Navigation – Plan du site

L’IFRS 8 améliore-t-elle la qualité de l’environnement informationnel des analystes financiers ?

Does IFRS 8 improve the quality of information environment of financial analysts?
Gaëlle Lenormand et Lionel Touchais

Résumés

Cet article mesure l’impact de l’IFRS 8 sur la qualité de l’environnement informationnel des analystes financiers. Sur la base d’un échantillon construit à partir des 250 plus grosses capitalisations boursières d’Euronext Paris, nous constatons que l’accroissement du nombre de segments avec l’IFRS 8 s’accompagne d’une moindre dégradation des erreurs de prévisions de bénéfice par action. En revanche, en situation de réduction du nombre de secteurs opérationnels, nous observons une détérioration du consensus. Ces résultats ne valident donc la conclusion de l’IASB sur l’amélioration de la capacité de prévisions liée à l’IFRS 8 qu’en situation d’accroissement du nombre de segments reportés.

Haut de page

Texte intégral

1Le processus de convergence entre les US GAAP et les IFRS s’est traduit par le renouvellement de nombreuses normes comptables internationales. Cela a notamment conduit le normalisateur international à remplacer l’IAS 14 (IASC 1997) portant sur l’information sectorielle par l’IFRS 8 (IASB 2006a) applicable depuis 2009.

2Ces deux normes se distinguent par une approche profondément différente : formalisée pour l’IAS 14, managériale pour l’IFRS 8. L’IAS 14 définit précisément la manière dont le découpage sectoriel doit être réalisé et présente la liste des indicateurs comptables à publier par segment. En revanche, avec l’IFRS 8, le groupe doit communiquer les seules données sectorielles fournies en interne au principal décideur opérationnel pour suivre les performances et l’allocation des ressources du groupe. Pour l’IASB, cette nouvelle approche doit permettre aux investisseurs de « voir les groupes avec les yeux de la direction » en faisant ressortir les seuls indicateurs jugés pertinents et importants pour les décisionnaires, améliorant ainsi la transparence de l’information (IASB 2006b). L’étude d’impacts, réalisée par la Commission européenne (2007) préalablement à l’adoption de l’IFRS 8, confirme cette attente sur l’amélioration de la qualité des données sectorielles. Elle considère que l’adoption de l’IFRS 8 présente un rapport coût-bénéfice positif et qu’elle devrait s’accompagner d’une information plus pertinente.

3Ce point de vue n’est toutefois pas unanimement partagé. Par exemple, la Société Française des Analystes Financiers considère que l’IFRS 8 « risque de se traduire par une nette dégradation de la qualité et de la pertinence de l’information diffusée par les sociétés en matière d’information sectorielle alors même que celle-ci est au cœur de la compréhension des métiers, des situations et des dynamiques qui composent les groupes » (SFAF 2010). D’ailleurs, les attentes positives de l’IASB vis-à-vis de l’IFRS 8 s’appuient fortement sur les travaux anglo-saxons étudiant l’application de la SFAS 131 alors même que le contexte institutionnel est différent.

4Il nous semble donc important d’analyser dans quelle mesure les changements induits par la nouvelle norme conduisent à une amélioration de la qualité de l’environnement informationnel des analystes financiers c’est-à-dire de leur capacité à prévoir les résultats futurs. Jusqu’à présent, les travaux publiés sur l’IFRS 8 s’intéressent essentiellement à la mesure des changements de pratiques de publication de l’information sectorielle liés à l’application de la nouvelle norme (ESMA, 2011 ; Crawford et al., 2012 ; Nichols et al., 2012 ; Lenormand et Touchais, 2014). Ce travail permet donc d’élargir le spectre des investigations portant sur l’IFRS 8 en mesurant l’impact économique de l’approche managériale (Nichols et al., 2013) en apportant des éléments de confirmation ou d’infirmation à la conclusion de l’IASB (2013) qui considère que l’application de l’IFRS 8 s’est traduite par une amélioration de la « capacité des utilisateurs à prévoir les résultats futurs ».

5Pour répondre à cette problématique, nous tentons de mesurer l’impact de l’IFRS 8 sur l’environnement informationnel des analystes financiers qui est appréhendé à l’aide de mesures traditionnelles (erreur de prévisions de bénéfice par action et dispersion des prévisions) et de mesures du modèle de Baron et al. (1998) (précision de l’information commune, précision de l’information privée et consensus). À notre connaissance, ces deux méthodologies n’ont pas jamais été utilisées simultanément pour expliquer l’impact d’une norme portant sur l’information sectorielle comme la SFAS 131 ou l'IFRS 8. Or, recourir à ces deux approches conjointement peut permettre de mieux comprendre l’impact de l’IFRS 8 sur l’environnement informationnel des analystes financiers.

6Nos résultats valident l’hypothèse d’une amélioration de la qualité de l’environnement informationnel des analystes financiers (moindre dégradation des erreurs de prévisions) pour les groupes présentant des informations sectorielles a priori plus détaillées en raison d’un découpage sectoriel moins agrégé avec l’IFRS 8. Lorsque cette norme se traduit, au contraire, par une réduction de la segmentation, nous observons une dégradation de l’environnement informationnel des analystes avec une diminution du consensus en raison de données sectorielles moins détaillées. L’amélioration constatée ne concernant que les groupes augmentant leur nombre de secteurs opérationnels à l’occasion du changement de norme, nos résultats ne confirment donc que partiellement la conclusion de l’IASB (2013) sur l’accroissement de la capacité de prévisions des résultats futurs avec l’IFRS 8.

7Après un état des lieux (section 1), nous présentons la méthodologie retenue (section 2). Ensuite, sur un échantillon de groupes issus d’Euronext Paris, nous mesurons l’impact de l’IFRS 8 sur les caractéristiques de la qualité de l’environnement informationnel des analystes financiers (section 3).

1. État des lieux

8Après avoir analysé les apports de l’IFRS 8 au regard de l’IAS 14, nous étudions les travaux portant sur l’amélioration du contenu informationnel des données sectorielles liée au changement des normes sous-jacentes.

1.1. Apports de l’IFRS 8

9L’IAS 14 imposait de publier de l’information sectorielle par secteur d’activité et par zone géographique en s’appuyant sur l’approche risque et rentabilité. Si les risques et les taux de rentabilité étaient surtout affectés par les produits et services proposés, le premier niveau d’information sectorielle était le secteur d’activité et, le second, la zone géographique (et inversement dans le cas contraire). Pour réaliser ce double découpage, l’IASB recommandait d’analyser l’organisation et le système d’information interne du groupe. Les informations à fournir dépendaient alors de la qualification de premier ou deuxième niveau de la segmentation. Les secteurs de premier niveau donnaient lieu à la publication d’informations détaillées portant notamment sur les produits internes et externes au groupe, le résultat, les investissements de l’exercice, les dotations aux amortissements et la valeur comptable des actifs et passifs. Quant aux secteurs de second niveau, les informations à publier se limitaient au chiffre d’affaires externe du groupe, à la valeur comptable des actifs et aux investissements de l’exercice.

10Avec l’IFRS 8, la double segmentation de premier et de deuxième niveaux, définie par rapport au niveau de risque et de rentabilité, est remplacée par le découpage sectoriel (entité juridique, activité, zone géographique ou mixte) utilisé en interne par le principal décideur opérationnel du groupe pour évaluer les performances de chaque segment et décider de l’affectation des ressources. L’IASB (2006b) considère que cela doit réduire la marge de manœuvre des dirigeants au niveau de l’agrégation des segments et ainsi s’accompagner d’un accroissement du nombre de secteurs présentés et donc d’une diffusion d’informations sectorielles plus pertinentes. Sur la base d’une étude expérimentale, Maines et al. (1997) montrent d’ailleurs que les analystes financiers considèrent l’information sectorielle plus fiable lorsque la segmentation est cohérente avec les pratiques internes du groupe. Quant à la disparition de la double segmentation et des données associées, elle est partiellement compensée par les informations complémentaires à fournir pour l’ensemble du groupe (chiffre d’affaires externe des différents produits et services, chiffre d’affaires externe et actifs non courants par zone géographique, dépendance à l’égard des clients).

