GESTION DU RSULTAT

:
MESURE ET DMESURE1
me
2

version rvise, aot 2003

Thomas JEANJEAN2

Cahier de recherche du CEREG n2003-13

Rsum : Depuis une vingtaine dannes, la notion daccruals discrtionnaires sest impose
comme mesure de la gestion du rsultat. Plusieurs modles ont t proposs par la littrature
et sont couramment utiliss par les chercheurs en comptabilit financire. Cet article vise
valuer la qualit des modles les plus courants et proposer une nouvelle approche de la
mesure de la gestion du rsultat reposant sur lanalyse factorielle.
Les apports de cet article sont les suivants :
(1) un nouveau modle daccruals discrtionnaires est propos.
(2) Lintrt dutiliser des tats financiers simuls pour tester la spcification puissance des
modles est soulign.
(3) De nouveaux dterminants de la qualit des modles sont mis en vidence grce aux tats
financiers simuls : la structure de cot et la croissance de la firme. Il en rsulte que la
qualit dun modle est fonction des caractristiques de la firme et quaucun modle ne
surclasse les autres.
(4) Lintrt des mthodes danalyse factorielle pour mesurer la gestion du rsultat est
soulign et dmontr.
Mots clefs : gestion du rsultat, accruals.

Ce document est issu de ma thse de doctorat Gestion du rsultat et gouvernement dentreprise ralise au
sein CEREG sous la direction de monsieur le Professeur Jean-Franois CASTA. Je voudrais remercier les
membres de mon Jury de thse pour leurs commentaires et leur remarques : Messieurs les Professeurs Andr
(rapporteur), Casta (directeur de thse) Colasse (prsident du jury), Munier (rapporteur) et Raffournier
(suffragant). Ce document a aussi bnfici des remarques dAnne Cazavan-Jeny, Herv Stolowy, Yuan Ding,
Michael Earmes ainsi que des participants aux sminaires de lIRG (Paris XII-Val-de-Marne), dHEC Paris et de
lESSEC et du colloque 2002 de lEAA (European Accounting Association). Toutes les imperfections et erreurs
qui subsistent sont de ma responsabilit.
2
Professeur assistant HEC Paris, chercheur associ au CEREG, Universit Paris IX Dauphine, adresse mel :
jeanjean@hec.fr

Introduction
Une abondante littrature sest dveloppe pour expliquer les motivations et les incitations
la gestion du rsultat (Healy et Whalen, 1999, par la suite HW). Un grand nombre
dhypothses testables ont t labores par les chercheurs partir des thories contractuelles
(Watts et Zimmerman, 1986 ; Degeorge, Patel & Zeckhauser, 1999), psychologiques
(Burgstahler et Dichev, 1997) voire mme insitutionnalistes (Mezias, 1990). La validation (ou
plutt la rfutation) de ces approches repose sur lhypothse quil est possible de mesurer la
gestion du rsultat. A cet gard, il est clair que la mesure de la gestion du rsultat se dfinit
par rapport aux notions de rsultat et de gestion du rsultat.
Beaver (1998) fait remarquer que le systme comptable transforme les flux de trsorerie en
grandeurs comptables. Il est ainsi possible dcrire :
Flux _ de_ trsorerie publi+ajustements _comptables publisrsultat publi
Quant la gestion du rsultat, il existe une grande varit de dfinitions :
(1) une intervention dlibre dans le processus dinformation financire externe dans le
but de sapproprier des gains personnels , Schipper (1989)
(2) intervient lorsque les managers utilisent leur latitude discrtionnaire dans le processus
de comptabilit financire et dans la structuration des transactions pour modifier les tats
financiers soit pour induire en erreur certaines parties prenantes sur les performances
conomiques relles de lentreprise, soit pour influencer les enjeux contractuels qui
reposent sur les nombres comptables HW (1999).
(3) [est] lutilisation de la discrtion managriale pour influencer le rsultat diffus auprs
des parties prenantes , Degeorge, Patel et Zeckhauser (1999).
Ces dfinitions illustrent un manque de consensus sur linterprtation des tudes qui cherchent
quantifier la gestion du rsultat et fournir des indications sur sa nature (opportuniste ou
non) et son tendue.
Du point de vue de la mesure de la gestion du rsultat, deux conceptions sopposent
clairement. Healy et Whalen (1999) ainsi que Degeorge, Patel et Zeckhauser (1999, par la
suite DPZ) retiennent une dfinition extensive des modes dactions du manager pour grer le
rsultat : laction sur les ajustements comptables (politique damortissement, de
provisionnement, voir Casta, 1997 ou Stolowy, 1994) et sur les cash-flows (dplacement dun
exercice lautre de dpenses, enregistrement anticip du chiffre daffaires). Schipper ne
retient que la gestion comptable (rfrence au processus dinformation externe) comme mode
daction du manager pour grer le rsultat.
Le cadre danalyse de Beaver permet de prciser les diffrences dapproche entre ces deux
conceptions. Si le rsultat est gr , alors il existe thoriquement deux niveaux de rsultat.
Outre le rsultat publi, il existe(rait) un rsultat normal cest dire le rsultat qui serait
obtenu sans lintervention du dirigeant :
Flux _ de _trsorerie publi+ajustements _comptables publisrsultat publi
Flux _ de _trsorerienormal +ajustements _ comptablesnormalrsultat normal
Pour DPZ et HW, la diffrence entre les deux rsultats correspond la gestion du rsultat.
Autrement dit :
Flux _ de _trsorerie publinormal +accruals publinormal =rsultat publi normal =gestion _ du _ rsultat

Pour Schipper (1989), seule la gestion des accruals est qualifie de gestion du rsultat :
accruals publinormal = gestion_ du _ rsultat
Lvaluation de la gestion du rsultat ncessite donc de dterminer un niveau daccruals
normal et un flux de trsorerie normal pour la conception extensive. Du fait de la
difficult destimer le flux de trsorerie normal , la littrature nvalue pas ou peu la
gestion relle du rsultat mais seulement la gestion comptable. En effet, Beneish (2001)
fait remarquer que seules les dcisions prises peu de temps avant la clture de lexercice
peuvent tre qualifies de gestion du rsultat , sinon il serait impossible de faire la part
entre une volont de grer le flux dinformation avec les tiers (la gestion du rsultat) et un
comportement dinvestisseur rationnel. La dtermination de la gestion relle pose donc deux
difficults : la premire est dordre oprationnel (dtermination dun indicateur de ce flux
normal), la seconde relve de lpistmologie (quel est le champ de la recherche
comptable ?3 ).
La conception de la gestion du rsultat retenue dans cet article sera donc restrictive : elle
consiste en une modification des ajustements comptables (accruals). Concrtement, un niveau
normal daccruals est dtermin compte tenu des caractristiques de la firme.
Lvaluation de la gestion du rsultat se fait par diffrence les accruals totaux constats et les
accruals normaux ou plutt anticips :
Accruals _ discrtion naires =accruals _ totauxaccruals _"normaux"
Bien que largement accepte et utilise, il est possible de sinterroger sur les fondements de
cette mesure. Carmines et Zeller (1979) appellent mesure le processus qui permet de relier
un concept abstrait des indicateurs empiriques (p. 10), ils dcomposent une mesure de la
manire suivante :

M = V +

mesure
obtenue

vraie
valeur

Es

+ Ea

Erreur
systmatiq
ue

Erreur
alatoire

La vraie valeur constitue la mesure idale, celle qui correspond parfaitement au

phnomne tudi, lerreur systmatique provient dun biais de linstrument de mesure, et
lerreur alatoire rsulte des alas qui peuvent entacher la mesure (circonstances
particulires,). Une mesure est dite fiable si lerreur alatoire est faible, elle est valide si la
mesure obtenue est proche de la vraie valeur (i.e. lerreur systmatique est faible, il y a
adquation entre la mesure et son construit). L'obtention d'une mesure valide est dlicate car
la vraie valeur est en gnral inconnue.
Un premier niveau d'assurance sur la validit d'une mesure peut tre atteint en examinant sa
validit faciale (ou validit de consensus) : elle est fonde sur une acceptation par la
communaut scientifique de la mesure4 . La validit faciale nest toutefois pas toujours
pertinente car elle ne permet pas de comparer la validit dune mesure entre deux groupes de
chercheurs qui signoreraient et utiliseraient la mme mesure pour deux construits diffrents.
Il semble donc ncessaire de recourir la validit de trait ou de construit (Drucker-Godard,
Ehlinger & Grenier, [1999]) cest dire par la capacit d'un indicateur mesurer un
construit de manire exhaustive (validit convergente) et uniquement ce construit (validit
discriminante).
3

Cohen (1997) fait en effet remarquer que ltude des dcisions lies au comportement rationnel relve
davantage du champ de lconomie ou de la sociologie.
4
Cronbach (1971, cit par Carmines et Zeller [1979]) fait remarquer [quon]valide, non pas un test, mais une
interprtation des donnes provenant dune procdure particulire .

