UNIVERSITÉ MONTESQUIEU - BORDEAUX IV

ÉCOLE DOCTORALE ENTREPRISE, ÉCONOMIE, SOCIÉTÉ (E.D. 42)

DOCTORAT ès SCIENCES de GESTION

Houda ZIAN

Contribution à l’étude des tableaux de bord dans l’aide

à la décision des PME en quête de performances

Thèse dirigée par M. Jean-Guy DEGOS, Professeur des universités

Soutenue publiquement le 28 janvier 2013

JURY :

Monsieur Jean-Guy DEGOS

Professeur à l’Université Montesquieu - Bordeaux IV, Directeur de thèse

Madame Évelyne LANDE

Professeur à l’Université de Poitiers
Directrice de l’IAE de Poitiers, Rapporteur

Monsieur Didier LECLÈRE

Professeur au CNAM de Paris, Rapporteur

Monsieur Stéphane TRÉBUCQ

Maître de conférences à l’Université Montesquieu - Bordeaux IV, Suffragant
 Remerciements

Je souhaite tout d’abord exprimer ma profonde gratitude au Professeur

Jean-Guy Degos pour la confiance qu’il m’a accordée en acceptant de diriger
cette thèse. Je le remercie pour sa grande disponibilité, sa patience et son
soutien indéfectible tout au long de cette recherche doctorale. La pertinence
de ses remarques et la qualité de ses conseils m’ont aidé à progresser et ont
fait de cette recherche un véritable processus d’apprentissage et une
expérience intéressante et riche d’enseignements.

Je tiens à remercier les Professeurs Évelyne Lande et Didier Leclère qui

ont fait part de leur intérêt pour cette recherche en acceptant d’être les
rapporteurs de ce travail.

Je tiens également à exprimer ma gratitude au Professeur Stéphane

Trébucq pour m’avoir fait l’honneur d’être président de mon jury de thèse.

Mes très vifs remerciements vont aussi ou Professeur Gérard Hirigoyen

qui m’a accueilli au Master Recherche en Gestion des Organisations et m’a
donné goût de la recherche et de la pédagogie.

Je remercie aussi tous mes amis pour leur soutien et leurs

encouragements pendant les moments les plus difficiles.

Enfin, je remercie profondément ma mère, mes sœurs et mes frères pour

leur soutien, leur affection et leurs encouragements et pour m’avoir donné les
conditions matérielles et immatérielles indispensables à la réalisation de ce
travail. Je remercie aussi ma meilleure amie Sakina pour ses encouragements
et son soutien indéfectible et inestimable.
 A ma mère,
A la mémoire de mon père,
A mes sœurs et mes frères,
A ma meilleure amie Sakina,
A tous mes amis.
 SOMMAIRE

INTRODUCTION GÉNÉRALE ............................................................................................ 6

PREMIÈRE PARTIE : TABLEAUX DE BORD : APPROCHE CONCEPTUELLE

ET ÉLÉMENTS DE RECHERCHE .................................................................................... 18

CHAPITRE 1. LE TABLEAU DE BORD : OUTIL DE CHANGEMENT DU CONTRÔLE

DE GESTION .......................................................................................................................... 21

CHAPITRE 2. LE TABLEAU DE BORD : ÉTUDE DU TERRAIN ET ÉLÉMENTS DE

RECHERCHE .......................................................................................................................... 65

DEUXIÈME PARTIE : TABLEAUX DE BORD DES PME : CHOIX

MÉTHODOLOGIQUES ET RÉSULTATS EMPIRIQUES ........................................... 109

CHAPITRE 3. LE TABLEAU DE BORD DES PME : MÉTHODOLOGIE ET

PRATIQUES .......................................................................................................................... 112

CHAPITRE 4. LE TABLEAU DE BORD DES PME : APPROCHE CONTINGENTE

DES PRATIQUES ................................................................................................................. 208

CONCLUSION GÉNÉRALE ............................................................................................. 315

BIBLIOGRAPHIE ............................................................................................................... 321

LISTE DES TABLEAUX .................................................................................................... 343
LISTE DES GRAPHIQUES ............................................................................................... 350
LISTE DES SCHÉMAS....................................................................................................... 352
TABLE DES MATIÈRES ................................................................................................... 354
LISTE DES ANNEXES ....................................................................................................... 362
ANNEXES ............................................................................................................................. 363
 INTRODUCTION GÉNÉRALE

La nécessaire évolution du contrôle de gestion a largement été évoquée ces vingt

dernières années au regard de la transformation de l’environnement des entreprises. La remise
en cause des hypothèses du modèle traditionnel du contrôle de gestion (Bouquin, 1994) s’est
traduite au plan des outils par l’émergence des systèmes de mesure de la performance et la
mise à jour des limites de la technique budgétaire. Les deux phénomènes sont liés, car
l’intérêt porté aux outils tels que le tableau de bord trouve en partie son origine dans les
critiques adressées aux budgets (Chiapello et Delmond, 1994). Les praticiens et les chercheurs
admettent ainsi aujourd’hui que la technique budgétaire ne semble plus en mesure d’assurer
un certain nombre de rôles dévolus désormais aux systèmes de mesure de la performance. Or,
face à ce constat, un certain nombre d’auteurs (Chiapello et Delmond, 1994 ; Lebas, 1994)
laissent entendre que les tableaux de bord présentent les caractéristiques intrinsèques pour
jouer un rôle majeur dans les changements du contrôle de gestion.

Or, peut-être plus encore que dans la grande entreprise dont les caractéristiques
favorisent des pratiques conformes à ce qui est préconisé dans la littérature, les réalités que
recouvrent les tableaux de bord dans les petites et moyennes entreprises soulèvent des
interrogations (Germain, 2006).

Les PME ont longtemps été perçues comme de simples modèles réduits des
organisations de grande taille. Partageant souvent cette conception, les chercheurs en contrôle
de gestion s'intéressent assez peu aux entreprises de petite taille. Pourtant, les PME jouent un
rôle important dans l'économie de très nombreux pays. C’est pourquoi, il convient de
multiplier les études théoriques et empiriques sur le thème afin d’aboutir à une meilleure
compréhension du fonctionnement de ce type d’entreprise.

La littérature sue le thème en effet apparaître que le système d'information du dirigeant

de PME (ce dernier influençant les modes de gestion de son entreprise (Fallery, 1983 ;
Marchesnay, 1992)) revêt un caractère embryonnaire, qu'il est peu formalisé (Fallery, 1983 ;
Saporta, 1986) et que son contenu est la plupart du temps limité à la production des données
comptables obligatoires (Holmes et Nicholls, 1988). Ceci tend à s'expliquer par le fait que les
schémas de décision du chef d'entreprise se fondent largement sur l'intuition (Duchéneaut,
6
1996), le jugement, l'expérience et sur des logiques qui ne requièrent apparemment pas la
mise en place de systèmes d'information formels très développés (Dupuy, 1987).

Dans l’économie traditionnelle, bien que certaines PME semblent dirigées efficacement
de façon intuitive, sans recours aux outils de gestion, l’absence fréquente de ces derniers
expliqueraient un certain nombre de faillites (Holmes et Nicholls, 1988; McMahon et Holmes,
1991). À l’heure actuelle, avec la complexification du monde des affaires, un minimum
d’analyse paraît nécessaire dans le processus de prise de décisions (Chapellier, 1994). Pour
créer et maintenir un avantage concurrentiel, il est d’autant plus important de doter ces
entreprises d’outils de gestion appropriés. Il est intéressant donc d’identifier et d’analyser les
différents outils mis en œuvre dans ce contexte. Récemment, on a vu apparaître, quelques
études de terrain qui portent sur l’existence du contrôle de gestion dans les PME. Ces
recherches sont effectuées dans le contexte des pays développés. Notre recherche, elle, vise à
étudier les pratiques de contrôle dans les pays émergents et spécifiquement dans le cadre de
Maroc.

Ainsi, l’objet de cette recherche est d’aboutir, par le biais d’une étude empirique, à une
meilleure compréhension des pratiques de contrôle de gestion des petites et moyennes
entreprises, et plus précisément à identifier la place que ces entreprises réservent aux tableaux
de bord dans le pilotage de leurs performances.

1. Les questions de la recherche

L’objectif de ce travail doctoral consiste à répondre à notre problématique de recherche

en étudiant les pratiques de tableaux de bord des PME. Plus précisément, notre étude se
focalise sur la place du tableau de bord dans le pilotage de la performance des PME. Quatre
questions peuvent être posées et permettront de mieux cerner l’objet de la recherche :

- A l’instar des autres outils de contrôle de gestion, les tableaux de bord sont-ils perçus
par les dirigeants comme le principal outil ?

- Le pilotage de la performance à l’aide des tableaux de bord permet-il d’orienter les

décisions des PME dans des conditions organisationnelles et comportementales
contingentes où une parfaite communication s’impose ?

7
 - Est-ce que les dirigeants des PME marocaines sont assez motivés afin d’adopter le
concept du tableau de bord ? Ou bien jugent-ils qu’il est inutile de recourir à de tels
outils ?

- En ce qui concerne, les dirigeants ayant déjà adopté cet outil, quelle est la place du
tableau de bord dans le pilotage de la performance ? Utilisent-ils cet outil comme
simple banque de données ou comme véritable outil de pilotage ?

La réponse à chacune des quatre questions susmentionnées est organisée selon d’une
approche double. D’abord, il s’agit d’une approche théorique, à travers l’analyse la revue de
littérature. Ensuite, il s’agit d’une approche empirique, à travers une étude quantitative basée
sur l’envoi d’un questionnaire de recherche.

Après avoir présenté nos principales questions de recherche, nous abordons dans la
section suivante les principaux intérêts théoriques et pratiques relatifs à celle-ci.

2. Intérêt de la recherche

L’intérêt de notre travail serait alors double :

2.1 Intérêt théorique

Le premier intérêt théorique tient au domaine de recherche étudié. En effet, notre travail
qui traite de la problématique de pratiques de tableaux de bord des PME, s’inscrit donc dans
un domaine de recherche récent et traite d’un sujet d’actualité. Il se propose ainsi d’enrichir
les travaux théoriques et empiriques antérieurs appartenant aux champs d’études des outils de
contrôle de gestion et plus précisément le tableau de bord.

Le deuxième intérêt théorique de ce travail concerne nos questions de recherche. En

effet, très peu de travaux (Bergeron, 1996 ; Germain, 2000 ; Komarev, 2007) ont été menés
sur les pratiques de tableaux de bord des entreprises. Ces recherches sont effectuées dans le
contexte des pays développés. Notre recherche, elle, vise à étudier les pratiques de tableaux de
bord dans les pays émergents et spécifiquement dans le cadre du Maroc. Ainsi, notre travail a
pour ambition, d’approfondir nos connaissances par rapport à la problématique étudiée,

8
d’apporter des éléments explicatifs des pratiques de tableaux de bord des PME et de
contribuer à combler le manque de recherche enregistré à ce niveau.

Une fois les intérêts théoriques de notre travail présentés, nous abordons ci-dessous
l’intérêt pratique relatif à celui-ci.

2.2 Intérêt pratique

Sur le plan pratique, notre recherche présente un double intérêt :

D’abord, la présente étude combine des facteurs organisationnelle et comportementale.

Plus précisément, notre modèle de recherche est un modèle intégrateur qui prend en compte
plusieurs types de facteurs, notamment les facteurs de contingence organisationnelle et les
facteurs de contingence comportementale. Cette prise en compte permet de sensibiliser les
managers au fait que le succès d’un système de contrôle de gestion ne dépend pas seulement
de la dimension organisationnelle. Bien au contraire, le fonctionnement de celui-ci est
déterminé par un ensemble de facteurs que les managers doivent prendre en considération.

Ensuite, notre recherche se propose d’examiner l’impact de ces facteurs identifiés dans
les travaux théoriques et empiriques antérieurs et de contribuer à la mise en place des outils de
contrôle de gestion des PME marocaines et plus précisément le tableau de bord. Cela présente
donc un intérêt certain dans la mesure où les managers et les dirigeants de PME pourront
concentrer leurs efforts et cibler leurs actions incitatives, en fonction des aspects les plus
déterminants.

Après avoir présenté les principaux intérêts théoriques et pratiques de la recherche, nous
abordons dans la section suivante les définitions des termes clés utilisées dans la thèse.

3. Définitions

Il est nécessaire, avant d’exposer les principaux résultats attendus de notre recherche, de
préciser d’abord la signification que nous attachons aux termes clés utilisés dans la thèse. La
première notion qu’il convient de définir est celle de contrôle de gestion.

9
 Le contrôle de gestion a considérablement évolué dans la définition même du concept.
A l’origine avec la définition d’Anthony (1965), le contrôle de gestion apparaissait comme le
« garant » du non gaspillage des ressources confiées à un manager. Cette définition
indiquait : « le contrôle de gestion est le processus par lequel les managers obtiennent
l’assurance que les ressources sont obtenues et utilisées de manière efficace et efficiente pour
la réalisation des objectifs de l’organisation ». L’efficacité met en relation objectifs et
résultats, l’efficience quant à elle s’assure que les ressources ont été utilisées de façon
optimum pour atteindre les résultats.

Plus tard, dans les années 80, cette vision du contrôle a été jugée trop restrictive. Cela a
conduit à une modification de la définition précédente pour la préciser et l’élargir de la façon
suivante : « Le contrôle de gestion est le processus par lequel les managers influencent
d’autres membres de l’organisation pour mettre en œuvre les stratégies de l’organisation »
(Anthony, 1988).

Or, depuis son apparition le contrôle de gestion n’a cessé d’évoluer et de se

conceptualiser. L’examen de la littérature en la matière nous permet de constater que le
contrôle de gestion a été défini et interprété par plusieurs auteurs d’une manière différente, et
ceci ne fait que retracer l’évolution de la conception même du contrôle de gestion.

De nombreuses typologies et définitions du contrôle de gestion ont ainsi été proposées.

En effet, sa conception traditionnelle fondée sur le contrôle budgétaire et adaptée aux
environnements stables, tend à évoluer vers un contrôle de gestion proactif, encore appelé
« nouveau contrôle de gestion » (Spang, 2002).

Face aux contraintes et aux menaces de l’environnement des entreprises, face à la

mondialisation des marchés et à la nouvelle économie, les systèmes de contrôle de gestion ne
doivent plus assurer la régulation interne de l’entreprise uniquement, mais doivent s’intéresser
aussi à l’adaptation de l’entreprise aux fluctuations de son environnement, ainsi les systèmes
de contrôle de gestion ont été contraint de changer dans leur conceptions leurs outils leurs
missions et leurs rôles.

En effet, de l’évolution des conceptions du contrôle de gestion, on constate que ce

dernier joue un rôle beaucoup plus actif quant à la réalisation de la stratégie définie par
l’organisation. Deux points importants sont mis en évidence avec d’une part la nécessaire

10
relation entre la stratégie et le contrôle de gestion et d’autre part, le fait que le contrôle ne se
limite pas au processus de comparaison des résultats avec les objectifs.

Ouchi (1979) considère le système de contrôle comme un processus de mesure,

d’évaluation et de rétribution de la performance.

Puis en 1995, Simon conçoit le contrôle de gestion de l’avenir comme « les processus et
les procédures fondés sur l’information que les managers utilisent pour maintenir ou modifier
certaines configurations des activités de l’organisation ».

Bouquin (1996) identifie les finalités du contrôle comme étant la nécessité de relier la
stratégie au quotidien de l’entreprise, d’orienter les comportements des individus, et
d’identifier les relations entre finalités et ressources.

(Gervais et Thenet, 1998) ont cherché à redéfinir les rôles du contrôle budgétaire
lorsqu’il est confronté à une turbulence accrue. C’est la nature même du contrôle budgétaire
qui se trouve modifiée. On passe d’une conception d’allocation et de contrôle des ressources à
une conception plus orientée vers le pilotage.

Ainsi le renouveau du contrôle de gestion est passé par une réflexion stratégique pour
mieux prendre en compte les souhaits des clients entraînant une remise en cause de
l’organisation et des systèmes de pilotage. Des indicateurs physiques ou opérationnels ont été
introduits à côté des indicateurs financiers ou comptables. Les systèmes de contrôle sont
désormais considérés plus comme des supports au dialogue que comme des outils de contrôle.
On parle davantage de pilotage que de reporting.

Le concept de tableau de bord mérite ici une attention particulière. En effet, le tableau
de bord qui a pour vocation d'aider au pilotage de l'entreprise occupe une place spécifique au
sein de l'instrumentation du contrôle de gestion notamment parce que la qualité de pallier les
déficiences des autres instruments de contrôle lui est souvent attribuée. (Chiapello et
Delmond, 1994; Kaplan et Norton, 1992).

Le tableau de bord est un outil de gestion apte à améliorer le changement au sein des
entreprises par l’introduction « d’indicateurs physiques, d’indicateurs non produits par
l’organisation (à la différence des chiffres comptables et budgétaires), d’indicateurs sur

11
l’environnement, ou encore d’indicateurs transversaux » (Chiapello et Delmond, 1994).
Bouquin (1986) définit le tableau de bord comme un « ensemble d’indicateurs peu nombreux
(cinq à dix) conçus pour permettre aux gestionnaires de prendre connaissance de l’état et de
l’évolution des systèmes qu’ils pilotent et d’identifier les tendances qui les influenceront sur
un horizon cohérent avec la nature de leurs fonctions ».

C’est un outil de pilotage qui souligne l’état d’avancement dans lequel se trouve le
processus afin de permettre au responsable de mettre en place des actions correctives. Toutes
approches confondues, un type idéal de tableau de bord, symbole d’un « nouveau » contrôle
de gestion plus stratégique et orienté vers le pilotage de la performance (Bourguignon, 2003),
émerge aujourd’hui de la littérature. Combinaison d’indicateurs financiers et physiques,
l’outil a pour mission de traduire la stratégie au niveau opérationnel et d’assurer un suivi des
actions qui sont à l’origine de la performance.

Les américains Kaplan et Norton (1996) ont proposé une modélisation du lien
"opérationnel - financier", au travers du "tableau de bord prospectif" ou "Balanced
Scorecard". Ce tableau s'organise autour de quatre axes : l’axe financier, l’axe clients, l’axe
processus internes, et enfin l’axe apprentissage et innovation. L’hypothèse sous-jacente au
tableau de bord prospectif est qu’il existe des interdépendances et des liens de causalité entre
ces éléments, la réussite sur l'un de ces axes entraînant logiquement celle des autres axes.
L’intérêt d’un tableau de bord prospectif réside dans l’approche "intégrée" qu’il constitue, en
permettant la combinaison de mesures opérationnelles avec des mesures financières.

Le tableau de bord prospectif de Kaplan et Norton regroupe des indicateurs stratégiques

qui traduisent les objectifs stratégiques d’une entreprise et des indicateurs de résultat qui
permettent d’analyser si ces objectifs ont été atteints. Ces indicateurs peuvent être financiers,
quantitatifs ou qualitatifs de façon à refléter la stratégie dans toute sa complexité, ainsi que de
façon à proposer une vision multidimensionnelle de la performance d’une entreprise. Enfin,
ces indicateurs sont réunis selon des axes stratégiques, choisis et ordonnés en fonction de la
stratégie déployée. En outre, un tableau de bord prospectif s’appuie de préférence sur un
pilotage par processus et par activités de l’organisation (Lorino, 2001).

Les principales notions étant définies, il convient maintenant d’exposer les principaux
résultats attendus de notre recherche.

12
 4. Contributions attendues de la recherche

Les principaux résultats attendus de cette recherche peuvent être résumés en deux points :

- Au niveau théorique : Cette recherche propose un modèle explicatif des pratiques de

tableaux de bord dans les PME. Il s’agit d’un modèle intégrateur qui prend en compte
les facteurs de contingence organisationnelle et comportementale, les caractéristiques
des tableaux de bord et le pilotage de la performance des PME.

- Au niveau managérial : Cette recherche offre un cadre de compréhension qui

permettra aux dirigeants et aux gestionnaires des PME de mieux appréhender l’outil
de tableaux de bord. Cette recherche fournira un cadre explicatif qui leur permettra de
cibler leurs actions incitatives en fonction des facteurs qui influencent les pratiques de
tableaux de bord.

Afin d’aboutir à ces résultats, nous avons effectué un ensemble de choix liés au
positionnement épistémologique adopté, à la logique de raisonnement suivie et à la démarche
scientifique appliquée.

5. Positionnement épistémologique et méthodologie de la recherche

La conduite de notre travail de recherche a impliqué un ensemble de choix

épistémologiques et méthodologiques préliminaires. Nous présentons ci-dessous les choix
effectués.

5.1 Positionnement épistémologique

La détermination du positionnement épistémologique est une étape nécessaire, afin de

mener à bien un processus de recherche. En effet, comme le notent Perret et Séville (2003),
« la réflexion épistémologique s’impose à tout chercheur soucieux d’effectuer une recherche
sérieuse car elle permet d’asseoir la validité et la légitimité d’une recherche ».

Le présent travail vise à étudier la place du tableau de bord dans le pilotage de la

performance des PME et à déterminer les facteurs qui influencent les pratiques de tableaux de

13
bord des ces entités. Afin de répondre à cet objectif, nous adoptons un positionnement
épistémologique positiviste.

Le paradigme positiviste considère que la réalité existe en soi, elle possède une essence
propre (Perret et Séville, 2003). Le rôle du chercheur est de découvrir cette réalité extérieure à
lui. Ce positionnement réaliste implique une indépendance entre le sujet et l’objet (la réalité)
observé ou expérimenté. La connaissance produite est donc de nature objective et
acontextuelle. Elle correspond à la mise à jour de lois, d’une réalité immuable, extérieure à
l’individu et indépendante du contexte d’interactions des acteurs (Perret et Séville, 2003).

Ainsi, en accord avec d’une part, la nature de notre recherche et de l’objectif de celle-ci
et d’autre part, les principes du paradigme positiviste, nous cherchons à expliquer la réalité
existante de manière objective, tout en étant indépendant de l’objet étudié et cela en utilisant
une enquête basée sur l’envoi d’un questionnaire de recherche.

Notre choix quant au positionnement épistémologique adopté s’inscrit dans une

tradition de la recherche en sciences de gestion.

Après avoir présenté notre positionnement épistémologique, nous abordons ci-dessous

la méthodologie de la recherche.

5.2 Méthodologie de la recherche

Du positionnement épistémologique adopté découle tout naturellement la méthodologie

de recherche que nous adaptons. Par un travail rationnel nous pouvons ainsi formuler des
théories visant à expliquer les enchainements des faits dans la réalité qui nous entoure pour
ensuite tester ces théories en les confrontant à la réalité. Il s’agit donc ici d’une démarche
hypothético-déductive où le raisonnement théorique servira à déduire des hypothèses que l’on
va tester ensuite en les confrontant à la réalité observable et observée (Charreire et Durieux,
2003).

Le raisonnement hypothético-déductif consiste à élaborer une ou plusieurs hypothèses, à

partir d’un ensemble de connaissances acquises, de théories et de concepts ; puis de
confronter celles-ci à la réalité empirique (Charreire et Durieux, 2003 ; Evrard et al., 2003).
L’objectif étant de juger de la pertinence des hypothèses initialement formulées.

14
 Notre choix, qui privilégie un raisonnement fondé sur une logique hypothético-
déductive, est en adéquation avec nos objectifs de la recherche. En effet, notre travail vise à
analyser et expliquer. Ainsi, nous analysons, dans un premier temps, la littérature portant sur
les pratiques de tableaux de bord des PME. Ensuite, nous expliquons ces pratiques par un
ensemble de facteurs issus de cette littérature, tout en élaborant un modèle théorique de
recherche et un corps d’hypothèses. Ce modèle est ensuite testé sur un échantillon, afin de
mesurer l’impact de chacun des facteurs explicatifs identifiés sur les pratiques de tableaux de
bord des PME et d’identifier la place du tableau de bord dans le pilotage de la performance
des ces entités.

Après avoir présenté le positionnement épistémologique et méthodologie de la

recherche, nous abordons ci-dessous le plan de la thèse.

6. Plan de la thèse

Cette thèse est scindée en deux parties, composées chacune de deux chapitres. La
Première partie, d’ordre théorique, est consacrée à l’analyse de la littérature relative à notre
sujet de recherche. Elle est composée de deux chapitres théoriques.

Dans le Chapitre 1, nous définissons et discutons les principaux concepts et notions de

notre recherche. Nous présentons également le cadre théorique général qui justifie l’origine de
notre modèle de recherche.

Dans le Chapitre 2, nous présentons le terrain et éléments de recherche et discutons, de

manière systématique, les facteurs explicatifs des pratiques de tableaux de bord des PME.
Nous en déduisons les hypothèses de recherche afférentes.

La Deuxième partie de notre thèse est d’ordre empirique. Cette partie concerne la
confrontation du modèle conceptuel au terrain de recherche. Elle s’articule autour de deux
chapitres.

Ainsi, le Chapitre 3 présente la méthodologie de recherche et les caractéristiques des

facteurs de contingence des deux sous-échantillons de notre recherche.

15
 Le Chapitre 4 présente les résultats de la recherche issus de l’enquête sur le terrain et
du traitement statistique des données récoltées auprès de l’échantillon étudié. Celui-ci propose
également une discussion de ces résultats, en s’appuyant sur des travaux théoriques et
empiriques antérieurs.

En guise de conclusion, nous présentons les apports théoriques et pratiques de la

recherche ainsi que ses limites. Nous proposons également de nouvelles voies de recherche
pouvant constituer un prolongement à notre travail.

Le Schéma ci-dessous (page suivante) présente la structure de la thèse.

16
 PLAN DE LA THÈSE

PREMIÈRE PARTIE
TABLEAUX DE BORD : APPROCHE CONCEPTUELLE
ET ÉLÉMENTS DE RECHERCHE

CHAPITRE 1
LE TABLEAU DE BORD : OUTIL DE
CHANGEMENT DU CONTRÔLE DE GESTION

CHAPITRE 2
LE TABLEAU DE BORD : ÉTUDE DU TERRAIN
ET ÉLÉMENTS DE RECHERCHE

DEUXIÈME PARTIE
TABLEAUX DE BORD DES PME : CHOIX
MÉTHODOLOGIQUES ET RÉSULTATS EMPIRIQUES

CHAPITRE 3
LE TABLEAU DE BORD DES PME :
MÉTHODOLOGIE ET PRATIQUES

CHAPITRE 4
LE TABLEAU DE BORD DES PME : APPROCHE
CONTINGENTE DES PRATIQUES

17
 PREMIÈRE PARTIE

TABLEAUX DE BORD : APPROCHE

CONCEPTUELLE ET ÉLÉMENTS DE
RECHERCHE

18
 INTRODUCTION DE LA PREMIÈRE PARTIE

Dans cette première partie, nous définissons le cadre conceptuel et théorique de notre
recherche. De cette définition, nous déduisons un ensemble d’hypothèses et un modèle de
recherche.

Dans le premier chapitre (Chapitre 1) nous nous fixons pour but de montrer que le
tableau de bord introduit des changements importants dans les systèmes de contrôle de
gestion. Ainsi, dans un premier temps, nous étudions les limites de contrôle de gestion
traditionnel de la technique budgétaire, pour montrer dans un deuxième temps, comment le
tableau de bord tente d’apporter les changements au contrôle de gestion.

Le deuxième chapitre (Chapitre 2) est essentiellement consacré à la présentation de

terrain de recherche et à la construction des hypothèses de la recherche et du modèle
conceptuel. Ainsi, pour chaque facteur de contingence, (organisationnelle et
comportementale) nous exposons sa définition, les principaux travaux théoriques et
empiriques l’ayant traité et l’hypothèse de la recherche correspondante. Nous concluons ce
deuxième chapitre par la présentation du modèle conceptuel de recherche.

19
 PLAN DE LA PREMIÈRE PARTIE

PREMIÈRE PARTIE
TABLEAUX DE BORD : APPROCHE CONCEPTUELLE
ET ÉLÉMENTS DE RECHERCHE

CHAPITRE 1
LE TABLEAU DE BORD : OUTIL DE
CHANGEMENT DU CONTRÔLE DE GESTION

CHAPITRE 2
LE TABLEAU DE BORD : ÉTUDE DU TERRAIN
ET ÉLÉMENTS DE RECHERCHE

DEUXIÈME PARTIE
TABLEAUX DE BORD DES PME : CHOIX
MÉTHODOLOGIQUES ET RÉSULTATS EMPIRIQUES

CHAPITRE 3
LE TABLEAU DE BORD DES PME :
MÉTHODOLOGIE ET PRATIQUES

CHAPITRE 4
LE TABLEAU DE BORD DES PME : APPROCHE
CONTINGENTE DES PRATIQUES

20
CHAPITRE 1. LE TABLEAU DE BORD : OUTIL DE
CHANGEMENT DU CONTRÔLE DE GESTION

La nécessaire évolution du contrôle de gestion a largement été évoquée ces vingt

dernières années au regard de la transformation de l’environnement des entreprises. La remise
en cause des outils traditionnels du contrôle de gestion s’est traduite par la diffusion de
tableau de bord et la remise en cause des budgets. Les publications sur ces deux phénomènes
ont été nombreuses. Le tableau de bord a été décrit au plan instrumental et théorique (Lebas,
1994 ; Kaplan et Norton, 1996 ; Mendoza et Zrihen, 1999a ; Norreklit, 2000 ; Malo, 2000 ;
Choffel et Meyssonier, 2005 ; Poincelot et Wegmann, 2005), et les pratiques des entreprises
les concernant ont été largement étudiées (Gray et Pesqueux, 1993 ; Ponssard et Saulpic,
2000 ; Hoque et James, 2000 ; Oriot et Misiaszek, 2001 ; Ittner et al., 2003 ; Bescos et
Cauvin, 2004 ; Germain, 2005). Dans le même temps, de nombreuses recherches ont souligné
l’incapacité du budget à assumer un certain nombre de rôles qui lui sont théoriquement
attribués (Parker, 1979 ; Bunce et al., 1995 ; Hope et Fraser, 1999), notamment lorsque l’outil
est mis en œuvre dans des environnements instables et incertains (Berland, 2001 ; Bescos et
al., 2004). En revanche, peu de travaux se sont intéressés à l’interaction entre les deux
phénomènes alors qu’ils sont apparemment liés puisque l’apparition du tableau de bord trouve
son origine dans les lacunes des outils traditionnels du contrôle de gestion et tout
particulièrement dans celles de la technique budgétaire (Chiapello et Delmond, 1994).

Nous étudions les limites du contrôle de gestion traditionnel, entre autre la technique
budgétaire, (Section 1) pour montrer comment les tableaux de bord tentent d'apporter une
réponse ‒ au moins partielles ‒ à la démarche de changement de contrôle de gestion (Section
2), tout en essayent d’étudier la place d’un tableau de bord prospectif dans le pilotage de la
performance des entreprises (Section 3).

21
 PLAN DU CHAPITRE 1

1.1 Le contrôle de gestion traditionnel

ne répond plus

1.1.1
1.1.2
Le contrôle de gestion
Le budget : un outil
et pilotage de la
critiqué
performance

1.2 L’utilité des tableaux de bord mise

en question

1.2.2
1.2.1
Le tableau de bord :
Introduction au
outil d’introduction
tableau de bord
du changement

1.3 Tableau de bord : un outil de

pilotage de la performance ?

1.3.2
1.3.1
Les tableaux de bord
La performance et ses
prospectifs : nouvel outil de
indicateurs
pilotage de la performance

22
1.1 Le contrôle de gestion traditionnel ne répond plus

Ces dernières années, le contrôle de gestion a fait l'objet d'une remise en question
profonde : pertinence « perdue » (Johnson et Kaplan, 1987). De nouvelles méthodes ont
permis de combler ce déficit de pertinence et aussi de la créativité, de nouveaux mots
(pilotage, performance) sont venus rendre cette mue plus visible et les adjectifs « nouveau »
(Gleadle et Cornelius, 2000) ou « stratégique » (Lorino, 1991) qualifient parfois cette
nouvelle manière de contrôler la gestion.

Nous présentons, dans un premier temps, les interrelations entre le contrôle de gestion et
le pilotage de la performance. Dans un deuxième temps, nous abordons les critiques adressées
au budget de façon à évaluer dans quelle mesure l’incertitude de l’environnement et
l’implantation des systèmes de pilotage de la performance peuvent entraîner ou non une
évolution des rôles de budget.

1.1.1 Le contrôle de gestion et pilotage de la performance

Nous présentons dans cette sous-section, les caractéristiques du contrôle de gestion

« traditionnel » et la logique financière de pilotage qui lui est le plus souvent associée. Nous
développerons ensuite la « nouvelle » conception du contrôle de gestion tel qu’elle est
présentée dans la littérature ainsi que la logique de pilotage de la performance qui peut
l’accompagner.

1.1.1.1 La conception traditionnelle du contrôle de gestion

Au plan conceptuel, le contrôle de gestion a été positionné au départ à l’interface des

activités de planification stratégique et des activités opérationnelles, dans un rôle confiné au
contrôle de la bonne utilisation des ressources, comme en témoigne la définition proposée par
Anthony en 1965 : « le contrôle de gestion est le processus par lequel les managers
obtiennent l’assurance que les ressources sont obtenues et utilisées de manière efficace et
efficiente pour réaliser les objectifs de l’organisation ». Cette conception est aujourd’hui
largement remise en cause, au motif qu’il importe désormais, sous la pression d’un
environnement toujours plus dynamique et compétitif, de rapprocher les niveaux stratégiques
et opérationnel, d’analyser l’organisation sous l’angle des processus, et de ne plus s’en
remettre exclusivement au langage financier pour évaluer la performance (Bouquin, 1994).
23
 En effet, depuis les années 1980, l’environnement des entreprises a radicalement
changé. Dans un contexte plus concurrentiel, un ensemble d’outils innovants a été développé
pour fournir aux managers l’information pertinente en temps utile.

L’adoption des nouvelles techniques a fait l’objet de nombreuses recherches qui

montrent que les pratiques ont changé dans plusieurs secteurs d’activités de différents pays et
il existe aujourd’hui une littérature abondante sur les changements dans le contrôle de gestion.
Johnson et Kaplan (1987) étaient parmi les premiers auteurs à expliquer la perte de pertinence
du contrôle de gestion par le découplage entre les systèmes financiers de contrôle et les enjeux
opérationnels des organisations, quand Chassang (1987) mettait l’accent sur la nécessité de
faire apparaître les flux physiques occultés par les flux financiers.

Le contrôle de gestion « traditionnel » repose sur un certain nombre d’hypothèses ou de

postulats. Il repose en premier lieu sur des hypothèses relatives à la prise de
décision : hypothèses de simplicité et de stabilité du fonctionnement de l’entreprise (Lorino,
1991), qui rendent possible une modélisation de ce fonctionnement sous une forme adaptée au
management contractuel (Burlaud et Simon, 2006) ; hypothèse de capacité à articuler le court
terme et le long terme à travers la planification et la déclinaison des facteurs clés de succès
(Bouquin, 2001). Il repose également sur des hypothèses relatives à la structure de
l’organisation : c’est l’hypothèse de cloisonnement par les centres de responsabilité, la
simplicité du fonctionnement supposée par ailleurs permettant de considérer la performance
globale de l’organisation comme s’obtenant par addition des performances locales des
centres. Ceci est un postulat fort en ce sens qu’il ignore les phénomènes de synergie et de
porosités potentielles entre les différentes parties d’une organisation1.

À cette conception traditionnelle du contrôle de gestion correspond le plus souvent une

logique de pilotage financière (Lorino, 1997 ; Ekoka Essoua, 2006). Le pilotage s’intéresse
alors avant tout aux résultats financiers des centres de responsabilité définis dans
l’organisation. Une telle logique s’appuie fortement sur le principe de responsabilisation
individuelle des managers qui va de pair avec la délégation de moyens (Giraud, 2002).
L’objectif financier global de l’organisation est décomposé en objectifs partiels assignés aux
différents centres de responsabilité. Alors que le concept de performance doit passer par des
résultats financiers compétitifs en même temps que par la préservation ou le développement

1
Cité par Alcouffe et Avenier (2007).

24
des capacités et compétences stratégiques de l’entreprise. Le pilotage de la performance ne se
limite plus à la rentabilité et aux résultats financiers ; d’autres facteurs sont pris en
considération. Les décideurs en matière de gestion sont confrontés à plusieurs informations
qui ne sont pas directement tirées d’indicateurs financiers issus de systèmes d’information de
gestion. En effet, ces indicateurs ne suffisent pas pour analyser et comprendre l’origine de
leur réalisation ou leur variation. L’observation scientifique rapprochée des décideurs au sein
des organisations montre que la prise de décision de gestion requiert des indicateurs à la fois
qualitatifs, quantitatifs et financiers.

Selon Lorino (1997), le choix de cette logique de pilotage financière se justifie

davantage lorsque les interdépendances entre centres de responsabilités sont limitées, lorsque
la culture de l’organisation est dominée par des approches financières, au sein
d’environnements stratégiques et technologique stables, où il est facile d’articuler résultats de
court et long termes, et, enfin, lorsque les métiers et marchés de l’entreprise sont bien connus,
maîtrisés et cloisonnés.

1.1.1.2 Vers une nouvelle conception du contrôle de gestion

Face à la remise en cause du contrôle de gestion « traditionnel » et à la logique de

pilotage financière qui lui est le plus souvent associée, de nombreux auteurs décrivent
l’émergence d’un « nouveau » contrôle de gestion associée à une logique de pilotage de la
performance. Cette nouvelle conception diffère la conception traditionnelle au niveau des
objectifs et des outils utilisés pour le mettre en œuvre.

Aujourd’hui, le contrôle de gestion s’est complété et enrichi. Le lien avec le pilotage

stratégique s’est renforcé. La stratégie et le choix des outils de pilotage conditionnent le
processus du contrôle de gestion. Par conséquent, la problématique de l’évaluation de la
performance s’est largement enrichie.

À cette nouvelle conception du contrôle de gestion, Lorino (1997) semble associer une
logique de pilotage également différente de la logique financière associée au contrôle de
gestion « traditionnel ». Dans cette logique, « il ne s’agit plus de partir d’un objectif financier
global pour aboutir à des objectifs financiers analytiques, par désagrégation, mais de partir
d’objectifs stratégiques pour aboutir à des objectifs opérationnels par l’analyse causes-effets »
(Lorino, 1997).

25
 Pour de nombreux spécialistes, les données non financières ou physiques permettent
d’assurer la réactivité organisationnelle (Chiapello et Delmond, 1994), contribuent à la
transversalité (De Montgolfier, 1994), permettent de mesurer avec plus de pertinence que les
données financières, la complexité organisationnelle, notamment l’immatérialité (Mavrinac et
Siesfeld, 1998) et une performance multicritère (Lorino, 1991). Elles sont, de ce fait,
davantage en phase avec les stratégies de différenciation et la diversité des facteurs clés de
succès (Mathé et Malo, 1998). L’utilisation des données non financières conduirait même à
une meilleure performance organisationnelle (Jorissen, 1999 ; Boisvert, 1991).

1.1.2 Le budget : un outil critiqué

L’intérêt porté aux outils tels que le tableau de bord, trouve en partie son origine dans
les critiques adressées aux budgets (Chiapello et Delmond, 1994 ; Germain, 2005). Les
praticiens et les chercheurs admettent ainsi aujourd’hui que la technique budgétaire ne semble
plus en mesure d’assurer un certain nombre de rôles dévolus désormais aux systèmes de
mesure de la performance.