11S’agissant des données à publier, l’IFRS 8 fournit la même liste d’indicateurs que l’IAS 14 avec des informations supplémentaires portant sur les charges et produits d’intérêts et d’impôts. Cependant, à l’exception du résultat (et des actifs totaux sectoriels en 2009) qui doit être obligatoirement publié, seuls les indicateurs sectoriels fournis au principal décideur opérationnel du groupe sont désormais à présenter dans les états financiers. De surcroît, contrairement à l’IAS 14, les informations sectorielles publiées ne s’appuient pas nécessairement sur les règles comptables utilisées pour l’établissement des documents financiers consolidés. Elles ne sont plus formalisées. Il s’agit désormais de données financières issues du système d’information interne du groupe. En d’autres termes, alors qu’avec l’IAS 14, la firme était tenue de publier les informations sectorielles comptables formalisées et listées par la norme, l’IFRS 8 privilégie la publication des seuls indicateurs sectoriels issus du système de reporting interne et communiqués aux principaux décideurs opérationnels aux fins de prise de décisions. L’IASB (2006b) considère que l’IFRS 8 doit ainsi aboutir à une information financière sectorielle plus pertinente permettant aux investisseurs de « voir le groupe avec les yeux de la direction ». L’étude d’impacts réalisée par la Commission européenne (2007) confirme cette attente. Cette approche managériale est toutefois critiquée en raison de l’absence de formalisation qui laisse une marge de manœuvre plus importante sur les informations sectorielles à communiquer et leur définition. Cela soulève des questions sur l’homogénéité et la comparabilité des données sectorielles publiées par les groupes. Des interrogations sur l’objectivité et la fiabilité de telles informations apparaissent également. Cette discrétion suscite in fine des inquiétudes sur la plus grande facilité, pour les groupes qui le souhaitent, de dissimuler les mauvaises performances obtenues sur certaines activités (Commission européenne, 2007 ; SFAF, 2010).

12Quelques travaux récents tentent d’apprécier les changements liés à l’application de l’IFRS 8. Sur un échantillon français, Lenormand et Touchais (2014) montrent que l’IFRS 8 n’entraîne pas un bouleversement des pratiques. Ils constatent un impact limité sur le découpage sectoriel en raison d’une segmentation antérieure s’appuyant déjà fortement sur l’organisation et le système d’information interne du groupe conformément à l’IAS 14. D’une part, il y a une certaine cohérence entre la nature du secteur de premier niveau de l’IAS 14 et le découpage de l’IFRS 8. D’autre part, la nouvelle norme ne se traduit pas par une segmentation significativement plus fine avec un plus grand nombre de secteurs et moins de groupes mono-sectoriels. Quant aux indicateurs sectoriels publiés, même s’ils reposent toujours sur le modèle comptable, ils sont significativement moins nombreux puisque les données ne remontant pas au principal dirigeant opérationnel ne sont plus obligatoires. Ces résultats sont confirmés au niveau britannique (Crawford et al., 2012), australien (Bugeja et al., 2015) et européen (ESMA, 2011 ; Nichols et al., 2012).

13L’ESMA - European Securities and Markets Authority - (2011) considère que, dans la majorité des cas, les indicateurs sectoriels publiés ne reflètent pas l’information détaillée, utilisée en interne par la direction, qui se situe à un niveau inférieur d’agrégation. Elle constate également qu’il y a des insuffisances au niveau de la publication des informations complémentaires portant sur l’ensemble du groupe. À ses yeux, cette situation est de nature à réduire l’utilité de ces informations. Au travers d’entretiens avec des utilisateurs des états financiers (investisseurs et analystes financiers), Crawford et al. (2012) aboutissent à un résultat semblable. Les utilisateurs interrogés indiquent craindre que la flexibilité offerte par l’IFRS 8 ne permette aux groupes de dissimuler de l’information pertinente, notamment pour cacher de mauvaises performances. Quant à l’IASB (2013), dans le cadre de sa revue post implementation portant sur l’IFRS 8, elle conclut au contraire à une amélioration de l’information financière permettant aux utilisateurs des comptes de mieux comprendre le modèle économique des groupes. Elle précise toutefois que certains investisseurs estiment que les secteurs opérationnels sont parfois trop agrégés ou regroupés de manière inappropriée afin de dissimuler de l’information aux concurrents ou masquer des activités déficitaires. Les utilisateurs des états financiers considèrent également que le fait de présenter les données reportées en interne ne facilite pas les comparaisons. En d’autres termes, pour eux, l’approche managériale entraîne une réduction de l’intérêt des informations présentées. Dans tous les cas, l’appréciation générale plutôt positive de l’IASB et les différentes craintes exprimées ne sont pas démontrées scientifiquement. Il s’agit de ressentis obtenus sur la base d’entretiens limités (ESMA, 2011 ; Crawford et al., 2012) ou de réponses volontaires à la revue post implementation (IASB 2013).

14Après avoir analysé les apports de l’IFRS 8, nous examinons les différents travaux qui se sont intéressés au contenu informationnel des données financières sectorielles.

1.2. Travaux sur l’amélioration du contenu informationnel des données sectorielles

15Différents travaux anglo-saxons étudient dans quelle mesure le remplacement de la SFAS 14 (FASB 1976) (proche de l’IAS 14) par la SFAS 131 (norme reprise presque intégralement par l’IFRS 8) s’est traduit par une amélioration de l’information sectorielle publiée. Globalement, ils tendent à démontrer la supériorité de l’approche managériale. Ainsi, Hardin (2009) compare les groupes augmentant le nombre de leurs segments avec la SFAS 131 aux autres firmes. Elle montre que l’approche managériale se traduit alors par un accroissement des volumes de transaction et des prix ainsi qu’une réduction de la variance des rendements et de la composante de sélection adverse du bid-ask spread. Cette réduction de l’asymétrie d’information entraînée par la divulgation d’informations sectorielles liées à l’accroissement du nombre de secteurs avec la SFAS 131 concerne surtout les groupes avec une faible liquidité de leurs titres (faible capitalisation et fort bid-ask spread). Quant à Ettredge et al. (2005), ils démontrent qu’indépendamment de la variation du nombre de secteurs présentés, la SFAS 131 s’accompagne d’une meilleure corrélation des rendements boursiers avec les résultats futurs. En d’autres termes, l’approche managériale se traduit par une meilleure capacité des investisseurs à prévoir les résultats futurs et donc améliore le contenu informationnel des données sectorielles. Park (2011) aboutit à une conclusion semblable pour les groupes augmentant le nombre de leurs segments suite à l’application de la SFAS 131. En décomposant le résultat de ces firmes en deux éléments : le résultat lié au secteur d’activité du segment et le résultat « résiduel » lié à l’entreprise, il montre également que cette amélioration de l’environnement informationnel s’explique par un accroissement de l’information sur les différents secteurs d’activité dans lesquels les groupes interviennent. La moindre agrégation du découpage sectoriel ne semble pas améliorer la compréhension des investisseurs sur les performances spécifiques du groupe.

16D’autres recherches analysent l’impact de la SFAS 131 sur la qualité des prévisions des analystes financiers. Ainsi, Allioualla et Laurin (2002) comparent les erreurs de prévisions de résultats avant et après l’application de cette norme. Sur un échantillon très faible de 25 firmes, ils font ressortir une diminution des erreurs de prévisions avec la SFAS 131. Quant à Berger et Hann (2003), ils montrent que la SFAS 131 s’accompagne d’une augmentation du nombre de segments reportés et d’une information moins agrégée entraînant une amélioration des prévisions des analystes financiers. Ces travaux démontrent que l’approche managériale, qui est également adoptée par l’IFRS 8, apporte de l’information supplémentaire utile aux analystes.

17En s’appuyant sur la méthodologie de Barron et al. (1998), d’autres auteurs concluent à l’amélioration de l’information disponible lorsque la SFAS 131 se traduit par des changements de segmentation. Ainsi, Botosan et Stanford (2005) montrent que le passage d’une situation mono-sectorielle à multisectorielle avec la SFAS 131 augmente la confiance des analystes financiers dans les données publiques. Quant à Venkataraman (2001), ses résultats soulignent un accroissement de la précision de l’information publique et privée pour les groupes qui augmentent leur nombre de secteurs opérationnels avec la SFAS 131. Avec l’amélioration de l’information publique, les analystes semblent plus en mesure d’utiliser l’information privée de manière efficace.

18Finalement, ces différentes recherches tendent à démontrer une amélioration du contenu informationnel des données sectorielles avec la SFAS 131 pour les investisseurs (Ettredge et al., 2005 ; Hardin, 2009 ; Park, 2011) et les analystes financiers (Venkataraman, 2001 ; Allioualla et Laurin, 2002 ; Berger et Hann, 2003 ; Botosan et Stanford, 2005). Avec la suppression de l’obligation de publication des résultats par zone géographique avec la SFAS 131, ces résultats ne sont cependant pas vérifiés pour l’information géographique. Même si cette situation ne semble pas avoir d’impact sur la dispersion et la précision des prévisions des analystes (Hope et al., 2006), elle se traduit par une détérioration de l’information pour l’investisseur (Hope et al., 2008, 2009a, 2009b). En effet, une diminution des volumes de transaction des titres (Hope et al., 2009b) et une moindre valorisation, par les marchés, des opérations à l’international (Hope et al., 2009a) sont constatées. Cela se traduit également par une plus forte croissance des ventes à l’international de ces groupes, une diminution de leurs marges à l’international et de leur valeur (Hope et Thomas, 2008). Ces auteurs interprètent ces derniers résultats comme la preuve d’une moindre capacité des actionnaires à contrôler les décisions des dirigeants liées aux activités internationales.