Lobjet de cet article est de discuter la pertinence des principaux indicateurs de la gestion du
rsultat ainsi que des amliorations possibles de la validit de la mesure. Par rapport la
littrature existante sur le sujet (Dechow, Sloan et Sweeney, 1995 ; Guay, Kothari et Watts,
1996 ; Young, 1999 ; McNichols, 2000) les contributions se situent quatre niveaux. Tout
dabord, un nouveau modle daccruals discrtionnaires issu du modle de Jones modifi par
Dechow, Sloan et Sweeney (1995) est propos. En second lieu, lapport de la simulation
dtats financiers pour tester la qualit des modles est explicit (parfaite matrise des facteurs
conomiques, dtermination aise dun rsultat normal ). En troisime lieu, de nouveaux
dterminants de la validit des modles sont prsents : la structure de cot et la croissance de
la firme. La capacit des modles saisir la gestion du rsultat dpend de lintensit de ces
facteurs. Il rsulte quaucun modle ne surclasse les autres si les caractristiques conomiques
de la firme ne sont pas connues avec certitude par le chercheur. Nous montrons enfin, et cest
le dernier apport, comment lutilisation les mthodes danalyse factorielle permettent de
purifier la mesure de la gestion du rsultat en situation dasymtrie dinformation sur les
caractristiques de la firme et de la nature de la gestion du rsultat.
Cet article est organis de la manire suivante : la premire partie prsente les modles les
plus courants et en propose un nouveau : le modle de Jones gnralis. Les mthodologies
dvaluation de la qualit des modles sont ensuite discutes. La troisime partie expose
lutilit des tats financiers simuls pour tester la qualit et explicite de nouveaux
dterminants de la qualit des modles. Enfin, lintrt du recours lanalyse factorielle est
dmontr.

1. Des accruals totaux aux accruals discrtionnaires.

Aprs avoir prsent la notion daccruals totaux, nous traiterons des modles daccruals
discrtionnaires.
1.A. LES ACCRUALS TOTAUX.
Lobjet de ce paragraphe est de prciser les modalits de calcul des accruals totaux et la
manire dont ils peuvent tre utiliss pour grer le rsultat.
Montrons que les accruals correspondent la somme de la variation du besoin en fonds de
roulement, des reprises de dotations aux amortissements et aux provisions et des comptes de
rgularisation (production immobilise et stocke), moins celle des dotations.
Par dfinition :
rsultatt = Flux _ de _ trsoreriet + Accrualst

(I)

Or,
RN = Produits encaisss ou encaissables charges dcaissables ou dcaisses + produits calculs charges calcules.

Soit en abrg :
RN = PEE CDD + PC CC
En retranchant et ajoutant la variation au besoin en fonds de roulement (BFR), il vient :

RN = [(PEE CDD) - BFR] +BFR + PC CC

RN = Flux de trsorerie 5 + BFR + PC CC
Par identification avec (I), il vient :
Accruals = BFR + PC CC
Soit encore :

(II)
(III)

Accruals
= BFRt
+ reprise de dotationst

galit (IV)

+ production stocket & immobiliset

dotationst

Dans la pratique, le calcul des accruals se fait soit par diffrence entre le rsultat et le flux de
trsorerie dexploitation (mthode soustractive) soit par valuation de chacune de ses
composantes (BFR et dotations nettes des reprises).
Au-del de ces aspects calculatoires, il convient de sinterroger sur les modes daction du
manager sur les accruals pour grer le rsultat.
Les accruals sont utiliss en tant que mesure de la gestion stratgique du rsultat. Lquation
(I) montre toutefois quune modification du niveau des accruals naura dimpact sur le
rsultat que si la gestion dun lment des accruals ne produit pas deffet en sens inverse
sur le flux de trsorerie ou sur un autre accrual (condition de non compensation).
Pour analyser cette condition, il est commode de distinguer les accruals longs et courts. Les
accruals longs comprennent les reprises et les dotations aux amortissements sur
immobilisation, la production immobilise. Les accruals courts regroupent les dotations et les
reprises sur actifs circulants, la variation du BFR. Les dotations nettes des reprises aux
provisions pour risques et charges peuvent relever dune catgorie ou dune autre selon leur
nature.
Cette condition de non compensation ne pose pas de problmes particuliers pour les accruals
longs car ils nont pas de contrepartie dans le flux de trsorerie dactivit.
Ltude des lments courts des accruals se rvle plus complexe pour la variation du BFR.
En effet, les galits (II) et (III) montrent que la variation du BFR apparat la fois dans le
calcul du flux de trsorerie et des accruals. Ainsi, toutes choses gales par ailleurs une
variation du BFR ne modifie pas le montant du rsultat. Le BFR nexplique la gestion du
rsultat qu la condition que la CAF soit modifie par une modulation du BFR. Ce serait par
exemple le cas si des dlais de paiement plus gnreux permettent dacclrer la prise de
commande. Autrement dit, il faut que llasticit du chiffre daffaires aux dlais de paiement
soit non nulle.
Faisons lhypothse que llasticit de la demande aux conditions de paiement soit de 0,5 :
une augmentation de 0,5% des ventes peut tre obtenue en augmentant de 1% les dlais de
paiement. Par simplification, lensemble des charges est fixe. En labsence de manipulation,
le BFR reprsente 10% du chiffre daffaires. Dans le tableau 1, la situation 1 est caractrise
par une absence de gestion du rsultat, la situation 1bis correspond une manipulation des
ventes par les dlais de paiement.
5

Le solde (PEE-CDD) reprsente un flux de trsorerie potentiellement encaissable ou dcaissable. En lajustant

par la variation du besoin en fonds de roulement, on tient compte du montant net des sommes non encore
encaisses (crances et stocks) et dcaisses (dettes court terme).

CA
- charges fixes
Rsultat
BFR
Flux de trsorerie
Accruals
Augmentation du CA
Manipulation du CA
Augmentation
ncessaire du BFR
Tableau 1 :

Situation en 0
3600
3500
100
360

Situation 1
3720
3500
220
372
2086
127
+3,33%

Situation 1bis
3800
3500
300
388,59
271,41
28,59
+5,56%
+2,23%8
+4,46%9

Analyse de limpact dune variation des dlais de paiement sur le rsultat.

Ce tableau montre que la prise en compte de la gestion du BFR pour grer le rsultat pose un
problme conceptuel. En effet, la modulation des dlais de paiement a non seulement un
impact sur les accruals mais aussi sur le flux de trsorerie (le flux passe de 208 271,41). Ds
lors, est-il possible de qualifier de manipulation purement comptable la gestion du BFR ?
En dpit du champ danalyse retenu en introduction (la gestion comptable du rsultat), nous
inclurons la variation du BFR dans notre mesure de la gestion du rsultat.
Trois types de manipulation sont habituellement tudis par la littrature (Dechow, Sloan et
Sweeney, 1995 ; Peasnell, Pope et Young, 2000 ; Nelson, Eliott et Tarpley, 2002):
(1) La gestion des produits (revenue manipulation) : elle consiste accorder des dlais de
paiement plus gnreux. Techniquement, elle est obtenue en augmentant les ventes et les
crances clients (et donc les accruals totaux).
(2) La gestion des charges (expense manipulation) consiste retarder la comptabilisation
dune charge, ce qui diminue les dettes fournisseurs. Techniquement, cela revient
augmenter les accruals totaux. Une hypothse implicite de ces modles est la fixit des
charges (voir par exemple : Dechow, Sloan et Sweeney, 1995 ; Peasnell, Pope et Young,
2000).
(3) La gestion des provisions sur crances douteuses (bad debt expense) consiste sousestimer le montant des provisions ncessaires, ainsi les crances nettes sont surestimes.
Le montant des accruals totaux augmente.
Maintenant que le contenu des accruals et les modes daction sur les accruals ont t
prciss, il est ncessaire dtudier les moyens disoler la composante discrtionnaire des
accruals.

Le flux de trsorerie est gal au rsultat diminu de la variation du besoin en fonds de roulement car les
dotations aux amortissement ont t ngliges par simplification.
7
Les accruals correspondent la variation du besoin en fonds de roulement.
8
Cest dire la diffrence entre laugmentation du chiffre daffaires de la situation 1bis et laugmentation
naturelle du chiffre daffaires (situation 1). 2,23% = 5,56% - 3,33% .
9
Llasticit est de 0,5 : pour obtenir une manipulation de 2,23% du chiffre daffaires, il faut une augmentation
du BFR de (2,23/0,5) soit 4,46%.

1.B. LES ACCRUALS DISCRTIONNAIRES .

La gestion du rsultat ne porte pas sur les accruals totaux mais sur une fraction de ceux-ci. En
effet, une part des accruals (ayant un impact sur le rsultat) peut tre qualifie de
normale 10 en ce sens quelle correspond une application sincre et rgulire des principes
de la comptabilit dengagement dans un pays donn.
Accruals totaux (AT) = Accruals normaux (AN) + accruals discrtionnaires (AD).
Les mthodes dvaluation de la gestion du rsultat dterminent un processus normal
daccruals, la accruals discrtionnaires sont dtermins par diffrence.
ADt = ATt AN t

Deux approches existent pour lvaluation des accruals (tableau 2). La premire consiste
tudier le comportement dun accrual particulier, cest par exemple la solution retenue par
McNichols et Wilson (1988). Dautres auteurs cherchent capturer lensemble des
manipulations en tudiant les accruals discrtionnaires totaux (Jones, 1991 par exemple).
Approche
ACCRUALS
DISCRTIONNAIRES
TOTAUX

ACCRUALS
DISCRTIONNAIRES
SPCIFIQUES
Tableau 2 :

AVANTAGES
Mesure de la stratgie du
rsultat dans son ensemble.
Grands chantillons

INCONVNIENTS
Erreur de mesure importante car le
modle explicatif est globalisant.
Rsultats spcifiques un secteur
conomique (en gnral, les
banques ou les assurances).
Taille de lchantillon rduite.

