en T-2/ INV/TA représente l’investissement
rapporté au CA. VENTACT représente la valeur du désinvestissement. Les trois variables EBITDA/TA, INV/TA et VENTACT sont toutes ajustées
par la médiane sectorielle. DIFFIN1 est le rapport EBE/Charges financières. Si ce ratio est inférieur à 1 pendant au moins 2 ans consécuti-
vement ou inférieur à 0,8 sur 1 année, l’entreprise est considérée comme en difficulté financière. Cette variable est binaire. Elle est codée
1 lorsque l’entreprise est en difficulté, 0 autrement. DIFIN2 est une mesure de levier ainsi calculé (Valeur des dettes financières/valeur
des dettes financières + valeur des capitaux propres). Lorsque le levier de la firme est situé dans les deux derniers déciles de son secteur,
l’entreprise est considérée en difficulté. Cette variable est binaire codée 1 lorsque l’entreprise est en difficulté, 0 autrement. DIFIN3 est une
variable mesurant 3 ans de pertes consécutives. Cette variable est binaire codée 1 lorsque l’entreprise est en difficulté, 0 autrement. DIFIN1,
DIFIN2 et DIFFIN3 sont des mesures de difficulté financière. VAR CC/CA est la variation du crédit client rapporté au chiffre d’affaires entre
T-2 et T. VARCC/CA*DIFIN mesure (de trois façons) la variation du crédit client pour les firmes en difficulté financière. Les colonnes 2, 3 et 4
représentent le modèle (équation 4) avec les trois mesures de difficulté financière expliquées précédemment.
Variable à expliquer
VAREXP VAREXP VAREXP
VAREXP
CONSTANTE 11,57*** 0,000 11,71*** 0,000 12,81*** 0,000

LN(CA)t-2 -0,18*** 0,000 -0,15*** 0,000 -0,10*** 0,000
EBITDA/TAt-2 -0,26** 0,049 -0,25* 0,055 -0,27* 0,053
INV/TAt-2 -0,04 0.373 -0,03 0,418 -0,03 0,441
VENTACTt-2 -0,05*** 0,000 -0,04*** 0,000 -0,72*** 0,000
DIFIN1t-1 -0,10*** 0,000
DIFIN2 t-1 -0,10*** 0,000
DIFIN3t-1 -0,17*** 0,000
VARCC/CAt-2/t -0,10*** 0,000 -0,08*** 0,000 -0,09*** 0,000
VARCC/CAt-2/t*DIFFIN1t-1 -0,13*** 0,000
VARCC/CAt-2/t*DIFFIN2 t-1 -0,11*** 0,002
VARCC/CAt-2/t*DIFFIN3t-1 -0,18*** 0,000
R 2
0,04 0,05 0,06
Hausman test 78,14*** 82,39*** 89,65***
Conclusion Bibliographie
Aktas N., Belettre I., Cousin J.-G., 2011, “Capital Structure Decisions
Dans ce papier, nous cherchons à mettre en évidence d’une of French Very Small Businesses”, Finance, vol 32, n° 1, p. 43-73.
part, les effets de la difficulté financière sur le CC et d’autre Altman E.I., 1968, “Financial ratios, discriminant analysis and the
part, l’impact du CC sur la performance des entreprises. Cela prediction of corporate bankruptcy”, Journal of Finance, vol 23, n° 4,
constitue une première étude de ce type sur les TPE. Nous mettons p. 589-609.
en évidence que les firmes augmentent leur CC lorsqu’elles E.I. Altman E.I., 1984, “A Further Empirical Investigation of the Bankruptcy
font face à des problèmes de profitabilité et cela pour gagner Cost Question”, Journal of Finance, vol 39, n° 4, p. 1067-1089.
des parts de marché. Cependant, elles modifient leur politique Andrade G., Kaplan S., 1998, “How Costly is Financial (Not Economic)
Distress ? Evidence from Highly Leveraged Transactions that Became
lorsqu’elles sont en difficulté financière. Dans ce cadre, elles
Distressed”, Journal of Finance, vol 53, n° 5, p. 1443-1493.
cherchent à baisser le niveau de leur crédit client afin de faire
Asquith P., Gertner R. Scharstein D., 1994, “Anatomy of Financial
rentrer du cash. Ces résultats sont robustes aux différentes Distress : An Examination of Junk-Bonds Issuers”, Quarterly Journal of
mesures de difficulté financière utilisées. Notre travail met aussi Economics, vol 109, n° 3, p. 625-658.
en évidence l’importance du CC sur les performances de l’entre- Beaver W., 1966, “Financial ratios as predictors of failure”, Journal of
prise. Une baisse du CC joue en retour sur les performances Accounting Research, supplement to vol 5, p. 361-381.
des TPE. Ce résultat est confirmé lorsque les sociétés sont en Bellettre I., 2010, Les choix de financement de la Très petite entreprise,
difficulté financière. Notre recherche ouvre des perspectives en Thèse de Doctorat d’université, Lille, Université de Lille 2, 286p.
particulier sur le cycle d’exploitation. En effet, si le BFR est un Berger A.N., Udell G.F., 1998, “The economics of small business
finance : The roles of private equity and debt markets in the financial
élément essentiel à la performance des TPE, d’autres éléments
growth cycle”, Journal of Banking & Finance, vol 26, n° 6-8, p. 613-673.
peuvent venir l’impacter. En particulier si l’on considère les stocks.
Chatterjee S., 2010, The Impact of Working Capital Management on
Quel est l’impact d’une politique sous-optimale de stock sur la the Profitability of the Listed Companies in the London Stock Exchange,
performance ? Cette question est une piste de recherche future. Working paper, SSRN, ID 1587249.
mai-août 2015
Dossier II
Cutler D.M., Summers L. H., 1988, “The costs of conflict resolution Laziridis I., Tryfonidis D., 2006, The relationship between working capital