19Même si l’IFRS 8 reprend l’essentiel de la SFAS 131, il nous semble toutefois difficile d’extrapoler ces résultats. D’une part, les contextes temporels et économiques diffèrent. D’autre part, l’application de la SFAS 131 entraîne des changements de pratiques des groupes (Herrmann et Thomas, 2000 ; Street et al., 2000 ; Berger et Hann, 2003) différents de ceux constatés avec l’IFRS 8 (ESMA, 2011 ; Crawford et al., 2012 ; Nichols et al., 2012 ; Lenormand et Touchais, 2014 ; Bugeja et al., 2015). En particulier, la SFAS 131 se traduit par des évolutions nettement plus importantes sur le découpage sectoriel avec un accroissement significatif du nombre de segments et une réduction importante des groupes mono-sectoriels. Malgré tout, dans sa revue post implementation, l’IASB (2013) considère que l’IFRS 8 a permis d’améliorer la capacité des utilisateurs à prévoir les résultats futurs. De manière à vérifier cette conclusion, nous posons l’hypothèse de travail suivante :

20L’IFRS 8 se traduit par une amélioration de la qualité de l’environnement informationnel des analystes financiers.

21Si cette hypothèse est validée, l’application de l’approche managériale doit s’accompagner d’une amélioration de la capacité des analystes financiers à prévoir les résultats futurs (diminution des erreurs de prévisions de résultats et réduction des dispersions des prévisions) associée à un accroissement de la précision des informations publiques, notamment par rapport à l’information totale disponible, d’où une amélioration du consensus.

2. Méthodologie

22Après une description de l’échantillon, nous présentons les modèles de recherche utilisés.

2.1. Échantillon

23L’échantillon est construit à partir des 250 premières capitalisations boursières d’Euronext Paris à la fin du premier exercice de l’application de l’IFRS 8, soit au 31/12/2009. Afin de pouvoir comparer la qualité de l’environnement informationnel des analystes financiers dans un même contexte (mêmes conditions macro-économiques…), seules les sociétés clôturant leur exercice comptable au 31 décembre sont retenues. Sont éliminés les groupes avec une activité financière et d’assurance, retenant un autre référentiel que les IFRS ou introduits en bourse en 2009. Après consultation des rapports annuels, les sociétés ayant adopté l’IFRS 8 par anticipation ont été exclues. Enfin, les firmes présentant des données manquantes sur I/B/E/S, suivies par moins de trois analystes financiers ou impliquées dans un regroupement ne sont pas retenues. Au total, 126 sociétés composent l’échantillon (tableau 1).

Tableau 1 - Constitution de l’échantillon

SBF 250 au 31/12/2009

250

Sociétés ne clôturant pas l’exercice comptable au 31 décembre

Sociétés financières et d’assurance

Sociétés utilisant un autre référentiel que les IFRS

Sociétés avec une adoption anticipée de l’IFRS 8

Sociétés s’introduisant en bourse au cours de l’année 2009

Sociétés pour lesquelles il n’y a pas de données I/B/E/S

Sociétés suivies par moins de 3 analystes financiers

Sociétés impliquées dans un regroupement

(37)

(16)

(1)

(20)

(1)

(7)

(37)

(5)

Sociétés constituant l’échantillon

126

24Les données sectorielles, collectées à partir des documents de référence 2008 et 2009 déposés auprès de l’AMF, s’appuient respectivement sur l’IAS 14 et l’IFRS 8. À des fins de comparaison, dans les états financiers 2009, nous disposons également des informations sectorielles de 2008 retraitées avec l’IFRS 8. Cela nous permet d’apprécier les modifications de découpage sectoriel liées à l’application de l’approche managériale.

25L’application d’une nouvelle norme pouvant nécessiter un certain temps d’apprentissage, nous analysons également les changements liés à l’IFRS 8 intervenus sur les années postérieures à 2009. Par ailleurs, pour atténuer l’effet de la crise intervenue en 2008, nous retenons une période de 9 années avec deux phases : 2006 à 2009 (avec des prévisions réalisées à partir d’états financiers appliquant l’IAS 14) et 2010 à 2014 (avec des prévisions réalisées à partir d’états financiers utilisant l’IFRS 8). Au total, cette étude porte sur un nombre théorique de 1 134 observations (126 × 9). Cependant, sur certaines périodes, des observations manquent. C’est le cas lorsque l’entreprise n’est pas cotée sur les 9 années considérées ou quand, sur certaines années, il n’y a pas de données I/B/E/S ou la société est suivie par moins de trois analystes financiers. Finalement, l’étude porte sur un échantillon composé de 977 observations.

2.2. Modèles de recherche

Afin d’analyser si l’environnement informationnel est modifié avec l’application de l’IFRS 8, le modèle suivant est proposé :

Image 100000000000024E00000079898F8E1E.jpg

Avec :

Variables dépendantes :

EIi,t : l’environnement informationnel de l’entreprise i à la date t. L’environnement informationnel est mesuré, dans un premier temps, à partir des mesures traditionnelles que sont l’erreur de prévisions de bénéfice par action des analystes financiers et la dispersion des prévisions :

Image 1000000000000118000000418CE51CB1.jpg 

  • 1  Les tests ont également été menés à partir des prévisions de BPA des analystes financiers du mois (...)

 : la valeur absolue de la différence entre le BPA (bénéfice par action) réalisé par la société i pour l’exercice N et la moyenne des prévisions de BPA de la société i des analystes financiers à la date t pour l’année N, divisée par le cours boursier de l’action i à la fin du mois précédent. La date t correspond à la fin du mois de mai1 ;

DISPi,t,N : l’écart-type des prévisions de BPA pour l’exercice N des analystes financiers pour la société i à la date t divisé par le cours boursier à la fin du mois précédent.

26Dans un second temps, nous cherchons à mesurer si le changement de norme d’information sectorielle a une incidence sur la nature de l’information sur laquelle les analystes financiers s’appuient pour réaliser leurs prévisions de bénéfice par action. Pour cela, nous utilisons le modèle de Barron et al. (1998) qui relie des propriétés inobservables de l’environnement informationnel des analystes financiers (précisions de l’information publique et privée, consensus) à des propriétés observables de leurs prévisions de BPA (dispersion, erreur, nombre de prévisions…). Barron et al. (1998) supposent que les analystes financiers observent deux signaux sur les bénéfices futurs : un signal commun reflétant la connaissance partagée par tous les analystes (information publique) et un signal spécifique à chaque analyste (information privée). Ils supposent également que les analystes financiers réalisent leurs prévisions sur le bénéfice futur en se basant seulement sur l’information publique et privée. Barron et al. (1998) expriment alors la dispersion des prévisions (D) et le carré de l’erreur de la prévision moyenne (SE) en fonction de l’incertitude et du consensus qui sont inobservables. Le modèle démontre ensuite que lorsque la précision de l’information privée est similaire pour tous les analystes financiers, l’incertitude, le consensus, D et SE peuvent être exprimés en fonction de la précision de l’information publique et privée (Botosan et al., 2004). Les auteurs aboutissent aux formules des précisions de l’information publique (PUBLIQUE) et privée (PRIVEE) suivantes :

Image 1000000000000106000000D9FF6EC80E.jpg

27Avec SE : le carré de l’erreur de prévision moyenne ; D : la dispersion des prévisions de BPA et N : le nombre d’analystes réalisant des prévisions de BPA.

28À partir de l’information privée et publique, il est possible de calculer le consensus parmi les analystes financiers en évaluant la proportion de la précision de l’information publique sur la précision de l’information totale :

Image 100000000000014F0000005754E10E4E.jpg

29Avec l’IFRS 8, le découpage sectoriel doit s’appuyer sur la segmentation utilisée en interne par le principal décideur opérationnel pour évaluer les performances de chaque segment et décider de l’affectation des ressources. Ce découpage devrait a priori être plus proche de la réalité économique du groupe et ainsi conduire à de meilleures informations sectorielles. Le changement de segmentation lié à l’approche managériale pourrait alors se traduire par une amélioration de l’environnement informationnel des analystes financiers mesurée par une diminution des erreurs de prévisions de BPA (AFE) et une réduction des dispersions des prévisions (DISP) associées à un accroissement de la précision des informations publiques (PUBLIQUE), notamment par rapport à l’information totale disponible (publique et privée), d’où une amélioration du consensus (CONSENSUS). Toutefois, cette amélioration de l’environnement informationnel pourrait ne concerner que les groupes qui, augmentant le nombre de segments reportés, fournissent une information sectorielle plus détaillée. En revanche, une réduction du nombre de segments pourrait avoir l’effet inverse en raison d’une plus forte agrégation des données sectorielles publiées.

Variables indépendantes

30POSTi prend la valeur 1 si les prévisions du groupe i sont effectuées sur la base de l’information sectorielle présentée selon l’IFRS 8 et 0 sinon.

31POSTi×CHANGEi : avec CHANGEi qui mesure les changements de segmentation du groupe i liés à l’application de l’IFRS 8.

32Dans un premier temps, le changement de segmentation est appréhendé par la variable CHANGE_SEGi qui prend la valeur 1 si le nombre de segments sectoriels évolue avec l’IFRS 8 et 0 sinon. Dans un second temps, l’impact sur l’environnement informationnel pouvant être différent selon le sens du changement (augmentation ou diminution du nombre de segments), nous décomposons cette variable avec :

33AUG_SEG (DIM_SEG) qui correspond à la valeur absolue de la variation relative du nombre de secteurs si le groupe augmente (diminue) le nombre de segments présentés.