Mesure fine de la gestion du

rsultat.

Les diffrentes approches pour le calcul des accruals.

Compte tenu de leur importance dans la littrature sur la gestion du rsultat, nous allons nous
concentrer sur les modles daccruals discrtionnaires totaux.
Les premiers modles daccruals dits normaux peuvent tre qualifis de nafs en ce
sens que ces algorithmes calculent les accruals normaux partir des accruals totaux des
annes prcdentes sans faire rfrence aux dterminants conomiques de ces accruals : il
sagit des modles de Healy (1985) et de DeAngelo (1986). Healy (1985) fait lhypothse
que : le manager observe les cash-flows de lactivit et les accruals non discrtionnaires la
fin de chaque anne, et il slectionne les procdures comptables et les accruals de manire
maximiser son utilit 11 . Les accruals discrtionnaires tant nuls en moyenne, Healy (1985)
considre quil est possible dapprocher les accruals normaux en faisant la moyenne des
accruals totaux des annes prcdentes :
AN t =

1
H

t H

Accruals _ Totaux

k =t 1

Le modle propos par DeAngelo (1986) est une spcification particulire du modle de
Healy (1985) avec H=1. En effet, les rsultats suivant une marche alatoire (random walk), il
vient :
Rsultatt = Rsultatt 1 + t
10

La littrature parle aussi daccruals non discrtionnaires ou daccruals anticips.

The manager observes cash-flows from operations and non discretionary accruals at the end of each year
and selects discretionary accounting procedures and accruals to maximize its utility (Healy, 1985, p. 89).
11

Avec t N ( 0; ) , o N dsigne la loi normale. Ainsi, le meilleur estimateur du rsultat

dune anne est celui de lanne prcdente. DeAngelo (1986) fait lhypothse que chaque
composante du rsultat suit une marche alatoire, ainsi :
Accrualst = Accrualst 1 + t
avec : t N (0 ;), d ' o :
E ( Accrualst ) = E ( Accrualst 1 )
AN t = ATt 1

Ces modles nafs reprsentent-ils correctement le processus des accruals normaux ?

La rponse peut se faire en deux temps. Si la logique sous-jacente ces modles est correcte
alors ils ne saisissent correctement la gestion des accruals que si lhorizon de calcul H
concide avec celui de la gestion du rsultat. Dans le cas contraire il y a une erreur de mesure.
Toutefois, rien ne garantit que les accruals normaux obissent la logique dcrite par Healy
et DeAngelo. En effet, une hypothse implicite est que les accruals totaux sont stationnaires
en moyenne sur la priode o quils ne sont affects que par un bruit blanc. Dans le cas
contraire, les accruals discrtionnaires calculs incorporent la variation ( normale ) des
accruals totaux. Ainsi, une voie damlioration des modles daccruals a t didentifier les
dterminants conomiques (economic drivers) des accruals totaux (Kaplan, 1985).
Jennifer Jones a t la premire renouveler lapproche en proposant un modle daccruals
normaux fond sur deux facteurs conomiques [Jones, 1991] :
(1) Les accruals normaux sont fonction du niveau des immobilisations corporelles via les
dotations aux amortissements.
(2) Si le BFR est proportionnel au chiffre daffaires alors la variation du BFR est
proportionnelle la variation du CA.
Le modle daccruals normaux propos par Jones (1991) est donc le suivant :
AN i , t = i + 1 * CAi ,t + 2 * IMMOCORPi ,t + t

Une hypothse implicite du modle de Jones est que la variation du chiffre daffaires nest pas
discrtionnaire (Dechow, Sloan et Sweeney, 1995) : tout changement de chiffre daffaires
modifie le niveau des accruals normaux saisis par le modle et donc les accruals
discrtionnaires.
Supposons quune entreprise accroisse ses ventes en accordant des conditions de paiement
plus gnreuses. Ds lors, les accruals normaux saisis par le modle augmentent, et, toutes
choses gales par ailleurs, les accruals discrtionnaires baissent. Ce modle prdit une gestion
du rsultat la baisse alors que la ralit est diffrente.
Cette limite a conduit la formulation dune version amende de ce modle o la variation du
chiffre daffaires est ajuste de la variation des crances clients (Dechow, Sloan et Sweeney,
1995). Seule laugmentation des ventes nayant pas de contrepartie immdiate dans les
crances clients est explicative des accruals non discrtionnaires. Leffet dune ventuelle
manipulation des dlais de paiement pour accrotre les ventes (et donc le rsultat) est ainsi
neutralis :
ANi , t = i + i * (CAi , t CREANCESi , t ) + 2 * IMMOCORPi ,t + t

Enfin, Dechow et Sloan (1991) proposent un modle o les accruals normaux sont fonction
de la moyenne sectorielle :
AN i ,t = + * medianACCTOT t + i ,t

Ce modle considre que le seul facteur de diffrenciation des accruals est le secteur
conomique. Cette hypothse nest valide que si lactif conomique des firmes au sein dune
mme industrie est homogne.
Peasnell, Pope et Young (2000) ont propos le modle de la marge (margin model). Ils
expliquent la variation du BFR par les ventes totales de lexercice et le chiffre daffaires
encaiss au cours de lexercice12 .
BFRi ,t = 0 + 1 * CAi , t + 2 * CA _ cashi ,t + i ,t

Ces modles conomiques permettent de calculer les accruals normaux anticips. Pour cela, il
faut pralablement dterminer les coefficients de rgression. Les chercheurs disposent de
plusieurs possibilits, rsumes dans le tableau 3.
Estimation des coefficients
(priode destimation)
Sur les annes [T-k ;T-1]
pour chaque firme (approche
longitudinale time series)

Utilisation du modle
(priode dobservation)
Lanne T

Lanne T-1 en regroupant les

observations par industrie
(cross sectional)

Lanne T pour une ou

plusieurs entreprises
appartenant la mme
industrie.

Sur la priode [T-k ;T-1] en

regroupant les observations
par industrie (pooled
regression)

Lanne T ou la priode [Tk ;T] pour une firme de

lindustrie non comprise
dans lchantillon de la
priode dobservation.

Tableau 3 :

Intrts - limites
Le biais du survivant
(requiert une srie longue)
Hypothse de constance des
coefficients de rgression sur
une priode longue.
Permet de rduire les
exigences en matire de
donnes.
Problme de la cohrence du
regroupement sectoriel.
Idem + possibilit dune
modification des paramtres
structurels en cours de
priode (taux de capital,
dlais de paiement).

Synthse de mises en uvre des modles daccruals discrtionnaires.

Beneish (1998) fait remarquer que le modle corrig de Jones peut scrire :
AN i ,t = i + i * IMMOCORPi , t + 2 * (CAi ,t CREANCESi , t CAi , t 1 ) + t
AN i ,t = i + i * IMMOCORPi , t + 2 * (CA _ Cashi , t CAi ,t 1 ) + t
o , CA _ cashi , t = CA encaiss encaiss au cours de l' exercice t.

Ainsi, le troisime terme du membre de droite est difficilement interprtable du point de vue
conomique. Il revient expliquer la variation du BFR, dune part par le chiffre daffaires de
lexercice prcdent, et dautre part par le chiffre daffaire encaiss. Toutefois, rien ne permet
de supposer lgalit des coefficients de rgression sur ces deux lments. Aussi est-il
possible de proposer le modle suivant pour expliquer la variation du BFR :
BFRi ,t = 0 + 1 * CAi , t + 2 * CA _ cashi ,t + i ,t

Il est possible de la qualifier de modle de Jones gnralis. Il est trs proche du modle de la
marge. Deux diffrences apparaissent toutefois :

12

Peasnell, Pope et Young se concentrent sur les accruals courts (la variation du BFR net). Le terme relatif
lactif immobilis corporel amortissable napparat pas.

(1) Quant la justification de la spcification : le modle de la marge repose sur une

justification en terme de manipulation de taux de marge. Le modle propos ici repose sur
une gnralisation de lapproche de Jones.
(2) Quant la spcification, le modle de la marge retient le chiffre daffaires courant, le
modle de Jones gnralis le chiffre daffaires de lanne prcdente.