Le budget, qui dans la conception traditionnelle du contrôle de gestion correspond à

« l’expression comptable et financière des plans d’action retenus pour que les objectifs visés
et les moyens disponibles sur le court terme convergent vers la réalisation des plans
opérationnels » (Bouquin, 2001), a été très critiqué ces dernières années. Dès 1994 par
exemple en France, la DFCG1, sur la base d’une enquête réalisée avec le cabinet KPMG2,
s’interrogeait sur les insuffisances de l’outil (DFCG, 1994). Quasiment dans le même temps,
le Cam-i3 organisait une vaste réflexion à l’échelle internationale pour trouver les moyens de
dépasser l’approche budgétaire traditionnelle et formulait des propositions résumées dans une
approche intitulé « Beyond Budgeting (au-delà du budget) ».

1.1.2.1 Le budget : un outil inadapté à l’environnement actuel

Hopwood (1974) s’interroge sur les conditions d’utilisation des budgets en fonction de
l’état de l’environnement. Il remarque que les budgets, faciles à réaliser dans des
environnements stables et facilement prévisibles, auraient une grande utilité dans des

1
La DFCG est une association française des Directeurs Financiers et Contrôleurs de Gestion.
2
KPMG est un réseau mondial de prestations de services d'audit.
3
Cam-i signifie Consortium for Advanced Manufacturing – International.

26
environnements instables où le besoin de contrôle est fort. Plus les budgets seraient utiles,
moins ils seraient faciles à réaliser et donc peut-être moins fiables et moins pertinents.

Les historiens du contrôle et de la gestion dans le monde anglo-saxon ont souligné à

plusieurs reprises l’importance de l’environnement dans le développement des outils
comptables. Ainsi, pour Johnson et Kaplan (1987), les changements dans l’environnement
concurrentiel, dans l’environnement macro-économique et dans le développement mondial
des nouvelles technologies sont quelques unes des variables explicatives du manque de
pertinence parfois perçu des outils de gestion actuels. Les conditions ayant changé de façon
importante depuis que ces outils ont été développés, ils ne seraient plus pertinents
aujourd’hui.

Mévellec (1994) a également souligné l’importance de l’environnement dans la crise

des outils de gestion actuels. Pour lui, « les problèmes viennent bien plus de la difficulté à
remodéliser l’environnement (structure des marchés et déterminants de la valeur) » que d’une
incapacité de la comptabilité à s’adapter. Le passage d’une économie de l’offre à une
économie de la demande a profondément bouleversé la pertinence des traditions comptables.

De la même façon, Mintzberg (1994) traite largement de la difficulté à prévoir. Son

approche est d’autant plus intéressante qu’il relie le contrôle budgétaire et la planification
dans un tout intégré allant parfois jusqu'à l’identification. La planification stratégique serait,
selon lui, d’autant plus efficace qu’elle fonctionne dans un environnement stable, certain et
non perturbé.

Ainsi, pour le Cam-i (1999), le contrôle budgétaire s’est développé dans un contexte :

- où les marchés et les chaînes de valeur étaient stables ;

- où les concurrents étaient connus et leurs actions prévisibles ;
- où la disponibilité des capitaux était la principale contrainte limitant la croissance et
l’apprentissage ;
- où les structures des entreprises étaient centralisées et les modes de coordination
essentiellement hiérarchiques ;
- où le cycle de vie des produits et la stratégie des entreprises s’étalaient dans le
temps ;
- et, enfin, où il était surtout demandé aux opérationnels de se conformer aux règles.

27
 Selon Berland (2000), le budget apparaît comme un outil d’une autre époque,
correspondant à des problèmes que les entreprises ne rencontrent plus. Ainsi, Bunce et al.,
(1995) dans leur critique sur les outils traditionnels du contrôle de gestion, parmi lesquels ils
incluent le contrôle budgétaire, remarquent que le fait nouveau qui caractérise
l’environnement aujourd’hui est sa turbulence. Or, les outils traditionnels de gestion ont été
conçus pour des environnements relativement stables.

On retrouve dans tous ces travaux une constante : la nécessité d'avoir un environnement
peu turbulent pour pouvoir prévoir.

1.1.2.2 Le budget : un outil incapable d’intégrer les facteurs actuels de

performance

En 1972, Hopwood a souligné que les données comptables :

- Ne contiennent pas toutes les dimensions pertinentes de la performance dont elles ne

peuvent représenter qu’approximativement la complexité, surtout dans le cas
d’activités fortement interdépendances ;
- Ne traduisent pas l’activité managériale dans sa totalité, car elles sont trop axées sur
les résultats et non pas sur les processus dont elles découlent ;
- Sont trop centrées sur le court terme.

Ces constats ont été depuis largement relayés et amplifiés par une accélération de
l’évolution des critères de performance. Lorino (1991) montre que la valeur d'un produit pour
le consommateur n'est pas seulement reflétée dans son prix mais aussi dans les différentes
caractéristiques du produit (Porter, 1986). Pour gérer la valeur, il faut donc aujourd'hui gérer
non seulement les coûts mais aussi tous les facteurs sur lesquels se fait la concurrence et en
particulier ceux sur lesquels l'entreprise veut se différencier. On généralise à l'ensemble de
l'entreprise l'analyse de la valeur. On analyse toutes les activités en fonction de ce qu'elles
apportent ou non au consommateur. On traque les opérations sans valeur ajoutée. Les
indicateurs physiques à suivre sont de plus en plus nombreux car il faut gérer la qualité, les
délais et les autres dimensions concurrentielles.

Pour le Cam-i (1999), le budget ne mettrait pas en avant les bons indicateurs de
performance. Alors que l’important pour une entreprise serait de maximiser la valeur pour

28
l’actionnaire, le budget se concentrerait trop sur des indicateurs comptables dont on connaît
toutes les limites quand il s’agit de mesurer la création de valeur. En d’autres termes, le
budget permettrait de maîtriser les coûts alors qu’il faudrait maîtriser la valeur.

Hope et Fraser (1999) considèrent que, si les budgets n’assurent pas correctement les
rôles que la plupart des managers en attendent, c’est principalement parce qu’ils n’intègrent
pas les principaux facteurs actuels de performance.

Le Tableau 1.1 (page suivante) propose une synthèse des critiques formulées dans
certains travaux.

29
 Tableau 1.1 : Critiques de la démarche budgétaire

Auteur Critiques

- Le budget n’est qu’un référentiel interne ;

- La stratégie ne se fait pas une fois par an ;
- Le budget renforce le conformisme ;
- Le budget est souvent construit sans lien avec la stratégie ;
- Le budget donne lieu à des négociations stériles ;
Cam-i (1999)1
- Le budget est un exercice de minimisation des charges ;
- Le budget est souvent la reprise des chiffres de l’année passée ;
- Le budget est trop complexe et uniquement financier ;
- Le budget encourage les comportements égoïstes et la constitution de
matelas budgétaires ;
- Le budget enferme les managers dans des contraintes trop fortes.

- Le budget est un outil peu opérationnel ;

- Pour les « non-financiers », la vision comptable n’est pas conforme à la
réalité des opérations ;
Beth et Zrihen - Pour les financiers, la vision est partielle, trop focalisée sur le compte
(2000) de résultat ;
- L’analyse « comptable » des écarts ;
- La gestion budgétaire est un processus bureaucratique, centralisé, avec
une faible participation des acteurs.

- Le manque de pertinence de l’articulation stratégie / budget ;

- La faible fiabilité des prévisions ;
- Le problème d’affectation des écarts ;
Berland (2002)
- La difficulté à définir les centres de responsabilité ;
- Le problème de fixation des objectifs (contradiction des objectifs de
planification et d’évaluation).

- La lourdeur et le formalisme excessif ;

- L’inutilité liée au caractère incertain des prévisions ;
Bescos et al.,
- Induit une forme de conservatisme ;
(2004)
- Induit une prédominance de la performance financière ;
- Repose sur un découpage fonctionnel (nie la transversalité).

Il apparaît aujourd’hui que le budget ne peut répondre à lui seul aux attentes des
managers et qu’il est nécessaire non pas de le supprimer, mais de le compléter par d’autres
instruments mieux adaptés aux problématiques de pilotage actuelles des entreprises. De
nombreux travaux empiriques montrent que le tableau de bord présent les caractéristiques
pour pallier la majorité de ces déficiences. Ainsi, plusieurs auteurs soutiennent l’idée que le
1
Cité par Berland (2004).
30
tableau de bord ne peut pas se substituer aux budgets et qu’il convient plutôt de rechercher les
complémentarités entre les outils (Mendoza et Zrihen, 1999 ; Méric, 2003).

1.2 L’utilité des tableaux de bord mise en question

Les limites adressées aux outils traditionnels de contrôle de gestion ont amené les
chercheurs et les praticiens à proposer des systèmes de mesure de la performance qui
associent, à la fois, des indicateurs financiers et non financiers. Toutefois, l’intégration de
mesures non financières ne date pas d’aujourd’hui, par exemple General Electric utilisait des
mesures non financières depuis 1950. Par ailleurs, plusieurs auteurs ont insisté sur la
pertinence des mesures non financières (Hopwood, 1973 ; Anthony et al., 1984 ; Merchant,
1985). Des systèmes de mesures non financières sont généralement caractérisés par des
besoins locaux avec peu d’intégration avec les objectifs stratégiques de l’entreprise et peu
d’équilibrage entre des considérations locales et d’autres globales (Merchant, 1985).

Relever les faiblesses des outils traditionnels du contrôle de gestion n’induit pas que
ceux-ci sont inutiles ou obsolètes. Tout défaut est en effet souvent le revers d’une qualité, si
bien qu’il semble plus juste de dire que ces outils répondent à certaines des attentes des
managers, mais qu’ils ne peuvent à eux seuls en assurer la totalité. Il est donc nécessaire de
les compléter par d’autre outils de gestion, d’où le développement du tableau de bord de
gestion.

Du fait de positionnement de tableau de bord comme outil complémentaire du contrôle

budgétaire et des comptabilités, les tableaux de bord ont été définis dès l'origine pour pallier
les lacunes des systèmes existants. La dénonciation de ces derniers s'accentuant, les tableaux
de bord apparaissent de plus en plus providentiels, et ce d'autant plus qu'on a insensiblement
fait évoluer leur définition au cours des années, justement en fonction des nouveaux besoins
détectés.

Nous définissons, dans un premier temps le concept de tableau de bord, pour montrer,
dans un deuxième temps, comment cet outil peut apporter les changements au contrôle de
gestion.

31
 1.2.1 Introduction au tableau de bord

Le tableau de bord français prend ses origines au début du vingtième siècle,

essentiellement à l'avènement de l'ère industrielle. Les tableaux de bord, essentiellement
orientés production sont nés de la nécessité opérationnelle de contrôler les activités d'usine.
Dans les années 50, la diffusion des méthodes de gestion américaines, introduisant entre
autres la notion de centre de responsabilité, a engendré la multiplication des tableaux de bord.
Pour chaque centre on voit alors un tableau de bord auquel sont intégrées des données
budgétaires. Jusqu'aux années 80, le tableau de bord est présenté comme un outil de reporting
mais les années 90 font évoluer le tableau de bord vers une approche plus orientée plan
d'actions qui a abouti à la méthode OVAR (Objectifs, Variables d’Action, Responsables)1.

La littérature était faite de plusieurs conceptions du tableau de bord. Ce dernier y est

présenté comme un outil d’aide à la décision (Malo, 1992), ou bien un instrument de gestion
se conformant à une organisation de type pyramidal (Guerny et al., 1990), structuré sur la
logique objectifs-variables clés-indicateurs (méthode OVAR), et orienté vers le pilotage à
distance des responsabilités déléguées (Malo, 1992).

Bouquin (2001) définit le tableau de bord comme « un ensemble d’indicateurs peu

nombreux (cinq à dix) conçus pour permettre aux gestionnaires de prendre connaissance de
l’état de l’évolution des systèmes qu’ils pilotent et d’identifier les tendances qui les
influenceront sur un horizon cohérent avec la nature de leurs fonctions ».

Bescos et al., (1995) distinguent entre le tableau de bord de gestion des centres de
responsabilités et le tableau de bord de la direction générale. Pour le premier, son appellation
renvoie à des documents présentant une information dynamique. L’information présentée doit
mettre en perspective les résultats obtenus par rapport à des références. Il peut être défini
comme un outil d’aide au pilotage des unités décentralisées. Suivant le principe gigogne
d’agrégation des informations, celles-ci sont consolidées de niveau en niveau jusqu’à la
direction générale. Ce document est établi souvent par le service central de contrôle de

1
Dans la méthode OVAR, la construction du tableau de bord est une approche (top-down) c'est-à-dire que le
management initie la construction du tableau de bord en fonction des objectifs stratégiques : Objectifs et
Variables d'Action. Les Responsabilités sont ensuite déclinées et descendues aux niveaux inférieurs de la
hiérarchie en cascade. Ainsi, chaque manager opérationnel devient responsable du choix et de la définition de ses
variables d'action : ce qui représente un grand degré de délégation et de décentralisation. Pour chaque objectif et
variable d'action, au moins un indicateur de performance existe.

32
gestion, il permet de suivre, d’une part, les performances économiques, et d’autre part, un
certain nombre d’analyses essentielles comme celle de l’exécution du plan, du budget, des
investissements et des effectifs.

1.2.2 Le tableau de bord : outil d’introduction du changement

La plupart des chercheurs demande l’intégration de mesures de performance

« physiques » pour compléter les mesures financières. Des indicateurs de qualité, des mesures
sociales (ratio d’absentéisme, indice de climat social, etc.), des indicateurs orientés clients
(taux de satisfaction, ratio de pénétration, etc.), et des indicateurs orientés processus (temps de
production). Lorino (1999) intègre aussi une perspective d’apprentissage selon laquelle les
mesures représentent une base pour apprendre sur les relations de cause à effet.

À l’inverse des instruments classiques de contrôle de gestion qui rendent compte la

plupart du temps des « scores des parties préalablement jouées » (Kaplan et Norton, 1996), le
tableau de bord favorise une analyse en temps réel des performances de l’entreprise, parce
qu’il permet de suivre les évènements qui sont à leur origine, parce qu’il détient des délais de
parution courts, qu’il est simple de consultation et que ses données revêtent un caractère
synthétique. En cela, il offre des perspectives de réactivité qui cadrent avec la logique du petit
nombre d’évènements nécessairement peu répétitifs qui caractérisent l’entreprise de taille
moyenne.

Sur le plan conceptuel, le tableau de bord se distingue du reporting par le destinataire

auquel s’adressent les données qu’il fournit. En effet, alors que le reporting est un outil
d’information de la hiérarchie chargé de restituer les résultats des processus achevés et peut
donc être compris : « un outil de contrôle de gestion a posteriori des responsabilités
déléguées » (Gervais, 1994), le tableau de bord est un système d’information à la fois global
et local favorisant la réactivité et qui permet aux différents responsables des services de
l’entreprise de piloter les actions en cours.

Le tableau de bord se différencie aussi des systèmes budgétaires et comptables. À

l’inverse de ces derniers qui se limitent généralement à la production de données financières
se rapportant aux résultats d’actions passées, il adopte un langage qui n’est pas seulement
comptable et financier, mais technique, physique et même qualitatif grâce au recours à des
indicateurs de nature diverse (indicateurs physiques, indicateurs de processus, indicateurs

33
d’environnement, etc.) qui rendent compte de manière signalétique de l’état présent du
système à des périodes rapprochées. En se voulant ainsi plus proche des préoccupations
opérationnelles, le tableau de bord apparaît comme un véritable outil de pilotage stratégique
du cout terme. C’est ce qui explique d’ailleurs, comme le fait remarquer Bouquin (1993),
qu’en considération des nouveaux enjeux du contrôle de gestion, certains auteurs
redécouvrent aujourd’hui son utilité à travers le renouvellement de la comptabilité de gestion.

On oppose les tableaux de bord aux autres outils de contrôle de gestion. Ces oppositions
peuvent être classées en quatre familles : la nature des données, la réactivité recherchée, la
modélisation de l'activité sous-jacente et l’adaptabilité de l'outil1.

Ø La nature des données

La nature des données que peut comporter le tableau de bord est sans doute l'un des
éléments les plus déterminants dans le positionnement relatif de l'outil au sein du contrôle de
gestion. Les données ne sont que comptables et financières dans les autres outils, alors
qu'elles peuvent être de natures diverses dans les tableaux de bord. Le tableau de bord
apparaît ainsi comme l'instrument de suivi du contrôle de gestion chargé d'accueillir tous les
indicateurs non financiers.

La capacité d'ouverture des tableaux de bord à autre chose que les éléments financiers
est utilisée systématiquement chaque fois que l'on éprouve le besoin de suivre des éléments
non contenus dans les systèmes de contrôle budgétaire. Les tableaux de bord sont ainsi la
solution naturelle au suivi d'indicateurs physiques, d'indicateurs non produits par
l'organisation, d'indicateurs sur l'environnement, ou encore d'indicateurs transversaux.

Ø La réactivité recherchée

On demande également aux tableaux de bord de permettre une action rapide.

L'incorporation d'indicateurs physiques fait partie de la recherche de réactivité. Ces derniers
sont plus près de l'action car on agit directement sur des variables physiques et non sur des
résultats financiers. La consultation du tableau de bord doit être simple, rapide et permettre la
prise de décision en étant en prise directe sur les problèmes opérationnels. Le tableau de bord
contient donc peu d'information, mais une information pertinente et rigoureusement

1
Cité par Chiapello E. et Delmond M. H. (1994).
34
sélectionnée. Ainsi, la rapidité de consultation dépend également des méthodes de
présentation utilisées : « graphiques parlants », « indicateurs qui changent de couleur », etc.

Ø La modélisation de l'activité sous-jacente

Tout système formel d'information repose sur une modélisation de l'activité qu'il
documente. Dans le cas du contrôle budgétaire, la modélisation est faite sur la base du modèle
comptable classique, qui correspond à une représentation financière de la firme axée sur la
mesure de l'enrichissement ou de l'appauvrissement. Avec les tableaux de bord, on ne veut
pas seulement mesurer la valeur, on veut comprendre les différents rouages de sa création.
L'enjeu est de choisir des indicateurs d'activité offrant plus de transparence. Il s'agit bien d'une
modélisation tirée par l'action, qui correspond à une préoccupation opérationnelle, alors que le
contrôle budgétaire repose sur une modélisation financière tirée par la mesure de
l'enrichissement.

Pour mettre en œuvre cette modélisation tirée par l’action, on propose fréquemment de
centrer les tableaux de bord sur le suivi des variables clés de gestion (Guerny et al., 1986).
Cela revient à appliquer une démarche stratégique au suivi à court terme. Les variables clés
sont en effet la transposition, au niveau des responsables opérationnels et des plans d'action à
court terme, des fameux facteurs clés de succès utilisés par les directions générales dans les
plans d'action à long terme1.

Ø L’adaptabilité de l'outil

Le tableau de bord se veut plus proche de l'opérationnel que les autres outils, ce dont
témoignent déjà l'incorporation d'indicateurs physiques et le souci de la réactivité. Ce
positionnement implique une diversité de l'outil aussi grande que la diversité des situations
opérationnelles. Le tableau de bord est, par nature, un outil personnalisé dans son contenu.

Les fréquences de parution des tableaux de bord doivent également être adaptées aux
besoins des responsables qui ne suivent pas forcément les rythmes mensuels ou trimestriels de
la comptabilité.

1
Les citations suivantes montrent la proximité des notions de facteurs clés de succès et de variables clés ; (...)
Les facteurs clés de succès sont vus comme les conditions de [la] réussite [de la stratégie] (Bouquin, 199, p. 63).
On peut définir une variable clé comme étant déterminante dans le succès ou l'échec d'une entreprise pour
atteindre ses objectifs (Ardoin et al., 1986, P.271).
35
 Le tableau de bord, plus que tout autre outil, doit aussi pouvoir évoluer facilement, en
fonction des actions menées, des méthodes de travail utilisées, de la stratégie choisie. Saulou
(1982) va même jusqu'à dire que « le tableau de bord [...] doit être élaboré par un homme dans
un système et à un certain moment. Que l'homme change de poste, que le poste soit assuré par
un autre homme ou que l'on se place un an plus tard, le tableau de bord initialement conçu
sera inutile ».

Le Tableau 1.2 (page suivante) résume l’ensemble des éléments qui opposent le tableau
de bord aux autres outils de contrôle de gestion.

36
 Tableau 1.2 : Les éléments qui opposent le tableau de bord aux autres outils
de contrôle de gestion

Tableau de bord Autres outils de gestion

La nature des données est différente

- Toutes sortes de données (y compris quantités - Exclusivement financières ;
physiques, indicateurs de délais, de qualité…) ; - Uniquement informations sur l’intérieur et
- Possibilité d’information sur l’environnement et produites à l’intérieur ;
d’informations produites à l’extérieur ; - Principe de responsabilité, information
- Possibilité d’information latérale sur des uniquement sur les éléments contrôlés par le
secteurs non contrôlés par le responsable. responsable.

La réactivité recherchée est différente

- Parution J + 3 ; - Parution J + 5 ;
- Peu de données, synthétique ; - Grand degré de détail, exhaustif ;
- Porte uniquement sur les éléments les plus - Couvre toute l’activité du centre de
importants ; responsabilité ;
- Présentations parlantes, tous procédés - Des tableaux de chiffres uniquement.
possibles : graphiques, couleurs…

La modalisation sous-jacente est différente

- Modélisation tirée par l’action - Modélisation financière tirée par la mesure de
- Souvent fondée sur une analyse stratégique l’enrichissement.
(objectifs et variables clés).

Le degré d’adaptabilité de l’outil est différent

- Contenu adapté en fonction des moyens - La même maquette de base pour tous ;
physiques maîtrisés par le responsable, en - La même périodicité de parution des résultats
fonction des variables mettre sous contrôle… ; pour tous ;
- Fréquence en fonction des besoins pour la prise - Grande stabilité de contenu et de présentation,
de décision, en fonction des temps externes à péremption peu rapide.
l’organisation ;
- Évolutions rapides, dans l’idéal en temps réel
sur les besoins.

(Chiapello E. et Delmond M. H., 1994)

37
1.3 Tableau de bord : un outil de pilotage de la performance ?

Depuis les vingt dernières années, le pilotage de la performance est devenu un

important sujet traité dans la littérature et dans la pratique. Plusieurs auteurs ont proposé aux
entreprises de développer de nouveaux modèles d’évaluation de la performance qui
regrouperaient des mesures financières et non financières. La performance définie en terme
financier ne suffit plus (Kaplan et Norton, 1996). À une ère où la concurrence s’exerce sur
plusieurs facteurs et où les risques d’entreprise se multiplient, la réussite de l’entreprise ne se
traduit plus strictement en terme d’augmentation du bénéfice ou du rendement sur capital
investi. La performance devient multicritères et sa mesure doit tenir compte de cette
caractéristique.

Les écrits sur le sujet abondent, tant sur le plan professionnel que scientifique. Les
travaux de Kaplan et Norton (1992), réactualisent le sujet en présentant un modèle de pilotage
de la performance qui tient compte à la fois de la dimension financière et des dimensions liées
aux opportunités de croissance de l’entreprise, tels les clients, les processus internes,
l’apprentissage et l’innovation. L’ensemble des indicateurs visant à mesurer cette
performance à plusieurs dimensions est maintenant largement connue sous l’appellation de
tableau de bord prospectif.

Nous essayons, dans un premier temps, de définir les concepts de performance et

d’indicateur de performance. Dans un second temps, nous étudions le rôle de tableau de bord
prospectif dans le pilotage de cette performance.

1.3.1 La performance et ses indicateurs

1.3.1.1 Éssai d’une définition de la performance

La performance d’entreprise est une notion centrale en sciences de gestion. Depuis les
années 80, de nombreux chercheurs se sont attachés à la définir (Bouquin, 1986 ; Bescos et
al., 1993 ; Bourguignon, 1995 ; Lebas, 1995 ; Bessire, 1999) et plus récemment cette notion
est mobilisée dans la littérature managériale pour évaluer la mise en œuvre par l’entreprise
des stratégies annoncées de développement durable (Capron et Quairel, 2005).

38
 L’origine du mot performance remonte au milieu du 19ème siècle dans la langue
française. À cette époque, il désignait à la fois les résultats obtenus par un cheval de course et
le succès remporté dans une course. Puis, il désigna les résultats et l’exploit sportif d’un
athlète. Son sens évolua au cours du 20ème siècle. Il indiquait de manière chiffrée les
possibilités d’une machine et désignait par extension un rendement exceptionnel. Ainsi, la
performance dans sa définition française est le résultat d’une action, voir le succès ou
l’exploit. Contrairement à son sens français, la performance en anglais « contient à la fois
l’action, son résultat et éventuellement son exceptionnel succès » (Bourguignon, 1995)1.

Dans le domaine de la gestion, la performance a toujours été une notion ambiguë,

rarement définie explicitement. Elle n’est utilisée en contrôle de gestion que par transposition
de son sens en anglais. Elle désigne alors l’action, son résultat et son succès2.

Une analyse sémantique générale du mot performance montre que, dans le champ de la
gestion, le mot (signifiant) performance prend des sens (signifiés) variables, mais que l’on
peut toujours rattacher à l’un ou /et l’autre des trois sens primaires ci-dessous (Bourguignon,
1995).

1- La performance est succès ; la performance n’existe pas en soi ; elle est fonction des
représentations de la réussite, variables selon les entreprises et / ou selon les acteurs.

2- La performance est résultat de l’action. À l’opposé du précédent, ce sens ne contient

pas de jugement de valeur. Traditionnellement, « la mesure des performances est
(…) entendue comme l’évaluation ex-post des résultats obtenus » (Bouquin, 1986).

3- La performance est action. Dans ce sens, plus rare en français qu’en anglais, la
performance est un processus et « non un résultat qui apparaît à un moment dans le

1
Étymologie du mot performance, selon Bourguignon (1995, p. 62) : le mot performance dans son acception
française du 19ème siècle dérive du mot anglais performance (fin du 15 ème siècle) qui désignait la réalisation,
l’accomplissement, l’exécution. Mais cette définition anglaise est empruntée au moyen français « parformance »
qui provient de l’ancien français du 13ème siècle et qui signifiait accomplir, exécuter.
2
La performance en tant que succès n’existe pas en soi. Elle est fonction des représentations de la réussite et
varie selon les entreprises et les acteurs. La performance, résultat d’une action, ne contient pas de jugement de
valeur, contrairement à la performance-succès. La performance-action est un processus et non un résultat qui
apparaît à un moment donné dans le temps. Cette performance contient et dépasse largement la performance-
résultat. En effet, elle « inclut les résultats mais aussi les activités, les tâches à accomplir »
(Bourguignon, 1995, p.64).

39
 temps » (Baird, 1986). Comme en psychologie et en linguistique générative, elle est
la mise en actes d’une compétence qui n’est qu’une potentialité.

Par ailleurs, le terme de performance renvoie fréquemment à un double sens ou une

double signification. Pour Bourguignon (1997) « la plupart des usages du mot en gestion, la
performance contient simultanément deux de ces sens primaires. L'association la plus
fréquente est celle du résultat positif de l'action. Ainsi, on désigne par contreperformance un
résultat médiocre, décevant. II nous semble que le poids du résultat et du succès est variable
selon le nombre du mot : le succès domine sur le résultat, lorsque le mot est décliné au
singulier. Inversement, au pluriel, le succès est moins présent, l'accent est mis sur
l'aboutissement, quelle qu'en soit sa valeur ».

La performance peut également se lire comme le processus, comme l’action qui mène
au succès. Le succès ne se mesure pas seulement a posteriori, il se construit tout au long d’un
processus de management qui définit, puis communique les résultats attendus, spécifie les
activités à accomplir, contrôle les récompenses et l’information liées au résultat (Baird, 1986).
De façon analogue, accompagner la stratégie, ce n’est plus seulement mesurer les réalisations,
c’est aussi définir des plans d’actions à partir d’une analyse des processus, des activités et de
leurs enjeux stratégiques (Lorino, 1991).

Pour Lebas (1995), la performance n’existe que si on peut la mesurer et cette mesure ne
peut en aucun cas se limiter à la connaissance d’un résultat. Il propose une définition plus
opérationnelle de la performance et montre les enrichissements que celle-ci pourrait apporter
à l’entreprise. Selon lui,

- La performance est un élément pour la prise de décision. Elle n’existe pas de façon
intrinsèque. Elle n’est pas une simple constatation, elle se construit ;

- Elle est définie par les utilisateurs de l’information par rapport à un contexte
décisionnel caractérisé par un domaine et un horizon-temps ;

- La performance ne peut s’exprimer que comme un ensemble « équilibré » de

paramètres complémentaires, et parfois contradictoires, décrivant le(s) résultat(s) et
le(s) processus d’atteinte de ce(s) résultat(s) ;

40
 - La compréhension de la performance repose sur l’identification d’un modèle de
causalité qui indique comment on peut agir sur les paramètres déterminants des
résultats futurs : chaque cause est elle-même sujette à une analyse de performance ;

- La performance n’est pas ponctuelle, elle ne se comprend que de façon dynamique,

dans la longe terme. Une performance n’est qu’instantanée. Elle ne devient
significative que si l’entreprise se donne la capacité à renouveler pour la future et de
façon récurrente ce résultat favorable. Le terme performance devrait être réservé à la
description de l’évolution des résultats sur une période jugée assez longue par le
preneur de décision ;

- La notion de performance est toujours attachée à la notion de responsabilité. Celui qui

est responsable est celui qui peut ou doit agir sur les paramètres de la performance et
doit rendre des comptes sur sa performance et sur l’utilisation des moyens mis sous
son autorité ;

- La performance n’existe que si on peut la mesurer, c’est-à-dire qu’on peut la décrire

par un ensemble ou un vecteur de mesures (ou d’indicateurs) plus ou moins
complexes.

Pour Machesnay (1991), la performance de l'entreprise peut se définir comme le degré

de réalisation du but recherché. L'analyse des buts fait apparaître trois mesures de la
performance :

- L'efficacité : le résultat obtenu par rapport au niveau du but recherché.

- L'efficience : le résultat obtenu par rapport aux moyens mis en œuvre.
- L'effectivité : le niveau de satisfaction obtenu par rapport au résultat obtenu.

Bourguignon (2000) définit la performance « comme la réalisation des objectifs

organisationnels, quelles que soient la nature et la variété de ces objectifs. Cette réalisation
peut se comprendre au sens strict (résultat, aboutissement) ou au sens large du processus qui
mène au résultat (action)….».

Après avoir définir le concept de la performance, nous essayons maintenant de définir

celui d’indicateur de performance, et d’étudier son rôle dans le pilotage de la performance.

41
 1.3.1.2 Les indicateurs de performance

1.3.1.2.1 Notion d’indicateur de performance

L’indicateur présente l’outil le plus utilisé par les contrôleurs de gestion et qui permet
de synthétiser les informations comptables et non comptables dans toutes les fonctions de
l’entreprise et de contrôler les flux financiers et les flux physiques.

Les indicateurs de performance sont utilisés ainsi pour fournir des informations
« spécifiques » sur les performances, car l’objectif principal de la mise en place de tel outil est
bien l’accroissement de la performance de l’entreprise à court et à long terme (Bergeron,
2002). Gandhaue (2001) estime que l’indicateur de performance est un outil pertinent pour
mesurer la performance et donne une typologie des indicateurs : indicateurs de résultats,
indicateurs de processus et indicateur d’environnement.

Lorino (2001) définit l’indicateur de performance comme suit : « une information

devant aider un acteur, individuel ou plus généralement collectif, à conduire le cours d’une
action vers l’atteinte d’un objectif ou devant lui permettre d’en évaluer le résultat ».

En contrôle de gestion on peut trouver plusieurs typologies d’indicateurs : indicateurs

financiers et non financiers, indicateurs opérationnels et indicateurs stratégiques, etc. Le type
de l’indicateur utilisé dépend du besoin des managers et de l’information demandée. Les
entreprises qui veulent gérer leur performance procèdent à l’établissement des indicateurs de
performance à travers la conception (une opération faite sur des données disponibles) qui se
base sur les composantes de la performance en utilisant des critères partagés (selon Morin et
al., les critères sont des conditions ou signes qui servent de base au jugement).

Les auteurs qui plaident pour l’implantation des indicateurs de performance, justifient
leurs invitations par la perte de pertinence des anciens modes du contrôle. Les arguments
étaient formulés autour de deux idées :

1- La première indique que les mesures financières ne reflètent pas la performance

globale de l’entreprise (Kaplan et Norton, 2001) et que des mesures non financières
sont nécessaires pour évaluer et piloter la performance de l’entreprise. En l’occurrence
Gibert soutien cette idée (2001) : « même pour les organisations qui sont finalisé sur

42
 une fonction d’objectifs financiers, par exemple la rentabilité des capitaux engagés, il
est dangereux de s’en tenir au seul suivi des indicateurs de nature
financière disséquant la situation au regard de cette fonction d’objectif. Ce genre
d’indicateurs appréhende en effets des résultats, c'est-à-dire par essence les
conséquences de stratégies, de décisions, d’ajustements d’un passé plus ou moins
proche. Or, pour aider à la gestion, au pilotage de l’organisation comme de ses
subdivisions, on a besoin de suivre des chiffres appréhendant des phénomènes qui
déterminent la performance à venir. Il faut donc rééquilibrer les indicateurs financiers
par des indicateurs amont indiquant où en est l’organisation en ce qui concerne les
sources de la performance future ».

2- Les anciens systèmes de mesure de performance ne font pas les liens entre contrôle et
stratégie. Dès lors, les indicateurs de performance présentent une alternative pour
relier les processus d’évaluation de la performance et les processus d’élaboration de la
stratégie de l’entreprise. Plus que ça, ce système de mesure s’inscrit dans la nouvelle
tendance du contrôle de gestion en rappelant la deuxième définition de contrôle de
gestion par Anthony R. N. (1888) : « Le contrôle de gestion est le processus par lequel
les dirigeants influencent les autres membres d’une organisation pour mettre en
œuvre les stratégies de celle-ci ». On suppose ici que chaque indicateur est lié à un
processus créateur de la valeur qu’on peut l’appeler aussi : des facteurs clés de succès,
des variables d’actions ou les leviers d’action.

1.3.1.2.2 Les caractéristiques d’un bon indicateur de performance

Nous distinguons quatre caractéristiques principales d’un bon indicateur de

performance : sa pertinence, la qualité et la précision de sa mesure, sa faisabilité et sa
convivialité d'interprétation et d'utilisation. La méthode de réalisation des tableaux de bord
aborde d'ailleurs ces considérations et propose des outils pour s'assurer de répondre à chacun
de ces critères.

La pertinence :

L'indicateur doit correspondre à une préoccupation, à un objectif ou à une attente. En

outre, il doit répondre au besoin de mesure, avoir une signification dans le contexte d'étude
ou de gestion, il doit vouloir dire quelque chose pour ses utilisateurs et être utilisé dans ce

43
contexte. On doit tendre à donner à l'indicateur la valeur ajoutée maximale par sa mise en
perspective par rapport à des balises pertinentes (objectifs, marges acceptables, valeurs
comparatives, etc.).

La qualité et la précision de sa mesure :

L'indicateur doit posséder certaines caractéristiques intrinsèques : la précision dans son

design, la clarté et la précision de sa formulation, et sa qualité théorique (une formulation et
une logique d'articulation correspondant aux définitions reconnues du domaine). L'indicateur
doit être bien formulé, défini précisément et ses paramètres bien établis (ventilations,
périodicité, comparaisons, forme de présentation) et le tout doit être bien documenté. En
outre, il doit être assez sensible pour faire ressortir toute variation significative de l'objet de
mesure et assez homogène dans le temps et dans l'espace pour permettre la comparaison.

La faisabilité :

On doit d'abord avoir la possibilité informationnelle de produire l'indicateur par

l'utilisation de mécanismes de mesure et de traitement rigoureux fournissant des données
fiables, en temps opportun et de façon rentable (la valeur ajoutée par l'indicateur à la gestion
par rapport au coût de sa production). On doit aussi avoir la possibilité technique de disposer
d'un système informatique permettant la consolidation et des interfaces efficaces et un accès
acceptable en termes de délai de production et de temps de réponse. On doit finalement avoir
la possibilité organisationnelle, c'est-à-dire s'assurer que quelqu'un assume la responsabilité
d'alimenter, de produire et de fournir les indicateurs.

La convivialité :

La convivialité représente la possibilité opérationnelle, visuelle et cognitive d'utiliser

correctement et confortablement l'indicateur, il faut donc assurer :

L'accessibilité : l'indicateur doit être accessible, facile à obtenir et à utiliser. Si le système est
informatisé, il doit être simple à utiliser, à la mesure des capacités des utilisateurs.

L’intelligibilité : l'indicateur doit être simple, clair, compréhensible, compris de la même

façon par tous et son interprétation doit être commune et partagée.

44
L’évocation : l'indicateur doit être bien illustré et présenté, visuellement évocateur et
facilement interprétable par ses utilisateurs, par le choix de la forme de représentation
(tableau, graphique ou pictogramme).

1.3.1.2.3 Les indicateurs non financiers et le pilotage de la performance

Dans une économie ou l’actif incorporel, les relations entre l’organisation et ses clients,
ses employés, ses fournisseurs et les autres acteurs qui gravitent autour d’elle contribuent à sa
réussite, la performance définie en terme financier ne suffit plus. Des indicateurs non
financiers sont donc nécessaires (Gasse et Garand, 2000 ; Kaplan et Norton, 1996). La
concurrence s’exerce sur plusieurs facteurs ; les risques d’entreprise se multiplient et la
réussite ne se traduit plus strictement en termes d’augmentation du bénéfice ou du rendement
sur capital investi. Il faut des systèmes de mesure de la performance plus perfectionnés, qui
aideront les dirigeants des entreprises de mieux comprendre et prévoir la performance.

Les indicateurs non financiers traduisant l’investissement dans les actifs intangibles
semblent présenter un caractère prédictif de la performance financière beaucoup plus fort que
les informations comptables, et devraient être utilisés pour compléter les indicateurs
financiers (DTTI1, 1994 ; Kaplan et Norton, 1996). Cet argument a d’ailleurs conduit certains
chercheurs à soutenir l’idée selon laquelle l’information non financière pouvait expliquer la
valeur d’une entreprise (Wallman, 1995 ; Edvinsson et Malone, 1997 ; Stewart, 1997).
Néanmoins, il n’existe pas d’indicateur qui puisse expliquer à lui seul la complexité de
l’obtention de la performance en entreprise. En particulier, les indicateurs financiers ne
permettent pas seuls d’anticiper l’impact global d’une décision. Par conséquent, les
indicateurs financiers et non financiers pourraient ne pas être perçus comme des substituts les
uns par rapport aux autres, mais plutôt comme des compléments qui ont des liens de cause à
effet. De ce fait, de nombreuses recherches empiriques se sont intéressées à l’impact des
indicateurs non financiers sur la performance financière (Banker et al., 1993 ; Barth et
McNichols, 1994 ; Banker et al., 1995 ; Banker et al., 1996 ; Amir et Lev, 1996 ; Perera et al.,
1997 ; Ittner et Larcker ,1997, 1998a ; Behn et Riley, 1999 ; Banker et al., 2000 ; Gosh et
Lusch, 2000 ; Hugues, 2000). Ces travaux montrent souvent des relations significatives entre
les mesures non financières et les mesures financières. Il n’est donc pas surprenant de
constater que de nombreuses entreprises s’intéressent à la nature et à l’utilisation des

1
Deloitte Touche Tohmatsu International.
45
informations non financières pour appuyer certaines décisions et évaluer leurs performances
(Ittner et Larcker, 1998b).

1.3.1.2.4 La contingence du système de mesure de la performance

Beaucoup d’études traitant d’indicateurs de performance se fondent sur la théorie

contingente. Perera et Poole (1997) étudient les relations entre une stratégie de
différenciation1, l’utilisation d’un système d’information pour le suivi de la performance
élargi (comprenant des indicateurs non financiers) et la performance. Ils montrent qu’il y a
généralement des liens entre une stratégie de différenciation et l’utilisation d’un système
d’information pour le suivi de la performance élargi. Cependant, ils n’ont pu établir de liens
entre l’utilisation d’un système d’information élargi et la performance.