Variables de contrôle

34À l’instar de plusieurs auteurs s’intéressant à l’environnement informationnel des analystes financiers (Lys et Soo, 1995 ; Lang et Lundholm, 1996 ; Barron et al., 2002 ; Gu et Wu, 2003 ; Jones, 2007 ; Byard et al., 2011), nous retenons d’autres variables susceptibles d’influer sur les résultats, à savoir : la taille du groupe, le nombre d’analystes financiers suivant l’entreprise, la volatilité des rendements boursiers, la variation du bénéfice par action sur deux années, le niveau d’endettement, le caractère déficitaire du résultat et les opportunités de croissance mesurées par le ratio market to book. Nous les mesurons de la manière suivante :

TAILLEi,t-1 : ln de la capitalisation boursière à la fin de l’année précédant la prévision ;

NBANAi,t : nombre d’analystes financiers effectuant des prévisions de BPA de la société i à la date t ;

VOLATi,t-1 : écart-type des rendements boursiers mensuels de la société i sur les 36 mois précédant t ;

Image 10000000000000FE0000003AA12962AD.jpg

 : la valeur absolue de la variation relative de BPA de l’entreprise i sur 2 années consécutives, divisée par le prix de l’action i à la fin de l’année précédente ;

ENDETi,t-1 : total dettes/total actif à la fin de l’année précédente ;

PERTEi,t-1 = 1 si le résultat de la société i de l’année t-1 est négatif, 0 sinon ;

M/Bi,t-1 : le ratio market to book à la fin de l’année précédente.

  • 2 Plus précisément, les données ont été extraites de I/B/E/S summary.

35Dans la régression, nous intégrons également des effets fixes année et secteur d’activité (en se basant sur le découpage sectoriel ICB à deux chiffres). Les informations nécessaires à ces régressions sont issues des bases de données I/B/E/S2 (prévisions de BPA des analystes financiers, dispersions des prévisions, nombres d’analystes financiers et BPA réalisés) et Worldscope (cours boursiers, capitalisations boursières, endettements, ratios market to book) et de l’examen des documents de référence des sociétés (variable CHANGE).

36Nous utilisons des données de panel non cylindré sur 9 ans (2006 à 2014). Les écarts-types sont calculés en utilisant la méthode de clustering par firme.

37L’analyse du coefficient β2 de la variable d’interaction de POST avec CHANGE doit permettre de répondre à notre questionnement sur l’amélioration de l’environnement informationnel avec l’IFRS 8. Si β2 est significativement différent de zéro, cela signifie que les groupes qui changent leur découpage sectoriel avec l’IFRS 8 connaissent une modification de leur environnement informationnel.

3. Les résultats

38Avant de procéder à l’analyse multi-variée, nous présentons les statistiques descriptives des variables utilisées.

3.1. Statistiques descriptives

39L’IFRS 8 entraîne une augmentation, statistiquement significative aux seuils respectifs de 1 % et 5 %, du nombre moyen de segments reportés qui passe de 3,31 avec l’IAS 14 à 3,57 en 2009 et 3,56 en 2014 (tableau 2). Quelle que soit la norme, plus de 70 % des groupes reportent entre 2 et 5 secteurs opérationnels.

40La nouvelle norme a un impact limité sur le découpage sectoriel puisqu’elle n’entraîne pas de changement du nombre de segments pour 93 groupes (74 %) en 2009. Pour les 33 autres groupes (26 %), l’IFRS 8 s’accompagne d’une augmentation du nombre de segments pour 23 d’entre eux avec un secteur supplémentaire pour 52 %, deux pour 17 % et trois pour 13 %. Les 10 autres groupes connaissent une diminution avec la suppression d’un seul secteur pour 70 % d’entre eux.

Tableau 2 – Les changements du nombre de secteurs reportés avec l’IFRS 8

IAS 14

IFRS 8

Secteur primaire

2009

2014

Nombre de groupes

126

126

126

Nombre moyen secteurs

Nombre médian secteurs

3,31

3

3,57

3

3,56

3

Test de différence des moyennes

IAS 14 / IFRS 8 (2009)

-2,66 (p = 0,009)

IAS 14 / IFRS 8 (2014)

-2,39 (p =0,018)

Variation du nombre de segments

IAS 14 / IFRS 8

2008 vs 2009

2008 vs 2014

Nombre

 %

Nombre

 %

-3

-2

-1

0

+1

+2

+3

+4

+5

1

2

7

93

12

4

3

2

2

1 %

2 %

5 %

74 %

9 %

3 %

2 %

2 %

2 %

1

4

11

83

13

6

4

2

2

1 %

3 %

9 %

65 %

10 %

5 %

3 %

2 %

2 %

TOTAL

126

100 %

126

100 %

41Lorsque nous étudions l’impact de l’approche managériale sur les années suivantes, nous constatons que dix groupes supplémentaires procèdent à des changements de découpage sectoriel liés à l’application de l’IFRS 8. Six d’entre eux diminuent le nombre de leurs segments (jusqu’à deux secteurs opérationnels en moins) alors que les quatre autres l’augmentent (jusqu’à trois segments supplémentaires). Finalement, le changement de norme entraîne une variation du nombre de segments pour 43 entreprises, soit 35 % de l’échantillon. Même si l’IFRS 8 se traduit par des changements relativement limités sur la segmentation, l’IASB (2013) considère que l’approche managériale doit s’accompagner d’une information plus détaillée et donc susceptible d’être plus utile à l’investisseur.

42Le tableau 3 présente les différentes mesures de l’environnement informationnel (erreurs de prévisions, dispersion des prévisions, précision de l’information publique, précision de l’information privée et consensus) au regard de la norme d’information sectorielle en vigueur : IAS 14 (pour les prévisions 2006 à 2009) et IFRS 8 (pour les prévisions 2010 à 2014) et les variables de contrôle.

Tableau 3 – Statistiques descriptives des variables

Moyenne

Médiane

Écart-type

t Student

t

appariés

z

Wilcoxon

AFE

IAS 14

IFRS 8

1,86

2,08

0,81

0,94

3,39

4,20

-0,92

-1,25

-2,71*

DISP

IAS 14

IFRS 8

0,012

0,010

0,01

0,01

0,03

0,01

1,32

0,47

-2,73*

PUBLIQUE

IAS 14

IFRS 8

0,86

0,92

0,50

0,86

3,34

4,79

-0,24

-1,58

-2,32**

PRIVEE

IAS 14

IFRS 8

9,23

8,81

5,28

5,06

10,72

14,06

0,52

1,93*

1,78*

CONSENSUS

IAS 14

IFRS 8

0,26

0,30

0,16

0,24

0,35

0,36

-1,93**

-2,41**

-2,67***

TAILLE

IAS 14

IFRS 8

14,27

14,27

14,06

14,20

1,71

1,72

-0,07

1,24

1,52

NBANA

IAS 14

IFRS 8

12,39

13,73

11

13

7,38

8,48

-2,64***

-5,58***

-4,61***

VOLAT

IAS 14

IFRS 8

0,091

0,10

0,081

0,095

0,045

0,037

-4,25***

-6,56***

-8,39***

VARBPA

IAS 14

IFRS 8

0,035

0,046

0,006

0,008

0,17

0,13

-1,16

-0,84

-2,91***

ENDET

IAS 14

IFRS 8

0,62

0,59

0,62

0,59

0,28

0,31

1,54

3,19***

7,75***

PERTE

IAS 14

IFRS 8

0,09

0,14

0

0

0,29

0,34

-2,46**

-2,95***

-2,93**

M/B

IAS 14

IFRS 8

2,58

1,74

2,11

1,40

2,45

1,42

7,09***

10,29***

12,43***

*** : significatif au seuil de 1 % ; ** : significatif au seuil de 5 % ; * : significatif au seuil de 10 %. Avec AFE : erreurs de prévisions du bénéfice par action, DISP : dispersion des prévisions, PUBLIQUE : précision de l’information publique, PRIVEE : précision de l’information privée, CONSENSUS : précision de l’information publique par rapport à l’information totale, TAILLE : taille, NBANA : nombre d’analystes financiers, VOLAT : dispersion des rendements boursiers, VARBPA : variation du résultat sur deux ans, ENDET : endettement, PERTE : variable dichotomique de valeur 1 si résultat déficitaire l’année passée et 0 sinon, M/B : market to book ratio.

43La mise en œuvre des tests de différences sur les moyennes (test t de Student sur échantillons appariés ou non et test non paramétrique de Wilcoxon) font ressortir les résultats significatifs suivants : une augmentation du consensus, du nombre d’analystes financiers, de la volatilité des rendements boursiers, du nombre de firmes déficitaires l’année précédente et une diminution du ratio market to book sur la période d’application de l’IFRS 8. Avec le test t de Student sur des échantillons appariés et le test non paramétrique de Wilcoxon, nous constatons des différences significatives supplémentaires avec une diminution de la précision de l’information privée et de l’endettement sur la période d’utilisation de l’IFRS 8. Nous ne sommes toutefois pas en mesure d’indiquer dans quelle mesure ces différences significatives sont liées à la mise en œuvre de l’approche managériale ou à un environnement économique différent. L’analyse multi-variée doit permettre d’apporter des éléments de réponse.