2. Lvaluation de la qualit des modles daccruals

discrtionnaires.
Aprs avoir dtaill les principales modalits dvaluation de la gestion du rsultat, nous
aborderons les dterminants de la qualit des modles.
2.A. M THODOLOGIE DVALUATION DE LA QUALIT DES MODLES .
Une question rcurrente dans la littrature sur la gestion du rsultat consiste dterminer
laptitude des modles dtecter la gestion du rsultat. A cet gard, trois perspectives peuvent
tre distingues. La premire consiste valuer les modles daccruals discrtionnaires au
regard des performances du march (Guay, Kothari et Watts, 1996). Cette approche repose
sur lhypothse critiquable defficience forte des marchs financiers (Healy, 1996).
Une seconde mthodologie dvaluation de la qualit repose sur la recherche derreurs de
mesure systmatiques, autrement dit de corrlations entre les accruals discrtionnaires et
certaines variables. Par exemple, McNichols (2000) met en vidence une association entre les
diffrentes mesures des accruals discrtionnaires et le rendement conomique (return on
assets) et la croissance des rsultats de la firme. De mme, Young (1999) montre que les
accruals discrtionnaires sont systmatiquement associs au montant des immobilisations
corporelles, au taux dusure de ces immobilisations et au cash-flow dexploitation. La
principale limite de cette approche tient linterprtation en terme de causalit des
corrlations : une association systmatique entre croissance des rsultats et niveau des
accruals discrtionnaires tient-il au fait que les modles sont mal spcifis ou que la
croissance des rsultats est obtenue (au moins partiellement) par une gestion active des
rsultats ?
Dechow, Sloan et Sweeney (1995) valuent la qualit des modles daccruals discrtionnaires
en termes de spcification et de puissance. La spcification des modles renvoie la notion
derreur de type I: les modles dtectent-ils une gestion du rsultat alors quil ny en a pas ?
La puissance des modles est leur capacit dtecter la gestion du rsultat lorsque celle-ci
existe (la puissance est donc inversement proportionnelle lerreur de type II).
La mise en uvre des tests de spcification et de puissance est empiriquement dlicate dans la
mesure o elle suppose lexistence dun chantillon libre de toute gestion du rsultat (test de
spcification) ou avec une gestion du rsultat significative (test de puissance).
Certains auteurs ont choisi de mettre en uvre une logique quil est possible de qualifier
dvnementielle , en ce quelle teste lassociation entre un vnement (gestion
significative la hausse o la baisse) et le montant des accruals discrtionnaires dtects.
Par exemple, Bartov, Gul et Tsui (2001) ont slectionn un chantillon de 173 firmes (groupe
1) dont les comptes nont pas t certifis sans rserves (qualified opinion). Lexistence dune
gestion la hausse ou la baisse est ainsi connue dans cet chantillon. Un chantillon appari
selon la taille et le secteur dactivit est constitu (groupe 2). Les auteurs valuent alors la
capacit des diffrents modles daccruals discrtionnaires dtecter la gestion du rsultat au
10

sein du groupe 1 et ne pas en dtecter au sein du groupe 2. Cette approche prsente lavantage
de reposer sur des donnes relles. Une limite majeure tient labsence de gnralit de
lanalyse. En effet, la capacit dtecter la gestion du rsultat dans un contexte particulier ne
permet pas dinfrer que, de manire gnrale, les modles soient puissants. Par ailleurs, cette
approche ne permet que de tester la puissance des modles daccruals et non leur
spcification.
Dechow, Sloan et Sweeney (1995) ont conu une procdure pour constituer un chantillon
sans gestion du rsultat. Ils peuvent ainsi tester la spcification des modles. Dans un
deuxime temps, ils introduisent ensuite une gestion du rsultat connue au sein de leur
chantillon et vrifient la puissance des modles. A la diffrence de lapproche
vnementielle, cette mthode repose sur un montant de gestion du rsultat artificiellement
induit.

Qualit des modles

Evaluation par le march.

Principe :
Etude des corrlations
entre valeur de march et
accruals discrtionnaires.
Limites :
Repose sur lhypothse
forte
defficience
des
marchs.

Etude des biais systmatiques.

Principe :
Analyse des corrlations entre
accruals discrtionnaires et
certaines variables (en gnral
lies la performance).
Limites :
Interprtation de corrlations
en
terme
de
causalit
(mauvaise spcification ou
signe dune gestion plus
active de la part des firmes
performantes ).

Analyse spcification puissance.

Principe :
Recherche des erreurs de
type 1 et de type 2.
Limites :
Constitution
dun
chantillon ad hoc (biais de
lanalyse).

figure 1. Les diffrentes approches de la qualit.

2.B. La mthodologie spcification - puissance.

Lanalyse de la spcification des modles pose un problme empirique dans la mesure o son
valuation suppose la constitution dun chantillon libre de toute gestion du rsultat. Or, la
slection dentreprises sur une base de donnes ne permet pas de sassurer de cette absence de
gestion du rsultat. Ainsi, Dechow, Sloan et Sweeney (1995) ont dvelopp la procdure
suivante :
(1) Un ensemble de firmes est slectionn (par exemple 500 sur 5 ans).
(2) Parmi ces entreprises quelques-unes unes sont slectionnes (par exemple 100 ou celles
dune anne donne), une variable PART est cre. Elle est code 1 pour les entreprises
retenues, 0 pour les autres.
(3) Le modle daccruals discrtionnaire tester est utilis pour valuer la gestion du rsultat
(AD) des entreprises slectionnes ltape 1.
(4) Le modle ADi= * PART + erreur est mis en uvre ;
11

(5) Les tapes (2) (4) sont rptes 100 ou 1000 fois. A chaque fois, la significativit du
coefficient au seuil de 1 ou 5% est tudie. Les entreprises codes 1 tant choisies au
hasard, ne devrait pas tre significatif.
(6) Si le coefficient nest pas significatif dans plus de 5% des cas (ou 1% selon le seuil
retenu), alors le modle est correctement spcifi.
Le but de cette procdure est de crer un chantillon pour lequel il ny a pas de gestion du
rsultat, ce qui justifie lattribution au hasard de la variable PART. Ltape 5 se justifie par le
fait que la gestion du rsultat de lchantillon pourrait biaiser lanalyse de la spcification.
Lvaluation de la puissance repose sur une procdure similaire avec une tape
supplmentaire pour lintroduction des manipulations comptables :
(1) Un ensemble de firme est slectionn (par exemple 500 sur 5 ans).
(2) Parmi ces entreprises quelques-unes unes sont slectionnes (par exemple 100 ou celles
dune anne donne).
(3) Une forme prdtermine de gestion du rsultat est intgre au rsultat et aux accruals
un sous-ensemble des firmes slectionnes (par exemple 25).
(4) Un modle daccruals discrtionnaire est utilis pour valuer la gestion du rsultat (AD)
des entreprises slectionnes ltape 2.
(5) Le modle ADi= * PART + erreur est mis en uvre ; PART prend la valeur 1 si la
firme a t retenue ltape trois.
(6) Les tapes (2) (5) sont rptes 100 ou 1000 fois. A chaque fois, la significativit du
coefficient au seuil de 1 ou 5% est tudie. Les firmes avec PART=1 tant celles o le
chercheur a t introduit la gestion du rsultat, devrait toujours tre significatif.
Si le coefficient nest pas significatif dans plus de 95% des cas (ou 99% selon le seuil retenu),
alors le modle nest pas apte dtecter de la gestion du rsultat : il nest pas puissant.
Les tapes 2 6 sont rptes pour diffrents niveaux de gestion du rsultat et pour les
diffrents modles. Si le cadre gnral danalyse des tests de spcification puissance est
simple, les procdures mettre en uvre sont trs lourdes. Cette difficult provient de la
ncessit dobtenir un chantillon avec une gestion du rsultat non significative pour mener
les tests de spcification et de puissance.
2.A.2. Les dterminants empiriques de la qualit.
Plusieurs articles se sont intresss ltude de la qualit des modles daccruals (Dechow,
Sloan et Sweeney, 1995 ; Guay, Kothari et Watts, 1996 ; Beneish, 1997 ; Young, 1999 ;
Peasnell, Pope et Young, 2000 ; McMichols, 2000 ; Thomas et Zhang, 2000). Ces tudes
tendent montrer que trois facteurs sont importants dans la dtermination de la spcification
et de la puissance des tests :
(1) Les modalits de mise en uvre des modles : lapproche longitudinale (time series)
semble carter en raison dune spcification dfaillante (Dechow, Sloan et Sweeney,
1995 ; Peasnell, Pope et Young, 1998).
(2) La nature de la gestion du rsultat : le modle de Jones (et sa variante) semblent plus
performant pour dtecter la gestion du rsultat par les produits que le modle de la marge,
qui en revanche savre plus performant pour dtecter une gestion des charges (rsultats
contradictoires ce sujet de Dechow, Sloan et Sweeney (1995) et de Peasnell, Pope et
Young, 2000).

12

(3) La performance de la firme : les entreprises avec une performance financire extrme
tendent avoir des accruals extrmes (Dechow, Sloan et Sweeney, 1995 ; McNichols,
2000 ; Beneish, 1997 ; Thomas et Zhang, 2000) .