Abernathy et Lilis (1995) obtiennent des résultats qui vont dans le même sens que
l’étude précédente. Leurs résultats permettent de dire qu’une entreprise qui adopte une
stratégie lui permettant de se conformer à la demande du client le plus vite possible et le
mieux possible, donc qui se rapproche d’une stratégie de différenciation, utilisera moins
d’indicateurs financiers traditionnels au profit d’indicateurs de performance de nature plus
qualitative ou non financière.

L’intérêt de ces deux études est qu’elles fournissent des appuis à l’hypothèse voulant
que des changements dans les stratégies manufacturières, comme par exemple accorder plus
d’importance à la qualité, aux délais, à la flexibilité et aux coûts bas doivent être accompagnés
de changements dans le système de mesure de la performance. Ce dernier doit mettre plus
d’emphase sur les mesures non financières.

Certaines études ont pu démontrer des liens entre l’utilisation d’un système
d’information élargi (comprenant des indicateurs non financiers) et la performance. Par
exemple, Mia et Chenhall (1994), qui ont étudié l’effet de l’utilisation d’un système élargi de
contrôle de gestion sur la performance en tenant compte de la différenciation des fonctions
(marketing et production), arrivent à la conclusion que plus on utilise un système de contrôle
élargi plus la performance augmente dans le cas de la fonction marketing. Chong (1996)
démontre quant à lui que dans le contexte d’une incertitude de la tâche élevée, la performance
managériale est élevée lorsqu’un système de suivi de la performance élargi est utilisé.

1
Au sens de Porter, 1985.
46
Toujours en contexte d’incertitude, mais cette fois-ci en contexte d’incertitude perçue de
l’environnement, Gul (1991) arrive à la conclusion que la performance est accrue lorsque
l’incertitude perçue de l’environnement est élevée et que les gestionnaires utilisent un système
de contrôle de gestion plus sophistiqué.

S’il existe peu de recherches empiriques sur le contenu des indicateurs de performance
ou des systèmes de contrôle et de pilotage de la performance, les écrits théoriques sur le sujet
abondent. La plupart de ces écrits utilisent comme fondement le modèle de tableau de bord
prospectif (Kaplan et Norton, 1996). Essentiellement, le tableau de bord prospectif ne doit pas
être vu comme une collection d’indicateurs de performance, mais comme un outil servant à
formuler la stratégie, à la communiquer et à fixer des objectifs. De plus, il servira à mettre en
cohérence les initiatives des acteurs pour atteindre un objectif commun et à renforcer le retour
d’expérience et le suivi de la stratégie. Il s’agit donc d’un outil de gestion qui ne vise pas
seulement à contrôler des activités. Le tableau de bord prospectif, dans son contenu, cherche
aussi à saisir la réalité complexe de la performance des entreprises qui ne peut pas être
strictement financière.

1.3.2 Les tableaux de bord prospectifs : nouvel outil de pilotage de la performance

Le tableau de bord prospectif (balanced scorecard) est un nouvel outil de pilotage et de

suivi des performances. Il se présente comme un ensemble d’indicateurs, directement relié à
la stratégie développée par l’entreprise en offrant à son utilisateur l’opportunité de piloter tous
les déterminants de la performance. Ces derniers représentent les facteurs clés de succès et
sont déclinés à l'aide de variables d'action et de résultat, de nature financière et non financière,
quantitative et non quantitative, avec une orientation à court terme et à long terme.

Nous présentons d’abord, l’historique, les principes et les fonctions du tableau de bord
prospectif (TBP). Nous montrons ensuite sa place dans le pilotage de la performance des
entreprises.

47
 1.3.2.1 Le tableau de bord prospectif : historique, caractéristiques et fonctions

1.3.2.1.1 Historique de tableau de bord prospectif

Le tableau de bord prospectif est né d’une remise en cause, dans un contexte anglo-
saxon, des systèmes d’évaluation de la performance exclusivement centrés sur le suivi des
résultats financiers. Au début des années 1990, Kaplan et Norton écrivirent un article qui
évoquait la perte de pertinence du contrôle de gestion due à la focalisation des mesures de
performance sur des aspects seulement financiers (Kaplan et Norton, 1992, 1996). À partir de
ce constat, ils développèrent, en utilisant des études empiriques menées entre 1984 et 1992
(Kaplan, 1994), un outil qui intégrait des dimensions financières et non financières et dans
lequel aucune de ces deux dimensions n’était privilégiée par rapport à l’autre. Les mesures
financières permettaient plutôt d’appréhender les effets d’actions déjà entreprises (indicateurs
de performance retardés ou a posteriori), alors que les mesures non financières permettaient à
la fois d’élargir la vision de la performance de l’entreprise dans une approche multicritère et
de mieux anticiper ce que pourrait être la performance future de l’entreprise (indicateurs de
performance avancés ou prédictifs dont le lien avec la mesure financière finale n’était
toutefois pas étudié précisément) (Davis, 1996 ; Atkinson et Epstein, 2000 ).

Dans sa représentation générique, le tableau de bord prospectif est organisé autour de

quatre axes principaux : l’axe « finance » (mesurant classiquement le niveau et l’évolution des
performances financières de l’entreprise), l’axe « clients » (qui regroupe les indicateurs qui
permettent d’évaluer ce qui génère une satisfaction présente ou future du client), l’axe
« processus internes » (il s’agit de s’interroger sur la façon dont la gestion des opérations et
des processus peut contribuer à fournir un avantage concurrentiel à l’entreprise) et enfin l’axe
« apprentissage organisationnel » (qui concerne essentiellement la façon dont on gère les
moyens humains et les savoirs en vue d’atteindre les objectifs stratégiques définis
précédemment).

Depuis sa création, le tableau de bord prospectif semble avoir connu trois stades
d’évolution (Cobbold et Lawrie, 2003). Dans sa conception originale (premier stade) le
tableau de bord prospectif se présentait comme un outil de gestion synthétique pour les
dirigeants regroupant ces quatre perspectives (finance, marchés, processus, savoirs), censées
mesurer au mieux la performance actuelle et prochaine de l’entreprise. Les premiers articles
de Kaplan et Norton portaient plus spécifiquement sur le choix d’un nombre limité

48
d’indicateurs dans chacune des quatre perspectives (Kaplan et Norton, 1992). Ils suggéraient
d’effectuer le choix de ces mesures par référence aux buts de l’entreprise mais ne disaient pas
comment le tableau de bord prospectif pouvait, une fois mis en place, améliorer concrètement
la performance de l’entreprise (à cette étape, ils s’intéressaient plus à l’aspect logique qu’à la
dimension opératoire de l’outil). Ils donnaient peu d’informations sur la façon dont le tableau
de bord prospectif pouvait être développé en pratique. Il a fallu attendre leur premier livre
(Kaplan et Norton, 1996) pour avoir quelques éléments de réponse. Selon certains auteurs
(Cobbold et Lawrie, 2003), cette « première génération » de tableau de bord prospectif (où il
se réduit à un outil isolé) est toujours développée et, sous une forme assez rudimentaire,
constitue probablement la grande majorité des implémentations sur le terrain. Il faut noter
que, malgré son apparente popularité comme concept et son adoption assez répandue (surtout
aux États-Unis), il existe relativement peu d’études de cas détaillées, concernant des
expériences de mise en œuvre du tableau de bord prospectif dans la littérature académique
(Bessire, 2000). Les livres et les articles qui s’appuient sur des descriptions plus approfondies
commencent seulement à faire leur apparition maintenant (Niven, 2002).

Le changement le plus significatif du deuxième stade fut l’introduction du concept de

« strategic objectives » (Kaplan et Norton, 1993), ainsi que le développement de la notion de
causalité. La causalité entre les perspectives avait déjà été présentée dans le premier modèle
de 1992, mais sans entrer dans le détail (on insistait plus sur la juxtaposition des
représentations que sur leurs interrelations). Ainsi, au lieu de mettre en évidence les liaisons
causales entre les diverses perspectives, le modèle initial s’intéressait surtout aux mesures
elles-mêmes et suggérait qu’il y avait des connexions mais sans se focaliser dessus, ce qui
engendrait des problèmes conceptuels (Brewer, 2002). L’évolution qui s’est produite a été
caractérisée par Kaplan et Norton en 1996 comme le passage de « an improved measurement
system to a core management system »1 (Kaplan et Norton, 1996). Les conséquences de ce
changement ont été multiples. La pression sur le processus de conception du tableau de bord
prospectif a augmenté car désormais il faut que les mesures reflètent le plus possible les buts
stratégiques de l’organisation. Ensuite, la documentation sur le tableau de bord prospectif à
partir du milieu des années 1990 a commencé à expliciter les connexions entre les objectifs
stratégiques, ainsi que les relations de causalité entre les perspectives. On considère
maintenant que la représentation des liens de causalité entre les objectifs stratégiques est un
point central dans le mécanisme de conception d’un tableau de bord prospectif (Kaplan et

1
La traduction en français : « une amélioration du système de mesure à un système de gestion de base ».

49
Norton, 2001). Cette conception améliorée, qui fait du tableau de bord prospectif un dispositif
de gestion global plutôt qu’un simple outil de représentation d’une performance
multidimensionnelle pour les managers, représente maintenant le courant dominant des
recherches en gestion sur la question, qu’elles soient académiques ou professionnelles.

Le troisième stade d’évolution historique consiste en un raffinement des caractéristiques

de conception du deuxième stade afin de lui donner de meilleures fonctionnalités et
d’améliorer la pertinence des liens de causalité. Cela se traduit par une clarification des idées,
par une identification plus précise des liens de cause à effet, et par la recherche d’une
appropriation par tous les membres de l’organisation des objectifs stratégiques traduits en
indicateurs afin de favoriser les initiatives (Kaplan et Norton, 2001).

Cette évocation de l’évolution historique du tableau de bord prospectif permet de

comprendre le cheminement des écrits académiques qui, au départ, étaient principalement
normatifs et descriptifs, puis qui sont devenus plus analytiques et précis et font maintenant
appel à de nombreuses études quantitatives (surtout aux États-Unis) (Ittner et al., 1998, 2003 ;
Youngblood et Collins, 2003 ; etc.) et qualitatives (Atkinson et al., 2000 ; Norreklit, 2000 ;
Lorino, 2001 ; Bourguignon et al., 2002 ; Mouritsen et al., 2002 ; etc.).

1.3.2.1.2 Caractéristiques de tableau de bord prospectif

Kaplan et Norton présentent le tableau de bord prospectif comme un outil servant à

formuler la stratégie, à la communiquer, à fixer des objectifs, à mettre en cohérence les
initiatives des acteurs pour atteindre un objectif commun et à renforcer le retour d’expérience
et le suivi de la stratégie. Il s’agit donc d’un outil de gestion qui ne vise pas seulement à
contrôler des activités. Le TBP, dans son contenu, cherche aussi à saisir la réalité complexe de
la performance des entreprises qui ne peut pas être strictement financière. Le modèle général,
qui permet d’apprécier la performance dans quatre domaines, est présenté au Schéma 1.1
(page suivante).

50
 Schéma 1.1 : Le tableau de bord prospectif

Résultats financiers
Que faut-il apporter aux
actionnaires?

Processus internes
Clients Vision et Quels sont les processus
essentiels à la
Que faut-il apporter aux stratégie satisfaction des
clients? actionnaires et des
clients?

Apprentissage
organisationnel
Comment piloter le
changement et l'amélioration?

Source : Kaplan R. S. et Norton D. P. (1996), The balanced Scorecard, Harvard business

School Press, p. 21

La carte stratégique est en effet le point central du système. Elle est l’expression des
hypothèses stratégiques et définit les relations de cause à effet entre les mesures de résultats
retenues et les déterminants de la performance. Pour Kaplan et Norton « Chaque mesure
sélectionnée pour le tableau de bord prospectif doit être un élément d’une chaîne de relation
de cause à effet exprimant l’orientation stratégique de l’entreprise ». L’établissement de cette
carte nécessite un travail de fond plus que conséquent. La qualité du système de pilotage est
directement dépendante de la pertinence et de la vraisemblance de la carte stratégique.

Perspective financière :

L’axe financier représente les objectifs à longs termes de l’entreprise. Kaplan et Norton
proposent trois phases stratégiques financières qui, croisées avec la situation de marché de
l’entreprise (croissance, maintien, maturité / récolte), fournissent une gamme d’indicateurs.
51
Cette liste, bien entendu non-exhaustive, doit être comprise comme un ensemble de domaines
d’indicateurs, susceptibles d’être adaptés au contexte particulier de l’entreprise.

Cet axe reprend les grands indicateurs financiers classiques ; la nouveauté est dans la
volonté de rattacher ces indicateurs financiers à la réalité client (nouveaux clients, clients
ciblés, client non rentables) ainsi qu’au processus de création des produits et services
(recherche et développement, nouveaux produits et services).

De plus, Kaplan et Norton suggèrent d’adapter les indicateurs financiers à la phase du

cycle de vie du secteur où évolue l’entreprise (croissance, maintien, maturité). Ces indicateurs
permettent de déterminer si les intentions et la mise en œuvre de la stratégie contribuent à
améliorer le résultat financier. En général, les objectifs financiers portent sur la rentabilité
mesurée par le retour de capitaux engagés ou le bénéfice d’exploitation.
Trois objectifs financiers spécifiques guident la stratégie :

· La croissance et la diversification du chiffre d’affaires

L’entreprise pourra étudier le taux d’augmentation du chiffre d’affaires de nouveaux produits,

de nouvelles applications, ainsi que sur de nouveaux clients, nouveaux marchés.

· La réduction des coûts : amélioration de la productivité

Une unité peut associer la croissance et la diversification de son chiffre d’affaires à

l’amélioration de la productivité, la réduction des coûts unitaires, la diversification des
circuits de ventes et la réduction des frais d’exploitation (les frais commerciaux, généraux et
administratifs).

· La stratégie d’utilisation de l’actif et d’investissement

Les objectifs concernant la meilleure utilisation de l’actif peuvent porter sur

l’amélioration des procédures d’investissement, à la fois pour accroître la productivité des
projets d’investissement et pour accélérer le processus d’engagement des capitaux afin de
réduire le temps de retour de ces investissements. En fait, le but est de réduire le cycle de
trésorerie pour les investissements en capital matériel et immatériel.

52
Perspective client :

Au cœur de toute stratégie d'entreprise où il s'agit de lier les processus internes avec de
meilleurs résultats pour le client se trouve la (proposition de valeur) faite aux clients. À partir
d'exemples probants, Kaplan et Norton isolent trois stratégies pour se différencier du marché :

· La supériorité produit : l'entreprise pousse ses produits dans le domaine de

l'inexpérimenté, de l'inconnu.

· L'intimité client : l'entreprise connaît les clients à qui elle vend et les produits et les
services dont elle a besoin.

· L'excellence opérationnelle : l'entreprise cherche à atteindre une combinaison de

qualité, prix et facilité d'achat que nul ne peut égaler.

La théorie, selon Kaplan et Norton, dit que les entreprises qui réussissent sont
excellentes dans un des trois aspects et ont un niveau standard dans les deux autres. L'axe
client permet à l'entreprise de définir les clients à cibler. Comme la plupart des marchés sont
composés de clients hétérogènes donc sensibles à différents critères, l'entreprise se doit de
choisir1 une perspective prioritaire dans lequel elle va exceller. C'est sur les clients (cible) que
vont se concentrer les indicateurs du tableau de bord prospectif. Ainsi en choisissant de ne pas
satisfaire certains clients, l'organisation décide de ne pas développer certains services. L'axe
client choisi est relié par sa partie supérieure à l'axe financier et par sa partie inférieure à l'axe
des processus internes de la carte stratégique.

Perspective processus internes :

L’objectif de cet axe est de prendre en compte l’ensemble des processus internes, et en
particulier l’innovation, la production et le service après vente. Au travers de l’analyse des
processus, c’est une vision transversale de l’organisation que l’on cherche à établir, ainsi que
la mise en avant de deux processus souvent négligés dans l’analyse comptable des
performances, à savoir l’innovation et l’après-vente.

1
M. Porter « What is Strategy », « La stratégie c'est choisir ».

53
 Concernant le processus d’innovation, une première étape consiste à cerner le marché
en identifiant les besoins nouveaux ou latents des clients. Se pose ensuite la question
d’apprécier la performance de la recherche et développement, non seulement sur un plan
opérationnel mais aussi quant à sa rentabilité.

Le processus d’après vente peut avoir un impact très important sur la valeur ajoutée
perçue par le client et peut être suivi à l’aide d’indicateur de coût, de qualité et de délai. Avec
le développement de centre d’appel assurant le service après vente des produits, c’est tout un
ensemble de nouveaux indicateurs qui sont devenus accessibles et qui permettent de piloter
l’activité : nombre d’appels traités, durée moyenne et maximale avant le rappel d’un client
dont on n'a pas pu traiter le cas immédiatement, pourcentage des cas traités à distance sans
déplacement sur le site clients, coût du traitement de l’appel selon la complexité du cas, etc.

À chaque entreprise de déterminer quels sont les indicateurs pertinents et comment

assurer leur prises en compte dans le système d’information.

Pour le pilotage du processus de production, on retrouve les indicateurs classiques de

qualité, coût et réactivité, auxquels on adjoint selon l’activité des indicateurs spécifiques sur
la stratégie d’approvisionnement (critères de choix des fournisseurs, pilotage des opérations
de réception et de traitement des commandes), l’efficacité du cycle de production (ratio,
temps utile de transformation sur temps total de production) ou encore le coût des activités
calculé selon l’approche ABC1.

Perspective apprentissage organisationnel :

Nous avons vu comment la carte stratégique organisait les objectifs concernant les axes
financiers, client et processus interne, nous allons désormais aborder le dernier axe. Pour les
auteurs, les stratégies d'apprentissage et de développement sont le point de départ de tout
changement durable à long terme. En pratique nous distinguons trois types d'objectifs.

· Les compétences stratégiques : les capacités et la connaissance nécessaires pour que

le personnel soutienne la stratégie.

1
Activity Based Costing.
54
 · Les technologies stratégiques : les systèmes d'information, les bases de données, les
outils et le réseau nécessaires pour promouvoir la stratégie.

· L'ambiance favorable à l'action : les modifications culturelles nécessaires pour

motiver, responsabiliser et faire en sorte que le personnel soit en phase avec la
stratégie.

En traitant l'axe d'apprentissage après que les trois autres axes ont été définis, les
dirigeants peuvent mettre en adéquation leurs objectifs en matière de ressources humaines, de
technologies de l'information et d'ambiance de travail avec les besoins de leur processus clés
et la proposition de valeur faite au client. Ainsi une organisation qui désire augmenter la
satisfaction client se doit d'exiger comme objectif la fidélisation de son personnel expérimenté
pour ainsi maintenir la relation avec le client et procurer l'expérience « d'achat plaisir ». Pour
Kaplan et Norton ceci implique une politique des ressources humaines adéquate ainsi qu'une
formation importante pour le personnel. Enfin, les auteurs insistent sur le fait que ces
politiques doivent être complétées par des programmes d'évaluation en continu. Donc le
tableau de bord prospectif se devait de contenir des indicateurs de satisfaction du personnel
afin de reconnaître que le salarié est un véritable partenaire de la stratégie.

Pour conclure, nous noterons que Kaplan et Norton font figurer l'axe d'apprentissage
tout en bas de la carte stratégique du tableau de bord prospectif afin de signifier que c'est le
fondement de toute organisation.

Les quatre axes du tableau de bord prospectif (TBP) ne constituent pas un modèle
statique et universel. Ils forment plutôt une toile de fond ou un cadre général d’analyse qui
permet d’appréhender le système d’indicateurs de performance de l’entreprise dans un
contexte de plus en plus concurrentiel où la performance ne se traduit plus seulement en terme
de rendement financier. Il fournit également une articulation autour de la stratégie, essentielle
à l’efficacité du système de mesure. Évidemment, chaque entreprise aura des indicateurs qui
lui sont propres en fonction de ses objectifs, de ses stratégies et des diverses caractéristiques
de son environnement. Pour ces raisons, le modèle ne spécifie pas les indicateurs que l’on doit
retrouver dans chacun des quatre axes puisque ceux-ci seront très variables d’une entreprise à
l’autre. Cependant, pour chacun des axes, Kaplan et Norton proposent des éléments de
contenu qui permettront d’orienter les concepteurs. Ils identifient de grandes classes de
déterminants de la performance qui devraient conduire à l’identification d’indicateurs de

55
performance. Le Tableau 1.3 présente ces principaux déterminants et quelques exemples
d’indicateurs.

Tableau 1. 3 : Les catégories d’indicateurs de performance selon les axes du TBP

Déterminants de la performance à traduire

Axe Exemples d’indicateurs
en indicateurs

- Accroissement du chiffre d’affaires ; - Croissance des ventes ;

- Réduction des coûts et amélioration de la - Pourcentage du bénéfice net ;
Financier

productivité ; - Rendement sur capital investi ;

- Utilisation de l’actif ; - Coûts unitaires.
- Réduction du risque.

- Part de marché ; - Pourcentage des ventes

- Conservation de nouveaux clients ; réalisées auprès des clients
- Acquisition de nouveaux clients ; existants ;
- Satisfaction des clients ; - Pourcentage des ventes
Clients

- Rentabilité par segment. réalisées auprès de nouveaux

clients ;
- Degré de satisfaction des
clients ;
- Taux de retour des produits.

Qualité, réactivité, productivité, coût pour - Pourcentage des ventes

Processus internes

chacun des grands processus d’une entreprise, réalisées avec des nouveaux
soit : produits ;
- L’innovation ; - Temps de réponse aux appels
- La production ; de service ;
- Le service après-vente. - Coûts standards.

- Le potentiel des salariés ; - Taux de satisfaction des

- Réorientation des compétences ; employés ;
organisationnel
Apprentissage

- Capacités des systèmes d’information ; - Argent investi en formation ;

- Alignement des objectifs individuels avec - Disponibilité de l’information ;
ceux de l’entreprise. - Nombre de suggestions par
employé.

56
 En résumé, pour relever le défi de la compétitivité, les entreprises reconnaissent,
rappelons-le, qu’il est essentiel de disposer d’un système de mesure de rendement
multidimensionnel. Le cadre d’analyse général du tableau de bord prospectif apparaît
suffisamment complet pour servir de point de départ pour évaluer les systèmes de mesure de
la performance et proposer des pistes d’améliorations qui permettront éventuellement de
piloter la performance des entreprises.

1.3.2.1.3 Fonctions de tableau de bord prospectif

Le tableau de bord prospectif en tant qu'instrument de mise en œuvre de la stratégie a

pour objectif de remplir trois fonctions :

· Le tableau de bord prospectif a été conçu dans le but d'assurer un déploiement efficace
de la stratégie. Ceci passe dans un premier temps par une communication claire de ses
éléments à l'ensemble de l'organisation.

· Le déploiement d'une nouvelle stratégie suppose bien souvent des changements

majeurs de direction et par conséquent des adaptations substantielles de la structure.
Pour encourager les collaborateurs à changer, des incitations doivent être mises en
place.

· Le contrôle stratégique et l'adaptation continuelle de l'organisation aux changements

de l'environnement ne sont pas possibles sans une mesure de sa performance et de
celle de ses acteurs pendant un processus suivi et continu.

Communiquer la stratégie :

Déployer la stratégie est du ressort de la direction générale. Dans un marché changeant

et très concurrentiel, la survie de l'entreprise dépend de la rapidité du processus d'alignement
de la structure sur la stratégie et donc de la communication et l'appropriation de la stratégie
par l'ensemble de l'organisation.

Ainsi, l'examen et la discussion périodique des éléments du tableau de bord prospectif

permettent de mettre constamment l'accent sur les facteurs clés de succès d'une organisation et
par conséquent de clairement souligner les options stratégiques à suivre.
57
 Le tableau de bord prospectif permet ainsi d'orienter rapidement les actions d'une
entreprise afin de tirer parti au mieux des opportunités et de contrecarrer certaines menaces. Il
contribue de ce fait à rendre l'organisation davantage proactive que réactive car le tableau de
bord prospectif fait appel à un langage opérationnel clair qui réduit les problèmes
d'interprétation tant internes qu'externes.

Aligner les actions aux buts stratégiques :

Communiquer la stratégie à tous les niveaux de l'entreprise ne suffit pas à son

déploiement. Pour changer les comportements et faire en sorte que l'ensemble de
l'organisation mette en œuvre les options stratégiques définies, il convient de se pencher sur
les habitudes et les motivations.

Comment s'assurer que les actions opérationnelles et quotidiennes s'alignent sur les
objectifs définis et les options stratégiques ?

L'appropriation de la stratégie par les employés et le changement nécessaire de leurs

comportements sont très difficiles dans les structures actuelles. L'homme en tant qu'être
rationnel va chercher à maximiser son utilité, et lui demander de modifier son comportement
suppose qu'il en retire des avantages personnels certains. Or, dans une économie où les
structures s'aplatissent, où la pression sur les salaires existe, où les plans de carrière
disparaissent, où la loyauté employeurs/employés s'effrite, il est difficile de demander aux
collaborateurs de non seulement faire leur travail, mais également de s'adapter constamment.

Malgré toutes ces difficultés, le tableau de bord prospectif (TBP) mise sur la
responsabilisation des acteurs. Différentes études de cas montrent que le TBP permet de
supprimer les comportements opportunistes et d'accroître le degré de responsabilisation. Avec
le TBP, les unités de gestion et les collaborateurs savent désormais ce que l'on attend d'eux et
dans quelle mesure ils contribuent au processus de création de valeur.

Par une meilleure communication, ils savent également la direction que suit
l'organisation. Le tableau de bord prospectif laisse donc une place importante à l'homme et lui
permet d'exploiter ses qualités. Ceci a pour effet de permettre un meilleur degré de
responsabilisation.

58
Mesurer la performance :

Ce qui ne se mesure pas, ne se gère pas pour plusieurs raisons, y compris le besoin pour
l'être humain d'avoir des points de repère.

À ce jour, les systèmes d'évaluation de la performance ont mis davantage l'accent sur la
performance externe, sur les mesures financières ou économiques telles que le ROI1 ou
l'EPS2. Or celles-ci ne se gèrent pas, elles n'expriment que la conséquence des décisions
relatives aux trois dimensions de l'entreprise : le quoi, le qui et le comment.

· La dimension du "quoi" porte sur le portefeuille de produits/services : quel

produit/service faut-il commercialiser ? Sur quel produit/service faut-il mettre
l'accent ? Quel produit/service faut-il abandonner ? À quel prix faut-il vendre ?
Peut-on produire à ce coût ?

· La dimension du "qui" tente de mesurer la performance des différents marchés de

l'entreprise, de ses différents segments de clientèle afin par exemple de mettre l'accent
sur les créneaux les plus rentables ou sur ceux qui sont les plus prometteurs à moyen
et long terme.

· La dimension du "comment" cherche à disséquer la performance des processus

internes de création de valeur dans le but également d'opérer des choix : déterminer les
processus à améliorer, à sous-traiter, à abandonner, à reconcevoir, répartir les activités
entre les unités de gestion, déterminer le périmètre de responsabilité des unités de
gestion et des collaborateurs.

Outre cette dimension de mesurer pour mieux gérer l'entreprise, mesurer la performance
permet également de motiver les collaborateurs. Par essence, l'être humain aime les objectifs.

La seule fixation de cibles à atteindre indépendamment de l'existence ou non d'un

système de récompenses ou de sanctions suffit déjà à accroître la motivation des
collaborateurs.

1
Return On Investment (Retour sur Investissement).
2
Earnings per Share (Bénéfice par action).
59
 Dans ce contexte, le tableau de bord prospectif devient un élément central du système
d'évaluation et de motivation et représente un élément clé du système de pilotage de la
performance.

1.3.2.2 La mise en œuvre d’un tableau de bord prospectif

1.3.2.2.1 La place du tableau de bord prospectif dans le pilotage de la

performance

Pour les concepteurs de l’outil et beaucoup d’auteurs, le tableau de bord doit être un
outil central, alternatif au système budgétaire traditionnel (Epstein et Manzoni, 1997 ; Kaplan
et Norton, 2001 ; Fernandez, 2003). Mais d’autres défendent l’idée que le tableau de bord
prospectif doit être un outil parmi d’autres parce qu’il n’est pas suffisamment complet. Ainsi,
Mendoza et Zrihen (1999) soutiennent que « le tableau de bord prospectif ne peut en aucun
cas remplacer le reporting » et Zécri (2000) estime qu’il est inconcevable de nos jours de
gérer une entreprise sans budgets. Pour Meric (2003), le tableau de bord prospectif risque de
phagocyter les « innovations » qui l’ont précédé, ce qui serait une aberration. Il conçoit donc
le tableau de bord prospectif comme un outil complémentaire à d’autres méthodes ou
démarches de calculs comme l’ABC, l’EVA1, etc., afin de profiter pleinement des
complémentarités des différentes méthodes. Oyon et Mooraj (1998) tendent également à cette
même conclusion. Plus nuancés, Gray et Pesqueux (1993), qui s’intéressent d’ailleurs plus
aux tableaux de bord en général qu’au tableau de bord prospectif en particulier, avancent
l’idée suivante : si le tableau de bord sert à suivre les objectifs généraux au niveau du siège, il
peut être un outil parmi d’autres, en revanche s’il sert au suivi du fonctionnement courant au
niveau des opérationnels, il doit alors être un outil central.

1.3.2.2.2 La contingence de tableau de bord prospectif

De nombreuses études (Merchant, 1984 ; Fisher, 1998 ; etc.) ont montré que les
systèmes de contrôle de gestion subissent un ensemble de facteurs de contingence qui les
modèle. Un tour d’horizon de la littérature va être présenté en considérant
successivement : l’incertitude de l’environnement, le cycle de vie des produits, la technologie,
la taille de l’entreprise et les rapports de pouvoir. Dans chacun de ces cas, nous serons amenés

1
Economic Value Added : valeur économique ajoutée.
60
à comparer les atouts et les limites du tableau de bord prospectif au regard des autres outils
disponibles (budgets, tableaux de bord non stratégiques, etc.).

De nombreux travaux ont mis en avant l’incertitude de l’environnement comme une

variable contingente, déterminante dans le choix d’un outil de gestion (Gul, 1991 ; Fisher,
1998 ; etc.). Selon Gordon et Narayanan (1984), un environnement perçu comme incertain
appelle des structures organiques qui privilégient la recherche d’informations externes et de
nature non financière. Bescos et al., (2003) considèrent que les budgets dans un
environnement turbulent ne peuvent être utilisés comme un instrument de mise en œuvre
d’objectifs stratégiques. Gignon-Marconnet (2003) pense qu’« une gestion budgétaire très
contraignante ne conviendrait pas à des environnements incertains ». De même, Berland
(1999) suppose que lorsque l’entreprise se trouve dans un environnement incertain, il lui est
difficile d’établir des prévisions fiables et donc que la fixation d’objectifs budgétaires devient
un exercice très difficile, voire impossible. Gul (1991) arrive également à la conclusion que
dans un environnement incertain, la performance est accrue si les gestionnaires utilisent un
système de contrôle de gestion plus sophistiqué que les budgets. Toutefois, le tableau de bord
prospectif dans sa forme générique est-il assez complet pour prendre en compte la variable
environnement ? D’après Atkinson et al., (1997) et Oyon et Mooraj (1998), le tableau de bord
prospectif exclurait l’environnement externe comme dimension importante ayant un impact
sur la performance de l’entreprise. Pour pallier cet inconvénient, certaines entreprises mettent
en place un cinquième axe « environnement ». Mais d’autres travaux aboutissent à des
conclusions qui préconisent plutôt l’utilisation des budgets en environnement incertain. Ainsi,
Hopwood (1974) estime que « ce n’est pas en environnement stable que les entreprises
ressentent le besoin d’établir un budget – ce qui serait un exercice relativement facile – mais
en environnement complexe et incertain ». Dans le même ordre d’idée, Ezzamel (1990),
constate sur le terrain que le recours au budget, pour évaluer la performance, est accru lorsque
l’environnement devient incertain. Toutefois cela reste un point de vue minoritaire et il
semble que le tableau de bord prospectif soit plus adapté que les budgets en environnement
incertain.

Le cycle de vie des produits est composé de quatre phases : l’apparition, la croissance,
la maturité et le déclin (Sizer, 1989 ; Wilson, 1991 ; Drury, 1994). Selon Merchant (1994), les
organisations avec des produits majoritairement en phase d’apparition, ont tendance à utiliser
moins d’outils de contrôle financier traditionnels, comme les budgets, et sont plus disposées à
se tourner vers des outils ayant des indicateurs non financiers, prenant en compte les

61
performances futures. Hoque et James (2000), à la suite d’une enquête réalisée auprès de 66
entreprises australiennes, ont également montré que les organisations ayant des produits en
phase d’apparition avaient plus tendance à utiliser des outils comme le tableau de bord
prospectif.

La technologie peut également avoir une influence sur le choix d’un système de
pilotage. En effet, pour décliner sa stratégie à tous les niveaux, l’entreprise va avoir un grand
besoin d’informations. Il faut donc que ce changement de mentalité puisse s’appuyer sur une
évolution des systèmes d’information (Chiapello E. et Delmond M. H., 1994). Edwards
(2001) indique que les entreprises qui mettent en place un outil tel que le tableau de bord
prospectif sont aussi souvent celles qui utilisent des outils informatiques intégrés de type
Enterprise Information System (EIS) ou Progiciel de Gestion Intégré (ERP en anglais)1, car
cela leur permet d’avoir en temps réel de l’information sur leurs différents indicateurs.
Saulpic et Ponssard (2000), constatent que l’enjeu associé aux aspects purement
informatiques (interconnexion des systèmes) est très important car, selon eux, il faut sans
cesse naviguer entre deux extrêmes : soit se contenter du « papier crayon » (ou logiciel de
type Excel), ce qui semble suffisant quand on utilise comme système de gestion les budgets,
ou bien « mettre le paquet » (logiciels de type EIS ou ERP).

Dans l’analyse des relations entre tableau de bord prospectif et taille de l’entreprise, il y
a deux courants de pensée antagonistes. Le premier courant défend l’idée que la complexité
des systèmes de gestion est positivement corrélée à la taille de l’entreprise (Merchant, 1981 ;
Hoque et James, 2000 ; etc.). Ainsi, comme Hoque et James (2000) l’ont démontré, ce sont
les plus grandes entreprises qui ont mis en place des systèmes de mesure de la performance
proches du tableau de bord prospectif. De même, plus la taille de l’entreprise est grande, plus
le recours à des indicateurs de performances non financières serait important (Germain,
2003). Le deuxième courant, quant à lui, reconnaît également l’effet de taille sur les choix en
matière de contrôle de gestion, mais aboutit à des conclusions différentes (Lawrence et
Lorsch, 1967 ; Bescos et al., 2003). Selon ces auteurs, plus la taille de l’entreprise est
importante, plus elle met en place un système de gestion de type administratif avec un recours
supérieur à l’établissement de budgets. De même, lorsque l’entreprise se développe, des
problèmes comme la contrôlabilité, la coordination et la communication apparaissent. Le
recours au budget serait donc une procédure formalisant, permettant de réduire ces problèmes.

1
Enterprise Resource Planning : Progiciels de Gestion Intégrés.

62
 La forme de pouvoir n’est pas non plus sans effet sur le choix d’un outil de pilotage. Le
contrôle extérieur semble accroître la formalisation et la centralisation (Reimann, 1973 ;
Holdaway et al., 1975). Un outil favorisant le déploiement stratégique comme le tableau de
bord prospectif serait plus adapté aux organisations à système d’autorité simple et centralisé
que le tableau de bord « à la française », étant donné que ce dernier repose sur une conception
plus politique de la stratégie (Epstein et Manzoni, 1998). À l’inverse, le tableau de bord « à la
française » paraît plus adapté pour des organisations où le pouvoir est diffus et où chaque
niveau hiérarchique et chaque service désire garder une zone de liberté (Errami, 2004).

63
Conclusion du Chapitre 1

Ce premier chapitre théorique avait trois principaux objectifs. En premier lieu, il

s’agissait de présenter les limites du contrôle de gestion traditionnel et les critiques adressées
à ces outils, entre autres la technique budgétaire.

En deuxième lieu, nous avons défini les principaux concepts et notions qui seront
utilisés tout au long de ce travail de recherche, tels que les concepts de tableau de bord,
performance, indicateur de performance et tableau de bord prospectif. Ainsi, nous avons
dressé les caractéristiques du tableau de bord et montré comment cet outil introduit des
changements dans le contrôle de gestion.

En dernier lieu, nous avons étudié la place du tableau de bord prospectif dans le pilotage
de la performance des entreprises.

64
CHAPITRE 2. LE TABLEAU DE BORD : ÉTUDE DU
TERRAIN ET ÉLÉMENTS DE RECHERCHE

Dans le premier chapitre, nous avons présenté les caractéristiques du tableau de bord
afin de montrer comment cet outil apporte des changements dans le contrôle de gestion. Nous
avons également cerné les principaux concepts et notions utilisés dans la présente recherche.

L’objectif du présent chapitre consiste à répondre à notre question de recherche en

élaborant un modèle explicatif des pratiques de tableau de bord dans les PME. Pour ce faire,
nous commençons le présent chapitre par une première section (Section 1) consacrée à la
présentation de notre terrain de recherche et ces caractéristiques.

Dans la deuxième section (Section 2), nous présentons le cadre conceptuel de cette
recherche. Ceci nous permet de déterminer les variables explicatives, intermédiaire et la
variable expliquée, afin d’expliciter l’impact des facteurs de contingence organisationnelle et
comportementale sur les pratiques de tableau de bord dans les PME et l’influence de ce
derniers sur le pilotage de la performance de ces entités. Nous terminons cette partie par la
proposition d’un ensemble d’hypothèses et d’un modèle conceptuel de recherche.

65
 PLAN DU CHAPITRE 2

2.1 Le terrain de recherche

2.1.1 2.1.2
La PME : un essai de L’image de la PME
définition marocaine

2.2 Les éléments de recherche

2.2.2
2.2.1 Vers un modèle
Spécificité des PME : général des pratiques
approche contingente de tableau de bord
dans les PME

66
2.1 Le terrain de recherche

L’intérêt du monde académique et de la recherche en général pour les petites et

moyennes entreprises est relativement récent. En effet, les premiers écrits sur la PME ont été
le fait de chercheurs isolés tels que Cole (1942), Steindl (1947), Evans (1949) ou Barnard
(1949). Ces chercheurs ont été les précurseurs en matière d’analyse et d’études spécifiques
aux PME. Ils ont été suivis, au cours des années 1950 et 1960, par une nouvelle vague de
chercheurs beaucoup plus nombreux dans ce domaine comme Churchil, Gross, Penrose,
Cooper, Hollander, Steiner. Dans les années 1970, les recherches sur les PME sont devenues
plus nombreuses et suscitaient de plus en plus d’intérêt sous l’impulsion de chercheurs tels
que Kilby, Waite, Boswel, Echène. Enfin, au cours de la décennie 1980, le monde
académique a vu la multiplication des équipes de recherches de toutes tailles spécialisées dans
le domaine.

Malgré cette évolution et cette attention nouvelle, peu de travaux se sont intéressés aux
pratiques de contrôle de gestion des PME et plus précisément aux pratiques de tableaux de
bord de ces entités.