3.2. Analyse multi-variée

44Les résultats de l’analyse multi-variée sont issus du modèle de recherche présenté précédemment. À l’aide de ce modèle, nous tentons de mesurer l’amélioration de l’environnement informationnel liée à l’application de l’IFRS 8 au travers successivement des erreurs de prévisions moyennes, de la dispersion des prévisions, de la précision de l’information publique et privée et du consensus. La variable indépendante mesurant le changement de segmentation lié à la nouvelle norme est d’abord représentée par une variable dichotomique CHANGE_SEG (1 si changement du nombre de secteurs reportés, 0 sinon). Elle est ensuite décomposée en deux variables : AUG_SEG et DIM_SEG. Il s’agit alors d’étudier si l’impact sur l’environnement informationnel est le même en fonction du sens du changement de segmentation lié à l’IFRS 8. La variable AUG_SEG (DIM_SEG) correspond à la valeur absolue de la variation relative du nombre de secteurs si le groupe a augmenté (diminué) le nombre de segments présentés.

  • 3 Les régressions ont également été menées avec la variable TAILLE en remplacement de la variable NBA (...)

45La matrice des corrélations entre variables, présentée en annexe, met en évidence plusieurs corrélations significatives. En testant la multicolinéarité avec la mesure du facteur d’inflation de la variance (coefficient VIF), nous constatons qu’aucune des variables n’a un facteur VIF supérieur à 10 (Neter et al., 1989). Ces régressions ne semblent donc pas présenter de multicolinéarité. Cependant, en raison de la très forte corrélation entre les variables TAILLE et NBANA (près de 80 %), les régressions ont été réalisées sans la variable TAILLE3.

46L’analyse est réalisée sur les prévisions de BPA de l’année en cours puis sur les prévisions de BPA à deux et trois ans. Nous commençons par présenter les résultats obtenus avec les mesures traditionnelles (AFE : erreur de prévisions de bénéfice par action des analystes financiers et DISP : dispersion des prévisions) avant de porter notre attention sur les caractéristiques des prévisions issues du modèle de Baron et al. (1998).

3.2.1. Les mesures traditionnelles

  • 4  Afin de ne pas alourdir les développements, les relations entre les variables dépendantes et les v (...)

47Le tableau 4 présente les résultats obtenus avec des prévisions à un an. La première régression montre qu’un changement de segmentation lié à l’IFRS 8 (variable POST×CHANGE_SEG) limite la détérioration des erreurs de prévisions du bénéfice par action constatée sur la période 2010 à 2014 par rapport aux groupes qui ne modifient pas leur découpage sectoriel (variable POST). Nous obtenons alors un impact total défavorable de 0,21 (somme des coefficients POST de +0,69 et POSTxCHANGE_SEG de -0,48) Cette moindre dégradation semble plutôt concerner les firmes qui augmentent leur nombre de secteurs opérationnels (variables POST et POST×AUG_SEG dans la deuxième régression). Plus l’IFRS 8 s’accompagne d’un nombre élevé de segments supplémentaires, moins la dégradation des erreurs de prévisions de résultat des analystes financiers semble importante (impact total défavorable de 0,33 = coefficient POST de +0,60 et coefficient POSTxAUG_SEG de -0,27). Ce résultat s’explique probablement par une information sectorielle plus détaillée liée à la moindre agrégation du découpage sectoriel4.

  • 5 L’ensemble des régressions présentées dans cet article porte sur des variables winsorizées à 1 %.

Tableau 4 – Résultats des régressions sur les erreurs et les dispersions de prévisions à un an5

Image 100000000000025100000218E01A9CFA.jpg

*** : significatif au seuil de 1 % ; ** : significatif au seuil de 5 % ; * : significatif au seuil de 10 %. Avec : AFE : erreurs de prévisions du bénéfice par action, DISP : dispersion des prévisions, CHANGE_SEG : changement du nombre de secteurs reportés avec l’IFRS 8, POST : variable dichotomique de valeur 1 si application de l’IFRS 8 et 0 sinon, AUG_SEG : augmentation du nombre de secteurs avec l’IFRS 8, DIM_SEG : diminution du nombre de secteurs avec l’IFRS 8, NBANA : nombre d’analystes financiers, VOLAT : dispersion des rendements boursiers, VARBPA : variation du résultat sur deux ans, ENDET : endettement, PERTE : variable dichotomique de valeur 1 si résultat déficitaire l’année passée et 0 sinon, M/B : market to book ratio.

  • 6 Afin de ne pas alourdir la présentation, nous ne retenons plus la variable indépendante POST×CHANGE (...)
  • 7 Le nombre d’analystes financiers réalisant des prévisions à deux ou trois ans est plus faible. Nous (...)

48Nous réalisons également les tests précédents sur des prévisions de résultats à deux et trois ans (tableau 5) avec les variables explicatives6 POST×AUG_SEG et POST×DIM_SEG7. Les régressions 1 et 3 confirment les résultats obtenus sur des prévisions à un an. Elles mettent en évidence un impact favorable de l’augmentation du nombre de segments avec l’IFRS 8, à savoir une moindre dégradation des erreurs de prévisions avec un impact total défavorable de 0,34 (0,80 - 0,46) et 1,12 (2,21 - 1,09) pour des prévisions respectivement à deux et trois ans. En d’autres termes, le bénéfice lié à la moindre agrégation du découpage sectoriel touche aussi bien les horizons de prévisions à un an qu’à deux et trois ans.

49Au niveau de la dispersion des prévisions de BPA des analystes financiers, nous constatons une amélioration (détérioration) pour les groupes présentant un accroissement (une diminution) du nombre de secteurs opérationnels avec l’IFRS 8 pour les prévisions à trois (un) ans (régressions 4 des tableaux 4 et 5). Plus précisément, moins (plus) le découpage sectoriel est agrégé, moins (plus) la dispersion des prévisions est importante. Ces résultats moins stables que les précédents sur les erreurs de prévisions s’expliquent probablement par une information sectorielle plus (moins) détaillée liée à la moindre (plus forte) agrégation de la segmentation.

Tableau 5 – Résultats des régressions sur les erreurs et les dispersions de prévisions à deux et trois ans

Variables

Prévisions à deux ans

Prévisions à trois ans

AFE

DISP

AFE

DISP

Régression 1

Régression 2

Régression 3

Régression 4

Nombre d’observations

954

954

759

759

CONSTANTE

POST

POST×AUG_SEG

POST×DIM_SEG

NBANA

VOLAT

VARBPA

ENDET

PERTE

M/B

2,73**

0,80**

-0,46*

-1,34

-0,05**

6,64

10,39***

1,64*

1,74**

-0,26***

1,13*

0,02

0,01

0,66

-0,02

3,88

3,75**

0,85

0,64*

-0,10***

0,65

2,21**

-1,09**

-2,11

-0,13**

11,20

12,57*

5,98***

3,85**

-0,40**

1,14

0,26

-0,21***

1,40

-0,02

7,88*

2,12**

1,15

0,51**

-0,05

R2 ajusté

29,24 %

26,05 %

27,61 %

29,78 %

*** : significatif au seuil de 1 % ; ** : significatif au seuil de 5 % ; * : significatif au seuil de 10 %. Avec : AFE : erreurs de prévisions du bénéfice par action, DISP : dispersion des prévisions, POST : variable dichotomique de valeur 1 si application de l’IFRS 8 et 0 sinon, AUG_SEG : augmentation du nombre de secteurs avec l’IFRS 8, DIM_SEG : diminution du nombre de secteurs avec l’IFRS 8, NBANA : nombre d’analystes financiers, VOLAT : dispersion des rendements boursiers, VARBPA : variation du résultat sur deux ans, ENDET : endettement, PERTE : variable dichotomique de valeur 1 si résultat déficitaire l’année passée et 0 sinon, M/B : market to book ratio.

3.2.2. Les caractéristiques des prévisions issues du modèle de Baron et al. (1998)

50L’étude des caractéristiques des prévisions (consensus et précision de l’information publique et privée) est présentée dans le tableau 6 pour des prévisions à un an et le tableau 7 pour des prévisions à deux et trois ans.

51La régression 3 du tableau 7, portant sur des prévisions à deux ans, montre une détérioration du consensus pour les groupes diminuant leur nombre de secteurs opérationnels avec l’IFRS 8 (variable POSTxDIM_SEG). Plus l’agrégation du découpage sectoriel est importante, plus le consensus se dégrade. Le consensus mesurant la part de l’information commune dans l’information totale (publique et privée) incorporée dans les prévisions, cela signifie que les analystes s’appuient moins fortement sur les données publiques disponibles pour réaliser leurs prévisions. En d’autres termes, avec des données sectorielles moins détaillées liées à l’accroissement de l’agrégation du découpage sectoriel avec l’IFRS 8, la part de l’information commune incorporée dans les prévisions diminue au profit d’une information privée plus déterminante.