3. Evaluation de la qualit des modles grce la

simulation.
Lapproche de lvaluation de la qualit des modles repose sur des tats financiers simuls.
Nous allons dabord prsenter lintrt du recours cette mthode (3.1). Ensuite, nous
valuerons la puissance et la spcification des principaux modles (3.2) avant de mettre en
avant les dterminants conomiques de la qualit des tats financiers (3.3).
3.1. INTRT DU RECOURS AUX TATS FINANCIERS SIMULS.
Plusieurs arguments plaident en faveur du recours aux tats financiers13 simuls dans le cadre
des tests spcification puissance :
(1) Les procdures proposes par Dechow, Sloan et Sweeney (1995) visent contrler
parfaitement le niveau et la nature de la gestion du rsultat. Les donnes de lchantillon
ne sont exploites que pour dterminer la valeur des paramtres ncessaires au calcul des
accruals discrtionnaires. Le travail sur donnes simules permet dobtenir le mme
rsultat avec une conomie de moyens substantielle puisque les tapes 5 pour le test de
spcification et 6 pour les tests de puissance deviennent superflues.
(2) La notion dabsence de gestion du rsultat devient plus claire. En effet, les dfinitions de
la gestion du rsultat font rfrence de manire plus o moins explicite un rsultat
idal obtenu par lapplication neutre des principes comptables en vigueur. Un
problme empirique majeur dans l valuation de la qualit des modles daccruals
discrtionnaires est que ce rsultat neutre est inconnu (Guay, Kothari et Watts, 1996).
La gnration dtats financiers simuls permet de contourner cette difficult puisquil est
possible de spcifier dans un modle comptable neutre puis dy introduire une dose
connue de gestion du rsultat.
(3) Les tats financiers permettent de contrler parfaitement les facteurs dvolution des
accruals grce la spcification des lois de probabilit des variables. Cette proprit des
simulations est importante dans la mesure o des biais significatifs ont t identifis par la
littrature.
(4) Pour les tests de puissance, le coefficient peut sinterprter comme la gestion dtecte.
Ainsi, il est non seulement possible de dterminer la capacit de dtection14 des modles
mais aussi leur capacit identifier ltendue de la gestion du rsultat. La diffrence
entre et la gestion effectivement introduite indique donc le montant de la gestion du
rsultat non dtect. Du point de vue empirique, il nest pas neutre de travailler avec un
modle qui dtecte une gestion de 2% de lactif total alors que la gestion relle est de 5%
(dans ce cas, la gestion est dtecte mais sous-estime).
Le modle servant gnrer les tats financiers prvisionnels prsente les caractristiques
suivantes :

13

Lannexe 1 prsente la base des simulations de Monte-Carlo et une application au modle comptable.
La capacit de dtection est mesure par le pourcentage de rejet de lhypothse nulle en fonction de lintensit
de la gestion du rsultat (la ratio idal tant de 100% ds que la gestion du rsultat est non nulle).
14

13

Le CA est fix 1000 la premire anne avec une progression moyenne de 20% par
an, les 3 premires annes, puis de 10% pendant 3 ans avant de diminuer 5% puis
0%. La croissance du CA suite une loi normale.
Les charges (achats, provisions pour risques et charges) sont la fois fixes et variables
en fonction du chiffre daffaires.
Lactif immobilis est fonction du chiffre daffaires (infrieur ou suprieur 1200).
Le BFR est dtermin en fonction de dlais dcoulement et de rotation.

A partir de ces hypothses, il est possible de gnrer des tats financiers sur dix ans pour 300
firmes, soit 3000 firmes annes. Compte tenu des donnes ncessaires au calcul de la
variation du BFR, la premire anne (anne 0) nest pas disponible pour lanalyse qui porte
donc sur 2700 observations.
Deux procdures sont values pour tudier la qualit des modles daccruals discrtionnaires
en labsence de gestion du rsultat :
(1) Les paramtres des modles classiques sont estims sur les donnes des annes 1 8. La
gestion du rsultat est value pour lanne 9 (approche time series).
(2) 300 firmes annes sont slectionnes au hasard. Les paramtres des modles sont estims
sur les 2400 observations restantes. Lexistence dune gestion du rsultat est ensuite teste
sur les 300 enregistrements initialement slectionns.

Les tableaux suivants (4 et 5) prsentent les tests de Student relatifs aux accruals
discrtionnaires calculs par les modles de Jones, Jones modifi, de Jones modifi
gnralis, de DeAngelo et de Healy (deux spcifications H=3 et H=4) dabord pour
lapproche longitudinale puis pour lapproche poole .
Valeur du test = 0

Sig.
(bilatrale)

Diffrence
moyenne

Modle de Jones
Modle de Jones Modifi
Modle de Jones gnralis
Modle de DeAngelo
Modle d'Healy (H=3)
Modle d'Healy (H=4)

-3.1338
-3.1427
-0.4098
-100.2190
-60.8471
-125.2213

0.19%
0.18%
68.23%
0.00%
0.00%
0.00%

-0.0042
-0.0042
-0.0007
-0.1392
-0.0701
-0.2690

Tableau 4 :

Rsultat de lapproche longitudinale.

14

Intervalle de confiance
95% de la diffrence
Infrieure Suprieure
-0.69%
-0.16%
-0.69%
-0.16%
-0.42%
0.28%
-14.19%
-13.65%
-7.24%
-6.78%
-27.32%
-26.47%

Valeur du test = 0

Modle de Jones
0.7301526
Modle de Jones Modifi 0.6243304
Modle de Jones gnralis 0.9921778
Modle de DeAngelo
-48.65379
Modle d'Healy (H=3)
-37.00107
Modle d'Healy (H=4)
-70.77907
Tableau 5 :

Sig.
(bilatrale)

Diffrence
moyenne

46.59%
53.29%
32.20%
0.00%
0.00%
0.00%

0.0013
0.0011
0.0020
-0.2151
-0.1021
-0.3564

Intervalle de confiance
95% de la diffrence
Infrieure Suprieure
-0.22%
0.48%
-0.24%
0.46%
-0.19%
0.59%
-22.38%
-20.64%
-10.76%
-9.67%
-36.63%
-34.64%

Rsultat pour un chantillon alatoire.

Linterprtation des tableaux se fait de la manire suivante : la premire colonne prsente le

nom du modle, la seconde la valeur du test dgalit zro des accruals discrtionnaires
estims par le modle, le seuil de signification du test est ensuite valu ainsi que la diffrence
moyenne. Enfin, lintervalle de confiance des accruals discrtionnaires au seuil de 5% est
mentionn. Lorsque les seuils o les intervalles sont significatifs, les chiffres sont indiqus en
gras. Par exemple, dans le tableau 4, le modle de Jones gnralis est le seul fournir des
accruals discrtionnaires non significativement diffrents de zro (seuil de signification
suprieur 5%) ; les accruals discrtionnaires moyens sont compris entre moins 0.42% et
plus 0.28%.
Trois rsultats mritent dtre souligns :
(1) Les modles nafs ne permettent pas de prdire correctement la gestion du rsultat.
En effet, ils dtectent une gestion la baisse alors quil ny a pas de manipulations
comptables. Ainsi, les accruals anticips par ces modles sont surestims par rapport la
ralit. Ce rsultat provient en partie de lhypothse sur lvolution du chiffre daffaires
(hypothse de cycle de vie) : la croissance des revenus (et donc des accruals) dcrot avec
le temps, ce qui explique la surestimation des accruals normaux.
(2) Lapproche longitudinale ne semble pas approprie pour valuer la gestion du rsultat
car les modles dtectent une gestion la baisse alors quil ny a pas de gestion du
rsultat. L encore ce rsultat est li aux hypothses dvolution du chiffre daffaires que
ni les modles nafs, ni les modles conomiques (sauf le modle de Jones gnralis) ne
russissent contrler.
(3) Globalement, ces modles ne semblent toutefois pas trs puissants car lintervalle de
confiance de la moyenne (de 0.2% +0.5% de lactif net total) est relativement large au
regard dun montant de gestion du rsultat conomiquement raisonnable (de lordre de 1
2% de lactif total).
Aprs avoir test les modles en labsence de gestion du rsultat, il convient dvaluer leur
puissance, cest dire leur aptitude dtecter une gestion du rsultat lorsque celle-ci
intervient. Trois types de gestion du rsultat (comme pour Peasnell, Pope et Young,
2000) sont distingus :
Par la gestion des charges : les charges sont diffres dun exercice lautre. Les
dettes fournisseurs diminuent.
Par le chiffre daffaires : celui ci est augment en contrepartie dune augmentation
des crances clients.
Des provisions sur actif circulant : celles-ci sont reprises de manire augmenter
le rsultat (le montant net des crances diminue).

15

Pour lintroduction dune dose de gestion du rsultat (de 0 100% de lactif total), 300 firmes
sont choisies au hasard parmi les 2700 observations de lchantillon simul. Les modles
daccruals discrtionnaires sont paramtrs sur les 2400 firmes restantes. En labsence de
gestion du rsultat (manipulation 0), aucun modle ne dtecte de gestion significative (au
seuil de 5%).
Lannexe 2 reprend les tableaux exhaustifs des tests de puissance pour chaque type de
manipulation. Le tableau 6 prsente une synthse des rsultats.
Seuil minimum partir duquel la
gestion du rsultat est dtecte
accruals discrtionnaires de Jones
accruals discrtionnaires de Jones
modifi
accruals discrtionnaires de Jones
gnralis
Tableau 6 :

Manipulation des Manipulation du

charges
chiffre d'affaires

Manipulation des
provisions

0.6356%

1.4827%

1.3835%

0.6579%

1.3600%

1.34%

0.6555%

0.6555%

0.68%

Synthse des tests de puissance.

