Configuration du réseau personnel et rentabilité financière de

l’entreprise: cas de l’entrepreneuriat féminin en Tunisie

Présenté par:
RAHMA KASSMI

Encadrant universitaire Président du Jury

Mme BEN SAID HAYET ?

Encadrants professionnel
Mr CHERIF KHALDOUN
 I. Présentation du cadre de stage
II. Hypothèses de la recherche
III. Objectif de la recherche
IV. Le cheminement méthodologique
V. Les résultats
VI. Conclusion générale
 Contributions du stage
 Limites
2
 Forme Juridique
Date de construction
Structure du capital
Capitale Social
Nombre de points de ventes
Société Anonyme
24 Février 1976
91.95% : actionnaires tunisiens
8,05%: actionnaires étrangers
170 millions de dinars
185

La politique de développement de la BIAT au titre de l’exercice 2014 a été orientée vers:

 1ere des banques commerciales privées de la place.
 Leader en termes de part de marché avec 16,7%.
 1ère banque en termes de collecte de dépôts.
 3ème banque en termes d’octroi de crédits après la BNA et l’AMEN BANK.
3
 Département risques

D. risques D. risque D. politique D.

crédit groupes crédit PME crédit et gestion D. Reporting D. risque de D. risque
administration D. garanties
et grande et clientèle de de portefeuilles et contrôle marché opérationnel
des crédits
entreprise détail

Tâches effectuées

 Comprendre la démarche d’analyse des dossiers de crédit au sein des directions risque
de crédit des PME et clientèle de détail.
 Mieux Connaitre l’outil d’aide de décision « RISQPRO ».

4
 H1: Il n’existe pas un profil standard de l’entrepreneur.
 H2: Certaines informations liées au profil de l’entrepreneur permettent de
prévoir celui le moins risqué.
 H3: L’intégration de ces informations « soft info » a un pouvoir prédictif du
risque de défaut de crédit d’investissement.

5
 Montrer que certaines données « soft info » liées au profil de l’entrepreneur,
en plus des données financières et comptables, permettent la prédiction de la
probabilité de défaut de crédit d’investissement.

6
1) Analyse et revue de la littérature liée au profil de l’entrepreneur.

2) Détermination des caractéristiques clés d’un entrepreneur le moins risqué.

3) Présentation de l’échantillon, des données collectées et des variables arrêtées.

4) Analyse descriptive des données

- Description de l’échantillon (test de kurtosis, test de skewness et test de normalité).
- Analyse univariée et bivariée des variables du modèle (test de corrélation, test d’Anova à 1 facteur, test de khi-2).

5) Analyse multivariée (étude économétrique)

- Estimation du modèle logistique de probabilité de défaut en absence des données « soft info ».

- Estimation du modèle logistique de probabilité de défaut en présence des données « soft info ».
7
Description de l’échantillon
 Test de Kurtosis
La plupart des variables, sauf Ratio1 d’endettement, Ratio 2 de croissance et Ratio capitaux propres, ont des valeurs
positives de kurtosis. Ainsi, la distribution de chacune d’elles est étalée.
 Test de skewness
Coefficients positifs: Ratio1 et 2 de profitabilité, Ratio1 et 4 d’endettement, Ratio 1, 2 et 3 de croissance, Ratio
capitaux propre et l’âge de l’entreprise.
Coefficients négatifs: Ratio de liquidité, Ratio 3 de profitabilité, Ratio 2 et 3 d’endettement et le Ratio de couverture
 Test de normalité
Toutes les variables explicatives suivent la distribution de la loi normale selon le test de Shapiro-Wilk.

8
Analyse univariée
a. Cas de la variable à expliquer
Variable Oui Non

Défaut 53,8% 46,2%

b. Cas des variables liées à l’entreprise et son environnement

Variables Moyennes

Ratio 2 de profitabilité -0,126 Variable Oui Non

Ratio 3 de profitabilité -0,015 Client BIAT 64,1% 35,9%
Ratio 1 d’endettement 3,701

Ratio 1 de croissance 0,108

Ratio 2 de croissance 131,80

9
c. Cas des variables liées au profil de l’entrepreneur

Niveau d’instruction % Nombre d’enfants %

1er cycle et 2ème cycle de l’enseignement 41% Pas d’enfant 46,2%
supérieur
1 à 2 enfants 28,2%
3ème cycle de l’enseignement supérieur 30,8%
Plus de 2 enfants 25,6%
Doctoral et post doctoral 25,6%