Le premier problème rencontré lors de l’étude des pratiques de tableau de bord dans les
petites et moyennes entreprises concerne l’objet d’analyse lui-même. Les PME requièrent des
critères de gestion spécifiques, qui tiennent compte de la très grande diversité de ces
entreprises. Marchesnay (1995) rappelle quelques caractéristiques de la PME, le rôle
déterminant du chef d’entreprise et la non-différenciation des tâches qui expliquent la faible
visibilité du contrôle de gestion dans ce type d’entreprise. Fournier (1992) précise, par
exemple, que la fonction contrôle de gestion dans les PME est très souvent confondue avec la
fonction financière et qu’elle est traditionnellement sous-structurée.

La très forte hétérogénéité des PME entraîne également une incertitude non négligeable
sur la définition même de la PME (Hirigoyen, 1984 ; Stanworth et Chapman, 1991 ; Forsyth
et al., 1991 ; Taddeï et Coriat, 1993 ; Julien, 1994 ; Duchéneaut, 1995). Alors que ces entités
constituent parfois l’unique source d’emplois et de renouvellement de l’économie dans les
pays en voie de développement (Julien et Marchesnay, 1994).

Nous essayons, dans un premier temps, de définir la PME. Dans un deuxième temps,
nous montrons l’importance d’étudier les PME marocaines.
67
 2.1.1 La PME : un essai de définition

Au départ il faut reconnaître que les PME ne sont pas des grandes entreprises en
miniature. Les recherches antérieures ont bien montré qu’une PME « ne peut plus être
considérée comme un simple modèle réduit d’un archétype d’entreprises (…) elle constitue un
être qui a sa propre réalité et sa propre existence » (Julien, 1988). La petite et moyenne
entreprise « est avant tout une entreprise juridiquement, sinon financièrement indépendante,
opérant dans des secteurs primaires, manufacturiers ou des services, et dont les fonctions de
responsabilités incombent le plus souvent à une personne en général seul propriétaire du
capital » (Julien, 1988).

Toutefois, il n’existe pas une définition unique des PME mais plusieurs typologies ont
été conçues par différents chercheurs afin de retrouver les ressemblances communes. Les
critères de classement changent d’un secteur à l’autre, d’une économie à une autre et d’un
pays à l’autre. Il arrive souvent que cette catégorie d’entreprise soit définie différemment dans
des économies développées et pour les mêmes secteurs d’activités. Généralement, toutes les
définitions rencontrées tentent de combiner des composantes économiques, financières,
juridiques et sociales pour le classement des entreprises. Devant cette hétérogénéité de
définitions, les chercheurs adoptent souvent deux axes d’analyse : les critères quantitatifs et
les critères qualitatifs.

2.1.1.1 Définition de la PME selon des critères quantitatifs

Les définitions quantitatives sont très souvent privilégiées en raison de leur grande
opérationnalité. Les critères retenus sont le plus souvent l'effectif, le chiffre d'affaires ou
encore le montant de l'actif du bilan. Lorsqu'on étudie ces critères on s'aperçoit qu'il n'existe
pas de consensus et que même dans certains pays selon le programme gouvernemental ces
seuils varient (Wtterwulghe, 1998). Le Tableau 2.1 (page suivante), présente la classification
des firmes selon leur taille dans quelques pays de l'OCDE1.

1
Organisation de Coopération et de Développement Économiques.

68
 Tableau 2.1 : Classification des firmes selon leur taille dans quelques pays de l'OCDE

Petite entreprise Moyenne entreprise Grande entreprise

Union Européenne 1-49 50-249 >250

États-Unis 1-250 251-500 >501

Japon 1-49 50-500 >501

Suisse 1-20 21-100 >101

Source : Julien, 1997

D’une part, ces critères quantitatifs, relèvent l’approche économique traditionnelle qui
se refuse à pénétrer à l'intérieur de la boite noire de l'entreprise et ne touche qu'aux éléments
les plus apparents ; elles sont toutefois les premières disponibles et peuvent servir à répondre
aux besoins de critères pour l'application des programmes d'aide gouvernementaux. D'autre
part, pour les chercheurs, ils sont souvent une première porte d'entrée pour obtenir des
échantillons qui seront étudiés plus attentivement par la suite.

Évidemment, cette mesure statistique comporte différents problèmes, à savoir, entre

autres, ce que l'on entend par « nombre d'employés » : employés permanents, à temps partiel,
saisonniers, semi-cadres, etc. ; on réussit toutefois à résoudre pas trop mal ces problèmes par
quelques définitions et calculs. Mais cela ne résout pas le cas des différences sectorielles : par
exemple, on peut considérer qu'un atelier d'usinage de 50 employés est, dans son secteur, une
entreprise moyenne ; alors qu'une PME de 100 employés dans le secteur du vêtement est de
petite taille.

Les différences sont souvent grandes entre les industries à travail intensif et celles à
capital intensif. C'est pourquoi on ajoute au nombre d'employés, la mesure des actifs. Mais
qu'en est-il de la taille des firmes aux actifs passablement dépréciés à côté de firmes aux actifs
neufs ? En tenant compte du chiffre d'affaires, de la valeur ajoutée ou des ventes, on peut
surmonte cet obstacle. Mais encore ici, le chiffre d’affaires peut varier considérablement selon
les branches industrielles en croissance ou à large marché par rapport à celles à marché étroit ;
de plus, il est souvent camouflé pour des raisons fiscales ; les ventes sont fonction de la
conjoncture ou peuvent varier considérablement selon les saisons ; la valeur ajoutée peut être
difficile à évaluer ; etc. D'ailleurs, même s'il y a une certaine corrélation entre ces différentes
69
mesures de taille, elles ne sont pas complètement interchangeables (Nguyen et
Belhumeur, 1895).

Ainsi, les critères quantitatifs, pourtant si faciles d'approche, demeurent fort critiquables
et peuvent être utilisés uniquement comme première approximation1. On doit donc ajouter
d'autres critères pour distinguer les différents types de PME.

2.1.1.2 Définition de la PME selon les critères qualitatifs

Plusieurs chercheurs ont tenté de dépasser les critères quantitatifs. En pénétrant à

l’intérieur de la boite noire et en tenant compte de la relation de l’entreprise avec son
environnement, ils ont ainsi adopté une approche beaucoup plus managériale et
organisationnelle.

Selon la commission européenne, sont considérées comme PME, les entreprises :

- Employant moins de 250 personnes ;

- Dont, soit le chiffre d’affaires n’excède pas 40 millions d’euros, soit le total du bilan
annuel n’excède pas 27 millions d’euros ;
- Qui respectent un critère d’indépendance. Sont considérées comme indépendantes, les
entreprises qui ne sont pas détenues à hauteur de 25% ou plus du capital ou des droits
de vote par une ou plusieurs grandes entreprises.

La commission utilise donc trois critères quantitatifs et un critère d’ordre plus qualitatif.
Elle considère que le critère du nombre de salariés doit impérativement être utilisé, mais qu’il
faut le combiner à l’un des deux critères financiers reflétant l’importance économique relative
d’une entreprise.

La commission estime qu’il est nécessaire d’établir une distinction entre une entreprise
moyenne, une petite entreprise et une micro-entreprise. Le Tableau 2.2 (page suivante)
présente la définition de la PME selon la commission européenne.

1
D’autres problèmes peuvent survenir de la qualité des données statistiques, en particulier lorsqu'elles tiennent
compte des toutes petites entreprises ou du moins de celles ayant moins de 20 employés. En fait, il est rare que
deux sources différentes arrivent aux mêmes résultats (Brown et Phillips 1989).

70
 Tableau 2.2 : Définition de la PME selon la commission européenne

Chiffre d’affaires Total bilan

Effectif
(millions d’euros) (millions d’euros)

Moyenne entreprise (50-250) (7-40) (5-27)

Petite entreprise (10-49) <7 <5

Micro-entreprise < 10

La définition de la commission permet d’identifier les PME, mais leur compréhension

nécessite des approches plus qualitatives.

Les typologies qualitatives sont plus complexes. Julien (1997) divise ces typologies en
quatre grands groupes, soit celles qui s’appuient sur le type d’origine ou de propriété de
l’entreprise, celles qui introduisent les stratégies ou les objectifs de la direction, celles qui se
basent sur l’évolution ou le stade de développement ou d’organisation de la firme et, enfin,
celles qui touchent au secteur ou au type de marché dans lequel la firme évolue.

Le premier groupe de typologie, est basé sur le fait que le type d’origine ou de
propriété de l’entreprise affecte sa forme d’organisation et/ou son évolution à long terme.

Ainsi, selon Deeks, la PME peut être oligarchique s’il y a plus d’un propriétaire,
patricienne si c’est une entreprise familiale gérée par un gérant unique ou monocratique dans
le cas ou le propriétaire est un actionnaire.

Par ailleurs, selon Gélinier, Gaultier et Barry, deux types d’organisations peuvent
exister : familiale si la propriété est transmise par succession à un membre de la famille ou
personnelle si les fondateurs détiennent toujours le pouvoir.

Le deuxième groupe concerne le type de propriété ou les intérêts des propriétaires-

dirigeants. Cette typologie part de celle du premier groupe tout en faisant le lien avec la taille
de l’entreprise. Elle ajoute d’autres éléments tels que la stratégie suivie par la direction,
l’organisation ou le potentiel des entreprises.

71
 Le troisième groupe est relatif à l’évolution ou le stade de développement ou
d’organisation. Il met l’accent sur différents critères dont notamment le cycle de vie des
entreprises qui considère que toutes les entreprises suivent le même sentier d’évolution depuis
leur naissance toutes petites jusqu’à ce qu’elles deviennent grandes, à moins de disparaître en
cours de chemin ou de rester pour toujours des petites entreprises.

Le quatrième groupe met l’accent sur le secteur ou le type de marché dans lequel
l’entreprise évolue. Selon cette typologie, il est fait référence aux liens entre :

- le comportement des propriétaires-dirigeants : conservateur qui est animé par la fibre

entrepreneuriale, innovateur qui ne ménage aucun effort pour rester leader de son activité par
des produits ou procédés nouveaux, etc. ;

- le type de secteur ou de marché : traditionnel ou mature, moderne, nouveau, local,

national ou international, etc. ;

- les produits offerts : uniques ou de créneau, concurrentiels par les prix ou par les
spécifications, primaires ou secondaires, etc. ;

- la technologie utilisée : mature, moderne, de pointe, etc. ;

- les liaisons avec les autres entreprises particulièrement les grandes : PME
indépendantes ou sous-traitantes.

Certes, il existe d’autres classifications telles que celles concernant la situation

financière ou l’intensité capitalistique. Cependant, les quatre typologies présentées suffisent
pour montrer la complexité de la délimitation des PME et partant leur grande hétérogénéité.

72
 Pour résumer, Julien (1997) a retenu six caractéristiques pour mieux cerner le concept
de PME, soit :

1- La petite taille

Les PME sont des entreprises dont la taille est définie à partir du nombre d'employés, du
bilan ou du chiffre d'affaires. Il ne faut certainement pas oublier les nuances et les difficultés
d'usage que l'auteur a révélées à propos de l'utilisation de ces critères quantitatifs.

2- La centralisation de la gestion

Chaque PME présente des caractéristiques propres et exige un management distinct de

celui des grandes entreprises. On parle dans ce cas, d'un management de proximité très
personnalisé de la part du propriétaire-dirigeant. Cependant, on peut retrouver une forte
centralisation dans les moyens entreprises des secteurs traditionnels comme l'ont montré
Candau (1981), Rizzoni (1988) ou Marchini (1988).

3- Une faible spécialisation

De manière générale, la petite entreprise apparaît structurellement peu spécialisée tant

au plan de la direction, que des employés et des équipements. Le chef d'entreprise étant à la
fois compositeur, chef d'orchestre et parfois, exécutant (Marchesnay, 1990). La spécialisation
est proportionnelle à la taille de l'entreprise. Plus une entreprise grandit, plus elle doit mettre
sur pied des paliers organisationnels et des départements. Dans ce contexte, on passe d'un
personnel multitâche à un personnel spécialisé assumant des tâches spécifiques.

4- Une stratégie intuitive ou peu formalisée

Il est généralement reconnu que la stratégie des PME est intuitive ou peu formalisée,
plus axée sur le court terme que le long terme. On parle généralement dans ce cas d'une
stratégie axée sur l'anticipation que la réaction. En effet, la simplicité de la structure
organisationnelle et le style management de proximité que préconise la PME, permettent à
tout moment, au propriétaire-dirigeant d'expliquer à son personnel tout changement de
stratégie.

73
 5- Un système d'information interne simple ou peu organise

Les petites organisations opèrent avec des mécanismes de coordination relativement

simples, ou par contact direct et l'information transmise étant tacite (non codifiée).
Contrairement aux grandes entreprises qui ont besoin de formaliser (par écrit) le transfert
d'information, minimiser le « bruit » et favoriser le contrôle.

6- Un système d'information externe simple

Le système d'information externe des PME est simple et la recherche d'information est
principalement informelle. Par exemple, dans les entreprises artisanales, le propriétaire-
dirigeant peut discuter directement avec ses clients tant pour connaître leurs besoins et leurs
goûts que pour expliquer différents aspects du ou des produits. À l'inverse, de grandes
entreprises qui sont parfois obligées de faire des études de marché dispendieuses et complexes
pour avoir de l'information sur les grandes tendances du marché.

Si la question de la définition exacte du concept même de « Petite et Moyenne

Entreprise » reste une question non définitivement élucidée (Julien et al., 1994) et qui
témoigne de la diversité et donc de la richesse de ses angles d’analyse, force est de constater
que cette définition mobilise dans la toute grande majorité des recherches deux éléments
fondamentaux.

Le premier élément est la taille intrinsèque de l’entité organisationnelle « PME » qui est
étudiée : l’entité « PME » est généralement défini comme une entité organisationnelle de
« petite » taille, ce qui induit un faible volume d’emplois directs générés, un faible volume de
ressources techniques et immatérielles disponibles, un faible volume de ressources financières
engagées, comparativement aux grandes entreprises. Dans la foulée, cette petite taille induit
un système de gestion peu complexe et souvent peu formalisé (Van Caillie, 2005) (tant en
termes de sous-système de contrôle, de sous-système de pouvoir ou de sous-système
d’information mis en oeuvre au sein de la PME), une coordination des processus et activités
qui y sont déployées (au sens de Lorino, 1991) relativement simple et une forte dépendance à
l’égard des principaux acteurs de son environnement (marchés aval et amont, technologie,
marché du travail et marché des capitaux essentiellement).

74
 Le second élément est la présence prépondérante au cœur du système de gestion de la
PME d’un ou de plusieurs entrepreneurs, au sens Schumpétérien du terme, dont l’attitude à
l’égard du risque et donc de l’innovation, dont les aspirations personnelles et familiales et
dont les capacités de coordination des ressources rares de l’entreprise vont conditionner la
nature même du système de gestion mis en place et les orientations stratégiques privilégiées.

Après avoir présenté les définitions de la PME selon les deux critères quantitatifs et
qualitatifs, nous définissons la PME marocaine.

2.1.1.3 Définition de la PME au Maroc

La définition de la PME au Maroc a évolué en fonction des dispositions contenues dans

les différents textes ayant cherché à encourager cette catégorie d’entreprises en raison de sa
taille réduite et sa fragilité relative. Parmi ces textes, on peut citer : la procédure simplifiée
accélérée de 1972, la ligne pilote mobilisée entre 1978 et 1979, programme d’assistance
intégré, le code des investissements de 1983, la définition de Bank Al Maghrib de 1987, les
dispositions du FOGAM1 pour la mise à niveau des PME et la sous-commission en charge de
la PME (Tableau 2.3, page suivante).

1
Le FOGAM est le Fonds de Garantie de la Mise à Niveau.

75
 Tableau 2.3 : Évolution de la définition de la PME au Maroc

Référence Critères de définition retenus

- Total actif avant investissement : 2 millions
Dh1 (révisé ensuite à 5 millions) ;
Procédure simplifiée accélérée de 1972
- Chiffre d'affaires : 3 millions Dh actualisé à 7,5
millions Dh.

- Actif total après investissement : 5 millions

Ligne pilote mobilisée entre 1978
Dh ;
et 1979
- Chiffre d'affaires : 7,5 millions Dh.

- Actif net variant selon deux tranches :

Programme d'assistance intégré
entre 1 et 4 millions et entre 4 et 8 millions.

- Programme d'investissement pour création ou

Code des investissements de 1983
extension inférieur à 5 millions Dh.

- Total du bilan : 15 millions Dh ;

Banque Al Mghrib (1987)
- Programme d'investissement : 7 millions Dh.

- Total bilan avant investissement : inférieur à 20

millions Dh ;
Programme de mise à niveau FOGAM
- Programme de mise à niveau dont le coût
n'excède pas 10 millions Dh.

- Nombre d'emplois : 200 personnes ;

- Chiffre d'affaires selon les phases de
développement de l'entreprise :
Création : inférieur à 5 millions
Sous-commission PME/PMI
Croissance : entre 5 et 20 millions Dh
(préparation du PDES2, 2000)
Développement : entre 20 et 50 millions Dh
- Total bilan : 30 millions Dh ;
- Coût d'investissement/ emploi : de 75 000 à
80 000 Dh.

1
Dh : Dirham marocain : la monnaie officielle du Maroc.
2
Plan de Développement Économique et Social.
76
 En 2002, la charte de la PME au Maroc à retenu les critères suivants pour la définition
de celle-ci :

· Moins de 200 personnes comme effectif employé ;

· Un chiffre d’affaires inférieur à 5 millions de Dh en phase de création, à 20 millions
de Dh pour la phase de croissance et à 50 millions de Dh pour la phase de maturité ;
· Un total de bilan inférieur à 30 million de Dh.

2.1.2 L’image de la PME marocaine

Les PME jouent un rôle de premier ordre dans l’ensemble des économies aussi bien
développées que celles en développement. Ce rôle reste crucial pour le renforcement des
performances, notamment, au regard du récent ralentissement de l’activité économique
mondiale.

Au sein des pays développés, les PME occupent une large partie du tissu économique
privé et génèrent la plus grosse part de son chiffre d’affaires tout en constituant à générer des
créations d’emplois. Dans ces pays, les PME représentent entre 96% et 99% des entreprises
industrielles. Les nouvelles créations confirment ces statistiques puisque ces structures en
représentent une part prépondérante. Aux États-Unis d'Amérique, 90% des nouvelles
créations des années quatre-vingt-dix ont été des PME1.

Au Maroc, les PME représentent 98% du tissu économique et occupent plus de 50%
des salariés du secteur privé. Malgré cette importance numérique, leur participation à la
création des richesses du pays reste faible. Néanmoins, elles constituent un facteur
déterminant de développement économique marocain au cours des années à venir2.

1
Les chiffres afférents aux pays développés, cités dans cette partie, sont tirés du rapport de l’organisation de la
coopération et du développement économique : Perspectives des PME de l’OCDE, 2002.
2
Toutes les statistiques citées dans cette partie sont tirées du rapport du Ministère de l’Économie et des
Finances, Maroc, 2000.
77
 2.1.2.1 PME marocaine : prépondérance numérique et faible participation à la
création des richesses

Les PME marocaines représentent 98% de l’ensemble du tissu productif national. Leur
part est de plus de 90% dans toutes les branches d’activité sauf celle de la production et
distribution d’électricité, gaz et eau, où cette participation est uniquement de 50% 1.
(Graphique 2.1).

Graphique 2.1 : Poids des PME dans le tissu productif marocain

100%

90%

80%

70%

60%
99,98%
99,7%
50% 99,7% 99% 99% 99% 99% 95% 98%
95% 91% 94%
40%

30%
50%
20%

10%

0%

Grandes entreprises PME

Source : Rapport du Ministère de l’Économie et des Finances, Maroc, 2000

Néanmoins, cette importance numérique des PME contraste avec leur faible
participation à la création des richesses du pays. En effet, malgré la prépondérance numérique

1
Toutes les statistiques citées dans cette partie sont tirées du rapport du Ministère de l’Économie et des
Finances, Maroc, 2000.
78
des PME au sein du tissu productif, la part de leur contribution dans le PIB1 marocain ne
dépasse pas 21%.

2.1.2.2 Inégale répartition géographique des PME au Maroc

Celle-ci tient aux conséquences de la politique d’aménagement du territoire mise en

place par Lyautey qui mettait l’accent sur la distinction entre le « Maroc utile et le Maroc
inutile » en privilégiant l’aménagement de la région du Centre Atlantique.

Le nouveau découpage territorial, intervenu en 1996, a donné lieu à l’institution de 16

régions économiques. Il a tenté de corriger les disparités héritées du découpage administratif
antérieur, mais faute de ressources financières locales suffisantes, la décentralisation au
niveau communal comme au niveau régional demeure impuissante pour assumer les nouvelles
charges que l’État lui a transférées. L’examen de la faible répartition des PME par région
économique s’explique par la persistance de grandes inégalités inter et intra-régionales.

Ces disparités se traduisent par une très forte concentration des PME dans la région du
centre. Les données de la Direction des statistiques de 1998, révèlent que le Grand Casablanca
regroupe 41% des PME, les régions de Tanger-Tétouan 9%, de Fès-Boulmane 9%, de Rabat-
Salé-Zemmour 8%, et que les 33% restants se répartissent sur les autres régions.

Après avoir présenté l’image de la PME au Maroc, nous abordons à présent les éléments
de notre recherche.

2.2 Les éléments de recherche

Plusieurs chercheurs se sont préoccupés du contrôle de gestion, d’autres ont analysé les
spécificités des PME, mais les recherches relatives aux pratiques de tableaux de bord dans les
PME restent encore rares. Depuis quelques années, on a vu apparaître un certain nombre de
travaux portant sur l’existence du contrôle de gestion dans le contexte des PME (Chapellier,
1997 ; Fernandez et al., 1996 ; Van Caillie, 2002 ; Lavigne, 2002 ; Nobre 2001). Ces
différentes recherches sont néanmoins contradictoires, certaines mettent en évidence un bon
développement des outils de contrôle dans le contexte des petites et moyennes entreprises,
d’autres présentent des résultats plus nuancés. Après avoir réalisé une synthèse de plusieurs
1
Le produit intérieur brut.
79
recherches empiriques, McMahon et Holms (1991) considèrent que l’état des connaissances
sur ce sujet est insuffisant.

En effet, la plupart des études existantes traitent de l’application d’un outil particulier
dans le contexte des PME : Chadefaux (1991), par exemple, étudie les prévisions dans les
PME de moins de 500 salariés à travers une enquête réalisée en auprès de 1000 PME. Cette
étude montre que les PME réalisent des prévisions essentiellement à court terme, et ne
présentent aucun objectif stratégique. Bescos (1991) présente, à travers une analyse critique,
les apports et les limites des tableaux de gestion mis au point dans le cadre des PME. Par
contre, on trouve une série d’études qui dresse un premier bilan de la situation du contrôle de
gestion dans les PME dans une approche contingente. D’après ces études on peut tirer que les
variables expliquant la nature du contrôle de gestion dans les PME sont définies par la taille
de la PME, le rôle du chef d’entreprise et les caractéristiques de l’offre et de la demande
définissant l’espace concurrentiel.

Dans les développements qui suivent, nous allons essayer de dresser, à travers la
littérature existante, un panorama des spécificités des PME. Nous proposons ensuite, le cadre
conceptuel, les hypothèses et le modèle général de recherche.

2.2.1 Spécificité des PME : approche contingente

2.2.1.1 La contingence des systèmes de contrôle de gestion des PME

L'un des rôles fondamentaux du contrôle de gestion consiste à favoriser et piloter la

convergence des buts des individus et à appuyer d'un point de vue instrumental la
coordination économique des activités des différentes unités qui composent l'entreprise en
fonction des stratégies définies sur le long terme. Il s'agit là d'une mission de sauvegarde de la
cohérence interne que le contrôle de gestion assume en sa qualité de système d'animation. Or,
la faible propension des dirigeants de PME à déléguer leur autorité et à décentraliser leurs
objectifs (Kalika, 1987) minimise et simplifie cette problématique qui semble le plus souvent
résolue, dans l'entreprise de taille moyenne, par le recours à des mécanismes de coordination
centralisés proches de la supervision directe (Mintzberg, 1982 et 1990), ou personnalisés
(Ouchi, 1980). Par ailleurs, les caractéristiques du processus de décision du dirigeant de PME
défavorisent l'utilisation du contrôle de gestion dans sa dimension système d'information,

80
dans la mesure où celui-ci réclame un état de formalisation et de structuration qui n'est pas,
semble-t-il, l'apanage des petites et moyennes entreprises (Germain, 2006).

L’examen des recherches empiriques (Chapelier, 1994 et 1996 ; Lavigne, 1999 et 2002 ;
Lacombe-Saboly, 1994) réalisées sur les déterminants des caractéristiques du système de
contrôle de gestion des PME fait apparaître deux perspectives distinctes qui s’inscrivent dans
le courant de la théorie de contingence à savoir la théorie objective (ou organisationnelle) et la
théorie subjective (ou comportementale). Ces dernières recherches relèvent l’hétérogénéité du
système de contrôle de gestion des PME en identifiant quelques facteurs susceptibles
d’influencer les choix des outils de contrôle de gestion.

Le Tableau 2.4 présente un panorama des principales études contingentes des systèmes
de contrôle de gestion.

81
Tableau 2.4 : Récapitulatif des principales études contingentes des systèmes de contrôle
de gestion citées précédemment

Variables de Systèmes de
Auteurs Principaux résultats
contingence contrôle

- Dans un environnement économique

hostile, les entreprises utilisent plutôt
les budgets pour contraindre les
Utilisation des
Hofstede (1967) Environnement employés.
budgets
- Dans un environnement économique
favorable, les budgets sont plus
utilisés comme des modes de
résolution de problèmes.

Dans une situation où l’environnement

concurrentiel de la firme est intense,
Sophistication du
l’entreprise utilise un système de
Khandwalla (1972) Type de compétition système de
contrôle sophistiqué. Différents types
contrôle
de concurrence peuvent avoir des
impacts distincts sur l’utilisation des
contrôles dans l’entreprise.

Sophistication des Plus les structures sont décentralisées,

Bruns et
Structure systèmes plus le système budgétaire tend à être
Waterhouse (1975)
budgétaires sophistiqué.

Formalité du Les divisions d’affaires qui font face à

Waterhouse et Technologie, système de un environnement certain ou à une
Tiessen (1978) environnement contrôle, technologie routine, utilisent plutôt un
centralisation système de contrôle formel et
centralisé.

Sophistication des Plus les entreprises sont grandes, plus

Merchant (1981) Taille
systèmes leurs systèmes budgétaires tendent à
budgétaires être sophistiqués.

Lorsque les décideurs perçoivent une

Système plus grande incertitude
d’information : environnementale, ils tendent à
Gordon et Structure,
informations chercher des informations externes,
Narayanan (1984) environnement
externes, non non financières et ex ante en plus des
financières et ex autres types d’information et la
ante structure d’organisation évolue vers
une forme plus organique.

Les responsables d’unités d’affaires

confrontés à un haut niveau
d’incertitude environnementale,
Système utilisent un système d’évaluation de la
Govindarajan
Environnement d’évaluation de la performance plus subjectif que ceux
(1984)
performance confrontés à un faible niveau
d’incertitude. Ces derniers utilisent
plutôt une approche de l’évaluation de
la performance basée sur des formules
objectives.

82
Tableau 2.4 : (suite) Récapitulatif des principales études contingentes des systèmes de
contrôle de gestion citées précédemment

Variables de Systèmes de
Auteurs Principaux résultats
contingence contrôle

Des mesures de performance de long

terme et des approches subjectives de
Système l’évaluation de la performance sont plus
Govindarajan et
Stratégie d’évaluation de la efficaces pour déterminer les
Gupta (1985)
performance compensations des managers dans des
unités avec une stratégie de
« construction » que dans celles avec
une stratégie de « récolte ».

- L’incertitude perçue de
l’environnement influence l’utilité
Quatre perçue d’un système d’information
caractéristiques étendu et qui donne des informations en
du système temps opportun.
Structure,
d’information - Il existe une relation significative
Chenhall et Morris environnement,
comptable : entre une structure organisationnelle
(1986) interdépendance
étendue, décentralisée et l’utilité perçue
organisationnelle
opportunité, d’informations agrégées et intégrées.
agrégation et - Il existe également une relation
intégration significative entre l’interdépendance des
départements et l’utilité perçue
d’informations étendues, agrégées et
intégrées.

- La décentralisation de la structure
s’accompagne d’une tendance au
Système de
développement des processus de
Kalika (1987) Structure planification et de
planification et de contrôle.
contrôle
- Plus les structures sont différenciées,
plus les systèmes de planification et de
contrôle tendent à être développés.

La mise en place de systèmes de

Mc Nair et Implantation du
Systèmes de coûts production en juste-à-temps entraîne
Mosconi (1989) juste-à-temps
des changements dans les méthodes de
calcul de coûts.

- La combinaison entre un partage

intense des ressources et un contrôle des
résultats influence positivement
Contrôle des l’efficacité des unités avec une stratégie
Govindarajan et
Stratégie résultats et des de leadership par les coûts.
Fisher (1990)
comportements - La combinaison entre un partage
intense des ressources et un contrôle des
comportements influence positivement
l’efficacité des unités avec une stratégie
de différenciation.

83
 Tableau 2.4 : (suite) Récapitulatif des principales études contingentes des systèmes de
contrôle de gestion citées précédemment

Variables de Systèmes de
Auteurs Principaux résultats
contingence contrôle

Structure et deux La combinaison d’une structure

caractéristiques décentralisée et d’un système
Gul et Chia (1994) Environnement du système d’information sophistiqué est efficace
d’information en terme de performance managériale
(étendue et quand le niveau d’incertitude perçu de
agrégation) l’environnement est élevé.

Les entreprises qui ont une

technologie plus complexe en termes
Complexité des de processus de production, de
Bergeron (1996) Technologie
tableaux de bord nombre de produits, de degré
d’automatisation ont tendance à
détenir des tableaux de bord plus
complexes et variés.

- Lorsque l’incertitude de la tâche est

élevée (analysabilité de la tâche faible
et nombre d’exceptions élevé),
l’utilisation de formes personnelles de
Systèmes de
contrôle a un effet positif et
contrôle
Abemethy et significatif sur la performance
Technologie comptables, de
Brownell (1997) d’organisations de recherche et
comportement et
développement.
personnels
- Les contrôles des comportements
sont plus efficaces que les contrôles
comptables lorsque les tâches sont
facilement analysables mais qu’il
existe un grand nombre d’exceptions.

Les indicateurs de performance non

Jorissen et al., Indicateur de
Taille financiers sont plus utilisés par les
(1997) performance
grandes entreprises que par les PME.

Les firmes de production de masse qui

Systèmes de
Kalagnanam et adoptent le « juste-à-temps » doivent
contrôle
Murray Lindsay Technologie abandonner un système de contrôle
mécaniste-
(1999) mécaniste et adopter un système de
organique
contrôle organique.

Marchesnay (1991) s'est intéressé aux spécificités du système de gestion des PME. Il
insiste sur le rôle déterminant du dirigeant et sur le caractère global du système de gestion.

Le dirigeant joue un rôle majeur dans la mesure où ses buts déterminent la conduite de
l'entreprise et parce qu'il participe à la gestion courante de l'entreprise. Ce rôle rend floue la
frontière entre décision stratégique et décision opérationnelle. D'autant plus que certaines

84
décisions de gestion courante peuvent avoir des implications sur le devenir de l'entreprise : le
recrutement d'un salarié, le démarchage d'un prospect, le départ à la retraite d'un salarié. Mahé
de Boislandelle (1998) parle d’effet de grossissement, cet effet traduit l'idée que le poids
relatif de chacun est beaucoup plus important et que les décisions ont un impact plus fort en
PME. Autrement dit, il y a une amplification des phénomènes en petite entreprise.

L'approche systémique défendue par Marchesnay exige d'analyser ensemble les buts,
l'environnement, l'organisation et les activités. La grille qu'il propose peut être utilisée pour
conduire des diagnostics stratégiques en PME, et notamment pour apprécier la cohérence du
système de gestion, à travers la prise en compte des interrelations entre les différentes
composantes du système, et la pertinence du projet stratégique.

Le Schéma 2.1 suivant présente le système de gestion de la petite entreprise selon

Marchesnay (1997).

Schéma 2.1 : Le système de gestion de la petite entreprise

Buts des
dirigeants

Éthique Valeurs
Légitimité Culture

Vision

Société global Les hommes

Environnement Organisation
Image Identité
Secteurs
Les tâches
d’activités

Plan

Mission Métier
Besoins Savoir-faire

Activités
Biens / Services

Source : (Marchesnay, 1997)

85
Les buts des dirigeants :

L’étude des buts du dirigeant est indispensable car ils conditionnent les choix
stratégiques. Ils permettent d'apprécier l'efficacité du dirigeant et de son entreprise en
particulier lorsqu'ils sont formulés sous un angle économique. Les buts sont largement
influencés par le profil du dirigeant.

L'éthique : elle est au centre de la relation entre les buts et l'environnement social.
L'éthique d'une entreprise regroupe un ensemble de caractéristiques, de valeurs et de
croyances qui dirigent la conduite des individus. Elle a pour ambition de distinguer, par une
réflexion personnelle, la bonne et mauvaise façon d'agir. L'éthique exerce une influence sur la
performance. En effet, elle est à la fois :

- Coûteuse puisqu'elle peut avoir une influence sur la politique environnementale et sur
la politique de GRH ;

- Source de profit dans la mesure où elle améliore l'image interne, source de satisfaction
pour les salaries, et l'image externe, source de satisfaction pour les clients.

Les buts du dirigeant s'inscrivent dans une vision, c'est-à-dire dans la représentation
qu'il se fait de son entreprise et de son environnement dans les années à venir. Le passage de
la vision à l'action se traduit par la définition de plans. Les travaux consacrés aux PME
montrent que la formalisation de la politique d’entreprise est très faible et que le système de
planification est peu développé dans ces entreprises.

L’organisation :

L’analyse de l’organisation se décompose en deux niveaux :

- Le niveau des individus : c'est-à-dire des personnes qui travaillent dans l'entreprise.
Ces personnes partagent plus ou moins les valeurs du dirigeant. La culture est le fruit
de l'histoire de l’entreprise, elle permet de comprendre le degré d'implication des
salariés.

86
 - Le niveau des tâches : il renvoie aux fonctions regroupées dans des services. Plus
l'entreprise est petite, plus l'organisation des tâches est indifférenciée et le personnel
polyvalent. La coordination se fait le plus souvent par ajustement mutuel et par
supervision directe.

Les frontières de l'organisation sont parfois floues en particulier lorsque l'entreprise fait
partie d'un réseau. En effet, il peut y avoir des échanges de salariés, la mise en commun de
ressources.

L’environnement :

L’environnement doit également être scindé en deux niveaux :

- L'environnement concurrentiel : il correspond à l'ensemb1e des entreprises avec

lesquelles la PME est en concurrence directe ou indirecte. Mais il comprend aussi les
partenaires économiques de la PME (clients et distributeurs, fournisseurs et
prestataires de services).

- L'environnement social : il comprend les collectivités et institutions locales, mais

aussi les réseaux de relations personnelles tissées par le dirigeant. En PME, cet
environnement est particulièrement important puisqu'il peut servir de sources
d'information, de moyen de financement. Les dirigeants peuvent établir des relations
interactives avec trois types d’acteurs :

· les acteurs exerçant une fonction titulaire : il s'agit des administrations publiques,
des collectivités locales, des institutions consulaires ;
· les acteurs exerçant une fonction d'expertise, c'est-à-dire susceptible de fournir
aide et conseil aux entreprises ;
· les acteurs exerçant un rôle partenarial, qu'il s'agisse de fournisseurs, de clients et
de groupements professionnels.

Les activités :

Une activité peut être définie comme un ensemble homogène de biens et services
répondant à des besoins de la clientèle actuelle ou potentielle, réalisés par l’entreprise, à partir
87
de ses propres savoir-faire, ou s'appuyant sur ceux de ses partenaires. Elle repose sur
l'articulation entre le besoin satisfait (mission) et le savoir-faire (métier).

Le dirigeant doit faire en sorte que ses activités soient compétitives. La compétitivité a
longtemps été appréciée en termes d'efficience. Cette dernière traduit la capacité de
l'entreprise à gérer ses ressources de la meilleure façon afin d'obtenir les coûts les plus bas,
mais aussi la meilleure qualité, c'est-à-dire le moins de défaut. Cependant, la compétitivité fait
également référence à l'adéquation aux attentes des clients. La qualité se mesure par la
satisfaction que retirent les clients des caractéristiques du produit et des services qui lui sont
associés. Cela nécessite bien souvent une personnalisation de la relation. Les PME bénéficient
alors d'un atout indiscutable par rapport aux grandes entreprises.

Les PME sont caractérisées par un nombre limité d'activités et un marché plutôt local,
ce qui renforce la personnalisation des relations avec les partenaires de l'entreprise.

Tout ceci porte donc à croire que ces entités développent plutôt des mécanismes de
contrôle peu instrumentés et peu empreints de la logique cybernétique, qui se rapprochent du
contrôle politique, du contrôle intuitif ou du contrôle par jugement (Hofstede, 1981), ou
qu'elles disposent tout au plus d'un système de contrôle de gestion simplifié ne reprenant que
quelques éléments de la structure d'ensemble du système de contrôle de gestion classique
(Flamholtz, 1983).

Le statut particulier de la PME conduit à se pencher sur quelques caractéristiques

spécifiques : organisationnel et comportemental.

2.2.1.2 Spécificité organisationnelle des PME

Tout d’abord, une des principales forces de la PME semble être sa simplicité, simplicité
qui va faciliter la coordination entre individus. S’il est vrai que le dirigeant va souvent utiliser
un commandement direct pour donner des instructions générales, une large place est laissée
dans l’organisation à l’ajustement mutuel qui « est naturellement utilisé dans les structures
simples » (Mintzberg, 1996). L’« ajustement mutuel » va privilégier une « communication
informelle » entre opérateurs pour coordonner leur travail (Mintzberg, 1996). Cet
« ajustement mutuel » va permettre un échange informel très précieux d’informations et

88
d’idées afin de résoudre les problèmes. Or, effectivement, « une bonne partie des relations
efficaces au sein des organisations sont de nature informelle » (Koenig, 1997).

L’aspect informel, s’il favorise la souplesse, n’est pas toujours favorable au

développement d’outils de formation, qui nécessitent souvent une connaissance approfondie
des besoins et des compétences de l’entreprise. Le talent du dirigeant dans ce domaine va
fortement influencer la prise de décision. Les politiques et procédures peuvent toutefois
exister malgré leur nature souvent informelle ou peu explicite (GREPME1, 1997).

L’ajustement mutuel est associé à une tradition orale forte qui passe principalement par
des échanges verbaux rapides, cordiaux voire familiers, simples et sans façon. Or, dans la
PME, les membres de l’organisation ont souvent l’occasion de pratiquer ces types d’échanges
verbaux dépouillés pour régler des problèmes qui deviennent vite transversaux dans
l’entreprise, compte tenu de sa taille restreinte, et qu’il faut donc régler rapidement sans
procédure lourde. Selon Moaty (1995), « le langage engage les acteurs dans la coopération et
sert de support à leur coordination ». Néanmoins, l’ajustement mutuel nécessite une forte
confiance mutuelle dans l’organisation. En effet, la communication informelle passe
principalement par des échanges verbaux qui ne laissent pas de traces. Si les individus ne se
font pas confiance, ils vont être tentés de formaliser leurs relations. Ils adopteront une attitude
méfiante et demanderont, par exemple, de plus en plus de « preuves » écrites, feront des
copies de ce qui leur est demandé ou des informations qui leur seront communiquées ou
n’accepteront pas des tâches en dehors des procédures définies mêmes si la situation l’exige.