Comme les modles de dtection de la gestion du rsultat sont linaires, ce tableau signifie
que la gestion du rsultat est systmatiquement sous value des chiffres indiqus dans le
tableau 6. Par exemple, le modle de Jones gnralis nest pas capable de dtecter une
manipulation des charges dun montant infrieur 0,6555% : en de de ce seuil, les accruals
discrtionnaires moyens ne sont pas significativement diffrents de zro. Si la gestion du
rsultat relle est de 2%, elle sera value 1,3445% (2% moins 0,6555%).
Plusieurs rsultats significatifs apparaissent :
(2) Tous les modles tests sous-estiment la gestion du rsultat relle.
(3) Les modles de Jones et de Jones modifi ne semblent pas aptes dtecter une gestion du
rsultat dun montant conomiquement raisonnable (1-2%).
(4) Seul le modle de Jones gnralis permet de dtecter une gestion du rsultat quelle que
soit sa nature, mme si la gestion relle du rsultat est situe dans le haut de lintervalle
de confiance de la gestion dtecte.
3.3. LES DTERMINANTS DE LA QUALIT.
Une critique possible ltude prcdente est que ces conclusions peuvent tre contenues
dans les hypothses : lensemble des hypothses conomiques peut conditionner les
rsultats. Pour tudier cette possibilit, nous allons nous concentrer sur les accruals courts.
Ces derniers sont en effet les plus susceptibles dtre manipuls (DeFond et Jiambalvo, 1994 ;
Jeanjean, 2001).
Deux facteurs vont tre particulirement tudis :
(1) La structure de cot de la firme : cest--dire la rpartition entre cots fixes et cots
variables. En effet, lexistence de cots fixes cr un effet de levier sur le rsultat qui
peut fausser linterprtation des rsultats. Si les firmes ont le choix entre deux
technologies de production : lune sans cots fixes, lautre avec des cots fixes mais avec
un cot variable unitaire plus faible quavec la premire solution technique. Pour un
mme niveau de chiffre daffaires, les accruals totaux norms des deux firmes seront
diffrents ce qui peut gnrer des accruals discrtionnaires diffrents.

16

(2) Le taux de croissance du chiffre daffaires est aussi prendre en compte en raison des
effets distortifs sur les accruals totaux de la croissance (ds lors que la totalit des cots
nest pas fixe).
Le tableau 7 illustre les effets de ces deux variables sur les accruals.

Cots variables
Chiffres daffaires
Cots
Rsultat
BFR initial
BFR fin de priode
BFR
Tableau 7 :

Croissance de 10% du chiffre

daffaires.

Cots fixes

1000
900
100
0
115
11515

Cots variables

Cots fixes

1100
990
110
115
126.5
11.5

1100
950
150
107.5
132.5
25

1000
950
50
0
107.5
107.5

Effets de la structure de cot et du taux de croissance sur les accruals totaux.

Pour tester ces hypothses, des tats financiers sont simuls. Les diffrents modles
daccruals discrtionnaires sont tests. Quatre sries dtats financiers sont tests (tableau 8
ci-aprs) selon la structure de cot (que des cots fixes ou que des cots variables) et le taux
de croissance du chiffre daffaires.

CARACTRISTIQUES COMMUNES :
CA N (1000;100)
Clients N (x ;y)
Fournisseurs N (z ; z)
Stocks = 0

Cots fixes

Cots variables
Tableau 8 :

Croissance nulle du
CA

Croissance de 10% du
CA

Cas 1
Cas 2
Cots N (800 ;80) Cots N (800 ;80)
Cas 3
Cots = CV * CA
CV N (80%;8%)

Cas 4
Cots = CV * CA
CV N (80%;8%)

Caractristiques des quatre sries dtats financiers simuls.

La conception des simulations est telle quen moyenne la performance des firmes ne soit pas
significativement diffrente (pour les cas 1 et 3) afin de ne pas crer de biais li la
performance de la firme.
Les deux tableaux ci-dessus rsument les rsultats obtenus.

15

Par hypothse, il ny a pas de stocks. Les crances reprsentent 20% du chiffre daffaires, les dettes
fournisseurs 15% des charges.

17

Croissance nulle
Structure de cots Accruals
intervalle de
fixes
confiance,
borne
discrtionnaires
moyens
infrieure suprieure
-0,42%
-0,66% -0,17%
Jones Standard
-0,42%
-0,66% -0,17%
Jones modifi
-0,38%
-0,62% -0,15%
Jones gnralis
Modle de la
-0,41%
-0,66% -0,16%
marge
Tableau 9 :

-0,54%

-0,72%

-0,36%

Spcification des modles pour une structure de cots fixes.

Croissance nulle
Structure en cots Accruals
intervalle de
variables
confiance,
borne
discrtionnaires
moyens
infrieure suprieure
Jones Standard
-0,015% -0,222% 0,191%
Jones modifi
-0,015% -0,222% 0,191%
Jones gnralis
-0,046% -0,254% 0,163%
Modle de la
marge
-0,044% -0,253% 0,164%
Tableau 10 :

croissance du CA de 10%
Accruals intervalle de confiance,
borne
discrtionnaires
moyens
infrieure suprieure
-0,22%
-0,40%
-0,04%
-0,22%
-0,40%
-0,03%
-0,06%
-0,24%
0,12%

croissance du CA de 10%
Accruals intervalle de confiance,
borne
discrtionnaires
moyens
infrieure suprieure
-0,17%
-0,40%
0,06%
-0,17%
-0,40%
0,06%
0,49%
0,26%
0,72%
0,04%

-0,19%

0,27%

Spcification des modles pour une structure de cots variables.

Deux rsultats sont remarquables. Dune part, aucun modle ne surclasse les autres. Par
exemple, dans le cas 2 (cots fixes et croissance du chiffre daffaires) le modle de Jones
gnralis semble prfrable tous les autres modles, alors que dans le cas 4 (cots variables
et la situation inverse prvaut. Dautre part, la structure de cot influence trs largement les
rsultats. Si les modles de la marge et de Jones sont performants pour saisir la gestion du
rsultat si les cots sont variables, ce nest pas le cas si les cots sont fixes.

3. Proposition dun modle factoriel.

Aprs avoir justifi lintrt dun modle factoriel, le modle de simulation utilis est prsent
et les rsultats discuts.
3.A. INTRT DE LA PROPOSITION
Au cours de la partie prcdente, il a t montr quaucun modle ne surclasse les autres. En
effet, la qualit dun modle (au sens spcification puissance) semble dpendre de la nature
de la gestion du rsultat, de la performance de la firme, de la structure de cot, de la
croissance des ventes et de linteraction entre ces paramtres.
Lexistence de biais systmatiques est problmatique et ce deux niveaux :
(4) Elle peut fausser les rsultats des tudes sur la gestion du rsultat. Supposons quune des
variables retenues pour expliquer la gestion du rsultat (par exemple, la taille) soit non
significative si la gestion est correctement value. Faisons par ailleurs lhypothse que la
taille soit ngativement corrle avec le taux de croissance des ventes. Si le taux de
18

croissance des ventes biaise la mesure de la gestion du rsultat alors une corrlation
significative pourra tre obtenue entre les accruals discrtionnaires et la taille alors que la
ralit est diffrente.
(5) Limpossibilit dobserver lorigine des biais rend le problme dlicat rsoudre.
Certains dterminants de la qualit ne sont pas directement observables (notamment la
structure de cot et la nature de la gestion du rsultat) : il nest donc pas possible de
dterminer priori le meilleur type de modle daccruals appliquer.
Il est donc ncessaire dobtenir une mesure synthtique de la gestion du rsultat pour
contrler les biais des diffrentes mesures. Une solution possible est davoir recours
lanalyse en facteurs communs et spcifiques. Cette dmarche consiste identifier les facteurs
communs et spcifiques (FCS) chaque mesure dun mme phnomne. Supposons quun
chercheur dispose de N mesures dun phnomne. Une analyse FCS va chercher
dcomposer chaque mesure de la manire suivante16 :
mesurei = i * facteur _ commun + facteur _ specifique + i

mesure j = j * facteur _ commun + facteur _ specifique + j

...
mesure = * facteur _ commun + facteur _ specifique +

z
z
z

Une analyse FCS permet donc dextraire de la mesure le biais systmatique spcifique
chaque mesure. Le (ou les) facteur(s) commun(s) reprsente(nt) les construits sous - jacents
valu(s) par les mesures. Appliqu au champ comptable, cette approche revient considrer
la gestion du rsultat comme une variable latente dont les indicateurs sont les diffrentes
mesures obtenues par les modles daccruals discrtionnaires.
3.B. M ISE EN UVRE.
Pour dmontrer la pertinence de cette approche, nous allons procder de la manire suivante :
(1) Simulation dun chantillon alatoire dentreprises en terme de structure de cot, de
croissance des ventes et de performance oprationnelle.
(2) Une gestion du rsultat alatoire (tant en nature quen montant) est introduite.
(3) Les modles de gestion du rsultat sont mis en uvre sur cet chantillon (en rgression
poole).
(4) Une analyse FCS est mene sur les diffrentes mesures des accruals discrtionnaires. Un
seul facteur commun est anticip.
(5) Les firmes sont ensuite classes selon deux procdures17 : le classement 1 numrote les
firmes selon la gestion relle du rsultat. Un second classement est ralis selon la gestion
dtecte par chaque modle. Ce second classement existe donc pour chaque modle
utilis : Healy, DeAngelo, Jones, Jones Modifi, Jones modifi gnralis et le modle
factoriel.
(6) Les coefficients de corrlation entre les classements (Corrlation de Spearmann) sont
calculs pour chaque mesure. Plus le coefficient de corrlation est lev, plus le modle
est apte rendre compte de la gestion du rsultat.
(7) Les tapes 1 6 sont rptes 100 fois.