Niveau secondaire 2,6%

Variables Oui Non

Enracinement de l’esprit entrepreneurial 33,3% 66,7%

Expérience l’entrepreneurial / intégration 23,1% 76,9%

dans une chaine de valeur

Avoir de l’expérience managériale 51,3% 48,7%

10
 Analyse bivariée
• Selon le test de corrélation et le test d’Anova à 1 facteur, les variables qui vont être retenues sont:
le Ratio de liquidité, le Ratio 1 de croissance, le Ratio 2 de profitabilité et le Ratio 1 d’endettement.
• Les tests de khi deux donnent les résultats suivants

H’: La volonté de survivre • Situation matrimoniale

est négativement corrélée • Nombre d’enfant
Hypothèse confirmée
avec la probabilité de défaut • Age de l’entrepreneur
• Domaine de formation
H’’ : L’enracinement de
l’esprit entrepreneurial est
• L’enracinement de l’esprit entrepreneurial Hypothèse confirmée
négativement corrélé avec la
probabilité de défaut

H’’’ : L’acquisition des • Qualification en rapport avec le projet • Expérience managériale

compétences nécessaires est • Intégration dans une chaine de valeur • Niveau d’instruction
corrélée avec la probabilité
de défaut • Expérience entrepreneuriale • Genre de l’entrepreneur

Hypothèse confirmée 11
Analyse multivariée: Etude économétrique

H1: Les informations « soft info » ont un pouvoir prédictif lors de l’estimation de la probabilité de défaut.

H2: Les informations « soft info » n’ont pas un pouvoir prédictif lors de l’estimation de la probabilité de défaut.

 1er modèle: en absence des variables Variables Coefficients Wald (t-stat) Probabilités
liées au profil de l’entrepreneur C_BIAT -1,274 4,957 0,026
(Bofim 2009)
R2P -3,111 3,425 0,064
Yi*= 𝛽i 𝑥i + 𝜀i (1)
R1E 0,767 4,212 0,040
Yi*=𝛽1 C_BIAT + 𝛽2 R2P + 𝛽3 R1E + 𝛽4 R1C + 𝜀i
R1C -2,820 4,092 0,043
R2 ajusté 0,60 - -
Pourcentage 92,3
global

12
 2ème modèle: en présence des variables liées
au profil de l’entrepreneur « soft info »
(Lehman 2003)
Yi*= 𝛽i 𝑥i + 𝜀i (2)

Yi*=𝛽’1 NBR_ENF + 𝛽’2 NV_INSTR + 𝛽’3 R1E + 𝛽’4 R1C + 𝜀i

Variables Coefficients Wald (t-stat) Probabilités

NBR_ENF -4,875 5,395 0,020

NV_INSTR 2,030 4,293 0,038
R1E 0, 496 3,869 0,049
R1C -2,263 4,064 0,044
R2 ajusté 0,63 - -
Pourcentage global 92,3

13
Conclusion
• H1 est vérifiée: l’intégration des informations « soft info » ont un pouvoir prédictif
lors de l’estimation de la probabilité de défaut.
• L’hypothèse H2 est à rejeter: les informations soulignant les traits de personnalité de
l’entrepreneur « soft info » n’ont pas un pouvoir prédictif lors de l’estimation de la
probabilité de défaut.

14
 Contributions théoriques

- Il n’existe pas un profil standard de l’entrepreneur le moins risqué.

- Mettre en lumière la relation qui peut exister entre certaines données « soft info » et la prédiction du risque

de crédit.

- Tentative d’opérationnalisation de ces données.

 Contributions empiriques

- Utilisation de différents techniques en matière d’analyse de données afin d’apporter quelques éléments de

recherche aux questions posées.

 Contributions professionnelles

- S’initier au travail de consulting en recommandant à la BIAT d’intégrer ce modèle d’appréciation de

15
Limites méthodologiques
• Des limites d’outils, qui permettent de représenter certains traits de la personnalité de l’entrepreneur.

Limites relatives à la validation empirique

• Certaines variables soulignant les traits de personnalité de l’entrepreneur sont difficilement observables
et mesurables.
• La taille de l’échantillon est très réduite ce qui ne nous permet pas de situer nos conclusions sur un
grand intervalle de confiance.

Perspectives
• Réaliser une enquête sur un grand nombre d’entrepreneur afin d’étudier les caractéristiques de leurs profils

ce qui nous permet de vérifier les hypothèses que nous avons adoptées tout au long de ce travail.

• Effectuer (alors) l’étude empirique sur un échantillon plus large.

16
Merci pour votre attention