52Ces conclusions sont validées et précisées avec les prévisions à trois ans (régression 6 du tableau 7). D’une part, cette dégradation du consensus (coefficient POSTxDIM_SEG : -23,68) semble annuler l’augmentation observée pour les groupes ne modifiant pas leur nombre de segments avec l’IFRS 8 (coefficient POST de +14,44). Nous obtenons alors un impact total négatif (-9,24 = 14,44 - 23,68). D’autre part, cette détérioration semble liée à une augmentation supplémentaire de la précision des données privées (régression 5) incorporées dans les prévisions des analystes (impact total de 28,28 = coefficient POST de 6,01 + coefficient POSTxDIM_SEG de 22,27). Plus le découpage sectoriel est agrégé, plus les analystes financiers semblent donc s’appuyer sur de l’information privée pour définir leurs prévisions de résultats, d’où une plus forte dégradation de leur consensus.

  • 8 A l’instar de Botosan et al. (2004) et de Kim et Shi (2012), les valeurs négatives des mesures de l (...)

Tableau 6 – Résultats des régressions sur la précision de l’information publique et privée et sur le consensus avec des prévisions à un an8

Variables

PUBLIQUE

PRIVEE

CONSENSUS

Rég. 1

Rég. 2

Rég. 3

Rég. 4

Rég. 5

Rég. 6

Nombre d’observations

700

700

974

974

700

700

CONSTANTE

POST

POST×CHANGE_SEG

POST×AUG_SEG

POST×DIM_SEG

NBANA

VOLAT

VARBPA

ENDET

PERTE

M/B

36,20***

7,11**

0,30

-0,22

-17,18

1,03

-10,67**

-4,51

0,63

37,41***

7,23**

2,13

-11,32

-0,23

-20,33

0,83

-10,95***

-4,54

0,64

42,01***

-0,17

4,72

0,43

40,97

-5,87

-30,85***

0,61

0,17

42,11***

0,35

5,10**

7,74

0,45**

36,32

-5,05

-30,79***

0,67

0,22

37,00***

8,84***

-2,99

-0,75***

-10,82

19,39

15,68**

2,25

-0,58

36,72***

8,74***

-3,34***

-8,36

-0,74***

-5,99

19,07

15,41**

2,10

-0,61

R2 ajusté

21,25 %

21,51 %

14,95 %

15,14 %

17,70 %

17,41 %

*** : significatif au seuil de 1 % ; ** : significatif au seuil de 5 % ; * : significatif au seuil de 10 %. Avec : PUBLIQUE : précision de l’information publique, PRIVEE : précision de l’information privée, CONSENSUS : précision de l’information publique par rapport à l’information totale, CHANGE_SEG : changement du nombre de secteurs reportés avec l’IFRS 8, POST : variable dichotomique de valeur 1 si application de l’IFRS 8 et 0 sinon, AUG_SEG : augmentation du nombre de secteurs avec l’IFRS 8, DIM_SEG : diminution du nombre de secteurs avec l’IFRS 8, NBANA : nombre d’analystes financiers, VOLAT : dispersion des rendements boursiers, VARBPA : variation du résultat sur deux ans, ENDET : endettement, PERTE : variable dichotomique de valeur 1 si résultat déficitaire l’année passée et 0 sinon, M/B : market to book ratio.

53S’agissant des groupes avec une moindre agrégation de leur découpage sectoriel avec l’IFRS 8, les résultats obtenus ne sont pas stables selon l’horizon des prévisions.

54Avec des prévisions à un an, plus le nombre de secteurs opérationnels augmente avec l’IFRS 8, plus le consensus se dégrade (coefficient POSTxAUG_SEG de -3,34) annulant ainsi partiellement l’amélioration observée pour les groupes ne modifiant pas le niveau d’agrégation de leur segmentation (coefficient POST de +8,74) (régression 6 du tableau 6). Cette détérioration du consensus peut s’expliquer par l’accroissement statistiquement significatif de la précision de l’information privée (variable POSTxAUG_SEG de la régression 4). Cela signifie que les analystes s’appuient plus fortement sur les données privées pour réaliser leurs prévisions. Les données sectorielles plus détaillées liées à une moindre agrégation de la segmentation ne semblent donc pas se traduire par un accroissement de la part de l’information publique incorporée dans les prévisions. Ces résultats ne sont toutefois pas vérifiés avec des prévisions avec un horizon de temps différent.

55Avec des prévisions à trois ans, nous constatons qu’une augmentation du nombre de secteurs opérationnels avec l’IFRS 8 tend à se traduire par un complément de précision de l’information publique (coefficient POSTxAUG_SEG de +2,87) par rapport aux groupes sans changement du nombre de segments (coefficient POST de +11,28) (régression 4 du tableau 7). Cela ne semble toutefois pas se traduire par une augmentation supplémentaire du consensus.

Tableau 7 – Résultats des régressions avec des prévisions à deux et trois ans

Prévisions à deux ans

Prévisions à trois ans

Variables

PUBLIQUE

PRIVEE

CONSENSUS

PUBLIQUE

PRIVEE

CONSENSUS

Rég. 1

Rég. 2

Rég. 3

Rég. 4

Rég. 5

Rég. 6

Nombre d’observations

776

954

776

675

759

675

CONSTANTE

POST

POST×AUG_SEG

POST×DIM_SEG

NBANA

VOLAT

VARBPA

ENDET

PERTE

M/B

35,93***

6,21**

1,21

-15,33

-0,10

8,85

-1,45

-6,07

-3,63

0,89*

38,81***

-0,51

0,14

16,68

0,11

16,96

3,72

-14,63

-4,00

-0,05

41,58***

3,46

-1,82

-30,45**

-0,32*

-29,61

-0,37

12,65*

-2,00

-0,10

28,29***

11,28***

2,87*

-5,98

0,18

38,70

8,26

-24,00***

-0,60

-0,64

48,69***

6,01**

3,15

22,27*

-0,08

-5,64

12,44

-24,61***

-6,56**

-1,21

15,59*

14,44***

-2,88

-23,68*

-0,27

-4,33

2,62

16,23**

5,57*

0,26

R2 ajusté

16,76 %

14,16 %

13,14 %

21,28 %

16,96 %

14,75 %

*** : significatif au seuil de 1 % ; ** : significatif au seuil de 5 % ; * : significatif au seuil de 10 %.

Avec : PUBLIQUE : précision de l’information publique, PRIVEE : précision de l’information privée, CONSENSUS : précision de l’information publique par rapport à l’information totale, POST : variable dichotomique de valeur 1 si application de l’IFRS 8 et 0 sinon, AUG_SEG : augmentation du nombre de secteurs avec l’IFRS 8, DIM_SEG : diminution du nombre de secteurs avec l’IFRS 8, NBANA : nombre d’analystes financiers, VOLAT : dispersion des rendements boursiers, VARBPA : variation du résultat sur deux ans, ENDET : endettement, PERTE : variable dichotomique de valeur 1 si résultat déficitaire l’année passée et 0 sinon, M/B : market to book ratio.

56Finalement, les résultats obtenus permettent de valider partiellement l’hypothèse selon laquelle l’IFRS 8 améliore l’environnement informationnel des analystes. D’une part, plus le nombre de segments augmente avec l’approche managériale, moins les erreurs de prévisions sont importantes en raison de données sectorielles plus détaillées. Cette amélioration constatée quel que soit l’horizon des prévisions ne compense toutefois pas la dégradation observée sur la période 2010-2014. D’autre part, plus les groupes diminuent (augmentent) l’agrégation de leur segmentation avec l’IFRS 8, plus les dispersions de prévisions des analystes financiers tendent à s’améliorer (se dégrader) en raison d’informations sectorielles plus (moins) détaillées. Quant aux mesures de Baron et al. (1998), pour les groupes diminuant leur nombre de segments avec l’application de l’IFRS 8, nous observons surtout une réduction de la précision des informations communes au regard de l’ensemble des données disponibles (publiques et privées) incorporées dans les prévisions. Cette dégradation du consensus peut s’expliquer par une amélioration de la précision de l’information privée afin de compenser la détérioration de la qualité des données publiques liée à des données sectorielles plus agrégées.

57Nos résultats sont obtenus sur un échantillon de groupes français étudiés sur une période de 9 ans. Ils contredisent les conclusions de Bugeja et al. (2015) et de Leung et Verriest (2015) qui comparent les erreurs de prévisions et la dispersion des prévisions de résultats des analystes financiers sur seulement deux ans : l’année 2010 (IFRS 8) par rapport à l’année 2009 (IAS 14). Ainsi, sur un échantillon australien, Bugeja et al. (2015) ne démontrent pas d’amélioration pour les groupes publiant un plus grand nombre de secteurs opérationnels avec l’IFRS 8. Cela les conduit à considérer que l’information supplémentaire apportée par les nouveaux segments était probablement déjà disponible via d’autres sources. Cette absence de résultats est également constatée sur un échantillon européen par Leung et Verriest (2015) pour les groupes améliorant leur segmentation géographique avec l’IFRS 8. Cela les amène à s’interroger sur l’intérêt de la nouvelle norme qui ne semble pas apporter de l’information sectorielle supplémentaire utile aux utilisateurs.