and financial distress : evidence from the Texaco-Pennzoil litigation”, management and profitability of listed companies in the Athens Stock
Rand Journal of Economics, vol 19, n° 2, p. 157-172. Exchange, Working paper, 12p.
Datta S., Iskandar Datta M.E., Raman K., 2005, “Managerial Stock Malecot J.F., 1984, Théorie financière et coûts de faillite, Thèse pour
Ownership and the maturity structure of corporate debt”, Journal of le doctorat d’Etat es Sciences de Gestion, Rennes, Université de
Rennes I, 542 p.
Finance, vol 60, n° 5, p. 2333-2350.
Meltzer A. (1960), “Mercantile Credit, Monetary Policy and Size of
De Angelo H., De Angelo L., 1990, “Dividend Policy and Financial
Firms”, Review of Economics and Statistics, vol. 42, n° 4, p. 429-437.
Distress : An Empirical Investigation of troubled NYSE Firms”, Journal
Mian S. L., Smith C.W., 1992, “Accounts Receivable Management Policy :
of Finance, vol 45, n° 5, p. 1415-1431. Theory and Evidence”, Journal of Finance, vol. 47, n° 1, p. 169-200.
Deloof M., 2003, “Does working capital management affect profitability Molina C.A., Preve L.A., 2009, “Trade receivables policy distressed
of Belgian Firms ?” Journal of Business Finance & Accounting, vol 30 firms and its effect on the costs on financial distress”, Financial
(n° 3 and 4), April-May, p. 573-587.
Management, p. 663-686.
Dormont B, 1989, « Petite apologie des données de panel », Economie Myers S.C., 1977, “Determinants of corporate borrowing”, Journal of
et Prévision, n° 87, p. 19-23. Financial Economics, vol 5, p. 147-175.
Farrazi S., Petersen B., 1993, “Working Capital and Fixed Investment : Nobanee H., Alshattarat W.K., Haddad A.E., 2009, Optimizing Working
New Evidence on Financing Constraints”, Journal of Economics, vol.24, Capital Management, Working paper, SSRN, ID 1587249.
n° 3, p. 328-343. Opler T.C., Titman S., 1994, “Financial Distress and Corporate
Performance”, Journal of Finance, vol 49, n° 3, p. 1015-1040.
Garcia-Teruel P.J., SOLANO P.M., 2007, “Effects of working capital
Padachi K., 2006, “Trends in Working Capital Management and its impact
management on SME profitability”, International Journal of Managerial
on Firms’ Performance : An Analysis of Mauritian Small Manufacturing
Finance 3, p. 164-177.
Firms”, International Review of Business Research Papers, vol 2, n° 2,
Hertzel M.G., Li Z., Officer M.S., Rodgers K.J., 2008, “Inter-firm linkages p. 46-58.
and the wealth of financial distress along the supply chain”, Journal of Petersen M.A., Rajan R.G., 1997, “Trade Credit : Theories and Evidence”,
Financial Economics, vol 87, p. 375-387. Review of Financial Studies, vol 10, n° 3, p. 661-691.
Kalay A., Singhal R., Tashjian E., 2007, “Is chapter 11 costly ?” Journal Titman S., Wessels R., 1988, “The determinants of capital structure
of financial Economics, vol 84, n° 3, p. 772-796. choice”, Journal of Finance, vol 3, n° 1, p. 1-19.Mus doluptas dolenis
mai-août 2015
Dossier II
www.LaRSG.fr

Gestion Du Crédit Client Des Sociétés en Difficulté Financière Et Coûts Indirects de Faillite

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Gestion Du Crédit Client Des Sociétés en Difficulté Financière Et Coûts Indirects de Faillite

Transféré par

Droits d'auteur :

Formats disponibles

GESTION DU CRÉDIT CLIENT DES SOCIÉTÉS EN DIFFICULTÉ

Direction et Gestion (La RSG) | « La Revue des Sciences de Gestion »

2015/3 N° 273 - 274 | pages 83 à 93

Pour citer cet article :

Distribution électronique Cairn.info pour Direction et Gestion (La RSG).

Powered by TCPDF (www.tcpdf.org)

Entreprendre et environnement turbulent

par Philippe du Jardin, Éric Séverin, Philippe Luu

Philippe du JARDIN Éric SÉVERIN*

Entreprendre et environnement turbulent

Entreprendre et environnement turbulent

S.A. 215 3,2

3. La détection de la présence d’autocorrélation se fait au moyen d’un test de

Tableau 6. Influence de la profitabilité sur le crédit client

Entreprendre et environnement turbulent

VarNEGA -3,02** 0,041 -2,99** 0,032 -3,12* 0,072

Tableau 7. Difficulté financière et crédit client

Modèle 1 Modèle 2 Modèle 3

DIFIN2 t-1 -1,80*** 0,005

Entreprendre et environnement turbulent

Tableau 8. Impact du CC sur le CA

Modèle 1 Modèle 2 Modèle 3

Tableau 9. Impact du CC sur le résultat d’exploitation

CONSTANTE 11,57*** 0,000 11,71*** 0,000 12,81*** 0,000

Entreprendre et environnement turbulent

Vous aimerez peut-être aussi

Tableau 6. Influence de la profitabilité sur le crédit client

VarNEGA -3,02 0,041 -2,99 0,032 -3,12* 0,072

Tableau 7. Difficulté financière et crédit client

Tableau 8. Impact du CC sur le CA

Tableau 9. Impact du CC sur le résultat d’exploitation

CONSTANTE 11,57* 0,000 11,71* 0,000 12,81*** 0,000