16

Une analyse FCS est donc loppos dune analyse en composantes principales. En effet, une ACP cherche
dterminer les facteurs, deux deux orthogonaux, tels que : Facteur 1 = i * mesure i + erreur i .
17
Il est ncessaire de recourir un classement pour comparer les diffrentes mthodes car lanalyse en FCS
impose, pour calculer les i, de normer et de rduire le facteur commun. Lchelle des diffrentes mesures
(accruals discrtionnaires de Healy, Jones, DeAngelo,) est donc diffrente.

19

Si le modle factoriel est effectivement plus performant, il doit permettre dobtenir en

moyenne le coefficient de corrlation le plus lev.
Le tableau 11 prsente les rsultats. Globalement, tous les modles semblent dtecter
correctement la gestion du rsultat : avec des coefficients de corrlation compris entre 0,7 et
0,85. Les diffrents modles de base sont compars avec le modle factoriel (test T). Le
modle factoriel est celui qui prsente effectivement le coefficient le plus lev : lintrt de
cette technique statistique est alors valid.
De
Healy Angelo
0,65
coefficient de corrlation 0,70
0,30
0,35
cart type
100
100
N
18
-11,40 -12,94
valeur du test
seuil de signification
<1% <1%
Tableau 11 :

Jones Jones M Jones - G marge

0,73
0,28
100
-9,73
<1%

0,74
0,27
100
-9,20
<1%

0,79
0,30
100
-4,56
<1%

0,78
0,30
100
-5,32
<1%

factoriel
0,85
0,31
100

Comparaison des modles.

CONCLUSION.
La qualit de la mesure de la gestion du rsultat conditionne pour une large part la pertinence
de la littrature sur la gestion du rsultat. Nous avons essay dexploiter dans cet article la
fcondit du cadre danalyse propos par Dechow, Sloan et Sweeney (1995) grce
lutilisation dtats financiers simuls. Cette approche nous a notamment permis de montrer
que la qualit des modles daccruals discrtionnaires est largement tributaire de la nature de
la gestion du rsultat et de la structure de cot de la firme. Ces deux caractristiques tant
largement non directement observables, il ny a pas de meilleur modle la disposition du
chercheur. Le recours lanalyse en facteurs communs et spcifiques permet dliminer ces
biais systmatiques et ainsi damliorer la mesure de la gestion du rsultat.
Ces rsultats sont critiquables au moins deux gards. La premire concerne lutilisation
dtats financiers simuls. Elle pose un problme de ralisme : quelle est lapplicabilit de
rsultats obtenus partir de firmes imaginaires ? Sans nier ce problme, il apparat
toutefois que lanalyse cot bnfice de cette approche plaide en sa faveur (parfaite matrise
des facteurs dvolution des accruals, possibilit de crer des chantillons ad hoc linfini19
). Une seconde critique concerne lutilisation de lanalyse en facteurs communs et
spcifiques. Dans cet article, le facteur commun est interprt comme reprsentant la gestion
du rsultat. Or, les statisticiens sinterrogent sur la nature du ou des facteurs communs :
permettent-ils vraiment de mesurer un phnomne non observable ou sagit-il seulement
dune reprsentation statistique commode de linformation contenue dans plusieurs
indicateurs (Cibois, 1994).
Au-del de ces critiques, ces premiers rsultats peuvent tre approfondis dans au moins deux
directions. Une premire voie damlioration consiste reprendre les tests de qualit partir
dtats financiers simuls en introduisant des formes plus subtiles de gestion du rsultat que
18

Test de diffrence significative entre le coefficient de corrlation de chaque modle et le coefficient du modle
factoriel.
19
Cette possibilit apparat comme trs significative dans le cas de la France. En effet, lchantillon de firmes
franaises est trs limit en raison du faible nombre de socits cotes (de lordre du millier) et de lintroduction
rcente des firmes franaises dans les bases de donnes (en gnral depuis 1995).

20

celles considres ici (gestion du chiffre daffaires, des charges et des provisions) : montages
dconsolidants, effets sur les variables de la consolidation (Pourtrier, 1996) Il serait alors
possible de tester la puissance et la spcification des modles pour ces formes plus
ralistes de la gestion du rsultat. Une deuxime piste de recherche consisterait trianguler
les rsultats obtenus par un modle factoriel grce un panel de spcialistes de la comptabilit
(analystes financiers, comptables, auditeurs, ). Concrtement, il sagirait dtablir un
classement dun ensemble de firmes selon leur gestion du rsultat par les mthodes daccruals
et par ce panel de spcialistes de manire comparer les rsultats obtenus.

21

BIBLIOGRAPHIE.
[1] Bartov E, Gui F., Tsui J., (2002), Discretionary -accruals models and audit qualifications, Journal of accounting and
economics, vol. 30, p. 421-452.
[2] Beaver W. (1998), Financial reporting: an accounting revolution, prentice Hall, Upper saddle river, Contemporary
topics in accounting series, 3me ed..
[3] Beneish (1997), Detecting GAAP Violations: implications for assessing earnings management among firms with
extreme financial performance, Journal of accounting and public policy, vol. 16, n 3, pp. 271-309.
[4] Beneish M. (1998), Discussion of are accruals during initial public offerings opportunistic? , Review of
accounting studies, vol. 3, n , pp. 209-221.
[5] Beneish M. (2001), Earnings management: a perspective, Working paper Indiana University.
[6] Burgstahler D., Dichev I. (1997), Earnings management to avoid earnings decreases and losses, Journal of
accounting and economics, 24 (December), pp. 99-126.
[7] Carmines E., Zeller R. (1979), Reliability and validity assessment, Sage University Paper, srie : Quantitative
applications in the social sciences, 07-017, p. 71.
[8] Casta J-F.(1997), La politique comptable des socits, Encyclopdie de gestion, economica, Tome 2, pp. 22762301.
[9] Cibois P. (1994), Lanalyse factorielle, PUF, Collection : que sais -je ?
[10] Cohen E., (1997), Epistmologie et sciences de gestion, Encyclopdie de gestion, economica, Tome 1, pp. 11581178.
[11] DeAngelo L. (1986), Accounting numbers as market valuation substitutes : a study of management buyouts of
public stockholders, The accounting review, vol. LXI, n 3, Juillet, pp. 400-420.
[12] Dechow P., Sloan R. (1991), Executive incentives and the horizon problem : an empirical investigation, Journal of
accounting and Economics, vol. 14, n 1, pp. 51-89.
[13] Dechow P., Sloan R., Sweeney A., (1995), Detecting earnings management, The Accounting Review, Vol. 70,
N2, April, pp. 193-225.
[14] DeFond M. et Jiambalvo J. (1994), Debt covenant violation and manipulation of accruals, Journal of accounting
and economics, vol. 17, pp. 145-176.
[15] Degeorge F, Patel J., Zeckhauser R. (1999), Earnings management to exceed tresholds, Journal of Business, vol.
72, n 1, pp. 1-35.
[16] Delaloye L., Fragnire E., Hoesli M. (2001), Modlisation des dcisions de gestion, Economica, Collection
connaissance de la gestion, Paris, 129 p.
[17] Drucker-Godard C., Ehlinger S., Grenier C. (1999), Validit et fiabilit de la recherche, pp. 257-287, in Thitart
RA (diteur), Mthodes de recherche en management, Dunod, Paris.
[18] Guay W., Kothari S., Watts R., (1996), A market-based evaluation of discretionary accruals models, Journal of
accounting research, vol. 34 (suppl.), pp. 83-105.
[19] Healy P. (1996), Discussion of a market-based evaluation of discretionary accruals models, Journal of accounting
research, vol. 34 (suppl.), pp. 107-114.
[20] Healy P., Whalen J. (1999), A review of the earnings management literature and its implications for standard
setting, Accounting Horizons (December).
[21] Jeanjean Th., (2001), Gestion du rsultat et gouvernement dentreprise, XXIIme congrs de lassociation franaise
de Comptabilit, Metz.
[22] Jones J. (1991), Earnings management during import relief investigations, Journal of accounting research, vol. 29,
n 2 (automne), pp. 193-228.
[23] Kaplan (1985), Discussion of : the effect of bonus schemes on accounting decisions, Journal of accounting and
economics , vol. 7, p. 107-115.
[24] Mezias S. (1990), An institutional model of organizational practice : financial reporting at fortune 200,
Administrative science quarterly, vol. 35, pp. 431-457.
[25] McNichols M. (2000), Research design issues on earnings management studies, Journal of accounting and public
policy, vol. 19, p. 313-345.
[26] McNichols M., Wilson P., (1988), Evidence of earn ings management from the provision for bad debts, Journal of
accounting research, vol. 26, supplement, p. 1-31.
[27] Nelson M., Eliott J., Tarpley R., (2002), How are earnings managed? Examples from auditors, working paper
SSRN, 34 p.
[28] Peasnell K., Pope P. and Young S., (2000), Detecting earnings management using cross-sectional abnormal
accruals models; Accounting and Business Research, Vol. 30, Iss. 4; p. 313-326.
[29] Pourtrier F. (1996), La qualit de linformation consolide, Comptabilit Contrle Audit, Tome 2, Vol. 1, pp.
45-60.
[30] Schipper K. (1989), Commentary on Earnings management, Accounting horizons, vol. 3, n 4, dcembre, pp. 91102.
[31] Stolowy H. (1994), Existe-t-il vraiment une comptabilit crative ?, Revue de droit comptable, dcembre, n 94,
pp. 79-107.