Par ailleurs, il convient de souligner le rôle prédominant du dirigeant qui est une donnée
particulièrement importante pour comprendre les mécanismes de gestion de la PME. Selon
Couteret (1998), « la prise en compte de la place centrale occupée par le dirigeant apparaît
indispensable pour toute étude portant sur la petite entreprise ». Certains pensent même que
l’étude du dirigeant constitue le point d’entrée de la recherche en PME. Ainsi, Julien (1994)
souligne l’existence de nombreuses typologies qualitatives basées sur le type de propriété ou
associées à l’entrepreneur de la PME.

Ainsi, le rapport des PME à l’offre de formation externe ne peut s’analyser de la même
manière que pour les autres entreprises. Les PME ne sont pas de simples modèles réduits des

1
GREPME : Groupe de Recherche en Économie et gestion de la PME.

89
grandes entreprises et leur apprentissage n’est pas non plus une simple réduction de celui des
grandes entreprises (Sparrow, 2001). Concernant le plan de formation, la tendance des PME à
ne pas se tourner vers les formations externes permet de mettre en relief une autre manière
d’apprendre en PME. Paradas (1998) lie clairement dépenses de formation déclarées et
effectif en indiquant que « le nombre d’entreprises (…) affirmant verser plus que le
pourcentage obligatoire croît avec la taille ». Il semble que les PME entretiennent un rapport
plutôt difficile avec les formations externes : « elles disposent de peu d’outils pour se repérer
dans l’offre de formation, souvent coûteuse, mal adaptée et quelquefois inefficiente ».

Par ailleurs, il faut souligner également le rôle de l’environnement, le degré

d’incertitude qui pèse sur les PME est généralement élevé (Julien et al., 1994 ; 2005), en
raison du manque de pouvoir réel dont elles disposent à l’égard de leur environnement
économique (Hirigoyen, 1981). En effet, la PME doit tenir compte de l’opinion des acteurs
environnants, ce qui la rend plus vulnérable au regard des différentes forces de la concurrence
(Raymond et Blili, 2005). En ce sens, plusieurs auteurs (Marchesnay, 1989 ; Storey, 1997)
indiquent que certaines PME se localisent dans des activités spécialisées qui leur permettent
de se protéger. Néanmoins, d’autres recherches (Julien et al., 1994 ; Levratto, 2004)
soulignent que ces stratégies de « niche » sont difficiles à mettre en œuvre. Raymond (1988)
ajoute aussi que le manque de connaissance et d’expérience au sein de la PME augmente le
degré d’incertitude, face à la technologie principalement.

Reid et Smith (2000) montrent que les périodes de crises, dues principalement aux
différentes forces de l’environnement, ont un impact sur l’évolution des systèmes de
contrôles. Kabwigiri et Van Caillie (2007) indiquent, quant à eux, que l’incertitude perçue par
le dirigeant n’intervient pas dans l’explication de la nature (traditionnelle ou non
traditionnelle) des contrôles implémentés. Par contre, elle a une influence sur la mise en place
de systèmes de contrôles informels et sur la flexibilité avec laquelle ils sont exercés.

2.2.1.3 Spécificité comportementale des PME

Les valeurs personnelles des chefs d'entreprise peuvent d’ailleurs être vues comme les
véritables déterminants du comportement et du développement d'une organisation
(d'Amboise, 1988). Il semble que le dirigeant et son intuition (style cognitif) soient le point de
départ du processus lorsqu'il est question de la gestion en PME. Marchesnay (1986) affirme
d'ailleurs que le stratège dirigeant doit trouver dans son environnement des opportunités, mais

90
davantage par l'intuition d'un besoin à satisfaire que par des études de marché, du moins à
l'origine de sa démarche. Le processus de prise de décision relèverait même davantage de la
création, entre la psychanalyse et la poétique, plutôt que de la formalisation logico-
mathématique (Carland, 1996). Cette intuition, cette création émanent de l'hémisphère
cérébral droit du dirigeant, de ses perceptions et de ses représentations emmagasinées, de sa
façon de les mémoriser, ainsi que de son vécu et de son apprentissage.

La taille réduite de la firme et sa structure simple, permet souvent au patron de prendre

les choses en main et favorise la rapidité de la prise de décision, ce qui permet de réagir
rapidement aux turbulences de l’environnement. La centralisation de la prise de décision par
le propriétaire dirigeant fait que ce dernier donne la priorité aux différentes tâches
opérationnelles, ce qui empêche une vision stratégique a moyen ou long terme. Les décisions
sont, la plupart du temps, prises pour le court terme. Selon une enquête citée par Duchéneaut
(1997), plus de 70% des dirigeants de PME préfèrent l’intuition à la prévision et la considère
comme très importante dans la prise de décision. Par suite la fonction de décision dans une
PME se fait de la manière suivante : Intuition – Décision – Action.

Il est nécessaire de s’interroger sur la liaison qui peut exister entre les styles de prise de
décision et les pratiques de tableaux de bord dans les PME. En observant les pratiques des
entreprises gérant « sans budget » il serait légitime de considérer qu’un style de leadership
plus progressiste et plus participatif ou encore un style ouvert vert les innovations,
contribuerait à accélérer le remplacement des budgets par des tableaux de bord ou par d’autres
outils innovants de gestion (Komarev, 2007). Plus que des approches cognitives du
management, les styles de leadership peuvent être alors interprétés comme des signes
extérieurs de l’adhésion des managers à une de ces deux doctrines ou idéologies de la gestion.
Il serait peut être nécessaire néanmoins de distinguer un troisième style qui permet d’intégrer
non pas l’adhésion à la doctrine behavioriste ou des relations humaines mais l’adhésion aux
idées de l’apprentissage organisationnel, de l’innovation et du changement perpétuels (Yukl et
al., 2002). C’est notamment ce style de leadership orienté vers le changement qui
transmettrait l’adhésion du dirigeant à la nouvelle école du contrôle de gestion stratégique et
qui devrait permettre d’expliquer le remplacement du budget traditionnel par des outils «
nouveaux » et performants comme les tableaux de bord.

D’autres analyses des styles de management et de leadership existent et ont été utilisées
en contrôle de gestion. Germain (2000) étudie les déterminants de l’utilisation des tableaux de

91
bord dans les petites et moyennes entreprises françaises. Un des déterminants étudiés par
l’auteur est le style de prise de décision du manager. Pour conceptualiser cette variable
Germain utilise un modèle proposé par Driver et Mock (1975) reliant caractéristiques
cognitives des dirigeants et caractéristiques du système de contrôle (Tableau 2.5).

Tableau 2.5 : Les styles de prise de décision des dirigeants et les caractéristiques
respectives du décideur et du système qu’il crée

Décisif Souple Hiérarchique Intégratif

Efficience Adaptabilité Qualité Information

Valeurs

Rapidité Rapidité Méthode Créativité

Consistance Variété Rigoureuse
Système

Bases de données Bases de Bases de données Bases de données

Planification

simples, court données complexes complexes

terme simples Long-terme Long-terme
Contrôle intuitif Contrôle rigoureux Adaptif
rigoureux sur les sur les méthodes et
résultats les résultats

Peu nombreux ; Nombreux ; Peu nombreux ; Nombreux ;

Objectifs

Focalisation sur Focalisation Focalisation sur soi- Focalisation sur

l’organisation sur soi-même même soi-même et sur
l’organisation
Organisation

Faible diversité Contrôle par Forte diversité du Processus

des contrôles assimilation contrôle d’équipe
Règles souple procédures organisation
organisation sophistiquées matricielle
classique Automatisation

Format court, Format court, Rapports longs Longue, élaborée

Communication

concis, concis, élaboré Analyse des

Résultats visant Variété, Problèmes, problèmes de
une solution Plusieurs méthodes, données différents points
solutions pour une "Meilleure de vue ;
Conclusion" Solutions
multiples

(Driver et Mock, 1975 : p. 497)

92
 Dans un espace défini par quatre dimensions correspondant aux quatre styles de prise de
décision, les données empiriques collectées par Germain montrent que les tableaux de bord
sont utilisés de la manière la plus intensive par les managers dont le style de prise de décision
se caractérise par des forts degrés de style hiérarchique et intégratif. Au contraire, les
dirigeants des petites et moyennes entreprises utilisent très peu les tableaux de bord quand
leur style de prise de décision est très souple et décisif (Schéma 2.2).

Schéma 2.2 : Les styles de prise de décision et l’utilisation des tableaux de bord

Hiérarchique

Utilisation

maximale des

tableaux de bord

Intégratif Décisif

Utilisation

minimale des

tableaux de bord

Souple

(Driver et Mock, 1975)1

Une analyse plus attentive du Tableau 2.5 et du Schéma 2.2 montre que les principales
différences entre les styles de prise de décisions qui impliquent l’utilisation intensive des
tableaux de bord et ceux qui, au contraire, réduisent cette utilisation à un minimum se situent
au niveau de trois éléments : la planification, l’organisation et la communication. En effet, les
styles hiérarchique et intégratif supposent une planification à long terme et sur des bases
informationnelles très riches, contrairement aux styles souple et décisif où la planification est
à court terme et sur des bases informationnelles simples. De surcroît, les styles hiérarchique et
intégratif s’appuient sur une organisation sophistiquée, utilisant des contrôles diversifiés, des
processus organisés en équipes ou des structures matricielles. En revanche les styles souple et

1
Cité par Germain (2000).
93
décisif reposent sur des organisations peu sophistiquées, avec des contrôles par des règles, ou
bien souples, mais toujours sur les comportements. Enfin, les styles hiérarchique et intégratif
sont accompagnés d’une communication riche et diversifiée, alors que pour les styles souple
et décisif le système de communication interne et peu développé. Par conséquent, au-delà du
critère de l’horizon de la planification qui pour les budgets est plutôt à court terme
contrairement à celui potentiellement attribuable aux tableaux de bord non-financiers, aucun
autre facteur des styles souple et décisif qui entraîne la faible utilisation des tableaux de bord
ne semble être particulièrement caractéristique des budgets.

Après avoir abordé, à travers la littérature existante, un panorama des spécificités des
PME, nous présentons à présent, le cadre conceptuel, les hypothèses et le modèle général de
notre recherche.

2.2.2 Vers un modèle général des pratiques de tableaux de bord dans les PME

2.2.2.1 Le cadre conceptuel de la recherche

Le but de cette partie est d’identifier les facteurs qui influencent les caractéristiques des
tableaux de bord présents dans les PME et qui peuvent par conséquent assurer le pilotage de
la performance de ces entités. Cette influence contingente suppose que, pour une PME
donnée, atteindre une meilleure performance passe par la recherche d’une conformité de la
place des tableaux de bord dans le pilotage de cette performance et, de là, par la recherche des
caractéristiques de tableaux de bord conformes à la combinaison de différents facteurs.

Ainsi, conformément à la démarche qui a été suivie précédemment, et en accord avec la

distinction opérée par la littérature, deux catégories de facteurs sont successivement prise en
compte. Il s’agit d’une part des facteurs liés à la contingence organisationnelle qui ressortent
de l’ « objet » que constitue l’organisation et son environnement, d’autre part des facteurs qui,
relevant la contingence comportementale, se rapportent au « sujet » qu’est le dirigeant de
PME. Ainsi, le modèle théorique à développer doit regrouper trois types de variables :

- Les facteurs de contingence : Ce sont les variables explicatives dans le modèle. Y sont
inclus des variables organisationnelle et comportementale proposées dans littérature théorique
qui peuvent influencer les caractéristiques des tableaux de bord.

94
- Les caractéristiques de tableaux de bord : Il s’agit ici de la variable intermédiaire du
modèle. Elle traduit l’importance de tableaux de bord dans l’aide à la décision et dans le
pilotage de la performance des PME.

- Le pilotage de la performance : C’est la variable expliquée du modèle.

Le cadre général du modèle de contingence se construit alors comme indiqué sur le

(Schéma 2.3).

Schéma 2.3 : Le cadre conceptuel du modèle de contingence utilisé dans la recherche

Caractéristiques
Facteurs de Pilotage de la
des tableaux de
contingence performance
bord

Il est à noter qu’un test de l’effet de médiateur sera effectué plus loin dans cette
recherche pour vérifier le rôle de médiateur des caractéristiques des tableaux de bord dans la
relation entre les facteurs de contingence et le pilotage de la performance des PME.

2.2.2.2 Présentation des hypothèses et du modèle conceptuel de recherche

La formulation des hypothèses de recherche découle très naturellement, d’une part, des
analyses faites dans le premier chapitre sur les caractéristiques des tableaux de bord et, d’autre
part, de l’étude conceptuelle présentée dans la partie précédente sur des variables de
contingence qui peuvent influencer ces caractéristiques.

Nous traitons dans cette partie les facteurs de contingence organisationnelle et

comportementale, susceptibles d’influencer les caractéristiques des tableaux de bord dans les
PME et aussi l’influence de ces caractéristiques sur le pilotage de la performance de ces
entités.

Ainsi, pour chaque catégorie de facteurs, nous abordons les recherches théoriques et
empiriques afférentes. Puis, nous concluons par la présentation des hypothèses de recherche à

95
tester dans la partie empirique de notre travail. Nous terminons cette partie, par une
présentation de notre modèle conceptuel de recherche.

2.1.2.2.1 Les hypothèses concernant l’influence de contingence

organisationnelle

La théorie de la contingence structurelle apporte une contribution significative à la

compréhension des systèmes de contrôle (Covaleski et al., 1996). En contexte de PME,
d’après Chapellier (1994), les facteurs de contingence structurelle peuvent être réduits à
quelques caractéristiques fondamentales qui renvoient aux concepts plus généraux de
complexité et d’incertitude. Dans sa recherche, ce chercheur retient la taille et l’âge de
l’entreprise, le degré d’informatisation de la gestion et la nature de l’activité.

Dans cette recherche, nous étudierons les facteurs de contingence organisationnelle les
plus importants, il s’agit de la taille, le type d’activité, l’âge d’entreprise, la structure,
l’environnement dans lequel l’entreprise évolue, et enfin du degré d’informatisation de ses
activités.

2.1.2.2.1.1 La taille

Bajan-Banaszak (1993) affirme que plus la taille d’entreprise est grande, plus les outils
de gestion sont diversifiés et compliqués. Il souligne que les comptabilités orientées gestion
sont plus fréquentes que les outils de gestion proprement dits dans les plus petites structures.

Chapellier (1994) montre que, loin de se limiter aux seules pratiques budgétaires,
l’influence de la taille de l’entreprise s’étend à l’ensemble des pratiques de contrôle de
gestion. Ainsi, au sein de son échantillon constitué de PME, ce sont les entreprises les plus
grandes qui disposent des systèmes de contrôle de gestion les plus complexes. Jorissen et al.,
(1997) parviennent également aux même résultats.

D’autres études (Germain, 2000 ; Nobre, 2001 ; Lavigne, 2002 ; Van Caillie, 2002 ;
Davila, 2005 ; Meyssonnier et Zawadzki, 2008) ont démontré que la taille a une influence sur
les systèmes de contrôle de gestion, tant sur le nombre et la diversification des activités qui y
sont réalisées que sur l’implémentation d’outils de pilotage à caractère plus stratégique. Ainsi,
à mesure que la taille augmente, le dirigeant a des difficultés croissantes à contrôler seul

96
l’ensemble de ses ressources humaines, financières et matérielles. L’entreprise doit alors
formaliser les systèmes de gestion et développer son système de contrôle de gestion,
principalement du point de vue du pilotage de la performance.

Nous posons donc l’hypothèse suivante :

H1 : Plus la taille d’entreprise est grande, plus ses tableaux de bord tendent à être
sophistiqués.

2.1.2.2.1.2 Le type d’activité

Bajan-Banaszak (1993) constate que les entreprises qui disposent plus fréquemment
d'outils de contrôle de gestion sont, dans l'ordre décroissant, les entreprises du secteur
industriel, les entreprises prestataires de services, les entreprises du bâtiment et, enfin, les
entreprises commerciales.

Chapellier (1994) confirme ce constat en relevant que les entreprises non industrielles
ont des pratiques de contrôle de gestion moins complexes que les entreprises industrielles.

La deuxième hypothèse du modèle peut alors être énoncée :

H2 : Les pratiques de tableaux de bord des PMI sont plus sophistiquées que celles
des PME commerciales ou de services.

2.1.2.2.1.3 L’âge d’entreprise

L’âge de l'entreprise influent très directement et de façon spécifique sur l'organisation

(Mintzberg 1982 ; Dupuy et al., 1989). Peu de recherches se sont intéressées à la relation
existant entre l'âge des entreprises et les systèmes de contrôle de gestion des PME. Chapellier
(1994) ne trouve aucun lien entre ces deux variables. Holmes et Nicholls (1988) affirment que
l’utilisation des données comptables par les dirigeants de PME, diminue quand l’âge des

97
entreprises augmente. Mintzberg (1982) explique que plus une organisation est âgée, plus son
comportement est formalisé.

Nous suivons Mintzberg dans ses affirmations, et posons l'hypothèse suivante :

H 3 : Les PME les plus âgées disposent des tableaux de bord plus sophistiquées
que les PME les plus jeunes.

2.1.2.2.1.4 La structure

Les PME sont caractérisées par une faible spécialisation des tâches au sein de
l’entreprise. La spécialisation est généralement accompagnée de l’augmentation de la taille.
Bruns et Waterhouse (1975) constatent que les organisations les plus centralisées ont des
systèmes de contrôle de gestion plus complexes. Ce résultat est également confirmé par
Merchant (1981). Selon Mintzberg (1982), au fur et à mesure que la firme grossit, les niveaux
organisationnels augmentent et le travail devient plus spécialisé. L’étude de Kalika (1987) sur
la structure des entreprises affirme que plus l’entreprise est petite, moins il y a des procédés
formalisés et plus les décisions sont centralisées chez le propriétaire dirigeant.

Il est alors possible de formuler l’hypothèse suivante :

H4 : Plus la structure de PME est décentralisée, plus le degré de sophistication des

pratiques de tableaux de bord est élevé.

2.1.2.2.1.5 L’environnement

Les résultats des travaux empiriques attestent qu’il existe une relation entre
l’environnement et les systèmes de contrôle de gestion (Chapman, 1997 ; Fisher, 1998 ;
Hartmann, 2000). Hofstede (1967) relève que le degré d’hostilité du contexte économique
dans lequel évolue l’entreprise influence la manière dont celle-ci utilise ses budgets. Berland
(1999, 2000) montre que le contrôle budgétaire s’est développé dans les organisations à un
moment de l’histoire économique où l’environnement des entreprises était relativement stable
et peu complexe et le contexte concurrentiel peu dynamique. Gervais et Thenet (1998)
98
invitent à reconsidérer les rôles du contrôle budgétaire afin d’adapter la technique aux
environnements turbulents. Khandwalla (1972) parvient à un lien entre le degré d’intensité du
jeu concurrentiel et la complexité des systèmes de contrôle.

À l’issue de leur recherche, Gordon et Miller (1976) avancent l’idée selon laquelle les
entreprises doivent augmenter la fréquence de parution de leurs rapports de gestion et intégrer
des données non financières dans leurs systèmes d’information comptable pour faire face à un
environnement incertain. Gordon et Narayan (1984), Chenhall et Morris (1986) constatent
que l’augmentation de l’incertitude perçue de l’environnement entraîne un recours plus
important aux informations externes et non financières.

Ces observations conduisent à poser l’hypothèse suivante :

H5 : Plus l’environnement de PME est incertain et complexe, plus le degré de

sophistication des pratiques de tableaux de bord est élevé.

2.1.2.2.1.6 L’informatisation

Un nombre considérable d’études s’intéressent à l’impact de l’évolution de

l’informatique sur le système de contrôle de gestion des dirigeants des PME. Kalika (1987)
constate que les entreprises qui ne disposent pas d’outils informatiques (ou peu) possèdent des
méthodes de contrôle moins développées que celles qui en sont dotées. Chapellier (1994)
montre que les entreprises qui ont informatisé leurs systèmes de gestion ont le plus souvent
les pratiques de contrôle de gestion les plus complexes. Davis et Albright (2000) soulignent
que l’intégration des nouvelles technologies de l’information implique des changements
considérables dans les pratiques de contrôle de gestion.

Il est alors possible de formuler la sixième hypothèse :

H6 : Plus le degré d’informatisation des activités de PME augmente, plus le degré

de sophistication des pratiques de tableaux de bord est élevé.

Le modèle conceptuel des relations de contingence organisationnelle est présenté

comme suit dans le Schéma 2.4.
99
 Schéma 2.4 : Le modèle conceptuel des relations de contingence organisationnelle

Taille H1

Type d’activité H2

H3
Âge d’entreprise
Caractéristiques des
H4 tableaux de bord

Structure
H5

Environnement
H6

Informatisation

H1 : Plus la taille d’entreprise est grande, plus ses tableaux de bord tendent à être
sophistiqués.

H2 : Les pratiques de tableaux de bord des PMI sont plus sophistiquées que celles des PME
commerciales ou de services.

H3 : Les PME les plus âgés disposent des tableaux de bord plus sophistiquées que les PME
les plus jeunes.

H4 : Plus la structure de PME est décentralisée, plus le degré de sophistication des pratiques
de tableaux de bord est élevé.

H5 : Plus l’environnement de PME est incertain et complexe, plus le degré de sophistication

des pratiques de tableaux de bord est élevé.

H6 : Plus le degré d’informatisation des activités de PME augmente, plus le degré de

sophistication des pratiques de tableaux de bord est élevé.

100
 2.1.2.2.2 Les hypothèses concernant l’influence de contingence
comportementale

La contingence comportementale avance que les caractéristiques comportementales

propres à chacun des acteurs sont susceptibles d’influencer les pratiques de contrôle de
gestion des entreprises. Cette approche vient compléter l’approche objective (contingence
organisationnelle) en intégrant l’acteur, centre d’intérêt et objet de recherche dont le
comportement peut influencer de manière significative les pratiques de tableaux de bord des
PME.

La prise en compte de l’influence des dirigeants des PME sur la conception des
systèmes de contrôle de gestion n’a cependant pas été relevée dans les recherches des
principaux courants théoriques du contrôle de gestion. Une conscience de l’importance des
facteurs idéologiques (Bourguignon, 2003) et individuels (Berland et Chiapello, 2004) a tout
de même été découverte dans des recherches sociologiques ou historiques. Il est nécessaire,
par conséquent, de trouver parmi les variables déjà envisagées par les travaux théoriques et
empiriques du contrôle de gestion une variable « proxy1 » qui pourrait transmettre
l’importance des dirigeants des PME dans la conception du système de contrôle de gestion.
Cette variable proxy doit permettre également de traduire l’attirance des dirigeants soit pour
les idéologies nouvelles prônant un renouvellement du contrôle de gestion, soit pour les
idéologies plus conservatrices et attachées aux méthodes et outils traditionnels de contrôle de
gestion. Une telle variable est inévitablement reliée au style de décision des personnalités
dirigeantes des PME.

Le dirigeant de PME est considéré comme la force centrale de la dynamique de la PME

(Julien et al., 1994 ; Timmons, 1994) et se situe au centre du système d’information, de
décision et de contrôle de l’entreprise (Marchesnay, 1989). Il joue donc un rôle de premier
plan (Wtterwulghe, 1998) au regard de la stratégie, de la gestion, de la prise de décision et du
climat organisationnel. De plus, il tend peu à partager l’information ou à déléguer la prise de
décision (Raymond et Blili, 2005), ce qui influence les pratiques de tableaux de bord dans les
PME.

1
Selon Angot et Milano (2003, p. 176) : « Une proxy est une mesure indirecte d’un concept ...». En d’autres
termes, elle permet d’exprimer un concept non mesurable mais sans le recouvrir parfaitement. Une variable
proxy peut être le résultat ou la raison théorique directe du concept non mesurable.

101
 Dans cette recherche, nous étudierons les facteurs de contingence comportementale les
plus importants, il s’agit de type de formation de dirigeants, le style de décisions et la stratégie
de contrôle.

2.1.2.2.2.1 Le type de formation

Chapellier (1997) a démontré que le type de formation du dirigeant influence la nature

des pratiques de la comptabilité de gestion et du contrôle de gestion mis en place au sein des
PME. Ainsi, dans sa recherche, les pratiques de la comptabilité de gestion les plus complexes
correspondent aux entreprises dont les dirigeants disposent d’une formation de type
gestionnaire. Lavigne (2002) insiste principalement sur l’influence de la formation sur la
formalisation des outils de gestion. Nobre (2001) montre que les missions de base du contrôle
de gestion (telle que l’analyse des coûts) sont effectuées par la majorité des dirigeants, tandis
que les missions plus organisationnelles (telle que la gestion stratégique) sont peu
développées, ce qui peut s’expliquer par le manque de spécialisation du dirigeant (Julien et
al., 2005 ; Lavigne, 2002, Van Caillie, 2002).

Nous posons donc l’hypothèse suivante :

H7 : Les pratiques de tableaux de bord des PME sont plus sophistiquées lorsque
les dirigeants disposent d’une formation de type gestionnaire.

2.1.2.2.2.2 Le style de décisions

« Une caractéristique essentielle de la petite entreprise est le rôle très particulier que
joue son dirigeant. » (Fallery, 1983). Plusieurs chercheurs affirment la très forte influence du
dirigeant de PME sur son système de gestion (Lefebvre, 1991). Il est souvent le fondateur de
son entreprise, il possède une forte tendance à personnifier l’entreprise selon ses motivations
et ces antécédents personnels et professionnels (Coupal, 1994). Il joue le rôle du directeur, du
manager, et du gestionnaire. De façon générale les dirigeants de PME, pour prendre leurs
décisions, ont exclusivement recours à leurs seuls jugements, intuitions et expériences
(Mintzberg, 1976). Ils acceptent peu de déléguer leur pouvoir et leur responsabilité aux autres
acteurs, de même ils ont peu recours à un système d’information de gestion formalisé. On

102
constate que le système de contrôle de gestion dans le contexte d’une PME est fortement
conditionné par le propriétaire dirigeant et représente ses aspirations personnelles.

D’autres études antérieures (Chapelier, 1994 ; Colot et Michel, 1996 ; GREPME, 1997 ;
Lavigne, 1999) montrent l’attraction des dirigeants des PME pour les informations orales et
les médias les plus informels.

Il est alors possible de formuler l’hypothèse suivante :

H8 : Il existe une relation significative entre le style de prise de décision du

dirigeant et le degré de sophistication des pratiques de tableaux de bord des PME.

2.1.2.2.2.3 La stratégie de contrôle

Parmi les facteurs contingents qui influencent les pratiques de tableaux de bord dans les
PME, la stratégie de contrôle occupe une place centrale. La stratégie de contrôle des PME est
le dernier facteur majeur de contingence comportementale proposé dans la littérature. La
stratégie recouvrant une réalité complexe (Desreumaux, 1993). Les systèmes de contrôle de
gestion sont présentés comme étant adaptés aux stratégies suivies par les organisations afin de
formuler et de diffuser les objectifs (Anthony, 1965) mais rares sont les travaux empiriques
qui mettent en évidence des relations entre stratégie de contrôle et les pratiques de tableaux de
bord dans les PME1.

Afin d’analyser ce point, l’hypothèse suivante est posée :

H9 : Il existe une relation significative entre les stratégies de contrôle suivies par
les dirigeants et le degré de sophistication des pratiques de tableaux de bord des
PME.

Le modèle conceptuel des relations de contingence comportementale est présenté

comme suit dans le Schéma 2.5 (page suivante).

1
Il convient néanmoins de citer les travaux de Bergeron (1996) et de Germain (2000).
103
 Schéma 2.5 : Le modèle conceptuel des relations de contingence comportementale

Type de H7
formation

H8
Caractéristiques des
Style de décisions 8
tableaux de bord

H9
9
Stratégie de
contrôle

H7 : Les pratiques de tableaux de bord des PME sont plus sophistiquées lorsque les dirigeants
disposent d’une formation de type gestionnaire.

H8 : Il existe une relation significative entre le style de prise de décision du dirigeant et le

degré de sophistication des pratiques de tableaux de bord des PME.

H9 : Il existe une relation significative entre les stratégies de contrôle suivies par les
dirigeants et le degré de sophistication des pratiques de tableaux de bord des PME.

2.1.2.2.3 L’hypothèse concernant l’influence des caractéristiques des

tableaux de bord sur le pilotage de la performance des PME

La performance des entreprises est au cœur des préoccupations de plusieurs chercheurs

en gestion. Depuis plusieurs années, on étudie les différents liens entre l’utilisation de
systèmes de gestion plus ou moins sophistiqués sur la performance de l’entreprise
(Gul, 1991 ; Mia et Chenhall, 1994 ; Chia et Gul, 1994 ; Perera et Poole, 1997; Ittner et
Larcker, 1997 ; Chong et Chong, 1997 ; Carr et Needham, 1997 ; Govindarajan et Gupta,
1985 ; Govindarajan et Fisher, 1990). Ces études, qui s’inscrivent dans un courant positiviste,
étudient la plupart du temps la performance sous un angle financier. Or, l’entreprise évolue

104
dans un environnement de plus en plus complexe. La performance définie en terme financier
ne suffit plus (Kaplan et Norton, 1996).

Les tableaux de bord prospectifs de Kaplan et Norton sont d’une aide précieuse en ce
qui concerne la mesure et le pilotage de la performance, car ils permettent de formaliser la
vision du futur de l’entreprise en tenant compte de la vision des clients, de la vision
comptable et financière et de la vision organisationnelle et stratégique.

Il est alors possible de formuler l’hypothèse suivante :

H10 : Le pilotage de la performance des PME est plus important lorsque les
pratiques de tableaux de bord des PME sont plus sophistiquées.

Le modèle conceptuel de l’influence des caractéristiques des tableaux de bord sur le

pilotage de la performance des PME est présenté comme suit dans le (Schéma 2.6).

Schéma 2.6 : Le modèle conceptuel de l’influence des caractéristiques des tableaux de

bord sur le pilotage de la performance

H10
Caractéristiques des Pilotage de la
tableaux de bord performance

Après avoir formulé les hypothèses sur les relations entre les variables du modèle il est
possible maintenant de construire graphiquement le modèle conceptuel de recherche
(Schéma 2.7). Ce modèle constitue une réponse théorique à notre principale question de
recherche. Celui-ci sera testé empiriquement, dans la deuxième partie de ce travail.

105
 Schéma 2.7 : Le modèle conceptuel de recherche

106
Conclusion du Chapitre 2

L’objectif principal de ce deuxième chapitre était de proposer un modèle explicatif des

pratiques des tableaux de bord dans les PME. Pour ce faire, nous avons présenté dans une
première section, notre terrain de recherche et ces caractéristiques. Nous avons étudié ensuite
la spécificité organisationnelle et comportementale des PME, telle qu’elle est abordée dans la
littérature.

Dans une deuxième section, nous avons présenté les variables de notre modèle de
recherche. Ainsi, nous avons abordé les principaux travaux théoriques et empiriques relatifs
aux trois principales catégories de variables ‒ à savoir les variables liées aux facteurs de
contingence organisationnelle et comportementale, les caractéristiques des tableaux de bord et
le pilotage de la performance ‒, susceptibles d’expliquer les pratiques des tableaux de bord
dans les PME. L’analyse de ces travaux nous a permis de proposer nos hypothèses de
recherche. Nous avons terminé cette section par une présentation de notre modèle conceptuel
de recherche.

Dans le cadre de la prochaine étape, les hypothèses et le modèle de recherche seront

soumis à une évaluation empirique, en vue d’une confirmation ou d’une infirmation.

107
 CONCLUSION DE LA PREMIÈRE PARTIE

Dans cette première partie de la thèse, nous avons développé deux chapitres théoriques.
Dans le premier chapitre, nous avons abordé les limites de contrôle de gestion traditionnel et
les critiques adressées à ces outils, entre autres la technique budgétaire. Nous avons
également défini les principaux concepts et notions qui sont utilisés tout au long de ce travail
de recherche, tels que les concepts de tableau de bord, performance, indicateur de
performance et tableau de bord prospectif. Ainsi, nous avons dressé les caractéristiques des
tableaux de bord et montré comment cet outil introduit les changements au contrôle de
gestion.

Dans le deuxième chapitre, nous avons développé un modèle explicatif des pratiques
des tableaux de bord dans les PME. Ce modèle comprend une variable à expliquer, neuf
variables explicatives et une variable intermédiaire. Nous avons également développé un
ensemble d’hypothèses de la recherche.

L’étape suivante de notre travail consiste à évaluer le modèle conceptuel, issu de la

revue de littérature, au niveau du terrain de recherche. Il s’agit de tester les hypothèses
développées précisément et de présenter un modèle explicatif des pratiques des tableaux de
bord dans les PME, validé empiriquement.

108
 DEUXIÈME PARTIE

TABLEAUX DE BORD DES PME : CHOIX

MÉTHODOLOGIQUES ET RÉSULTATS
EMPIRIQUES

109
 INTRODUCTION DE LA DEUXIÈME PARTIE

Dans la première partie de cette thèse, nous avons présenté et discuté le cadre
conceptuel et théorique de notre recherche. À l’issue de l’analyse de la littérature, nous avons
construit un modèle explicatif des pratiques des tableaux de bord des PME.

L’objet de cette deuxième partie consiste à tenter d’identifier les facteurs susceptibles
d’influencer les pratiques de tableaux de bord des PME. Deux types de contingences ont été
identifiés, lors de la revue de la littérature : la contingence organisationnelle et la contingence
comportementale. Le choix des variables a été justifié et les relations qui vont faire l’objet
d’une étude approfondie ont été présentées sous forme d’hypothèses qu’il convient
maintenant de tester.

Pour ce faire, nous avons divisé cette partie en deux chapitres. Ainsi, nous abordons
dans le cadre du Chapitre 3, la méthodologie adoptée et les caractéristiques des facteurs de
contingence des deux sous-échantillons étudiés. Nous présentons à ce titre, les mesures des
variables du modèle, la procédure de collecte des données et les caractéristiques de terrain
d’observation. Ensuite, nous vérifions la fiabilité et la validité des instruments de mesure afin
d’analyser des caractéristiques des facteurs de contingence des deux sous-échantillons de
recherche.

Dans le Chapitre 4, nous présentons les résultats issus de l’investigation dans le terrain.
Ces résultats concernent les travaux préparatoires aux analyses de données, la validation des
instruments de mesure et le test et la validation de nos hypothèses de recherche. Dans ce
chapitre, nous discutons également les différents résultats obtenus en nous appuyant sur les
travaux théoriques et empiriques antérieurs et présentons les implications de cette recherche.

110
 PLAN DE LA DEUXIEME PARTIE

PREMIÈRE PARTIE
TABLEAUX DE BORD : APPROCHE CONCEPTUELLE ET
ÉLÉMENTS DE RECHERCHE

CHAPITRE 1
LE TABLEAU DE BORD : OUTIL DE
CHANGEMENT DU CONTRÔLE DE GESTION

CHAPITRE 2
LE TABLEAU DE BORD : ÉTUDE DU TERRAIN
ET ÉLÉMENTS DE RECHERCHE

DEUXIÈME PARTIE
TABLEAUX DE BORD DES PME : CHOIX
MÉTHODOLOGIQUES ET RÉSULTATS EMPIRIQUES

CHAPITRE 3
LE TABLEAU DE BORD DES PME :
MÉTHODOLOGIE ET PRATIQUES

CHAPITRE 4
LE TABLEAU DE BORD DES PME : APPROCHE
CONTINGENTE DES PRATIQUES

111
CHAPITRE 3. LE TABLEAU DE BORD DES PME :
MÉTHODOLOGIE ET PRATIQUES

Dans le Chapitre 2, nous avons présenté notre modèle explicatif des pratiques des
tableaux de bord des PME. Ce modèle comprend, d’une part, une variable à expliquer
(Pilotage de la performance), et d’autre part, neuf variables explicatives
(facteurs de contingence organisationnelle et comportementale), et une variable
intermédiaire (Caractéristiques des tableaux de bord).

L’objectif du présent chapitre est double. Dans un premier temps, il s’agit de définir la
méthodologie par laquelle nous testons, au niveau empirique notre modèle conceptuel. Dans
un deuxième temps, nous comparons les caractéristiques des facteurs de contingence des deux
sous-échantillons étudiés. Ceci nous permet de comprendre les raisons ‒ au moins partielles ‒
pour lesquels les systèmes de contrôle de gestion des deux entités sont différenciés.

Pour ce faire, nous procédons en deux étapes. Dans un premier temps, nous présentons
les mesures des variables du modèle, la procédure de collecte des données et les
caractéristiques de terrain d’observation. Nous vérifions également la fiabilité et la validité
des échelles de mesure relatives aux facteurs de contingence des deux sous-échantillons
étudiées (Section 1).

Dans un deuxième temps, nous présentons les caractéristiques des facteurs de

contingence des deux sous-échantillons de recherche. À ce titre, nous comparons les facteurs
de contingence organisationnelle et comportementale des PME 1 et PME 2 (Section 2).

112
 PLAN DU CHAPITRE 3

3.1 La méthodologie de recherche

3.1.1 3.1.2
Mesures des variables La mise en œuvre de
du modèle l’étude empirique

3.2 L’analyse descriptive des

caractéristiques des facteurs de
contingence des deux sous-échantillons
étudiés

3.2.1 3.2.2
Comparaisons des Comparaisons des
caractéristiques des caractéristiques des
facteurs de contingence facteurs de contingence
organisationnelle des comportementale des
PME 1 et PME 2 PME 1 et PME 2

113
 3.1 La méthodologie de recherche

Dans le cadre du présent travail, nous proposons de vérifier un ensemble de relations

entre les variables explicatives (facteurs de contingence organisationnelle et
comportementale), la variable intermédiaire (Caractéristiques des tableaux de bord) et la
variable à expliquer (Pilotage de la performance). Afin de répondre à notre objectif de
recherche, nous avons choisi de tester notre modèle conceptuel, en nous inscrivant dans une
approche quantitative. Nous avons adopté une démarche hypothético-déductive.

Conformément au déroulement d’une méthodologie hypothético-déductive réalisée à

travers la méthode du test quantitatif, la préparation du questionnaire de recherche est l’étape
qui permet de préparer l’accès au terrain. Ainsi, nous présentons, dans un premier temps de
cette partie, les mesures de nos variables du modèle. Dans un deuxième temps, nous abordons
la méthode de recueil des données et les caractéristiques de terrain d’observation. Nous
concluons cette patrie par une vérification de la fiabilité et la validité de nos instruments de
mesure.

3.1.1 Mesures des variables du modèle

Afin de tester notre modèle de recherche ainsi que les hypothèses afférentes, nous
devons tout d’abord définir les différentes variables, en choisissant les mesures adéquates à
notre objectif de recherche. Ainsi, pour certaines variables, nous avons repris les échelles de
mesure fournies par la littérature sans y apporter de modifications. Pour d’autres, nous avons
procédé aux modifications appropriées, afin de rendre ces échelles spécifiquement applicables
au contexte des PME marocaines.

En conformité avec la division des variables du modèle conceptuel en trois grands

blocs, sont présentés dans ce qui suit, les mesures des facteurs de contingence, des
caractéristiques des tableaux de bord et du pilotage de la performance.

3.1.1.1 Les mesures des facteurs de contingence (les variables explicatives)

Les échelles de mesure initiales des neuf facteurs de contingence retenus dans le
modèle – la taille, le type d’activité, l’âge d’entreprise, la structure, l’environnement,

114
l’informatisation, la formation, le style de décision et la stratégie de contrôle – sont présentées
en deux blocs.

3.1.1.1.1 Les mesures des facteurs de contingence organisationnelle

3.1.1.1.1.1 La taille

Les PME se distinguent des grandes entreprises par leur taille modeste. Les typologies
les plus connues sont basées sur des méthodes quantitatives qui se réfèrent à des données
quantitatives d’emplois (effectif des salariés), d’actif ou de chiffre d’affaires.