58Cette absence de résultats peut aussi s’expliquer par la période d’étude retenue par ces auteurs qui se limitent aux seules années 2009 et 2010. Or, des travaux récents montrent que la crise financière et la récession économique, qui a suivi, peuvent sensiblement impacter les résultats obtenus (André et al., 2014 ; Filip et Raffournier, 2014). De surcroît, les changements générés par l’IFRS 8 sont susceptibles d’entraîner une perte momentanée de repères des analystes face à des données sectorielles modifiées, d’où une absence d’amélioration immédiate de l’environnement informationnel.

Conclusion

59Dans le cadre de cette étude, nous tentons d’analyser dans quelle mesure les changements induits par l’approche managériale de l’IFRS 8 conduisent à une amélioration de la qualité de l’environnement informationnel des analystes financiers. En répondant à cette question, nous souhaitons apporter des éléments de confirmation ou d’infirmation à la conclusion de l’IASB (2013) qui considère que l’application de l’IFRS 8 s’est traduite par une amélioration de leur capacité de prévision des résultats futurs. D’une manière plus générale, ce travail vise à mesurer l’impact économique de l’approche managériale (Nichols et al., 2013). Il s’agit d’élargir l’étendue des recherches actuelles portant sur l’IFRS 8 qui se sont essentiellement intéressées à l’évaluation des changements de pratiques de publication de l’information sectorielle liés à l’application de la nouvelle norme (ESMA, 2011 ; Crawford et al., 2012 ; Nichols et al., 2012 ; Lenormand et Touchais, 2014).

60L’analyse réalisée sur un échantillon de groupes issus des 250 premières capitalisations boursières d’Euronext Paris permet de constater une amélioration de l’environnement informationnel des analystes financiers pour les groupes présentant un découpage sectoriel moins agrégé avec l’IFRS 8. Nous constatons, en effet, une moindre dégradation des erreurs de prévisions en raison d’une information sectorielle plus détaillée liée à un accroissement du nombre de secteurs opérationnels. À l’inverse, une réduction de la segmentation liée à l’application de l’IFRS 8 semble plutôt se traduire par une dégradation de l’environnement informationnel des analystes avec une diminution du consensus en raison de données sectorielles moins détaillées. Enfin, les effets sur les prévisions liés à l’accroissement ou la réduction du découpage sectoriel ne semblent pas se diluer dans le temps. L’amélioration ou la dégradation de l’environnement informationnel des analystes financiers tend globalement à perdurer avec des prévisions à deux et trois ans.

61Finalement, l’hypothèse de départ sur l’amélioration de la qualité de l’environnement informationnel des analystes financiers est validée uniquement pour les groupes présentant un découpage sectoriel moins agrégé avec l’IFRS 8. Ce n’est pas le cas pour les groupes qui diminuent le nombre de segments reportés. Ce travail de recherche ne confirme donc que partiellement la conclusion de l’IASB (2013) sur l’accroissement de la capacité de prévision des résultats futurs avec l’IFRS 8. Cette amélioration ne concerne que les groupes connaissant un accroissement de leur segmentation à l’occasion du changement de norme.

62Pour finir, il convient de nuancer ces résultats. Quelle que soit la norme, les groupes peuvent être tentés de dissimuler de l’information sectorielle au travers du découpage sectoriel, de la répartition des charges communes et de la détermination des prix de transfert qui font largement appel au jugement et peuvent donc conduire à des comportements opportunistes. Il s’agit alors de dissimuler de l’information sectorielle en raison de coûts de propriétaire et, ou de coûts d’agence importants (Botosan et Stanford, 2005 ; Berger et Hann, 2007 ; Blanco, 2010 ; Wang et al., 2011). En d’autres termes, le fait de changer la norme d’information sectorielle peut ne pas avoir d’impacts sur la qualité de l’environnement informationnel lorsque le groupe souhaite dissimuler de l’information.

Haut de page

Bibliographie

Allioualla S. et Laurin C. (2002), « L’impact d’une nouvelle norme en matière d’information sectorielle sur les prévisions des analystes financiers », Comptabilité – Contrôle – Audit, vol. 8, n° 1, p. 69-88.

André P., Filip A. et Marmousez S. (2014), « L'impact des normes IFRS sur la relation entre le conservatisme et l'efficacité des politiques d'investissement », Comptabilité Contrôle Audit, vol. 20, n° 3, p. 101-124.

Barron O.E., Byard D., Kile C. et Riedl E.J. (2002), « High-Technology Intangibles and Analysts' Forecasts, Journal of Accounting Research, vol. 40, n° 2, p. 289-312.

Barron O.E., Kim O., Lim S.C. et Stevens D.E. (1998), « Using Analysts’ Forecasts to Measure Properties of Analysts’ Information Environment », Accounting Review, vol. 73, n° 4, p. 421-433.

Berger P.G. et Hann R.N. (2007), « Segment Profitability and the Proprietary and Agency Costs of Disclosure », Accounting Review, vol. 82, n° 4, p. 869-906.

Berger P.G. et Hann R. (2003), « The Impact of SFAS n° 131 on Information and Monitoring », Journal of Accounting Research, vol. 41, n° 2, p. 163-234.

Blanco B. (2010), « Segment Disclosures, Cost of Capital and Investment Efficiency », Thèse de doctorat, Université de Carlos III, Madrid.

Botosan C.A. et Stanford M. (2005), « Managers’ Motives to Withhold Segment Disclosures and the Effect of SFAS n° 131 on Analysts’ Information Environment », Accounting Review, vol. 80, n° 3, p. 751-771.

Botosan C.A., Plumlee M. et Xie Y. (2004), « The Role of Information Precision in Determining the Cost of Equity Capital », Review of Accounting Studies, vol. 9, p. 233-259.

Bugeja M., Czernkowski R. et Moran D. (2015), « The Impact of the Management Approach on Segment Reporting », Journal of Business Finance & Accounting, vol. 42, n° 3-4, p. 310-366

Byard D., Li Y. et Yu Y. (2011), « The Effect of Mandatory IFRS Adoption on Financial Analysts’ Information Environment », Journal of Accounting Research, vol. 49, n° 1, p. 69-96.

Byard D. et Shaw K. (2003), « Corporate Disclosure Quality and Properties of Analysts’ Information Environment », Journal of Accounting, Auditing and Finance, vol. 18, n° 3, p. 355-378.

Commission européenne (2007), « Endorsement of IFRS 8 Operating Segments – Analysis of Potential Effects ».

Crawford L., Extance H., Helliar C. et Power D. (2012), « Operating Segments: The Usefulness of IFRS 8 », ICAS Report.

ESMA (2011), « Review of European Enforcers on the Implementation of IFRS 8 – Operating Segments », European Securities and Markets Authority.

Ettredge M., Kwon S.Y., Smith D. et Zarowin P.A. (2005), « The Impact of SFAS n° 131 Business Segment Data on the Market’s Ability to Anticipate Future Earnings », Accounting Review, vol. 80, n° 3, p. 773-804.

FASB (1997), « Statement of Financial Accounting Standards n° 131 – Disclosures about Segments of an Enterprise and Related Information », Financial Accounting Standards Board.

FASB (1976), « Statement of Financial Accounting Standards n° 14 – Financial Reporting for Segments of a Business Enterprise », Financial Accounting Standards Board.

Filip A. et Raffournier B. (2014), « Financial Crisis and Earnings Management: The European Evidence », International Journal of Accounting, vol. 49, n° 4, p. 455-478.

Gu Z. et Wu J.S. (2003), « Earnings Skewness and Analyst Forecast Bias », Journal of Accounting and Economics, vol. 35, n° 1, p. 5-29.

Hardin L.E. (2009), « The Antecedents and Market Impact of Changes in Segment Disclosure: Two Essays », Thèse de doctorat, Université de Pittsburgh.

Herrmann D. et Thomas W.B. (2000), « An Analysis of Segment Disclosures under SFAS n° 131 and SFAS n° 14 », Accounting Horizons, vol. 14, n° 3, p. 287-302.

Hope O., Kang T., Thomas W.B. et Vasvari F. (2009a), « The Effects of SFAS 131 Geographic Segment Disclosures by US Multinational Companies on the Valuation of Foreign Earnings », Journal of International Business Studies, vol. 40, p. 421-443.

Hope O., Thomas W.B. et Winterbotham G. (2009b), « Geographic Earnings Disclosure and Trading Volume », Journal of Accounting and Public Policy, vol. 28, p. 167-188.

Hope O. et Thomas W.B. (2008), « Managerial Empire Building and Firm Disclosure », Journal of Accounting Research, vol. 46, n° 3, p. 591-626.

Hope O., Thomas W.B. et Winterbotham G. (2006), « The Impact of Nondisclosure of Geographic Segment Earnings on Earnings Predictability », Journal of Accounting, Auditing & Finance, vol. 21, n° 3, p. 323-346.