22

[32] Thitart R.A. (sous la direction de) (1999), Mthodes de recherche en management, DUNOD, p.535.
[33] Thomas J., Zhang XJ, (2000), Identifying unexpected accruals: a comparison of current approaches, Journal of
accounting and public policy, vol. 19, p. 347-376.
[34] Watts R., Zimmerman J. (1986), Positive accounting theory, prentice Hall.
[35] Young S. (1999), Systematic measurement error in the estimation of discretionary accruals: an evaluation of
alternative modelling procedures, Journal of business, finance and accounting, vol. 26, pp. 833-862.

ANNEXE 1 : PRSENTATION DES SIMULATIONS DE M ONTE-CARLO APPLIQUES AUX TATS

FINANCIERS.
La simulation est une technique descriptive qui permet au dcideur dvaluer le
comportement dun modle sous diffrentes conditions, par lutilisation de nombres
alatoires [Delaloye, Fragnire et Hoesli, 2001]. La dmarche de simulation consiste (1)
spcifier un modle dvolution, (2) le comportement des variables du modle et (3)
produire un nombre de simulations dtermin.
Par exemple, il est possible de poser les relations du modle comptable (entre rsultat et flux
de trsorerie dexploitation, entre chiffre daffaires et crances clients, ), puis des lois de
probabilit pour chaque variable du modle. Le tableau suivant rsume quelques hypothses
du modle comptable avec les lois de probabilit possibles pour chaque variable.
Etape 1
CA

Etape 2
CA N (1000 ; 100)
F = 300
Loi triangulaire (10% ;
15% ; 20%)

Charges = F + * CA
Rsultat = CA Charges
Crances clients = * CA
Dettes fournisseurs = *charges
BFR=Crances clients dettes fournisseurs
Flux de trsorerie dexploitation = rsultat variation du BFR
Tableau 12 :

NB : N

N (10% ;1%)
N (5% ; 3%)

Modlisation des tats financiers

(M ; sigma) dsigne la loi normale de moyenne M et dcart type sigma, F : les cots

fixes ; CA : le chiffre daffaires ; BFR : le besoin en fonds de roulement.

A partir de ces donnes, il est possible autant de variables dpendantes (ici le rsultat net :
RN, le BFR et le flux de trsorerie dexploitation) que ncessaire. Une distribution de
probabilit peut tre obtenue (ce qui nest pas trivial lorsque plusieurs lois de probabilit
diffrentes sont combines) ainsi quun ensemble de donnes gnres au hasard. Ainsi, dans
lexemple ci-dessus, la distribution obtenue pour le rsultat net et le flux de trsorerie
dexploitation est :

23

Forecast: rn
983 Trials

Frequency Chart

.030

29

.022

21.75

.015

14.5

.007

7.25

.000

0
300.00

425.00

550.00

675.00

800.00

figure 2. distribution du rsultat net

Les donnes simules utilises pour construire cet histogramme peuvent tre dites et servir
de base pour le test des modles daccruals discrtionnaires.

24

ANNEXE 2 : LES TABLEAUX DE PUISSANCE DES MODLES .

Ces tableaux se lisent de la manire suivante : La colonne de droite indique le montant de
gestion du rsultat introduit dans les comptes. Les deux colonnes immdiatement droite
donnent lintervalle de confiance de la gestion dtect par le modle test (colonne de
gauche). Lorsque la gestion dtecte est nulle, lintervalle de confiance est indiqu en italique,
en gras si lintervalle de confiance comprend le niveau rel de gestion.

Manipulation des provisions sur actif circulant

Moyenne Ecart - type

Accruals
discrtionnaires de
Jones

Accruals
discrtionnaires de
Jones modifi

Accruals
discrtionnaires de
Jones modifi
gnralis

Tableau 13 :

-0.03%
1.97%
3.97%
8.97%
18.97%
48.97%
98.97%
0.01%
2.01%
4.01%
9.01%
19.01%
49.01%
99.01%
0.69%
2.69%
4.69%
9.69%
19.69%
49.69%
99.69%

3.11%
3.11%
3.11%
3.11%
3.11%
3.11%
3.11%
3.10%
3.10%
3.10%
3.10%
3.10%
3.10%
3.10%
3.01%
3.01%
3.01%
3.01%
3.01%
3.01%
3.01%

Intervalle de confiance
95% de la diffrence

Erreur standard
moyenne

Infrieure

Suprieure

0.0017828
0.0017828
0.0017828
0.0017828
0.0017828
0.0017828
0.0017828
0.0017772
0.0017772
0.0017772
0.0017772
0.0017772
0.0017772
0.0017772
0.001856
0.001856
0.001856
0.001856
0.001856
0.001856
0.001856

-0.38%
1.62%
3.62%
8.62%
18.62%
48.62%
98.62%
-0.34%
1.66%
3.66%
8.66%
18.66%
48.66%
98.66%
0.32%
2.32%
4.32%
9.32%
19.32%
49.32%
99.32%

0.32%
2.32%
4.32%
9.32%
19.32%
49.32%
99.32%
0.36%
2.36%
4.36%
9.36%
19.36%
49.36%
99.36%
1.05%
3.05%
5.05%
10.05%
20.05%
50.05%
100.05%

Gestion
relle

1%
3%
5%
10%
20%
50%
100%
1%
3%
5%
10%
20%
50%
100%
1%
3%
5%
10%
20%
50%
100%

La gestion dtecte par chaque modle en manipulant les provisions sur actif circulant.

25

Intervalle de confiance
95% de la diffrence

Manipulation du chiffre d'affaires

Moyenne Ecart - type

accruals
discrtionnaires
de Jones

accruals
discrtionnaires
de Jones modifi

accruals
discrtionnaires
de Jones modifi
gnralis

Tableau 14 :

-0.05%
1.91%
3.87%
8.77%
18.57%
47.98%
96.98%
-0.01%
1.99%
3.99%
8.99%
18.99%
48.99%
98.99%
0.71%
2.71%
4.71%
9.71%
19.71%
49.71%
99.71%

3.11%
3.11%
3.11%
3.11%
3.11%
3.11%
3.11%
3.10%
3.10%
3.10%
3.10%
3.10%
3.10%
3.10%
3.01%
3.01%
3.01%
3.01%
3.01%
3.01%
3.01%

Erreur standard
Infrieure
moyenne
0.0017828
0.0017828
0.0017828
0.0017828
0.0017828
0.0017828
0.0017828
0.0017772
0.0017772
0.0017772
0.0017772
0.0017772
0.0017772
0.0017772
0.001856
0.001856
0.001856
0.001856
0.001856
0.001856
0.001856

-0.44%
1.56%
3.52%
8.42%
18.22%
47.62%
97.62%
-0.36%
1.64%
3.64%
8.64%
18.64%
48.64%
98.64%
0.34%
2.34%
4.34%
9.34%
19.34%
49.34%
99.34%

Suprieure

gestion relle

0.26%
2.26%
4.22%
9.12%
18.92%
48.92%
98.92%
0.34%
2.34%
4.34%
9.34%
19.34%
49.34%
99.34%
1.08%
3.08%
5.08%
10.08%
20.08%
50.08%
100.08%

1%
3%
5%
10%
20%
50%
100%
1%
3%
5%
10%
20%
50%
100%
1%
3%
5%
10%
20%
50%
100%

La gestion dtecte par chaque modle en manipulant le CA et les dlais de paiement.

26

Intervalle de confiance
95% de la diffrence

Manipulation des charges

Moyenne Ecart - type

Accruals
discrtionnaires
de Jones

Accruals
discrtionnaires
de Jones modifi

Accruals
discrtionnaires
de Jones modifi
gnralis

Tableau 15 :
charges.

0.70%
2.70%
4.70%
9.70%
19.70%
33.03%
99.70%
12.40%
2.67%
4.67%
9.67%
19.67%
33.01%
99.67%
0.71%
2.71%
4.71%
9.71%
19.71%
33.04%
99.71%

2.94%
2.94%
2.94%
2.94%
2.94%
2.94%
2.94%
5.56%
2.93%
2.93%
2.93%
2.93%
2.93%
2.93%
3.01%
3.01%
3.01%
3.01%
3.01%
3.01%
3.01%

Erreur standard
moyenne
0.0016834
0.0016834
0.0016834
0.0016834
0.0016834
0.0016834
0.0016834
0.0031862
0.0016833
0.0016833
0.0016833
0.0016833
0.0016833
0.0016833
0.001856
0.001856
0.001856
0.001856
0.001856
0.001856
0.001856

Infrieure

Suprieure

0.36%
2.36%
4.36%
9.36%
19.36%
49.36%
99.36%
0.34%
2.34%
4.34%
9.34%
19.34%
49.34%
99.34%
0.34%
2.34%
4.34%
9.34%
19.34%
32.68%
99.34%

1.03%
3.03%
5.03%
10.03%
20.03%
50.03%
100.03%
1.00%
3.00%
5.00%
10.00%
20.00%
50.34%
100.00%
1.08%
3.08%
5.08%
10.08%
20.08%
33.41%
100.08%

gestion
relle
1%
3%
5%
10%
20%
50%
100%
1%
3%
5%
10%
20%
50%
100%
1%
3%
5%
10%
20%
50%
100%

La gestion dtecte par chaque modle en manipulant la date denregistrement des

27