Au Maroc, avant la publication de la charte des PME en 2002, il n’existait pas de

définition juridique unique permettant de classer les entreprises par taille, mais des définitions
des PME élaborées pour déterminer les entreprises éligibles dans le cadre de certaines lignes
de financement ou dans le cadre des codes d’investissement.

La nouvelle définition a fait pour la première fois au Maroc la distinction entre les
différentes composantes des PME, à savoir : les très petites entreprises (TPE), les petites
entreprises (PE) et les moyennes entreprises (ME). Le Tableau 3.1 présente les critères
quantitatifs retenus au Maroc pour classer les entreprises par taille.

Tableau 3.1 : Critères quantitatifs retenus au Maroc pour classer les entreprises
par taille

Critère TPE PE ME

Effectif < 25 personnes < 100 personnes <200 personnes

CA < 5 millions de DH < 25 millions de DH < 50 millions de DH

Total de bilan <5 millions de DH < 15 millions de DH < 30 millions de DH

La définition adoptée dans la charte de la PME s’applique à toutes entreprises quelques

soit l’activité exercée. Les critères retenus sont : l’effectif permanent, le chiffre d’affaires et
un total de bilan pour les entreprises en extension d’activité, et pour les entreprises
115
nouvellement crées (moins de deux années d’existence), le critère retenu est le montant
d’investissement démarrage et le ratio investissement par emploi.

Pour notre recherche et par manque de données, qualitatives et quantitatives, détaillées

sur les structures financières des entreprises étudiées, nous nous contenterons d’adapter le
critère le plus communément utilisé, à savoir la taille de l’entreprise mesurée par le nombre de
salariés permanents.

La question que nous avons posée est la suivante :

Sur une base annuelle, quel est le nombre d’employés permanents et d’employés
saisonniers dans votre entreprise ?

Il a été demandé aux personnes interrogées de définir le nombre des employés

permanents et celui des employés saisonniers.

3.1.1.1.1.2 Le type d’activité

Sa mesure s’effectue à l’aide d’une échelle nominale à la quelle ont associées les
modalités suivantes : activité industrielle, activité commerciale et activité de prestations de
services.

La question que nous avons posée est la suivante :

Quel est le type d’activité de votre entreprise ?

Il a été demandé aux personnes interrogées de choisir le type d’activité de leur

entreprise : activité industrielle, activité commerciale ou activité de prestations de services.

3.1.1.1.1.3 L’âge d’entreprise

L’âge d’entreprise est mesuré en demandant à la personne interrogée d’indiquer le

nombre d’année d’existence de l’entreprise.

116
 3.1.1.1.1.4 La structure

Avant de donner la façon dont nous avons construit nos variables, il nous paraît
important de donner quelques exemples de travaux qui se sont spécifiquement interrogé sur la
« meilleure façon » de mesurer les différents types de la structure d’entreprise.

Appliquée à l’organisation, la notion de structure a abouti à des conceptions

relativement différentes donnant à la structure organisationnelle un éventail de définitions
allant de définitions très étroites à des définitions très larges.

De nombreuses études statistiques comme celles menées en Angleterre1 et aux États-

Unis2 ont tenté de dégager plusieurs dimensions pour n’en retenir que les plus pertinentes.
Quatre axes ont été ainsi retenus et considérés comme suffisamment explicatifs pour dresser
une typologie des organisations : le degré de standardisation, de spécialisation, formalisation
et le degré de concentration du pouvoir de décision. En France3, une étude menée sur 81
monographies d’entreprises à travers la codification de certaines variables de structure a
permis de dégager trois dimensions clés distinguant les structures adoptées plus récemment
par les entreprises françaises : la longueur et le poids de la ligne hiérarchique, le degré de
centralisation des décisions et le degré de planification des activités.

À la lumière de ces travaux, pour construire nos variables de structure nous avons
sélectionné dans notre enquête un ensemble d’éléments permettant de caractériser nos
différentes structures :

- le degré de spécialisation des tâches ;

- le degré de standardisation (degré de définition des fonctions, des règles et procédures
et des objectifs de performance) ;
- le degré de décentralisation horizontale de la prise de décision ;
- le degré de décentralisation verticale de la prise de décision ;
- le degré de formalisation des tâches et des règles et des procédures.

1
Le programme Aston (1976).
2
A. Van et D. Ferry (1980).
3
On pourra se reporter à l’enquête menée par R. Sainsaulieu, I. Francfort, F. Osti et M. Uhalde, (1995).

117
 · Pour mesurer le degré de spécialisation des tâches, la question que nous avons posée est
la suivante :

Actuellement, qu’est-ce qui caractérise le mieux la spécialisation des tâches dans votre
organisation ?

Il a été demandé aux personnes interrogées de répondre sur une échelle de Likert de 1-
(les tâches sont clairement spécifiées, les critères de performance sont bien établis) à 4 - (il
n’y a pas de description formelle des tâches).

· Pour mesurer le degré de standardisation (degré de définition des fonctions, des règles
et procédures et des objectifs de performance), nous avons posé la question suivante :

Quel est le degré de définition des éléments suivants dans l’entreprise ? (Les fonctions,
les objectifs de performance et les règlements et procédures).

Il a été demandé aux personnes interrogées de répondre sur une échelle de Likert de 1-
(Ils (elles) ne sont pas défini(e)) à 5 - (Ils (elles) sont clairement défini(e)s spécifié).

L’évaluation du degré de décentralisation est effectuée à travers la décentralisation du

système de prise de décision, laquelle peut être appréhendée selon deux dimensions (Kalika,
1987) : l’une horizontale, se rapporte à la participation des différents responsables de
l’entreprise à la prise de décision. L’autre vertical, permet de localiser le niveau auquel se
prennent les décisions.

118
 · Pour évaluer le degré de décentralisation horizontale de la prise de décision, nous avons
posé la question suivante :

Veuillez préciser quel est votre degré d’accord vis-à-vis des affirmations suivantes :

a) vous participez à la prise de toutes les décisions, y compris les décisions mineures,
car vous considérez que tout doit être contrôlé par vous-même.

b) vous ne prenez de décisions importantes qu’après avoir consulté vos collaborateurs.

c) vos collaborateurs vous consultent toujours avant la mise en application des

décisions qu’ils prennent.

d) vous laissez vos collaborateurs prendre seuls les décisions qui relèvent de leur
domaine de responsabilité.

Une échelle de Likert à quatre points permet aux personnes interrogées de mentionner
dans quelle mesure ils sont d’accord avec chacune de ces affirmations :

- pas du tout d’accord : chiffre 1 ;

- plutôt pas d’accord : chiffre 2 ;
- plutôt d’accord : chiffre 3 ;
- totalement d’accord : chiffre 4.

· Parallèlement, pour mesurer le degré de décentralisation verticale de la prise de

décision, nous avons posé la question suivante :

Les décisions suivantes sont généralement prises à quel niveau de direction ?

(Développement ou lancement de nouveaux produits ou services, embauche et licenciement,
fixation des prix de vente, choix des investissements et les décisions opérationnelles).

119
 Il a été demandé aux personnes interrogées d’indiquer le niveau hiérarchique : cadre
opérationnels (1), cadre fonctionnels (2) ou direction générale ou au-dessus de la direction
générale (3).

· Pour mesurer la formalisation des tâches et des règles et des procédures, nous avons
posé la question suivante :

Dans quelle mesure retrouve-t-on les éléments suivants décrits dans des manuels ou
autres supports formels (Tâches, règles et procédures) ?

Il a été demandé aux personnes interrogées de répondre sur une échelle de Likert de 1-
(Description complète et détaillée) à 5- (Aucune description écrite).

3.1.1.1.1.5 L’environnement

L’environnement a fait l’objet de nombreuses évaluations en tant que facteur de

contingence des systèmes de contrôle de gestion. Il apparaît cependant que c’est en terme
d’incertitude perçue que cette variable a le plus souvent été prise en compte dans les travaux
empiriques (Gordon et Miller, 1976 ; Gordon et Narayan, 1984 ; Kalika, 1987 ; Bergeron,
1996 ; Germain, 2000 ; Komarev, 2007), les auteurs recourant pour ce faire à des mesures
reposant sur la perception que les acteurs ont de la prévisibilité et de la stabilité de
l’environnement économique, technologique et concurrentiel.

Ainsi, pour mesurer l’environnement, nous avons posé les questions suivantes :

Le dynamisme de votre environnement externe (au plan économique et au plan

technologique) est il très stable ou très dynamique ?

Il a été demandé aux personnes interrogées de répondre sur une échelle de Likert de 1-
très stable (évolutions lentes) à 5- très dynamique (évolution rapides) pour chacune des
dimensions suivantes : au plan économique et au plan technologique.

120
Les actions et les comportements de vos concurrents sur le marché sont ils facilement
prévisibles, ou totalement imprévisibles ?
Les goûts et les préférences de vos clients sont ils facilement prévisibles, ou totalement
imprévisibles ?

Dans les deux questions, il a été demandé aux personnes interrogées de répondre sur
une échelle de Likert de 1- facilement prévisibles à 5- totalement imprévisibles.

Nous assimilons alors la facilité de prévision avec un environnement plus ou moins

complexe. Ainsi, une entreprise dont l’environnement est faiblement complexe aura une
grande facilité à prévoir son activité.

3.1.1.1.1.6 L’informatisation

À l’instar d’un examen des travaux empiriques (Chapellier, 1984 ; Kalika, 1987), le
degré d’informatisation des activités des entreprises est mesuré en fonction du niveau de
développement des applications informatiques de préférence à la prise en compte des
caractéristiques techniques des matériels ou de leur capacité de traitement.

Pour cela, pour mesurer le degré d’informatisation, nous avons posé la question
suivante :

Veuillez indiquer le niveau d’informatisation des activités de votre entreprise.

Il a été demandé aux personnes interrogées d’indiquer à quelles opérations peut être
associée l’utilisation de l’outil informatique au sein de l’entreprise.

Cinq niveaux d’utilisation sont proposés :

a) aucune utilisation de l’informatique ;

b) utilisation de l’informatique limitée aux activités de bureautique (secrétariat,

courrier, compte-rendu, etc.) ;
121
 c) utilisation de l’informatique pour toutes les activités classiques (paye, facturation,
stocks, etc.) ;

d) utilisation de l’informatique pour les activités de gestion (budgets, fiche de coûts,

tableaux de bord, etc.) ;

e) utilisation de l’informatique allant jusqu’à la réalisation de programmes et la

réalisation de simulation.

Les variables de mesure des facteurs de contingence organisationnelle sont résumées

dans le Schéma 3.1 et le Tableau 3.2.

122
 Schéma 3.1 : Les mesures des facteurs de contingence organisationnelle

123
Tableau 3.2 : Le nombre d’items des variables de mesure des facteurs de contingence
organisationnelle

Variables représentatives des

Nombre
facteurs de contingence Les variables de mesure
d’items
organisationnelle

Taille Nombre de salariés. 1

Activité de l’entreprise (industrielle,

Type d’activité 1
commerciale et de prestations de services).

Âge d’entreprise Nombre d’années d’existence. 1

Degré de spécialisation des tâches. 1

Degré de description formelle (degré de

définition des fonctions, des règles et 3
procédures et des objectifs de performance).

Structure Degré de décentralisation horizontale de la

4
prise de décision.

Degré de décentralisation verticale de la

5
prise de décision.

Degré de formalisation des tâches et des

2
règles et des procédures.

Dynamisme de l’environnement externe (au

2
plan économique et au plan technologique).

Prévisibilité des actions et des

Environnement comportements des concurrents sur le 1
marché.

Prévisibilité des goûts et des préférences des

1
clients.

Informatisation Degré d’informatisation. 1

124
 3.1.1.1.2 Les mesures des facteurs de contingence comportementale

3.1.1.1.2.1 La formation

· Pour mesurer le type de formation du dirigeant, nous avons posé la question suivante :

Votre formation est elle de type gestionnaire ou non gestionnaire ?

Il a été demandé au dirigeant d’entreprise d’indiquer si la formation dont il dispose est

de type gestionnaire ou non gestionnaire.

3.1.1.1.2.2 Le style de décisions

Pour mesurer le style de décisions, Driver et Mock, 1975 (in Macintosh, 1985) se
concentrent sur deux aspects : la quantité d’information utilisée et le nombre de solutions
envisagées avant la prise de décisions, alors que Kalika (1987) adopte quant à lui une
approche unidimensionnelle du concept en procédant à la mesure de son degré de
décentralisation. Germain (2000) utilise cinq concepts : la quantité d’information considérée,
le degré de formalisation de l’information utilisée, le degré de structuration de l’information
utilisée, la variété des solutions envisagées avant la décision et le degré d’importance de
l’expérience dans la prise de décisions.

À la lumière de ces travaux, pour construire nos variables de style de décisions, nous
avons sélectionné dans notre enquête deux groupes d’éléments permettant de caractériser nos
styles de décisions :

- Caractéristiques de l’information utilisée (mesurer par la quantité d’information

utilisée, le degré de formalisation de l’information utilisée, le degré de structuration de
l’information utilisée, la variété des solutions envisagées avant la décision, le degré de
référence à l’intuition dans la prise de décision et le degré d’organisation de
séminaires de formation) ;
- Degré de supervision personnelle des tâches.

125
 · Pour évaluer les caractéristiques de l’information utilisée, nous avons posé les trois
questions suivantes :

Veuillez préciser vos préférences en matière d’information pour chacune des

propositions ci-dessous :

Une liste de quatre items a été proposée et on a demandé aux personnes interrogées de
situer leur appréciation de chacun de ces items sur une échelle de 1 à 4.

- totalement d’accord avec la proposition (1) : chiffre 1 ;

- plutôt d’accord avec la proposition (1) : chiffre 2 ;
- plutôt d’accord avec la proposition (2) : chiffre 3 ;
- totalement d’accord avec la proposition (5) : chiffre 4.

Les couples de propositions associées aux quatre items sont respectivement les
suivantes :

- (Je préfère disposer d’une faible quantité d’informations et que celles-ci soient
résumées, agrégées, synthétisées ; je préfère disposer d’une quantité d’information
importantes et que celle-ci soient détaillées, non agrégées.).

- (Je préfère une information écrite (compte-rendu, rapports, chiffres, etc.) ; je préfère
une information orale (conseils, opinions, etc.)).

- (Je préfère une information prétraitée, structurée, présentée de manière standard ; je

préfère une information brute, non structurée, présentée dans sa version initiale.).

- (À l’issue du traitement de l’information, j’élabore plusieurs solutions que je confronte

ensuite en vue de la décision finale ; à l’issue du traitement de l’information, je
m’oriente rapidement vers une solution unique en vue de la décision finale.).

Pour prendre vos décisions, référez-vous à votre intuition ?

126
 Il a été demandé au dirigeant d’entreprise d’indiquer dans quelle mesure il se réfère à
son intuition pour prendre ses décisions. Quatre modalités de réponse sont associées à la
question : jamais, de temps en temps, souvent et toujours.

Organisez-vous des séminaires de formation ou de réflexion pour votre personnel ?

Il a été demandé au dirigeant d’entreprise d’indiquer le degré d’organisation des

séminaires de formation. Quatre modalités de réponse sont associées à la question : jamais,
ponctuellement (quand un problème précis se posent), une à deux fois par an et plusieurs fois
pas an.

· Pour mesurer degré de supervision personnelle des tâches, nous avons posé la question
suivante :

Dans quelle mesure supervisez-vous personnellement les tâches suivantes ?

Une liste de huit tâches a été alors proposée et on a demandé aux personnes interrogées
de situer leur degré de supervision personnelle de chacun de ces tâches. Quatre modalités de
réponse sont associées à chacun des items : jamais, ponctuellement (uniquement quand des
problèmes précis se posent), parfois (2 à 3 fois par an) et souvent.

Les huit tâches proposées sont les suivantes :

- le travail des opérationnels ;

- l’organisation des services opérationnels ;
- la circulation de l’information dans l’entreprise ;
- les ordres du jour des réunions programmées ;
- les prestations des fournisseurs ;
- la ponctualité du personnel ;
- le suivi des clients ;
- la propriété des locaux de l’entreprise.

127
 3.1.1.1.2.3 La stratégie de contrôle

La stratégie de contrôle est mesurée par le niveau de présence de mécanismes de

contrôle dans les stratégies de pilotage des dirigeants par l’intermédiaire des dimensions
suivantes :

- Stratégie de contrôle relative aux budgets (mesurer par le degré de couverture

fonctionnelle de système budgétaire et la fréquence d’utilisation des données qui sont
produites par le système budgétaire) ;
- Stratégie de contrôle relative aux coûts (mesurer par la variété des coûts calculés dans
l’entreprise, variété des objets auxquels se rapportent les coûts calculés dans
l’entreprise et la fréquence d’utilisation des données qui sont rapportées aux coûts).

· Pour évaluer la stratégie de contrôle relative aux budgets, deux questions sont posées :

- Pour mesurer le degré de couverture fonctionnelle de système budgétaire, nous avons

posé la question suivante :

Dans quelle mesure le système budgétaire couvre-il les fonctions de l’entreprise ?

Il a été demandé aux personnes interrogées de répondre sur une échelle de Likert de 1-
(les budgets couvrent une seule fonction de l’entreprise) à 5- (les budgets couvrent l’ensemble
des fonctions de l’entreprise).

- Pour mesurer la fréquence d’utilisation des données qui sont produites par le système
budgétaire, nous avons posé une question fermée à choix multiples et à réponse
unique :

Utilisez-vous les données qui sont produites par le système budgétaire ?

Il a été demandé à la personne interrogée d’indiquer dans quelle mesure elle utilise les
données qui sont produites par le système budgétaires. Cinq modalités de réponse sont

128
associées à la question : jamais, ponctuellement (quand un problème précis se posent), deux à
trois fois par an, tous les mois ou toutes les semaines.

· Parallèlement, pour évaluer la stratégie de contrôle relative aux coûts, trois questions
sont posées :

- Pour mesurer la variété des couts calculés dans l’entreprise, nous avons posé une
question fermée à choix multiples et à réponses multiples. Il a été demandé à la
personne interrogée d’indiquer quels sont, parmi les types de calcul de coûts (coût
complet, coût direct, coût variable ou coût standard), ceux qui sont calculés dans
l’entreprise.

- De même, pour mesurer la variété des objets auxquels se rapportent les coûts calculés
dans l’entreprise, une liste de cinq modalités de réponse a été proposée et on a
demandé aux personnes interrogées de situer leur réponse de chacun de ces modalités :
globalement par fonction, par service ou département, par projet, par produit ou
prestation ou par autre objet.

- Enfin, pour mesurer la fréquence d’utilisation des données qui sont rapportées aux
coûts, nous avons posé une question fermée à choix multiples et à réponse unique :

Vous utilisez les données se rapportant aux coûts ?

Il a été demandé à la personne interrogée d’indiquer dans quelle mesure elle utilise les
données qui sont rapportées aux coûts. Cinq modalités de réponse sont associées à la
question : jamais, ponctuellement (quand un problème précis se posent), deux à trois fois par
an, tous les mois ou toutes les semaines.

L’ensemble des variables choisies pour mesurer les facteurs de contingence

comportementale se présente dans le Schéma 3.2 et le Tableau 3.3.

129
 Schéma 3.2 : Les mesures des facteurs de contingence comportementale

130
 Tableau 3.3 : Le nombre d’items des variables de mesure des facteurs de contingence
comportementale

Variables représentatives des

Nombre
facteurs de contingence Les variables de mesure
d’items
comportementale

Type de formation (le type gestionnaire ou

Formation 1
non gestionnaire).

Caractéristiques de l’information utilisée. 6

Style de décision
Degré de supervision personnelle des tâches. 8

Stratégie de contrôle relative aux budgets. 2

Stratégie de contrôle
Stratégie de contrôle relative aux coûts. 3

3.1.1.2 Les mesures des caractéristiques des tableaux de bord (la variable
intermédiaire)

Il s’agit de mesurer la sophistication des tableaux de bord des PME de l’échantillon.

Quatre variables, concepts généraux, permettent de déterminer les indices de sophistication
des tableaux de bord : le degré de réactivité, la diversité du champ d’application, la diversité
des indicateurs de performances et le degré de décentralisation des tableaux de bord.

3.1.1.2.1 Le degré de réactivité

Le degré de réactivité des tableaux de bord est lié aux modes d’élaboration de l’outil
ainsi qu’à la typologie des indicateurs qui les composent.

Le degré de réactivité est mesuré, dons cette recherche, par l’intermédiaire des
dimensions suivantes :

- la fréquence de production des tableaux de bord ;

- le délai de production des tableaux de bord ;
- le degré d’intégration des indicateurs de suivi dans les tableaux de bord ;
- le degré d’intégration des indicateurs prévisionnels dans les tableaux de bord.
131
 · La mesure de la fréquence de production des tableaux de bord est effectuée à l’aide de
cinq propositions reprenant les modalités de réponse suivantes : annuelle, trimestrielle,
mensuelle, hebdomadaire et quotidien.

· Pour mesurer le délai de production des tableaux de bord, nous avons posé la question
suivante :

Quel est le délai de production des tableaux de bord ?

Il a demandé à la personne interrogée d’indiquer le délai de production de tableaux de

bord à l’aide de cinq modalités de réponse : 1 à plusieurs mois, 1 à 3 semaines, plusieurs
jours, 1 jour et en temps réel.

· Pour mesurer le degré d’intégration des indicateurs de suivi et le degré d’intégration des
indicateurs prévisionnels dans les tableaux de bord, il a été demandé aux personnes
interrogées de répondre sur une échelle de Likert de 1- (faible, peu d’indicateurs de ce
type sont présents dans les tableaux de bord) à 5- (élevé, beaucoup d’indicateurs de ce
type sont présents dans les tableaux de bord).

3.1.1.2.2 La diversité du champ d’application

L’un des avantages de tableaux de bord réside en effet dans le fait que les données qu’il
fournit au décideur peuvent être variées : financières, quantitative, qualitatives, externes, etc.
Il permet de tenir compte du rôle des actifs incorporels dans le processus de valorisation
économique (Kaplan et Norton, 1996), de traduire les objectifs stratégiques en indicateurs
opérationnels (Nanni et al., 1992), et enfin d’étendre le champ du contrôle à des éléments de
performance qui ressortent à la fois de l’environnement interne et externe de l’entreprise
(Shank et Govindarajan, 1993).

132
 Dans ce travail, la diversité du champ d’application est mesurée par l’intermédiaire des
dimensions suivantes :

- le degré d’intégration de données financières dans les tableaux de bord ;

- le degré d’intégration de données quantitatives non financières dans les tableaux de
bord ;
- le degré d’intégration de données qualitatives dans les tableaux de bord ;
- le degré d’intégration de données externes dans les tableaux de bord.

Chacun de ces attributs est évalué sur une échelle de Likert de 1- (faible, les données de
ce type sont peu nombreuses) à 5- (élevé, les données de ce type sont très nombreuses). Les
scores obtenus par les personnes interrogées sur chacune de ces échelles permettent
d’identifier à la fois la nature et la variété des données incluses dans les tableaux de bord.

3.1.1.2.3 La diversité des indicateurs de performances

La mesure de la diversité des indicateurs de performances consiste en fait à déterminer

la nature des données qui sont fournies par les tableaux de bord. Il s’agit en quelque sorte
d’identifier le type des indicateurs de performance des objets contrôlés.

La diversité des indicateurs de performances est évaluée dans cette étude par :

- le degré d’intégration dans les tableaux de bord d’indicateurs se rapportant à la

performance financière ;
- le degré d’intégration dans les tableaux de bord des indicateurs de performance
concernant les clients ;
- le degré d’intégration dans les tableaux de bord des indicateurs de performance des
variables de gestion liées aux objectifs stratégiques ;
- le degré d’intégration dans les tableaux de bord d’indicateurs se rapportant à la gestion
des éléments incorporels.

Pour mesurer les variables ci-dessus, il a été demandé aux personnes interrogées de
répondre sur une échelle de Likert de 1- (faible, les données de ce type sont peu nombreuses)
à 5- (élevé, les données de ce type sont très nombreuses).

133
 Une liste de quarte items a été alors proposée et on a demandé aux personnes
interrogées de situer leur appréciation de chacun de ces items :

a) indicateurs se rapportant à la performance financière (ex : résultats d’exploitation, taux

de croissance du chiffre affaires, taux de marge brute, ratios de trésorerie, etc.) ;
b) indicateurs de performance concernant les clients (ex : fidélité et satisfaction des clients,
nouveaux clients, rentabilité par segment, évolution des parts de marché, etc.) ;

c) indicateurs de performance des variables de gestion liées aux objectifs stratégiques de

l’entreprise (ex : indicateurs de coûts si l’objectif stratégique est d’améliorer une
position concurrentielle par une baisse des prix de vente, indicateurs de qualité, de
flexibilité, de délais, etc.) ;

d) indicateurs se rapportant à la gestion des éléments incorporels (ex : indicateurs de

satisfaction et de motivation des salariés, de formation, de qualité des systèmes
d’information et de veille technologique ou stratégique, de climat social, etc.).

3.1.1.2.4 Le degré de décentralisation des tableaux de bord

La reconnaissance de tableaux de bord comme outil de changement du contrôle de

gestion est en partie liée au fait que les instruments de pilotage peuvent être, grâce à leur
caractéristiques propres, les supports instrumentaux privilégies des modes de gestion
décentralisées qui s’affirment aujourd’hui dans les entreprises comme une nécessité
structurelle à laquelle doit s’adapter le contrôle de gestion (Bouquin, 1994).

Pour mesurer de degré de décentralisation des tableaux de bord, nous avons posé la
question suivante :

Quel est ou quels sont le(s) destinataire(s) des tableaux de bord dans l’entreprise ?

Il a été demandé à la personne interrogée d’indiquer quels sont le(s) destinataire(s) des
tableaux de bord dans l’entreprise. Trois modalités de réponse sont associées à la question : le
dirigeant, les responsables fonctionnels ou de départements et les responsables opérationnels.

134
 Les variables de mesure des caractéristiques des tableaux de bord sont résumées dans le
Schéma 3.3 et le Tableau 3.4.

135
 Schéma 3.3 : Les mesures des caractéristiques des tableaux de bord

136
 Tableau 3.4 : Le nombre d’items des variables de mesure des caractéristiques des
tableaux de bord

Variables représentatives des

Nombre
caractéristiques des tableaux Les variables de mesure
d’items
de bord

Fréquence de production des tableaux de

1
bord.

Délai de production des tableaux de bord. 1

Degré de réactivité
Degré d’intégration des indicateurs de suivi. 1

Degré d’intégration des indicateurs

1
prévisionnels.

Degré d’intégration de données financières

1
dans les tableaux de bord.

Degré d’intégration de données quantitatives

1
Diversité du champ non financières dans les tableaux de bord.
d’application Degré d’intégration de données qualitatives
1
dans les tableaux de bord.

Degré d’intégration de données externes

1
dans les tableaux de bord.

Degré d’intégration dans les tableaux de

bord d’indicateurs se rapportant à la 1
performance financière.

Degré d’intégration dans les tableaux de

bord des indicateurs de performance 1
concernant les clients.
Diversité des indicateurs de
performances Degré d’intégration dans les tableaux de
bord des indicateurs de performance des
1
variables de gestion liées aux objectifs
stratégiques.

Degré d’intégration dans les tableaux de

bord d’indicateurs se rapportant à la gestion 1
des éléments incorporels.

Degré de décentralisation des Degré de décentralisation des tableaux de

1
tableaux de bord bord.

137
 3.1.1.3 Les mesures de pilotage de la performance (la variable expliquée)

Le pilotage de la performance est intimement lié à la notion de pilotage stratégique qui

consiste, en pratique, à mettre à la disposition de la direction de l'entreprise un nombre limité
d'indicateurs variés, financiers et non financiers, à court et long terme, regroupés de façon à
aider les dirigeants dans leurs prises de décisions stratégiques. La plupart des écrits théoriques
sur le sujet utilisent comme fondement le modèle de tableau de bord prospectif (Kaplan et
Norton, 1996).

En accord avec la définition de tableau de bord prospectif donnée dans le premier

chapitre, les tableaux de bord prospectifs ont été conçus comme est un nouvel outil de
pilotage de la performance. Ils représentent les facteurs clés de succès et sont déclinés à l'aide
de variables d'action et de résultat, de nature financière et non financière, quantitative et non
quantitative, avec une orientation à court terme et à long terme. Le tableau de bord est un outil
de gestion permettant de présenter de manière structurée des indicateurs et des informations
utiles au pilotage de l’entreprise et à la déclinaison de sa stratégie (Berland, 2009).

D’après Gervais (2000), les tableaux de bord à orientation stratégique sont des systèmes
d’indicateurs qui cherchent à mesurer la performance globale (et son évolution) dans ses
différentes dimensions constitutives. Ils permettent de clarifier les objectifs stratégiques et de
les traduire en valeurs cibles concrètes. Ils assurent aussi un déploiement de la politique
générale à l’intérieur de l’organisation et un retour d’expérience sur la stratégie pour l’affiner
progressivement. Gray et Pesqueux (1993) remarquent que si le tableau de bord sert à suivre
les objectifs généraux au niveau du siège, il peut être un outil parmi d’autres, par contre s’il
sert au suivi du fonctionnement courant au niveau des opérationnels, il doit alors être un outil
central.

Les mesures de pilotage de la performance ont été présentées, dans ce travail, en trois
blocs suivants : le degré d’utilisation des tableaux de bord, la diversité d’utilisation et le degré
d’utilité.

138
 3.1.1.3.1 Le degré d’utilisation des tableaux de bord

Le degré d’utilisation des tableaux de bord est mesuré par l’intermédiaire des
dimensions suivantes :

- la fréquence d’utilisation des tableaux de bord ;

- l’intensité d’utilisation des données des tableaux de bord.

· Pour mesurer la fréquence d’utilisation des tableaux de bord dans l’entreprise, une liste
de six modalités de réponse a été proposée et on a demandé aux personnes interrogées
de situer leur choix de chacun de ces modalités : jamais, tous les ans, tous les trimestres,
tous les mois, toutes les semaines ou tous les jours.

· L’intensité d’utilisation des données des tableaux de bord exprime la mesure dans
laquelle le dirigeant utilise les données qui sont communiquées dans les tableaux de
bord.

Pour cela, nous avons posé la question suivante :

Dans quelle mesure utilisez-vous les données qui sont communiquées dans les tableaux
de bord ?

Il a été demandé aux personnes interrogées de répondre sur une échelle de Likert de
1- (j’utilise seulement quelques données que je trouve essentielles) à 5- (j’utilise l’ensemble
des données).

139
 3.1.1.3.2 La diversité d’utilisation des tableaux de bord

Il s’agit d’identifier les rôles que les dirigeants des PME attribuent aux tableaux de bord
à travers la manière dont ils les utilisent. Pour ce faire, il a été demandé aux personnes
interrogées de répondre sur une échelle de Likert de 1- (utilisation faible) à 5- (utilisation
importante). Plusieurs situations d’utilisation sont proposées :

a) vous informer des résultats de l’entreprise sur une période donnée (niveau des ventes,
de l’activité, résultats financiers, etc.) ;

b) contrôler à distance le travail du personnel ;

c) prévoir et anticiper les situations des semaines et mois à venir (prévision de chiffre
d’affaires, de trésorerie, etc.) ;

d) expliciter et communiquer les objectifs de l’entreprise au personnel afin de le

responsabiliser et le motiver ;

e) suivre et surveiller les performances de l’entreprise (coûts, qualité, etc.) qui présentent
un lien direct avec les objectifs stratégiques, et prendre à temps, si nécessaire, des
mesures correctrices.

3.1.1.3.3 Le degré d’utilité des tableaux de bord

La mesure du degré d’utilité des tableaux de bord consiste à déterminer dans quelle
mesure l’instrument de pilotage répond aux besoins du dirigeant d’entreprise. Sa mesure est
effectuée par l’intermédiaire des dimensions suivantes :

- le degré de fiabilité des données qui sont produites par les tableaux de bord ;
- le degré d’intelligibilité des données qui sont produites par les tableaux de bord ;
- le degré de signification des données qui sont produites par les tableaux de bord ;
- le degré de rentabilité des tableaux de bord.

· la mesure du degré de fiabilité des données qui sont produites par les tableaux de bord,
est effectuée à l’aide de cinq modalités de réponse suivantes : très peu fiables (1), peu

140
 fiables (2), moyennement fiables (3), fiables pour majeure partie (4) et totalement
fiables (5).

· De même, pour mesurer le degré d’intelligibilité des données qui sont produites par les
tableaux de bord, cinq modalités de réponse ont été proposées : très difficilement
compréhensibles (1), peu compréhensibles (2), moyennement compréhensibles (3),
compréhensibles pour majeure partie (4) et totalement compréhensibles (5).

· Parallèlement, pour mesurer le degré de signification des données qui sont produites par
les tableaux de bord, une liste de cinq modalités de réponse a été proposée : très
difficilement interprétables (1), peu interprétables (2), moyennement interprétables (3),
interprétables pour majeure partie (4) et totalement interprétables (5).

· Enfin, la mesure du niveau de rentabilité des tableaux de bord est effectuée à l’aide de
cinq modalités de réponse suivantes : pas du tout rentables (1), peu rentables (2),
moyennement rentables (3), rentables pour la majeure partie (4) et très rentables (5).

L’ensemble des variables choisies pour mesurer de pilotage de la performance se

présente dans le Schéma 3.4 et le Tableau 3.5.

141
 Schéma 3.4 : Les mesures de pilotage de la performance

142
Tableau 3.5 : Le nombre d’items des variables de mesure de pilotage de la performance

Variables représentatives de Nombre

Les variables de mesure
pilotage de la performance d’items

Fréquence d’utilisation des tableaux de bord. 1

Degré d’utilisation des
tableaux de bord Intensité d’utilisation des données des
tableaux de bord. 1

Degré d'utilisation des tableaux de bord pour

1
informer les résultats.

Degré d'utilisation des tableaux de bord pour

1
contrôler le travail des personnels.

Diversité du champ Degré d'utilisation des tableaux de bord pour

1
d’application prévoir les situations à venir.

Degré d'utilisation des tableaux de bord pour

1
expliciter les objectifs de l'entreprise.

Degré d'utilisation des tableaux de bord pour

1
suivre les performances de l'entreprise.

Degré de fiabilité des données des TB. 1

Degré d’utilité des tableaux de Degré d’intelligibilité des données des TB. 1
bord Degré de signification des données des TB. 1

Degré de rentabilité des TB. 1

Après avoir présenté les mesures des variables du modèle, nous abordons à présent la
méthode de recueil des données et les caractéristiques de terrain d’observation, nous vérifions
également la fiabilité et la validité de nos instruments de mesure.

3.1.2 La mise en œuvre de l’étude empirique

3.1.2.1 La méthode et le recueil des données

La présente partie expose en détail la méthode et le recueil des données. Ainsi, nous
abordons, dans un premier temps, le choix et la présentation des méthodes adoptées. Ensuite,
nous présentons la phase de choix de l’échantillon, l’élaboration et l’envoi des questionnaires,
et enfin, le recueil de données.
143
 3.1.2.1.1 Choix et présentation des méthodes adoptées

Dans ce travail de recherche, nous avons choisi l’enquête par questionnaires qui nous
paraît la plus appropriée à notre question de recherche. C’est un mode de recueil des données
le plus utilisé dans le domaine de contrôle de gestion. Un questionnaire est un outil qui
« permet d’interroger directement des individus en définissant au préalable, par une
approche qualitative, les modalités de réponses au travers des questions dites fermées »
(Baumard et al., 2003).

Plusieurs raisons justifient ce choix :

- L’enquête par questionnaire permet d’estimer des variables latentes par un ensemble
d’indicateurs, traduit dans le questionnaire par des affirmations, auxquelles les
personnes interrogées doivent préciser leur degré d’accord (Quivy et Van
Campenhoudt, 1995; Newsted et al., 1998).

- L’utilisation de l’enquête par questionnaire permet de quantifier les résultats de la

recherche, grâce à de nombreux tests statistiques rigoureux effectués sur les données
collectées (Quivy et Van Campenhoudt, 1995 ; Newsted et al., 1998 ; Palvia et al.,
2003).

- L’utilisation de cette technique offre un degré d’objectivité élevé. En effet, celle-ci

s’appuie sur des analyses statistiques rigoureuses, qui permettent de tester les
hypothèses de recherche et interpréter les résultats avec objectivité (Newsted et al.,
1998 ; Baumard et Ibert, 2003).

- Dans notre travail, nous souhaitons étudier les pratiques de tableaux de bord des PME
localisées sur des lieux géographiques différents. Dans ce cas, l’enquête par
questionnaire est une technique qui répond à cet objectif (Igalens et Roussel, 1998 ;
Newsted et al., 1998).

- Dons notre cas, nous visons un échantillon d’une petite taille, en vue d’appliquer la
méthode des équations structurelles. L’enquête par questionnaire, comme mode de
collecte des données, est recommandée dans ce cas (Igalens et Roussel, 1998 ; Evrard
et al., 2003).

144
 Ainsi, après avoir présenté et justifié la méthode de recherche adoptée, nous présentons
ci-dessous l’échantillon étudié.

3.1.2.1.2 Choix de l’échantillon

Avant d’aborder la recherche sur le terrain il est nécessaire de définir également

population à laquelle s’adresse l’enquête. Pour cela, nous avons contacté plusieurs
organismes (par exemple : Chambre de commerce, Ministère de l’économie et des finances,
Confédération Générale des Entreprises du Maroc, etc.) pour avoir la taille et les adresses des
entreprises situées au Maroc. Deux critères ont été retenus pour définir les entreprises
constituant la population de base.

- La taille : les entreprises doivent avoir moins de 200 salariés pour être incluses dans
notre échantillon ;
- La localisation géographique : l’étude porte sur 14 régions composées de 59 villes
marocaines.

Après avoir précisé les critères définissant la population de notre étude, il nous reste à
choisir un échantillon parmi les entreprises présentes dans la liste en notre possession. Ceci
nous amène à préciser la méthode d’échantillonnage.

D’un point de vue théorique, on distingue deux types de méthodes :

- Probabiliste : l’échantillon est obtenu par une procédure de tirage aléatoire au cours
de laquelle chaque élément de la population a une probabilité connue, non nulle,
d’être tiré ;
- Empirique : dans ce cas, la constitution de l’échantillon résulte d’un choix raisonné,
on sélectionne les entreprises en appliquant certaines règles ou critères de choix
visant à faire ressembler l’échantillon à la population dont il est issu (Evrard et
Lemaire, 1976).

Du fait des critères définis ci-dessus, et aussi de l’objectif de notre étude, les deux types
de méthodes ont été nécessaires à la définition de notre échantillon et l’identification concrète
des entreprises auxquelles nos questionnaires seront envoyés.

145
 La méthode empirique nous a permis, dans un premier temps, d’extraire de notre liste
les entreprises ayant moins de 200 salariés situées dans les différentes régions du Maroc.
Ensuite la méthode probabiliste nous a permis de tirer au hasard notre échantillon de base.

Les tableaux 3.6 et 3.7 et le Graphique 3.1 présentent les répartitions des envois par
taille d’entreprise et par région.