IASB (2013), « Post-Implementation Review: IFRS 8 Operating Segments », International Accounting Standards Board.

IASB (2006a), « IFRS 8 – Secteurs opérationnels », International Accounting Standards Board.

IASB (2006b), « Basis for Conclusions on Exposure Draft – ED 8 Operating Segments », International Accounting Standards Board.

IASC (1997), « IAS 14 – Information sectorielle », International Accounting Standards Committee.

Jones D.A. (2007), « Voluntary Disclosure in R&D-Intensive Industries », Contemporary Accounting Research, vol. 24, n° 2, p. 489-522.

Kim J.B. et Shi H. (2012), « Voluntary IFRS Adoption, Analyst Coverage, and Information Quality: International Evidence », Journal of International Accounting Research, vol. 11, n° 1, p. 45-76.

Lang M.H. et Lundholm R.J. (1996), « Corporate Disclosure Policy and Analyst Behavior », Accounting Review, vol. 71, n° 4, p. 467-492.

Lenormand G. et Touchais L. (2014), « IFRS 8 versus IAS 14 – Approche managériale de l’information sectorielle : impacts et déterminants », Comptabilité Contrôle Audit, vol. 20, n° 1, p. 93-119.

Leung E. et Verriest A. (2015), « The Impact of IFRS 8 on Geographical Segment Information », Journal of Business Finance & Accounting, vol. 42, n° 3-4, p. 273-309.

Liang L. (2003), « Post-Earnings Announcement Drift and Market Participants’ Information Processing Biases », Review of Accounting Studies, vol. 8, n° 2/3, p. 321-345.

Lys T. et Soo L.G. (1995), « Analysts’ Forecast Precision as a Response to Competition », Journal of Accounting, Auditing and Finance, vol. 10, p. 751-765.

Maines L.A., McDaniel L.S. et Harris M.S. (1997), « Implications of Proposed Segment Reporting Standards for Financial Analysts’ Investment Judgments », Journal of Accounting Research, vol. 35, Supplément, p. 1- 24.

Neter J., Wasserman W. et Kutner M.H. (1989), Applied Linear Regression Models, Homewood, IL: Irwin.

Nichols N.B., Street D.L. et Tarca A. (2013), « The Impact of Segment Reporting under the IFRS 8 and SFAS 131 Management Approach: A Research Review », Journal of International Financial Management & Accounting, vol. 24, n° 3, p. 261-312.

Nichols N.B., Street D.L. et Cereola S.J. (2012), « An Analysis of the Impact of Adopting IFRS 8 on the Segment Disclosures of European Blue Chip Companies », Journal of International Accounting, Auditing and Taxation, vol. 21, p. 79-105.

Park J.C. (2011), « The Effect of SFAS 131 on the Stock Market’s Ability to Predict Industry-Wide and Firm-Specific Components of Future Earnings », Accounting and Finance, vol. 51, n° 2, p. 575–607.

SFAS (2010), « Actualités comptables, le point de vue des utilisateurs de l’information financière ».

Street D.L., Nichols N.B. et Gray S.J. (2000), « Segment Disclosures under SFAS n° 131: Has Business Segment Reporting Improved? », Accounting Horizons, vol. 14, n° 3, p. 259-285.

Venkataraman R. (2001), « The Impact of SFAS 131 on Financial Analysts’ Information Environment », Working paper, Université d’état de Pennsylvanie.

Wang Q., Ettredge M., Huang Y. et Sun L. (2011), « Strategic Revelation of Differences in Segment Earnings Growth », Journal of Accounting Public Policy, vol. 30, p. 383-392.

Haut de page

Annexe

Matrice de corrélation Pearson et Spearman

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

(13)

(14)

(15)

(16)

(1) AFE

(2) DISP

(3) PUBLIQUE

(4) PRIVEE

(5) CONSENSUS

(6) POST

(7) CHANGE_SEG

(8) AUG_SEG

0,25

0,01

-0,28

0,49

0,03

-0,04

-0,01

0,53

-0,04

-0,18

0,01

-0,04

0,01

-0,01

0,37

-0,19

-0,55

N.P.

0,01

0,01

0,03

-0,86

-0,53

-0,29

N.P.

-0,02

-0,01

0,06

0,78

0,10

N.P.

N.P.

0,06

-0,05

-0,02

0,06

0,02

0,08

-0,04

0,07

0,45

0,21

-0,04

0,02

0,00

0,03

-0,04

0,44

N.P.

-0,06

-0,02

0,01

0,05

-0,04

0,32

N.P.

0,02

0,03

-0,01

-0,03

0,00

0,22

N.P.

N.P.

-0,29

-0,20

0,10

0,15

0,02

0,05

0,05

0,09

-0,28

-0,14

0,11

0,19

-0,04

0,06

0,06

0,09

0,36

0,43

-0,06

-0,33

0,11

0,20

0,03

0,03

0,51

0,42

-0,09

-0,41

0,17

0,05

-0,01

-0,01

0,09

0,18

-0,04

-0,12

0,05

-0,08

0,08

0,10

0,15

0,25

-0,15

-0,17

0,00

0,08

-0,01

0,00

-0,38

-0,51

0,03

0,29

-0,14

-0,25

-0,07

-0,07

(9) DIM_SEG

-0,02

-0,00

0,01

-0,04

-0,01

0,22

N.P.

N.P.

-0,03

-0,01

-0,01

0,01

-0,08

-0,01

0,02

(10) TAILLE

(11) NBANA

(12) VOLAT

(13) VARBPA

(14) ENDETTEM

(15) PERTE

(16) M/B

-0,14

-0,15

0,19

0,27

0,08

0,23

-0,17

-0,13

-0,07

0,21

0,16

0,06

0,22

-0,17

0,11

0,11

0,01

-0,03

0,02

-0,07

0,01

0,09

0,06

-0,21

-0,11

-0,10

-0,10

0,17

-0,00

-0,06

0,09

0,02

0,11

0,02

-0,11

0,00

0,08

0,13

0,04

-0,05

0,07

-0,21

0,00

0,06

0,00

0,03

-0,01

-0,02

-0,09

-0,01

-0,00

0,03

0,02

0,03

-0,02

-0,02

-0,06

-0,04

-0,02

-0,02

-0,11

-0,03

-0,04

0,80

-0,35

-0,15

0,02

-0,15

0,11

0,79

-0,28

-0,10

0,02

-0,12

0,03

-0,40

-0,30

0,22

-0,02

0,34

-0,10

-0,40

-0,28

0,42

-0,02

0,23

-0,02

0,03

0,04

0,03

0,10

-0,03

-0,16

-0,11

-0,12

0,28

-0,08

0,00

-0,07

0,22

0,14

-0,30

0,04

-0,08

-0,29

Matrice de corrélation de Pearson (de Spearman) au-dessous (au-dessus) de la diagonale.

En gras : corrélation significative au seuil de 10 %. NP : non pertinent

Haut de page

Notes

1  Les tests ont également été menés à partir des prévisions de BPA des analystes financiers du mois de juin ainsi qu’à partir de l’erreur médiane sans incidence significative sur les résultats obtenus.

2 Plus précisément, les données ont été extraites de I/B/E/S summary.

3 Les régressions ont également été menées avec la variable TAILLE en remplacement de la variable NBANA sans impact significatif sur les résultats obtenus.

4  Afin de ne pas alourdir les développements, les relations entre les variables dépendantes et les variables de contrôle issues de l’analyse multi-variée ne sont pas présentées. Elles sont conformes aux résultats des études antérieures (Gu et Wu, 2003 ; Hope, 2003 ; Byard et al., 2011…).

5 L’ensemble des régressions présentées dans cet article porte sur des variables winsorizées à 1 %.

6 Afin de ne pas alourdir la présentation, nous ne retenons plus la variable indépendante POST×CHANGE_SEG.

7 Le nombre d’analystes financiers réalisant des prévisions à deux ou trois ans est plus faible. Nous sommes donc conduits à éliminer des observations supplémentaires.

8 A l’instar de Botosan et al. (2004) et de Kim et Shi (2012), les valeurs négatives des mesures de la précision de l’information publique étant difficilement interprétables, les régressions suivantes sont réalisées pour des valeurs positives des variables PUBLIQUE et CONSENSUS.

Haut de page

Pour citer cet article

Référence électronique

Gaëlle Lenormand et Lionel Touchais, « L’IFRS 8 améliore-t-elle la qualité de l’environnement informationnel des analystes financiers ? », Finance Contrôle Stratégie [En ligne], 21-1 | 2018, mis en ligne le 15 mars 2018, consulté le 20 septembre 2018. URL : http://journals.openedition.org/fcs/2054 ; DOI : 10.4000/fcs.2054

Haut de page

Auteurs

Gaëlle Lenormand

Université de Rennes 1
CREM UMR CNRS 6211

Lionel Touchais

Université Paris Nanterre
CEROS

Haut de page

Droits d’auteur

Tous droits réservés

Haut de page