Tableau 3.6 : Répartition d’envois par taille d’entreprise

Tranche d'effectif Nombre d'envois

De 1 à 24 512

De 25 à 99 512

De 100 à 200 512

Total 1536

146
 Tableau 3.7 : Répartition d’envois par région

Sur
Par Face
Région Par voie le N
Ville voie à %
électronique site Total
postale face
web
BEN AHMED 2 2
BEN SLIMANE 2 11 16 29

CHAOUIA-OUARDIGHA BERRECHID 10 10 6,32%

KHOURIBGA 2 8 14 24

SETTAT 6 5 21 32
AZILAL 4 8 12

BENI-MELLAL 2 7 8 17

DOUKALA-ABDA EL JADIDA 9 12 21 5,99%

SAFI 8 8 10 26

TADLA 8 8 16
BOULEMANE 2 4 9 15

FÈS 30 12 11 16 69
FÈS-BOULMANE 6,38%
SÉFROU 5 7 12
MOULAY
2 2
YACOUB

GHARB-CHRARDA-BENI KÉNITRA 8 13 24 45
3,13%
HSSEN SIDI KACEM 3 3
CASABLANCA 91 144 169 404

MOHAMMADIA 16 31 53 100
GRAND CASABLANCA 35,81%
MÉDIOUNA 2 6 18 26

NOUACEUR 4 16 20

ES-SEMARA 4 5 9

GUELMIM 4 5 7 16
GUELMIM ES-SEMARA 3,39%
TAN-TAN 2 5 8 15

TATA 6 6 12

LAAYOUNE-BOUJDOUR- BOUJDOUR 2 4 6 12
2,15%
SAKIA HAMRA LAAYOUNE 3 8 10 21

AL HAOUZ 2 5 6 13
CHICHAOUA 7 7 14
MARRAKECH-TENSIFT-AL EL KELAA
4 4 6,05%
HAOUZ SRAGHNA
ESSAOUIRA 4 5 8 17

MARRAKECH 12 15 18 45

147
 Tableau 3.7 (suite) : Répartition d’envois par région

Sur
Par Face
Par voie le N
Région Ville voie à %
électronique site Total
postale face
web
MEKNÈS 10 11 18 39
EL HAJEB 8 8

MEKNÈS-TAFILALET ERRACHIDIA 2 9 13 24 5,99%

IFRANE 8 8

KHÉNIFRA 4 9 13
KHEMISSET 4 7 11

RABAT 12 14 9 17 52
RABAT-SALE-ZEMMOUR 6,05%
SALE 8 6 8 22
SKHIRATE-
2 6 8
TÉMARA
BERKANE 2 4 8 14

FIGUIG 5 7 12

JRADA 4 5 7 16
REGION DE L'ORIENTAL 5,01%
NADOR 4 7 11

OUJDA 4 5 8 17

TAOURIRT 7 7

AGADIR 15 10 12 37
AΪT MELLOUL 3 3

OUARZAZATE 3 4 7
SOUSS MASSA DRAA 4,75%
TAROUDANNT 2 5 7 14

TIZNIT 3 6 9

ZAGORA 3 3

CHEFCHAOUEN 2 4 6 7 19
LARACHE 4 6 8 18
TANGER-TÉTOUAN 6,25%
TANGER 12 9 9 12 42

TÉTOUAN 11 6 17
AL HOCEIMA 4 5 11 20
TAZA-AL HOCEIMA-
TAOUNATE 2 4 9 15 2,73%
TAOUNATE
TAZA 2 5 7

Total 300 460 46 730 1536 100%

148
 Graphique 3.1 : Répartition d’envois par région

CHAOUIA-OUARDIGHA

DOUKALA-ABDA

FÈS-BOULMANE

GHARB-CHRARDA-BENI HSSEN

6,25% 2,73% 6,32% GRAND CASABLANCA

4,75% 5,99%
5,01% 6,38%
GUELMIM ES-SEMARA
3,13%
6,05%
LAAYOUNE-BOUJDOUR-SAKIA
5,99% HAMRA
35,81% MARRAKECH-TENSIFT-AL HAOUZ
6,05%
MEKNÈS-TAFILALET
2,15%
3,39% RABAT-SALE-ZEMMOUR

REGION DE L'ORIENTAL

SOUSS MASSA DRAA

TANGER-TÉTOUAN

TAZA-AL HOCEIMA-TAOUNATE

Après avoir présenté notre échantillon d’étude, nous présentons ci-dessous la méthode
d’élaboration des questionnaires.

3.1.2.1.3 Élaboration des questionnaires

Comme nous l’avons précisé auparavant, nous cherchons dans ce travail d’une part à
étudier la place des tableaux de bord dans le pilotage de la performance des PME et à tenter
d’en proposer une typologie, d’autre part à déterminer dons quelle mesure les pratiques de
tableaux de bord des PME peuvent être soumises à l’influence de certaines facteurs de
contingence. Pour répondre à ces deux objectifs, un certain nombre de dimensions doit être

149
mobilisé et renseigné. Chaque dimension n’étant pas mesurable directement, elle est réduite à
un ensemble de concepts qui sont mesurés par une ou plusieurs variables observées,
c'est-à-dire un ou plusieurs items directement mesurables. Chaque ensemble d’items forme
ainsi une échelle de mesure.

Le déroulement de la phase d’élaboration des questionnaires a été fait selon trois

étapes : la revue de la littérature, le pré-test du questionnaire auprès d’un groupe de quatre
personnes (un professeur universitaire en méthodologie de recherche et trois contrôleurs de
gestion) et le test du questionnaire auprès d’un groupe de six personnes (trois contrôleurs de
gestion et trois dirigeants d’entreprise).

- La revue de la littérature : pour définir les concepts et élaborer les différentes échelles
de mesure, nous avons eu recours à la littérature sur le sujet. Ceci nous a permis de
générer un premier ensemble d’items pour chaque concept. Nous avons constaté à
travers notre revue de la littérature que très peu d’études sur les pratiques de tableaux de
bord des PME ont été menées dans le contexte français et que aucune étude n’a été
menée à ce sujet dans le contexte marocain. Ainsi, nous avons eu recours dans
l’élaboration de notre première version du questionnaire aux échelles de mesure qui
sont construites et validées dans le contexte français. Cependant, ces échelles de
mesure sont conçues et validées dans un contexte différent de celui de Maroc et
méritent donc d’être vérifiées et adaptées à notre contexte avant le lancement de
l’enquête.

- Le pré-test du questionnaire : dans une deuxième étape, notre questionnaire a été

soumis à un professeur universitaire en méthodologie de recherche et trois contrôleurs
de gestion.

Les modifications formulées ont porté sur le contenu des questions (existence de termes
vagues et imprécis dans certains items : par exemple la question 2 sur la partie I de
questionnaire adressé au contrôleur de gestion), la formulation des questions (par
exemple la question 1 sur la partie II de questionnaire adressé au contrôleur de gestion,
la fluidité du questionnaire (ordre des questions), l’intégration d’autres éléments au
questionnaire (par exemple la question 2 sur la partie III de questionnaire adressé au
dirigeant d’entreprise), ainsi que des modifications au niveau de la structure

150
 grammaticale de quelques questions et au niveau de la mise en forme du questionnaire
(Schéma 3.5 modifications (1)).

- Le test du questionnaire : le test du questionnaire est l’un des aspects importants de la

qualité de la recherche par enquête (Pinsonneault et Kraemer, 1993). Il a plusieurs
objectifs : il permet de mettre à l’épreuve la forme des questions et leur
ordonnancement, de vérifier la compréhension des personnes interrogées, d’examiner la
pertinence des modalités de réponse proposées (Baumard et al., 2003) et enfin de
vérifier le temps de réponse requis. Dans notre travail, nous avons testé le questionnaire
auprès d’un groupe de six personnes : trois contrôleurs de gestion et trois dirigeants
d’entreprise qui constituent des personnes interrogées prospectifs à l’enquête (Van der
Stede et al., 2005).

Ce groupe a vérifié la clarté et la bonne compréhension des questions (par exemple la

question 2 sur la partie III de questionnaire adressé au contrôleur de gestion). Il a
également évalué la durée du questionnaire : une durée de réponse entre 15 et 20
minutes a été fixée.

Avant de clore cette dernière étape, nous mentionnons que notre questionnaire a été
validé par notre Directeur de recherche. Après quelques modifications au niveau de la
formulation de quelques questions (par exemple la question 3 sur la partie I de
questionnaire adressé au contrôleur de gestion et la question 1 sur la partie I de
questionnaire adressé au dirigeant d’entreprise) (modifications (2)). Le Schéma 3.5
résume les étapes d’élaboration de notre questionnaire.

151
 Schéma 3.5 : Les étapes d’élaboration du questionnaire

La revue de littérature

Élaboration du questionnaire de
recherche

Le pré-test du questionnaire

Modifications (1)

Le test du questionnaire

Modifications (2)

Validation du questionnaire

En matière d’élaboration des questions, on peut observer deux distinctions importantes :

questions ouvertes et questions fermées.

Questions ouvertes :

Ce sont des questions qui offrent la possibilité à la personne interrogée de s’exprimer en

plusieurs phrases. Elles permettent des questionnements plus profonds et de mettre en
évidence des points de vue inattendus sur ce qu’on cherchait. Cependant, leur inconvénient
c’est qu’elles sont longues à traiter et difficiles à codifier.

152
Questions fermées :

Ce sont des questions qui offrent des réponses précises proposées par le chercheur. Elles
présentent l’avantage de faciliter les réponses, leur codification et leur analyse.

Vu la facilité qu’elles peuvent donner au déroulement de l’enquête, nous avons opté

dans notre questionnaire pour les questions fermées en majorité. Ceci nous paraît adéquat
avec le test de nos hypothèses de recherche car il nous permettra de bien cibler nos variables
explicatives et expliquées. En revanche, l’utilisation de questions ouvertes dans ce type de
recherche nous semble inappropriée et rendra impossible la vérification des hypothèses.

Néanmoins, nous avons utilisé deux questions ouvertes (une pour le contrôleur de
gestion et une autre pour le dirigeant d’entreprise) pour permettre aux personnes interrogées
de s’exprimer davantage sur des points qui ne sont pas traités dans le questionnaire.

Les deux questionnaires utilisés dans cette étude sont constitués de quatre parties
(cf. Annexe 1 et Annexe 2). La première partie comporte des questions sur les caractéristiques
de l’entreprise et de la personne interrogée. La deuxième partie concerne la structure et
l’environnement de l’entreprise. La troisième partie a pour objet d’étudier le style de décision
adopté dans l’entreprise. Enfin, la quatrième partie concerne les pratiques de tableaux de bord
de l’entreprise.

- Première partie : La première partie du questionnaire est composée de six questions

fermées (trois pour le contrôleur de gestion et trois pour le dirigeant d’entreprise), qui
sont des questions générales sur les entreprises et sur la personne interrogée ; elles
permettent de recueillir des données sur les personnes interrogées, le type, l’âge, la
taille et le secteur d’activité des entreprises de notre échantillon, ces questions utiles
pour le test de nos hypothèses.

- Deuxième partie : La deuxième partie du questionnaire, qui concerne la structure et

l’environnement de l’entreprise, est composée de neuf questions fermées (six pour le
dirigeant d’entreprise et trois pour le contrôleur de gestion), qui permettent de recueillir
des données sur les caractéristiques de la structure et de l’environnement de la PME.

153
 - Troisième partie : Elle a pour objet d’étudier le style de décision adopté dans
l’entreprise. Elle contient douze questions fermées (quatre pour le dirigeant d’entreprise
et huit pour le contrôleur de gestion).

- Quatrième partie : La quatrième partie du questionnaire, qui concerne les pratiques de

tableaux de bord de l’entreprise, est composée de dix-neuf questions (dix-sept questions
fermées et deux questions ouvertes), neuf pour le dirigeant d’entreprise et dix pour le
contrôleur de gestion. C’est la partie la plus intéressante du questionnaire.

Une fois le questionnaire terminé, nous avons rédigé une lettre d’accompagnement qui
précise l’objet, l’objectif, l’intérêt de l’enquête et la date de retour. En outre, pour assurer les
personnes interrogées, nous avons insisté sur la garantie de l’anonymat et la confidentialité
des réponses (cf. Annexe 3).

Après avoir présenté notre méthode d’élaboration des questionnaires, nous présentons
ci-dessous leur méthode d’envoi.

3.1.2.1.4 Envoi des questionnaires

Parce que l’objectif de la recherche vise à observer et interpréter les pratiques de

tableaux de bord des PME, la nécessité de recueillir un nombre suffisant de données est
apparue importante. Pour cela, l’enquête par questionnaire a été envoyée par voie postale, par
voie électronique, en face à face et enfin, sur un site web.

3.1.2.1.4.1 Questionnaire envoyé par voie postale et par voie

électronique

C’est la première étape d’envoi de notre questionnaire. Nous avons envoyé 300
questionnaires par voie postale.

De son côté, l’enquête par voie postale offre les avantages suivants :

- Cela élimine l’impact du chercheur et réduire les biais dans les réponses ;
- Cela donne plus de crédibilité à l’enquête.

154
 Un des grands inconvénients de l’enquête par voie postale est le faible taux de réponses.
Pour pallier cette lacune, nous avons téléphoné aux entreprises ciblées, une à plusieurs fois,
pour améliorer notre taux de réponses.

Dans cette première étape, nous avons envoyé 460 questionnaires par voie électronique,
ce qui présente plusieurs avantages notamment :

- Le courriel est un outil rapide pour envoyer les questionnaires ;

- L’envoi peut s’effectuer par centaines en quelques secondes ;
- Le coût d’envoi est quasiment nul.

L'inconvénient est que le maniement n'est pas toujours facile et le principe ne permet
pas d'intégrer des fonctionnalités que donne l'avantage d'une page HTML1. De ce fait,
l’ergonomie générale du message n'est pas toujours contrôlée par le chercheur.

Le processus d’envoi du questionnaire par courrier électronique peut être décrit de la

manière suivante (Schéma 3.6).

Schéma 3.6 : Processus d’envoi du questionnaire par courrier électronique

Observateur Observé

Envoi du questionnaire dans Réception du questionnaire

un courrier dans la boite à lettre

Réponse sur un courrier de

retour

Réception des réponses dans Renvoi des réponses, adresse

la boite à lettre automatique

Source : (Gueguen, 2000)

1
Le HTML ("HyperText Markup Language") est un langage à balises de présentation de données utilisé sur le
World Wide Web. Il permet notamment la lecture de documents à partir de machines différentes grâce au
protocole HTTP, permettant d'accéder via le réseau à des documents repérés par une adresse unique, appelée
URL.
155
 Cependant, dans cette première étape, nous avons recueilli 28 questionnaires
exploitables par voie postale et 31 par voie électronique, soit un taux de réponse réel de
9,33% pour la voie postale et de 6,74% pour la voie électronique. Ces taux étant faible, il
nous a fallu passer par une deuxième étape : l’envoi de questionnaire en face à face.

3.1.2.1.4.2 Questionnaire en face à face

L'un des principaux avantages de ce type est qu'il offre plus de possibilités d'évaluer la
compréhension de la personne interrogée et son interprétation des questions, de même que de
clarifier toute ambiguïté au sujet du sens d'une question ou d'une réponse. Au cours d'une
entrevue, il est également possible de montrer aux personnes interrogées des documents ou
des objets et de solliciter leur réaction.

Ce type présente des inconvénients notamment :

- La présence de l’enquêteur, qui peut influencer les réponses données par l’enquêté ;
- Le coût des déplacements.

Dans cette deuxième étape, nous avons consulté sur place 46 entreprises situées dans
cinq villes (FES, RABAT, CHEFCHAOUEN, TANGER et TETOUAN), ce qui nous a
permis de recueillir des données auprès de 13 entreprises ayant accepté de nous recevoir, soit
un taux de réponse réel de 28,26 %.

En raison du nombre de retours assez faible dans les étapes précédents, nous avons jugé
important d’effectuer une troisième et dernière étape par l’envoi du questionnaire sur un
site web.

3.1.2.1.4.3 Questionnaire envoyé sur le site web

Le principe est simple dans sa forme : il s'agit de mettre le questionnaire sur une adresse
web, facilement accessible. Les logiciels de construction HTML fournissent tous les éléments
permettant la réalisation de ces questionnaires (Gueguen, 2000).

156
 Dans cette dernière étape, nous avons hébergé notre questionnaire sur le site web
suivant : http://houda.pme.u-bordeaux4.fr/ qui a été effectué avec le langage de
programmation PHP1.

L'avantage majeur du questionnaire sur site par rapport tant au questionnaire par voie
postale que par courrier électronique réside dans sa souplesse de fonctionnement et dans la
possibilité d'intégrer des fonctions interactives au questionnaire.

L'inconvénient principal est le rallongement du processus de réponse comme nous le

montre le Schéma 3.7.

Schéma 3.7 : Processus d’envoi du questionnaire sur site

Observateur Observé

Invitation à répondre au
questionnaire :
(1) par courrier Boîte à lettres
(2) par liste de diffusion
(3) par invite postée Passage sur l’information

Connexion sur le site, réponse

Site avec questionnaire en ligne et validation

Réception des réponses dans la

boîte à lettre ou dans la base de
données

(Gueguen, 2000, p. 4)

1
PHP (Personal Home Page Tools) c’est un langage de scripts libre principalement utilisé pour produire des
pages Web dynamiques via un serveur HTTP, les pages PHP s'écrivent comme des pages HTML.

157
 Dans cette dernière étape, nous avons recueilli 35 questionnaires exploitables, soit un
taux de réponse réel de 4,79%.

3.1.2.1.5 Le recueil de données

L’envoi postal de 300 questionnaires a permis de recueillir des données auprès de 33

entreprises, soit un taux de réponse initial de 11%. L’envoi électronique de 460 questionnaires
a permis de recueillir des données auprès de 38 entreprises, soit un taux de réponse initial de
près de 8,26 %. La consultation sur place de 46 entreprises a permis de recueillir des données
auprès de 13 parmi eux, soit un taux de réponse de près de 28,26 %. Enfin l’envoi
électronique d’un site web aux 730 entreprises a permis de recueillir des données auprès de 44
entreprises, soit un taux de réponse initial de près de 6,03 %. Le tableau suivant présente les
taux de réponses de l’enquête.

Tableau 3.8 : Les taux de réponses de l’enquête

Nombre d’envois Par voie Par voie Face à Sur le

Total
postale électronique face site web

Total des questionnaires

300 460 46 730 1536
envoyés

Total des questionnaires

33 38 13 44 128
retournés complétés

Total des questionnaires

5 7 0 9 21
retournés non exploitables

Total des questionnaires

28 31 13 35 107
retournés exploitables

Le taux de réponse initial 11,00% 8,26% 28,26% 6,03% 8,33%

Le taux de réponse réel 9,33% 6,74% 28,26% 4,79% 6,97%

Au total, sur les 1536 questionnaires envoyés, 128 ont été retournés complétés, soit un
taux de réponse initial de 8,33%. Sur ces 128 réponses, 21 questionnaires étaient non
exploitables, soit en raison de données manquantes ou parce que le nombre d’employés était
supérieur à 200, et donc le taux de réponse réel est de 6,97%. En définitive, les données de
107 PME ont pu être traitées.

158
 3.1.2.2 Les caractéristiques de terrain d’observation

Avant de présenter les caractéristiques de terrain d’observation, nous présentons les

deux logiciels de traitement statistique utilisés dans le cadre de ce travail de recherche :

- SPSS statistics 17 : Le logiciel SPSS (Statistical Packages for the Social Sciences) est
un logiciel de gestion et d’analyse des données statistiques. Il est utilisé, dans le cadre
de cette recherche, comme un outil de traitement statistique pour la préparation de
notre base de données et la génération des statistiques descriptives et l’élaboration des
analyses factorielles exploratoires effectuées sur nos différentes échelles de mesure.
Ce logiciel est choisi en raison de sa convivialité et sa souplesse dans l’exécution des
différents traitements statistiques.

- AMOS 18 : Le logiciel AMOS (Analysis of MOment Structures, est utilisé dans le

cadre de cette étude, pour estimer les paramètres de notre modèle d’équations
structurelles, il sert à la fois aux analyses factorielles confirmatoires (modèle de
mesure) et au test des différentes relations entre la variables à expliquer, explicatives
et intermédiaire (modèle structurel). Il est choisi parmi plusieurs autres (LISREL,
SEPATH, et EQS), en raison de sa convivialité et la simplicité de son utilisation. En
effet, à la différence d’autres logiciels qui sont basés sur une démarche par
programmation (détermination des différentes équations du modèle), AMOS repose
sur une démarche graphique simple qui permet de spécifier le modèle et les relations
entre les indicateurs grâce à un assistant graphique (Roussel et al., 2002 ; Jolibert et
Jourdan, 2006). AMOS est aussi le logiciel de traitement des modèles d’équations
structurelles le plus compatible avec SPSS (Chandon, 2007).

Après avoir présenté les deux logiciels statistiques utilisés dans le cadre de ce travail,
nous présentons ci-dessous les caractéristiques des PME et des répondeurs de l’échantillon.
Cela permettra de montrer que l’échantillon offre une représentation acceptable des PME et
des répondeurs, et répond donc correctement aux besoins de l’enquête.

159
 3.1.2.2.1 Les caractéristiques des PME de l’échantillon

L’échantillon est décrit sous l’aspect de la taille, de type d’activité, de l’âge d’entreprise
et de type d’entreprise (la forme juridique).

3.1.2.2.1.1 La taille d’entreprise

Pour notre recherche et par manque de données qualitatives et quantitatives détaillées

sur les structures financières des entreprises étudiées, la taille de l’entreprise est mesurée par
le nombre de salariés permanents.

Trois classes d’effectifs ont été distinguées. Le Tableau 3.9 présente la répartition des
PME selon leur taille.

Tableau 3.9 : Répartition des PME selon leur taille

Nombre d'employés permanents Nombre Pourcentage

De 1 à 24 33 30,8 %

De 25 à 99 32 29,9 %

De 100 à 200 42 39,3 %

Total 107 100,0 %

Il apparaît que les trois classes d’effectifs distingués sont équitablement représentées
avec une petite prédominance des entreprises qui ont entre 100 et 200 salariés.

3.1.2.2.1.2 Le type d’activité

Les trois types d’activités (industrie, commerce et services) sont significativement

représentés par les PME de l’échantillon (Tableau 3.10). Les entreprises industrielles sont
néanmoins les plus nombreuses.

160
 Tableau 3.10 : Répartition des PME par secteur d'activité

Type d'activité Nombre Pourcentage

Industrielle 58 54,2 %

Commerciale 27 25,2 %

Services 22 20,6 %

Total 107 100,0 %

De ce premier découpage, il ressort que 54,2 % des PME d’échantillon ayant une
activité industrielle, 25,2 % des PME ayant une activité commerciale, et enfin, 20,6 % des
PME ayant une activité de service. À travers ces chiffres, on constate une prédominance des
activités industrielles par rapport aux autres activités (commerciale et service).

3.1.2.2.1.3 L’âge d’entreprise

Trois types de PME ont été distingués, les entreprises de moins de 10 ans, les
entreprises de 10 à 20 ans et les entreprises de plus de 20 ans. Le tableau suivant présente la
répartition des PME selon leur âge.

Tableau 3.11 : Répartition des PME selon leur âge

L'âge Nombre Pourcentage

Moins de 10 ans 37 34,6 %

Entre 10 et 20 ans 52 48,6 %
Plus de 20 ans 18 16,8 %
Total 107 100,0 %

Il ressort de ces statistiques que presque la moitié des PME (48,6 %) sont entre 10 et 20
ans, 34,6% sont moins de 10 ans. Et enfin, 16,8% sont plus de 20 ans. À travers ces
pourcentages, on constate une prédominance des entreprises d’un âge entre 10 ans et 20 ans
par rapport aux autres âges (moins de 10 ans ou plus de 20 ans).

161
 3.1.2.2.1.4 Le type d’entreprise

Sur le plan juridique, les types d’entreprises les plus reconnues au Maroc sont :

- les sociétés de personnes : Société en nom collectif (SNC), société en commandite

simple (SCS) et société en participation (SP) ;
- les sociétés de capitaux : Société anonyme (SA) et société en commandité par actions
(SCA) ;
- la société à responsabilité limitée (SARL) : forme hybride entre les sociétés de
capitaux et les sociétés de personnes.

Notre échantillon regroupe ces différentes formes juridiques, le tableau suivant présente
la répartition des PME selon leur type.

Tableau 3.12 : Répartition des PME selon leur type

Type d'entreprise Nombre Pourcentage

Une société anonyme (SA) 27 25,2 %

Une société à responsabilité limité (SARL) 73 68,2 %
Une société en commandité par actions 1 0,9 %
Une société en nom collectif 2 1,9 %
Une société en commandité simple 1 0,9 %
Une société en participation 3 2,8 %
Total 107 100,0 %

Les résultats du Tableau 3.12 permettent les constatations suivantes :

- Sur 107 PME, 73 ont un statut juridique de société à responsabilité limité (SARL), soit
un taux de 68,2 %.
- 93,4 % des PME de l’échantillon sont des sociétés à responsabilité limité (SARL) et
des sociétés anonymes (SA).

162
 3.1.2.2.2 Les caractéristiques des répondeurs de l’échantillon

Les caractéristiques de type de formation des dirigeants des entreprises et de nombre

moyen d’années d’occupation d’un poste de contrôle de gestion sont successivement
présentées.

3.1.2.2.2.1 Le type de formation de dirigeant

Deux types de formation ont été distingués, le type gestionnaire et le type non
gestionnaire. Le Tableau 3.13 présente la répartition des dirigeants selon leur type de
formation.

Tableau 3.13 : Répartition des dirigeants selon leur type de formation

Type de formation Nombre Pourcentage

Type gestionnaire 26 24,3 %

Type non gestionnaire 81 75,7 %

Total 107 100,0 %

Les dirigeants ayant suivi une formation de type non gestionnaire représentent près des
trois quarts de l’échantillon (75,7 %).

3.1.2.2.2.2 Le nombre moyen d'années d'occupation d'un poste de

contrôle de gestion

Quatre classes d’années ont été distinguées, moins de 2 ans, entre 2 et 4 ans, entre 4 et 6
ans et plus de 6 ans (Tableau 3.14).

163
 Tableau 3.14 : Nombre moyen d'années d'occupation d'un poste de contrôle de gestion

Classes d'années Nombre Pourcentage

Moins de 2 ans 5 4,7 %

Entre 2 et 4 ans 40 37,4 %

Entre 4 et 6 ans 37 34,6 %

6 ans ou plus 25 23,4 %

Total 107 100,0 %

Les contrôleurs de gestion ont, dans une proportion de 58 %, 4 ans ou plus d’occupation
d’un poste de contrôle de gestion. On peut avancer que le nombre moyen d'années
d’occupation d’un poste de contrôle de gestion est suffisant pour assurer la qualité des
données recueillies.

Ainsi, les PME et les personnes interrogées qui ont part à l’enquête constituent un
terrain d’observation qui, eu égard à la diversité des situations qu’il propose, apparaît en
mesure de fournir les données nécessaires au traitement des problématiques posées dans la
recherche.

Nous vérifions à présent la fiabilité et la validité des instruments de mesure.

3.1.2.3 La fiabilité et la validité des instruments de mesure

Pour vérifier que les données collectées rendent compte le plus précisément possible de
la réalité, il convient de vérifier que les instruments de mesure qui ont été utilisés pour
accéder au terrain d’observation satisfont aux critères de fiabilité et de validité.

164
 3.1.2.3.1 Fiabilité des instruments de mesure

La fiabilité correspond à la cohérence entre les items qui censés mesurer un même
concept (Peter, 1979 ; Igalens et Roussel, 1998 ; Pittenger, 2003). La fiabilité d’un instrument
de mesure représente sa capacité à reproduire des résultats similaires s’il était envoyé
plusieurs fois à une même population (Roussel, 1996).

Il existe plusieurs techniques statistiques qui permettent d’évaluer la fiabilité d’une

échelle de mesure. Dans le cadre de la présente recherche, nous utilisons les coefficients a de
Cronbach (Cronbach, 1951) et le rhô de de Jöreskog (Jöreskog, 1971).

Ø Alpha de Cronbach

Le coefficient a de Cronbach est l’indicateur le plus souvent utilisé pour évaluer la

fiabilité d’une échelle (Jolibert et Jourdan, 2006).

Ce coefficient permet de vérifier si tous les items se réfèrent à des notions communes,
autrement dit si chaque item présente une cohérence avec l’ensemble des autres items de
l’échelle (Igalens et Roussel, 1998).

Le coefficient a de Cronbach est défini comme le pourcentage total de la variance

réelle parmi la variance observée d’une mesure. Il est calculé selon la formule suivante :

 σ୩୧ିଵ ɐଶ୧
ߙൌ ቈͳ െ  ଶ ቉
െͳ ɐ ±…Š‡ŽŽ‡

Dans cette équation, k est le nombre d’items, i est un item, s²i est la variance de l’item
et s²échelle est la variance des scores obtenus.

La valeur du coefficient a est comprise entre 0 et 1. Un a de Cronbach proche de 0

signifie que l’instrument de mesure n’est pas fiable. La cohérence interne des items croît au
fur et à mesure que la valeur de l’alpha se rapproche de 1. Il est reconnu qu’un a de Cronbach
se situant au niveau de la valeur de 0,6 est acceptable pour des recherches exploratoires (Mak,
1989 ; Evrard et al., 1993 ; Usunier et al., 1993).

165
 Dans le cadre de cette recherche, nous employons cette technique avant d’effectuer les
analyses factorielles, pour les deux sous-échantillons PME 1 et PME 2, et à la phase des
analyses factorielle exploratoire, pour les PME 1.

Ø Rhô de Jöreskog

La fiabilité peut également être mesurée par le coefficient rhô de Jöreskog (ρ). C’est
l’indice le plus privilégié par les chercheurs, d’une part parce que ce coefficient est moins
sensible au nombre d’items d’une échelle, et d’autres part parce que celui-ci intègre les termes
d’erreur dans son calcul (Gerbing et Anderson, 1988).

Dans la pratique, un instrument de mesure est fiable lorsque le rhô est supérieur à 0.7.
Cet indice se calcule de la manière suivante :

ሺσ ɉ୧ ሻଶ
ߩൌ
ሺσ ɉ୧ ሻ; ൅  σ ˜ƒ”ሺɂ୧ ሻ

Avec :
λi : le poids factoriel de l’item i sur le construit ;
Var (εi) : la variance de l’erreur de mesure de l’item i.
Dans le cadre de cette recherche, cette technique sera utilisée à la phase des analyses
factorielles confirmatoire.

Le fait qu’une échelle soit fiable n’en assure pas pour autant la qualité de cette échelle.
Nous étudions ci-dessous le deuxième critère retenu, à savoir la validité.

3.1.2.3.2 Validité des instruments de mesure

La validité, c’est la capacité d’un instrument à mesurer la bonne chose, le bon concept
et non un concept voisin mais distinct. Une mesure est valide lorsque celle-ci mesure
exactement le phénomène qu’elle doit évaluer. La validité concerne la question « Mesure-t-on
ce qu’on chercher à mesurer ? » (Evrard et al., 2003). La littérature distingue deux principaux
types de validité « validité externe » et de « validité interne » (Usunier et al., 1993).

166
 La validité externe fait référence au potentiel d’extrapolation des résultats de la
recherche à la population entière. L’utilisation de techniques d’échantillonnage aléatoire offre
une certaine garantie de validité externe. Néanmoins, la validité externe de la présente
recherche ne peut être totalement assurée. En effet, la complémentarité des études
quantitatives et qualitatives contribue tout de même à relever le niveau de validité externe de
la recherche.

La validité interne est la capacité de l’étude à produire des résultats pouvant être
attribuables à l’intervention étudiée plutôt qu’à des biais ou à d’autres phénomènes. Il
convient d’analyser dans quelle mesure la procédure de recherche permet de réduire
l’incidence de certains biais qui sont reconnus comme pouvant en affecter le niveau.
Campbell et Stanley (1966), cités par Jolibert et Jordan (2006) ont identifié différents biais
pouvant affecter la validité des données collectées : l’histoire, la maturation, l’effet de test,
l’effet d’instrumentation, l’effet de régression statistique, l’effet de sélection et l’effet de
mortalité expérimentale.

- L’effet d’histoire se définit comme le biais provoqué par des évènements extérieurs à
l’observation et qui peuvent perturber les mesures. Plus le questionnaire est long, plus
les risques liés à l’effet d’histoire sont importants. Dans le cas présent, compte tenu de
la durée courte du questionnaire – entre 15 et 20 minutes « tout compris » – on peut
limiter les biais liés à une perturbation extérieure.

- La maturation se définit comme le biais induit par les changements intervenus sur les
personnes questionnées liées au passage du temps. Cette menace est écartée car
l’observation se déroule sur une période courte, volontairement limitée à un mois.

- L’effet de test se définit comme le biais provoqué par le processus de l’observation

lui-même. Celui-ci peut être suscité par le souhait de la personne interrogée de
rationaliser ses réponses par rapport aux objectifs attendus de l’étude. Cette menace
est limitée. Car la durée contrainte du traitement des informations laisse peu de temps
à une réflexion sur l’objet de l’étude.

- L’effet d’instrumentation fait référence aux modifications des instruments de mesure

pendant l’observation. Deux faits montrent que cette menace est limitée. D’une part, le

167
 questionnaire a été testé. D’autre part, le contenu des questionnaires n’a pas évolué au
cours de l’enquête.

- L’effet de régression statistique est le biais provoqué par la tendance des scores
extrêmes à se niveler vers la moyenne au cours de l’observation. À nouveau, la durée
très courte du questionnaire, le choix de mesures avec peu d’items, limite la portée de
ce biais.

- L’effet de sélection se définit comme le biais provenant de la sélection des sujets et la

façon dont ces derniers sont affectés à un scénario. Dans cette recherche, ce risque est
vraisemblablement existe.

- L’effet de mortalité expérimentale se définit comme le biais provoqué par la

disparition naturelle des sujets pendant l’observation. Cette menace existe et ne peut
être mesurée dans la procédure adoptée. Cependant, si la menace n’est pas
complètement écartée, sa portée semble faible.

La validité interne des instruments de mesure repose sur trois éléments : la validité de
contenu, la validité nomologique et la validité de construit.

Ø La validité de contenu

La validité de contenu vise à s’assurer que les items retenus forment un échantillon
représentatif et exhaustif du contenu théorique du domaine du construit (Nunnally et
Bernstein, 1994). Ainsi, une échelle est valide, du point de vue de son contenu, lorsque celle-
ci capture les différents aspects (ou facettes) du phénomène étudié (Evrard et al., 2003 ;
Jolibert et Jourdan, 2006).

Pour vérifier dans quelle mesure cette condition est satisfaite, deux procédés sont
souvent envisagées. Au moment de l'élaboration du dispositif on aura recours à une table dite
de spécification, qui permet notamment d'identifier les différentes composantes du domaine
considéré, d'en mettre en évidence la structure sous-jacente et d'assurer une correspondance
aussi satisfaisante que possible entre les composantes du domaine et les composantes du
dispositif utilisé. Ensuite, lorsqu'une première version de l'instrument a été mise au point (et
avant son utilisation effective), on demandera à des "experts" de se prononcer sur l'adéquation

168
des éléments qu'il comporte par rapport à l'objet (au domaine) que l'on souhaite étudier. Dans
la présente étude, ces deux procédés ont été adoptés.

Ø Validité nomologique

La validité nomologique permet de vérifier si les relations entre les mesures d’un
concept et celles d’autres concepts sont ou non en conformité avec les prédictions issues de la
théorie fondée sur les recherches précédentes (Evrard et al., 2000). Ce type de validité permet
donc de confronter les hypothèses de recherche aux réalités mesurées.

Ø Validité de construit

La validité de construit vise à s’assurer que les instruments mesurent parfaitement et

uniquement les concepts auxquels il est fait référence dans la recherche (Perrien et al., 1984).
Deux types de validité de construit sont à considérer. Il s’agit de la validité convergente et de
la validité discriminante.

La validité convergente consiste à vérifier si les indicateurs qui sont comptés mesurer
le même phénomène, sont fortement corrélés entre eux (Evrard et al., 2003 ; Pittenger, 2003 ;
Malhotra, 2004 ; Jolibert et Jourdan, 2006).

L’analyse de la validité convergente repose sur trois étapes :

- l’analyse des corrélations par le Rhô de Spearman (sera effectuée avant les analyses
factorielles pour valider les échelles de mesures relatifs aux facteurs de contingence
des deux sous-échantillons PME 1 et PME 2) ;

- l’analyse de test t de Student (Critical Ratio ou C. R.) correspondant à chacune des

contributions factorielles des items qui doit être significatif, c’est-à-dire supérieur à
1,96 (sera effectuée à la phase des analyses factorielles confirmatoires des PME 1) ;

- le calcul du rhô de la validité convergente (ρvc) qui doit être supérieur à 0,5 (Fornell et
Larker, 1981) (sera effectué à la phase des analyses factorielles confirmatoires pour
valider les échelles de mesures des PME 1).

169
La formule suivante nous permet de calculer le rhô de la validité convergente (ρvc) :

σሺɉ୧ ሻ;
ߩ‫ ܿݒ‬ൌ
σሺɉ୧ ሻ; ൅  σ ˜ƒ”ሺɂ୧ ሻ

Avec:
λi : le poids factoriel de l’item i sur le construit ;
Var (εi) : la variance de l’erreur de mesure de l’item i.

La validité discriminante consiste à vérifier si les indicateurs qui sont supposés

mesurer des phénomènes différents, sont faiblement corrélés afin de permettre de discriminer
les phénomènes entre eux (Roussel et al., 2002 ; Evrard et al., 2003 ; Pittenger, 2003 ;
Malhotra, 2004 ; Jolibert et Jourdan, 2006). Elle est assurée lorsque les items de l’échelle se
distinguent suffisamment des items censés mesurer d’autres phénomènes voisins.

La validité discriminante sera examinée dans un premier temps à l’aide du coefficient ρ

de Spearman pour les deux sous-échantillons PME 1 et PME 2.

Dans un deuxième temps, elle sera étudiée à l’aide de la méthode des équations
structurelles. Il s’agit de vérifier que le modèle testé, c'est-à-dire où la corrélation entre les
dimensions est laissée libre, est meilleur que le modèle contraint où la corrélation entre les
dimensions est fixée à 1. En d’autres termes, cette méthode consiste à estimer la significativité
de la différence de Khi-deux entre les deux modèles eu égard à une différence de degrés de
liberté entre les deux modèles.

Une fois les deux critères de fiabilité et de validité des échelles décrits, nous abordons
ci-dessous les résultats de ces tests pour les deux sous-échantillons PME 1 et PME 2.

3.1.2.3.3 Vérification de la fiabilité des échelles de mesure relatives aux

facteurs de contingence des deux sous-échantillons PME 1 et
PME 2

La fiabilité des échelles, qui consiste à étudier leur cohérence interne, est évaluée ici par
le coefficient a de Cronbach. Nous exposerons ci-dessous les résultats de ce test pour
l’ensemble des variables qui sont mesurées par plusieurs items.
170
 L’Annexe 4 reprend en détail les résultats du test de fiabilité des échelles de mesures
relatives aux facteurs de contingence des deux sous-échantillons.

3.1.2.3.3.1 Variables relatives aux facteurs de contingence

organisationnelle

Ø Structure

Les dimensions participant à la caractérisation de cette variable sont :

- le degré de spécialisation des tâches (DST) (présenté par un seul item) ;

- le degré de standardisation (DS) ;
- le degré de décentralisation horizontale (DDH) ;
- le degré de décentralisation verticale (DDV) ;
- le degré de formalisation des tâches et des règles et procédures (DFTRP).

Le Tableau 3.15 affiche les résultats de la statistique de Cronbach de chacune de ces

dimensions qui sont représentées par plusieurs items, ainsi que pour l’ensemble des quinze
items mesurant la variable « Structure ».

Tableau 3.15 : Coefficients a de Cronbach de l’échelle de mesure de la variable

« Structure » et ses dimensions (PME 1 et PME 2)

Nombre Alpha de Cronbach

Dimensions ou variable
d’items PME 1 PME 2

Degré de standardisation (DS) 3 0,757 0,843

Degré de décentralisation horizontale (DDH) 4 0,815 0,808

Degré de décentralisation verticale (DDV) 5 0,798 0,838

Degré de formalisation des tâches et des règles

2 0,747 0,794
et procédures (DFTRP)

Structure 15 0,736 0,730

171
 Les alphas de Cronbach sont tous supérieurs de 0,70 pour les deux sous-échantillons.
Ces résultats indiquent une bonne cohérence interne des échelles de mesure pour chacune des
dimensions et pour l’échelle globale.

Les statistiques individuelles des items caractérisant la variable « Structure » et ses

dimensions (pour les PME 1 et PME 2) sont successivement présentés dans le Tableau 3.16 et
dans le Tableau 3.17.

172
 Tableau 3.16 : Statistiques de fiabilité de la variable « Structure » et ses dimensions
(PME 1)

Alpha de Alpha de
Dimensions Cronbach l’échelle
ou Items en cas de avec
variable suppression l’ensemble
de l'élément des items
Degré de Deg_défin_fonct 0,599
standardisation Deg_défin_règle_procéd 0,697 0,757
(DS) Deg_défin_objectif_perfor 0,736
Degré_partic_prise_déci 0,719
Degré de
Degré_consulta_collabo_av_prise_déci 0,713
décentralisation 0,815
Degré_consulta_dirigeants_par_colla_av_déc 0,836
horizontale (DDH)
Degré_prise_déci_par_collaborateurs 0,767
Niveau_PD_dévelop_lancement_nps 0,768
Degré de Niveau_PD_emb_licen 0,760
décentralisation Niveau_PD_fixation_px_vente 0,779 0,798
verticale (DDV) Niveau_PD_choix_investissements 0,728
Niveau_PD_opérationnelles 0,762
1
Degré_formalisation_tâches NaN
DFTRP 0,747
Degré_formalisation_RP NaN
Degré_specia_tâches 0,731
Deg_défin_fonct 0,726
Deg_défin_règle_procéd 0,723
Deg_défin_objectif_perfor 0,755
Degré_partic_prise_déci 0,725
Degré_consulta_collabo_av_prise_déci 0,700
Degré_consulta_dirigeants_par_colla_av_déc 0,725
Structure
Degré_prise_déci_par_collaborateurs 0,726 0,736
Niveau_PD_dévelop_lancement_nps 0,716
Niveau_PD_emb_licen 0,733
Niveau_PD_fixation_px_vente 0,703
Niveau_PD_choix_investissements 0,699
Niveau_PD_opérationnelles 0,707
Degré_formalisation_tâches 0,729
Degré_formalisation_RP 0,732

1
NaN : signifie « not a number », désigne une entité symbolique représentant une valeur non disponible.

173
 Tableau 3.17 : Statistiques de fiabilité de la variable « Structure » et ses dimensions
(PME 2)

Alpha de Alpha de
Dimensions Cronbach l’échelle
ou Items en cas de avec
variable suppression l’ensemble
de l'élément des items
Degré de Deg_défin_fonct 0,731
standardisation Deg_défin_règle_procéd 0,767 0,843
(DS) Deg_défin_objectif_perfor 0,837
Degré_partic_prise_déci 0,741
Degré de
Degré_consulta_collabo_av_prise_déci 0,765
décentralisation 0,808
Degré_consulta_dirigeants_par_colla_av_déc 0,773
horizontale (DDH)
Degré_prise_déci_par_collaborateurs 0,756
Niveau_PD_dévelop_lancement_nps 0,844
Degré de Niveau_PD_emb_licen 0,815
décentralisation Niveau_PD_fixation_px_vente 0,762 0,838
verticale (DDV) Niveau_PD_choix_investissements 0,813
Niveau_PD_opérationnelles 0,785
Degré_formalisation_tâches NaN
DFTRP 0,794
Degré_formalisation_RP NaN
Degré_specia_tâches 0,734
Deg_défin_fonct 0,722
Deg_défin_règle_procéd 0,728
Deg_défin_objectif_perfor 0,706
Degré_partic_prise_déci 0,709
Degré_consulta_collabo_av_prise_déci 0,716
Degré_consulta_dirigeants_par_colla_av_déc 0,707
Structure
Degré_prise_déci_par_collaborateurs 0,699 0,730
Niveau_PD_dévelop_lancement_nps 0,713
Niveau_PD_emb_licen 0,717
Niveau_PD_fixation_px_vente 0,716
Niveau_PD_choix_investissements 0,717
Niveau_PD_opérationnelles 0,723
Degré_formalisation_tâches 0,709
Degré_formalisation_RP 0,725

À la lecture des deux tableaux, nous remarquons que le score de l’alpha de Cronbach est
d’un niveau satisfaisant et reflète une bonne cohérence interne. Ainsi, la suppression de
certains items (marqués en gris) ne permet pas d’améliorer sensiblement la cohérence interne
des échelles. Nous décidons donc de conserver tous les items.
174
 Il est à noter qu’aucune suppression d’item n’est possible à la mesure de la dimension
« Degré de formalisation des tâches et des règles et procédures », du fait que cette échelle ne
contient que deux items.

Ø L’environnement

Les dimensions participant à la mesure de l’incertitude de l’environnement sont :

- le dynamisme de l’environnement externe (au plan économique et au plan

technologique) (mesuré par deux items) ;
- la prévisibilité des actions et des comportements des concurrents sur le marché
(présenté par un seul item) ;
- la prévisibilité des goûts et des préférences des clients (présenté par un seul item).

Le Tableau 3.18 présente les alphas de Cronbach de l’échelle de mesure de la dimension

« Dynamisme de l’environnement externe », ainsi que pour l’ensemble des quatre items
mesurant la variable « Environnement ».

Tableau 3.18 : Coefficients a de Cronbach de l’échelle de mesure de la variable

« Environnement » et sa dimension (PME 1 et PME 2)

Nombre Alpha de Cronbach

Dimension ou variable
d’items PME 1 PME 2

Dynamisme de l’environnement externe (DEE) 2 0,822 0,766

Environnement 4 0,839 0,859

L’alpha de la dimension « Dynamisme de l’environnement externe » ainsi que celui de

la variable « Environnement » affiche des valeurs bien supérieures au seuil d’acceptabilité
pour les deux sous-échantillons.

Le Tableau 3.19 et le Tableau 3.20 affichent les statistiques individuelles des items qui
caractérisent la variable « Environnement » et sa dimension pour les PME 1 et PME 2.

175
Tableau 3.19 : Statistiques de fiabilité de la variable « Environnement » et sa dimension
(PME 1)

Alpha de
Alpha de
Cronbach
l’échelle
en cas de
Dimension ou variable Items avec
suppression
l’ensemble
de
des items
l'élément
Dynamisme de l’environnement Dynami_enviro_plan_éco NaN
0,822
externe (DEE) Dynamique_envi_plan_techno NaN
Dynami_enviro_plan_éco 0,811
Dynamique_envi_plan_techno 0,752
Environnement 0,839
Prévisibilité_comportem_concurre 0,793
Prévisibilité_goûts_préféren_client 0,820

Tableau 3.20 : Statistiques de fiabilité de la variable « Environnement » et sa dimension

(PME 2)

Alpha de
Alpha de
Cronbach
l’échelle
Items en cas de
Dimension ou variable avec
suppression
l’ensemble
de
des items
l'élément
Dynamisme de l’environnement Dynami_enviro_plan_éco NaN
0,766
externe (DEE) Dynamique_envi_plan_techno NaN
Dynami_enviro_plan_éco 0,830
Dynamique_envi_plan_techno 0,815
Environnement 0,859
Prévisibilité_comportem_concurre 0,808
Prévisibilité_goûts_préféren_client 0,828

À l’analyse des deux tableaux, nous remarquons qu’aucune suppression d’items ne

permettrait d’améliorer la fiabilité de son instrument de mesure.

Il est à noter qu’aucune suppression d’item n’est possible à la mesure de la dimension

« Dynamisme de l’environnement externe », car cette échelle ne contient que deux items.

176
 3.1.2.3.3.2 Variables relatives aux facteurs de contingence
comportementale

Ø Style de décisions

Les dimensions participant à la caractérisation de cette variable sont :

- les caractéristiques de l’information utilisée (CIU) ;

- le degré de supervision personnelle des tâches (DSPT).

Le tableau suivant affiche le résultat de la statistique de Cronbach pour les deux

dimensions ainsi que pour l’ensemble des quatorze items mesurant la variable « Style de
décisions ».

Tableau 3.21 : Coefficients a de Cronbach de l’échelle de mesure de la variable « Style

de décisions » et ses dimensions (PME 1 et PME 2)

Nombre Alpha de Cronbach

Dimensions ou variable
d’items PME 1 PME 2

Caractéristiques de l’information utilisée (CIU) 6 0,742 0,752

Degré de supervision personnelle des tâches

8 0,790 0,734
(DSPT)

Style de décisions 14 0,797 0,712

L’alpha de dimensions « Caractéristiques de l’information utilisée » et « Degré de

supervision personnelle des tâches » ainsi que celui de la variable « Style de décisions » des
PME 1 et PME 2 affiche des valeurs bien supérieures au seuil d’acceptabilité.

Les deux tableaux suivant affichent les statistiques individuelles de fiabilité des items
qui caractérisent la variable « Style de décisions » et ses dimensions (pour les PME 1 et
PME 2).

177
 Tableau 3.22 : Statistiques de fiabilité de la variable « Style de décisions »
et ses dimensions (PME 1)

Alpha de Alpha de
Cronbach l’échelle
Dimensions ou
Items en cas de avec
variable
suppression l’ensemble
de l’élément des items
Quantité_information_utilisée 0,619
Degré_formalisation_info_utilisée 0,664
Caractéristiques
Degré_structuration_Info_utilisée 0,654
de l’information 0,742
utilisée (CIU) Variété_solutions_av_décision 0,721
Degré_référence_intuition 0,666
Degré_organisat_séminai_format_person 0,850
Degré_superv_person_trav_opérat 0,741
Degré_supervis_perso_organi_serv_opérat 0,769
Degré de Degré_supervis_perso_circulat_informat 0,812
supervision Degré_supervis_person_ordre_jr_réunion 0,798
0,790
personnelle des Degré_supervis_person_préstat_fourniss 0,794
tâches (DSPT)
Degré_supervis_person_ponctualité_person 0,705
Degré_supervis_person_suivi_clients 0,721
Degré_supervis_person_propriété_locaux 0,769
Quantité_information_utilisée 0,772
Degré_formalisation_info_utilisée 0,794
Degré_structuration_Info_utilisée 0,765
Variété_solutions_av_décision 0,788
Degré_référence_intuition 0,769
Degré_organisat_séminai_format_person 0,836
Type de
Degré_superv_person_trav_opérat 0,779
décisions 0,797
Degré_supervis_perso_organi_serv_opérat 0,774
Degré_supervis_perso_circulat_informat 0,804
Degré_supervis_person_ordre_jr_réunion 0,787
Degré_supervis_person_préstat_fourniss 0,800
Degré_supervis_person_ponctualité_person 0,756
Degré_supervis_person_suivi_clients 0,759
Degré_supervis_person_propriété_locaux 0,788

178
 Tableau 3.23 : Statistiques de fiabilité de la variable « Style de décisions »
et ses dimensions (PME 2)

Alpha de Alpha de
Cronbach l’échelle
Dimensions ou
Items en cas de avec
variable
suppression l’ensemble
de l'élément des items
Quantité_information_utilisée 0,694
Degré_formalisation_info_utilisée 0,713
Caractéristiques
Degré_structuration_Info_utilisée 0,716 0,752
de l’information
utilisée (CIU) Variété_solutions_av_décision 0,702
Degré_référence_intuition 0,717
Degré_organisat_séminai_format_person 0,756
Degré_superv_person_trav_opérat 0,671
Degré_supervis_perso_organi_serv_opérat 0,727
Degré de Degré_supervis_perso_circulat_informat 0,702
supervision Degré_supervis_person_ordre_jr_réunion 0,755
0,734
personnelle des Degré_supervis_person_préstat_fourniss 0,689
tâches (DSPT)
Degré_supervis_person_ponctualité_person 0,700
Degré_supervis_person_suivi_clients 0,651
Degré_supervis_person_propriété_locaux 0,739
Quantité_information_utilisée 0,701
Degré_formalisation_info_utilisée 0,705
Degré_structuration_Info_utilisée 0,701
Variété_solutions_av_décision 0,714
Degré_référence_intuition 0,691
Degré_organisat_séminai_format_person 0,700
Type de Degré_superv_person_trav_opérat 0,677
0,712
décisions Degré_supervis_perso_organi_serv_opérat 0,706
Degré_supervis_perso_circulat_informat 0,683
Degré_supervis_person_ordre_jr_réunion 0,710
Degré_supervis_person_préstat_fourniss 0,688
Degré_supervis_person_ponctualité_person 0,682
Degré_supervis_person_suivi_clients 0,658
Degré_supervis_person_propriété_locaux 0,724

179
 D’après les résultats des deux tableaux, le score de l’alpha de Cronbach est d’un niveau
satisfaisant. La suppression de certains items (marqués en gris) permettrait une sensible
amélioration des échelles. Par conséquent, ces items seront considérés comme suspects mais
leur participation à l’instrument de mesure définitif ne sera décidée qu’au vu des résultats des
analyses factorielles.

Ø Stratégie de contrôle

Les dimensions participant à la caractérisation de cette variable sont :

- la stratégie de contrôle relative aux budgets ;

- la stratégie de contrôle relative aux coûts.

Le tableau suivant affiche les résultats de la statistique de Cronbach de chacune de ces

deux dimensions.

Il est à noter que l’alpha de Cronbach de l’ensemble des items mesurant la variable
« Stratégie de contrôle » n’est pas calculé, car l’échantillon étudié pour la première dimension
est différent de celui étudié pour la deuxième dimension.

Tableau 3.24 : Coefficients a de Cronbach des dimensions mesurant l’échelle de mesure

de la variable « Stratégie de contrôle » (PME 1 et PME 2)

Nombre Alpha de Cronbach

Dimensions
d’items PME 1 PME 2

Stratégie de contrôle relative aux budgets (SCRB) 2 0,846 0,691

Stratégie de contrôle relative aux coûts (SCRC) 3 0,773 0,858

L’alpha des deux dimensions mesurant l’échelle de mesure de la variable « Stratégie de

contrôle » affiche des valeurs bien supérieures au seuil d’acceptabilité pour les deux sous-
échantillons.

180
 Les deux tableaux suivants affichent les statistiques individuelles de fiabilité des items
qui caractérisent les dimensions « Stratégie de contrôle relative aux budgets » et « Stratégie
de contrôle relative aux coûts » (pour les PME 1 et PME 2).

Tableau 3.25 : Statistiques de fiabilité des dimensions de la variable

« Stratégie de contrôle » (PME 1)

Alpha de Alpha de
Cronbach l’échelle
Dimensions Items en cas de avec
suppression l’ensemble
de l'élément des items

Stratégie de contrôle relative Degré_couverture_fonct_sys_budg NaN

0,846
aux budgets (SCRB) Fréquence_utilis_don_sys_budg NaN

Variété_coûts_calculées 0,523
Stratégie de contrôle relative
Variété_objets_coûts_calculées 0,573 0,773
aux coûts (SCRC)
Fréquence_utilisa_donnée_coûts 0,842

Tableau 3.26 : Statistiques de fiabilité des dimensions de la variable

« Stratégie de contrôle » (PME 2)

Alpha de Alpha de
Cronbach l’échelle
Dimensions Items en cas de avec
suppression l’ensemble
de l'élément des items

Stratégie de contrôle relative Degré_couverture_fonct_sys_budg NaN

0,691
aux budgets (SCRB) Fréquence_utilis_don_sys_budg NaN

Variété_coûts_calculées 0,805
Stratégie de contrôle relative
Variété_objets_coûts_calculées 0,775 0,858
aux coûts (SCRC)
Fréquence_utilisa_donnée_coûts 0,815

À la lecture des deux tableaux, il apparaît que le score de l’alpha de Cronbach est d’un
niveau satisfaisant et reflète une bonne cohérence interne. De surcroît, l’on apprend à la
lecture de ces statistiques que, la suppression de l’item Fréquence_utilisa_donnée_coûts pour
les PME 1 pourrait améliorer sensiblement la cohérence interne de l’échelle mesurant la
181
dimension « Stratégie de contrôle relative aux coûts ». Par conséquent, cet item sera considéré
comme suspect mais son participation à l’instrument de mesure définitif ne sera décidée qu’au
vu des résultats des analyses factorielles.

Il est à noter qu’aucune suppression d’item n’est possible à la mesure de la dimension

« Stratégie de contrôle relative aux budgets», du fait que cette échelle ne contient que deux
items.

Après avoir présenté les tests de fiabilité de nos échelles de mesure, nous étudions ci-
dessous leurs tests de validité.

3.1.2.3.4 Vérification de la validité des échelles de mesure relatives aux

facteurs de contingence des deux sous-échantillons PME 1 et
PME 2

Tester la validité des échelles de mesure consiste à déterminer si les items utilisés pour
mesurer le phénomène étudié en sont une bonne représentation. Pour cela, on doit s’assurer
d’une part que les items supposés mesurer un même phénomène sont fortement corrélés entre
eux (validité convergente) et d’autre part que des items supposés mesurer des phénomènes
différents sont faiblement corrélés entre eux (validité discriminante).

La validité des échelles est évaluée ici par le Rhô de Spearman, nous avons effectué ce
test pour les variables « Structure », « Style de décisions » et « Stratégie de contrôle »
(variables mesurant par deux ou plusieurs dimensions). Les résultats montrent que les items
censés mesurer la même dimension sont corrélés entre eux de façon significative au seuil de
confiance de 1% ou de 5% et ne sont pas significativement corrélés avec des items censés
mesurer d’autres dimensions (sauf certains items marqués en gris) (cf. Annexe 5). La validité
convergente et discriminante est donc moyennement élevée.

Après avoir testé la fiabilité et la validité de nos échelles de mesure des deux sous-
échantillons PME 1 et PME 2, nous pouvons utiliser la moyenne des scores des items pour
mesurer les variables représentées par plusieurs indicateurs.

182
 3.2 L’analyse descriptive des caractéristiques des facteurs de contingence
des deux sous-échantillons étudiés

L’objectif de cette partie de la recherche est de comparer les caractéristiques des

facteurs de contingence des deux sous-échantillons PME 1 et PME 2, afin de comprendre les
raisons ‒ au moins partielles ‒ pour lesquels les systèmes de contrôle de gestion des deux
entités sont différenciés.

L’Annexe 5 reprend en détail les statistiques descriptives relatives aux facteurs de

contingence des PME 1 et PME 2.

Avant de procéder à cette comparaison, nous avons présenté une description de la taille
de deux sous-échantillons.

Parmi 107 des PME de l’échantillon, 38 PME élaborent des tableaux de bord. À
l’opposé, 69 PME n’élaborent pas des tableaux de bord (Graphique 3.2).

Graphique 3.2 : La taille des deux sous-échantillons PME 1 et PME 2

n= 69

n= 38

PME 1
PME 2

L’analyse des premiers résultats montre que les tableaux de bord ne sont pas fortement
élaborés par les PME de l’échantillon.

Nous avons pu identifier un ensemble de causes de non-élaboration des tableaux de

bord par les PME marocaines. Ces causes sont répertoriées dans le Graphique 3.3.

183
 Graphique 3.3 : Les causes des non élaborations des tableaux de bord par les PME 2

60,0% 52,3%

50,0%

40,0%
26,1% % des PME
30,0% 18,2%
20,0%

10,0% 1,1% 2,3%

0,0%
ne il est unitile coût manque manque
connaissé engagé > des cadres d'un
pas valeur systèm de
dégagée C de G

D’après le Graphique 3.3, il apparaît que la non-connaissance de cet outil est la cause
prioritaire mise en avant par les personnes interrogées (52,3%), suivie par le manque de
cadres (26,1%) et le manque d’un système de contrôle de gestion (18,2%). Seules 3,4% des
personnes interrogées jugent que les tableaux de bord sont inutiles ou que le coût engagé pour
leurs élaborations est supérieur à leur valeur dégagée.

3.2.1 Comparaisons des caractéristiques des facteurs de contingence

organisationnelle des PME 1 et PME 2

3.2.1.1 La taille

Comme il a été précisé dans la première partie de ce chapitre, la taille de l’entreprise a

été est évaluée par le nombre de salariés permanents. Ce dernier a été distribué en trois classes
d’intervalle croissant. Le Graphique 3.4 (page suivante) présente la répartition en
pourcentages des PME 1 et PME 2 dans les classes ainsi constituées.

Le résultat montre que 65,8 % des PME 1 ont entre 100 et 200 salariés. À l’opposé,
42% des PME 2 ont de 1 à 24 salariés et la moyenne de la taille pour les PME 1 est de 116,84,

184
alors que pour les PME 2 la moyenne est de 63,81. Ce qui montre que la taille des PME 1 est
plus grande que celle de PME 2.

Graphique 3.4 : Répartition des PME selon leur taille

(comparaison entre les PME 1 et PME 2)

65,8%
70,0%

60,0%

50,0% 42,0%
33,3%
40,0% PME 1
23,7% 24,6% PME 2
30,0%

20,0% 10,5%

10,0%

0,0%
De 1 à 24 De 25 à 99 De 100 à 200

Moyenne PME 1 : 116,84 Écart-type PME 1 : 60,09 Médiane PME 1 : 121,5

Moyenne PME 2 : 63,81 Écart-type PME 2 : 58,86 Médiane PME 2 : 35,00

Minimum PME 1 : 8 Maximum PME 1 : 200

Minimum PME 2 : 4 Maximum PME 2 : 199

3.2.1.2 Le type d’activité

D’après le Graphique ci-dessous, presque 58% des PME 1 (contre 52% des PME 2) ont
des activités industrielles, 26,3% des PME 1 (contre 24,6% des PME 2) ont des activités
commerciale. Par ailleurs, 23,2% des PME 2 (contre 15,8% des PME 1) ont des activités de
prestation de services.

185
 Graphique 3.5 : Répartition des PME selon leur type d’activité
(comparaison entre les PME 1 et PME 2)

57,9%
60,0% 52,2%

50,0%

40,0%

26,3% 24,6%
30,0% 23,2% PME 1
PME 2
20,0% 15,8%

10,0%

0,0%
Activité Activité Activité de
industrielle commerciale prestation de
services

3.2.1.3 L’âge d’entreprise

D’après le Graphique ci-dessous, il apparaît que les PME 1 sont plus anciennes que les
PME 2. En effet, 78,9 % des PME 1 ont plus de 10 ans (contre 57,9% des PME 2). Ainsi, la
moyenne d’âge des PME 1 est de 19,26, alors que pour les PME 2 la moyenne est de 11,89.

186
 Graphique 3.6 : Répartition des PME selon leur âge
(comparaison entre les PME 1 et PME 2)

50,0%
47,8%
50,0%
42,0%
45,0%

40,0%

35,0%
28,9%
30,0%
PME 1
25,0% 21,1%
PME 2
20,0%

15,0% 10,1%

10,0%

5,0%

0,0%
Moins de 10 ans Entre 10 et 20 ans Plus de 20 ans

Moyenne PME 1 : 19,26 Écart-type PME 1 : 13,83 Médiane PME 1 : 15

Moyenne PME 2 : 11,89 Écart-type PME 2 : 6,12 Médiane PME 2 : 11

Minimum PME 1 : 4,00 Maximum PME 1 : 65

Minimum PME 2 : 0,67 Maximum PME 2 : 31

3.2.1.4 La structure

Comme il a été précisé dans la première partie de ce chapitre, les éléments caractérisant
la structure des PME de l’échantillon sont :

- le degré de spécialisation des tâches ;

- le degré de standardisation ;
- le degré de décentralisation horizontale de la prise de décision ;
- le degré de décentralisation verticale de la prise de décision ;
- le degré de formalisation des tâches et des règles et procédures.

Le degré de spécialisation des tâches a été mesuré par une seule échelle de 5 points, le
degré de standardisation a été évalué sur un total de 15 points (3 échelles de 5 points).
Parallèlement, le degré de décentralisation horizontale de la prise de décision a été évalué sur
un total de 20 points (4 échelles de 5 points). Ainsi, le degré de décentralisation verticale de
la prise de décision a été mesuré sur un total de 25 points (5 échelles de 5 points), et enfin le
187
degré de formalisation des tâches et des règles et procédures a été évalué sur un total de 10
points (2 échelles de 5 points). Chaque PME peu ainsi se voir attribuer un score maximal de la
variable « Structure » de 75 points. Ces 75 points ont par la suite été divisés sur 15 échelles
afin d’échelonner le degré de structuration des PME de l’échantillon dans un continuum allant
de "très faible" à "élevé" (Graphique 3.7).

Les résultats montrent que les PME 1 sont plus structurées que les PME 2. En effet,
39,5% des PME 1 jugent que le degré de structuration de leur entreprise est "moyen" ou
"élevé" (contre 5,8% pour les PME 2). Par ailleurs, les deux sous-échantillons PME 1 et
PME 2 reste moins structurés.

Graphique 3.7 : Degré de structuration

(comparaison entre les PME 1 et PME 2)

76,8%
80,0%

70,0%
60,5%
60,0%

50,0%
PME 1
40,0% 34,2%
PME 2
30,0%
17,4%
20,0%

10,0% 5,8% 5,3%

0,0% 0,0%
0,0%
Très faible Faible Moyen Élevé

Moyenne PME 1 : 43,57 Écart-type PME 1 : 7,28 Médiane PME 1 : 42,50

Moyenne PME 2 : 36,29 Écart-type PME 2 : 6,61 Médiane PME 2 : 37,50

Minimum PME 1 : 31,25 Maximum PME 1 : 62,00

Minimum PME 2 : 22,50 Maximum PME 2 : 50,75

188
 Nous présentons ci-dessous l’analyse détaillée des dimensions qui mesurent le degré de
la structuration.

3.2.1.4.1 Degré de spécialisation des tâches

Le Graphique 3.8 montre que les tâches sont plus spécialisées dans les PME 1 que dans
les PME 2. En effet, 68,5% des PME 1 (contre 58% des PME 2) disposent d’un degré de
spécialisation des tâches moyen ou élevé.

Graphique 3.8 : Degré de spécialisation des tâches

(comparaison entre les PME 1 et PME 2)

50,0% 47,4% 46,4%

40,0%
33,3%

30,0% 26,3%
PME 1
21,1%
PME 2
20,0%
11,6%
8,7%
10,0% 5,3%

0,0%
Très faible Faible Moyen Élevé

3.2.1.4.2 Degré de standardisation

Pour rappel, le degré de standardisation a été mesuré sur un total de 15 points. Les items
participant à la caractérisation de cette dimension sont :

- le degré de définition des fonctions ;

- le degré de définition des règles et des procédures ;
- le degré de définition des objectifs de performance.

189
 Pour mesurer le degré de standardisation, nous avons calculé la moyenne des scores
obtenus sur l’ensemble des 3 items, le score obtenu par chaque entreprise a été inscrit dans un
continuum allant de "très faible" à "élevé" (Graphique 3.9).

Il apparaît à l’analyse du degré de standardisation que les descriptions des fonctions, des
règles et procédures et des objectifs de performance des PME 2 sont assez formelles que
celles des PME 1. En effet, 86,8% des PME 1 (contre 65,2% des PME 2) disposent d’un
degré de standardisation moyen ou élevé.

Graphique 3.9 : Degré de standardisation

(comparaison entre les PME 1 et PME 2)

60,0%
52,6%

50,0%
40,6%

40,0% 34,2%
29,0%
PME 1
30,0% 24,6%
PME 2
20,0%
10,5%
10,0% 5,8%
2,6%

0,0%
Très faible Faible Moyen Élevé

Moyenne PME 1 : 10,79 Écart-type PME 1 : 2,36 Médiane PME 1 : 11

Moyenne PME 2 : 9,38 Écart-type PME 2 : 2,73 Médiane PME 2 : 9

Minimum PME 1 : 4 Maximum PME 1 : 15

Minimum PME 2 : 3 Maximum PME 2 : 15

3.2.1.4.3 Degré de décentralisation horizontale

Comme il a été noté précédemment, le degré de décentralisation horizontale mesure le

niveau de participation des différents responsables de l’entreprise à la prise de décision. Il a
été évalué sur un total de 20 points. Les quatre items suivants ont servi à sa mesure :

- le degré de participation à la prise de décision ;

- le degré de consultation des collaborateurs avant la prise de décision ;
190
 - le degré de consultation des dirigeants avant la mise en application des décisions
prises par les collaborateurs ;
- le degré de prise de décision par les collaborateurs.

Il apparaît que les prises de décision dans les PME 1 sont plus décentralisées que dans
les PME 2. En effet, 29% des PME 1 (contre 15,9% des PME 2) ont un degré de
décentralisation horizontale "moyen" ou "élevé". Alors que 37,7% des PME 2 (contre 13,2%
des PME 1) ont un degré de décentralisation horizontale "très faible" (Graphique 3.10).

Graphique 3.10 : Degré de décentralisation horizontale

(comparaison entre les PME 1 et PME 2)

57,9%
60,0%

50,0% 46,4%

40,0% 37,7%

PME 1
30,0%
21,1% PME 2

20,0%
13,2%
8,7% 7,9% 7,2%
10,0%

0,0%
Très faible Faible Moyen Élevé

Moyenne PME 1 : 11,41 Écart-type PME 1 : 3,30 Médiane PME 1 : 11,25

Moyenne PME 2 : 9,62 Écart-type PME 2 : 3,27 Médiane PME 2 : 10,00

Minimum PME 1 : 6,25 Maximum PME 1 : 18,75

Minimum PME 2 : 5,00 Maximum PME 2 : 18,75

3.2.1.4.4 Degré de décentralisation verticale

Comme il a été précisé avant, le degré de décentralisation verticale permet de localiser

le niveau auquel se prennent les décisions. Il a été évalué sur un total de 25 points.

191
Les items participant à la caractérisation de cette dimension sont :

- le niveau de la prise de décision concernant le développement ou le lancement de

nouveaux produits ou services ;
- le niveau de la prise de décision concernant l’embauche et le licenciement ;
- le niveau de la prise de décision concernant la fixation des prix de vente ;
- le niveau de la prise de décision concernant les choix des investissements ;
- le niveau de la prise des décisions opérationnelles.

D’après le Graphique 3.11, le degré de décentralisation verticale apparaît moins élevé

dans les deux sous-échantillons que le degré de décentralisation horizontale. Seulement
18,4% des PME 1 contre 2,8% des PME 2 ont un degré de décentralisation verticale de la
prise de décision "moyen" ou "élevé". Il apparaît aussi que le degré de décentralisation
verticale dans les PME 1 est plus élevé que celui de PME 2. En effet, 79,7% des PME 2
(contre 47,4% des PME 1) ont un degré de décentralisation horizontale "très faible". Ainsi, la
note moyenne par l’ensemble des PME 1 (10,79) est en effet supérieure à celle des
PME 2 (7,68).

192
 Graphique 3.11 : Degré de décentralisation verticale
(comparaison entre les PME 1 et PME 2)

79,7%
80,0%

70,0%

60,0%
47,4%
50,0%
PME 1
40,0% 34,2%
PME 2
30,0%
17,4%
20,0%
10,5% 7,9%
10,0% 1,4% 1,4%

0,0%
Très faible Faible Moyen Élevé

Moyenne PME 1 : 10,79 Écart-type PME 1 : 4,37 Médiane PME 1 : 10

Moyenne PME 2 : 7,68 Écart-type PME 2 : 3,04 Médiane PME 2 : 7

Minimum PME 1 : 5 Maximum PME 1 : 21

Minimum PME 2 : 5 Maximum PME 2 : 22

3.2.1.4.5 Degré de formalisation des tâches et des règles et procédures

Comme il a été précisé avant, que le degré de formalisation des tâches et des règles et
procédures a été évalué sur un total de 10 points. Les items participant à sa caractérisation
sont :

- le degré de formalisation des tâches ;

- le degré de formalisation des règles et des procédures.

D’après le Graphique 3.12, il apparaît que le degré de formalisation des tâches et des
règles et procédures dans les PME 2 est moins élevé que celui des PME 1. En effet, 86,8%
des PME 1 ont un degré de formalisation des tâches et des règles et procédures moyen ou
élevé (contre 69,5% pour les PME 2).

193
 Graphique 3.12 : Degré de formalisation des tâches et des règles et procédures
(comparaison entre les PME 1 et PME 2)

50,0%
50,0%
39,1%
40,0% 36,8%

30,4%
30,0%
23,2% PME 1
PME 2
20,0%
10,5%
10,0% 7,2%
2,6%

0,0%
Très faible Faible Moyen Élevé

Moyenne PME 1 : 6,97 Écart-type PME 1 : 1,57 Médiane PME 1 : 7

Moyenne PME 2 : 6,32 Écart-type PME 2 : 1,98 Médiane PME 2 : 6

Minimum PME 1 : 2 Maximum PME 1 : 10

Minimum PME 2 : 1 Maximum PME 2 : 10

3.2.1.5 L’environnement

L’incertitude de l’environnement est mesuer, comme il a été précisé précédement par

trois dimensions :

- le dynamisme de l’environnement externe ;

- la prévisibilité des actions et des comportements des concurrents sur le marché ;
- la prévisibilité des goûts et des préférences des clients.

Le dynamisme de l’environnement externe a été mesuré sur un total de 10 points

(2 échelles de 5 points). Parallèlement, la prévisibilité des actions et des comportements des
concurrents sur le marché et la prévisibilité des goûts et des préférences des clients ont été
évaluées sur un total de 5 points chacune (1 échelles de 5 points). Chaque PME peu ainsi se
voir attribuer un score maximal de la variable « Environnement » de 20 points.

194
 Ces 20 points ont par la suite été divisés sur 4 échelles afin d’échelonner le degré de
l’incertitude de l’environnement des PME des deux sous-échantillons dans un continuum
allant de "très faible" à "élevé".

Les résulats montrent que l’environnement des deux sous-échantillons est moyennement
ou totalement incertain. En effet, 78,9% des PME 1 jugent que le degré de l’incertitude de
leur environement est "moyen" ou "élevé" (contre 78,2% pour les PME 2). Par ailleurs,
aucune PME 1 ne juge que leur environnement est présque certain (contre 7,2% des PME 2 )
(Graphique 3.13).

Graphique 3.13 : Degré de l’incertitude de l’environnement

(comparaison entre les PME 1 et PME 2)

50,0% 44,7%
42,0%
36,2%
40,0% 34,2%

30,0%
PME 1
21,1%
PME 2
20,0% 14,5%

10,0% 7,2%

0,0%
0,0%
Très faible Faible Moyen Élevé

Moyenne PME 1 : 14,11 Écart-type PME 1 : 3,09 Médiane PME 1 : 15

Moyenne PME 2 : 14,13 Écart-type PME 2 : 3,50 Médiane PME 2 : 15

Minimum PME 1 : 8 Maximum PME 1 : 20

Minimum PME 2 : 6 Maximum PME 2 : 20

L’analyse détaillée des dimensions qui mesurent le degré de l’incertitude de

l’environnemet révèle que c’est avant tout la prévisibilité des actions et des comportements
des concurrents sur le marché et la prévisibilité des goûts et des préférences des clients qui
contribuent à promouvoir cette incertitude. Le dynamisme de l’environnemnt externe
participe à cette tendence, mais dans une moindre mesure.

195
 3.2.1.5.1 Dynamisme de l'environnement externe

Comme il a été précisé avant, les items participant à la caractérisation de dynamisme de

l’environnement externe sont :

- le dynamisme de l’environnement externe au plan économique ;

- le dynamisme de l’environnement externe au plan technologique.

Les résultats montrent que la majorité des PME 1 (55,2%) reconnaît avoir un
environnement externe "dynamique" ou "très dynamique" (contre 47,8% pour les PME 2).
Seules 21,2% des PME 1 (Contre 20,2% pour les PME 2) jugent leur environnement externe
très stable ou stable (Graphique 3.14).

Graphique 3.14 : Dynamisme de l’environnement externe

(comparaison entre les PME 1 et PME 2)

60,0%
52,6%

50,0%

40,0% 36,2%
31,9%

30,0% PME 1
23,7%
21,1% PME 2
18,8%
20,0%
11,6%
10,0%
1,4% 2,6%
0,0%
0,0%
Très stable Stable Ni stable ni Dynamique Très
dynamique dynamique

Moyenne PME 1 : 7,03 Écart-type PME 1 : 1,72 Médiane PME 1 : 8

Moyenne PME 2 : 7,17 Écart-type PME 2 : 1,89 Médiane PME 2 : 7

Minimum PME 1 : 4 Maximum PME 1 : 10

Minimum PME 2 : 3 Maximum PME 2 : 10

196
 3.2.1.5.2 Prévisibilité des actions et des comportements des concurrents

Les résultats montrent que la prévisibilité des actions et des comportements des
concurrents dans les deux sous-échantillons PME 1 et PME 2 est imprévisible. En effet,
60,5% des PME 1 déclarent avoir une prévisibilité relativement imprévisible ou totalement
imprévisible (contre 59,4% pour les PME 2) (Graphique 3.15).

Graphique 3.15 : Prévisibilité des actions et des comportements des concurrents

(comparaison entre les PME 1 et PME 2)

50,0% 44,7%
40,6%
40,0%

27,5%
30,0%
21,1% PME 1
18,4% 18,8%
20,0% 15,8%
PME 2

7,2%
10,0% 5,8%

0,0%
0,0%
Facilement Relativement Ni prévisibles Relativement Totalement
prévisibles prévisibles ni imprévisibles imprévisibles
imprévisibles

3.2.1.5.3 Prévisibilité des goûts et des préférences des clients

Il apparaît que la prévisibilité des goûts et des préférences des clients dans les PME 1
est moins importante que dans les PME 2. En effet, 60,5% des PME 1 affirment avoir une
prévisibilité relativement imprévisible ou totalement imprévisible (contre 46,4% pour les
PME 2) (Graphique 3.16).

197
 Graphique 3.16 : Prévisibilité des goûts et des préférences des clients
(comparaison entre les PME 1 et PME 2)

50,0%
50,0%

37,7%
40,0% 34,8%
31,6%
30,0%
PME 1
20,0%
PME 2
10,1% 10,5% 11,6%
10,0% 5,8% 5,3%
2,6%

0,0%
Facilement Relativement Ni prévisibles Relativement Totalement
prévisibles prévisibles ni imprévisibles imprévisibles
imprévisibles

3.2.1.6 L’informatisation

Le degré d’informatisation a été mesuré par l’intermédiaire un item. D’après le

Graphique 3.17, la majorité des PME 1 (89,5%) disposent d’un degré de l’informatisation
"élevé" ou "très élevé" (contre 26% pour les PME 2).

Graphique 3.17 : Degré d’informatisation

(comparaison entre les PME 1 et PME 2)

70,0% 63,2%

60,0%
52,2%
50,0%

40,0% PME 1

30,0% 24,6% 26,3% PME 2

21,7%
20,0%
10,5%
10,0%
0,0% 1,4%
0,0% 0,0%
0,0%
Très faible Faible Moyen Élevé Très élevé

198
 3.2.2 Comparaisons des caractéristiques des facteurs de contingence
comportementale des PME 1 et PME 2

3.2.2.1 La formation

Le Graphique 3.18 montre que la majorité des dirigeants des PME 1 (57,9%) ont une
formation de type gestionnaire. Au contraire, seuls 5,8% des dirigeants des PME 2 ont une
formation de ce type.

Graphique 3.18 : Formation du dirigeant

(comparaison entre les PME 1 et PME 2)

94,2%
100,0%
90,0%
80,0%
70,0% 57,9%
60,0% PME 1
42,1%
50,0% PME 2
40,0%
30,0%
20,0% 5,8%
10,0%
0,0%
Type gestionnaire Type non gestionnaire

3.2.2.2 Le style de décisions

Comme il a été précisé dans la première partie de ce chapitre, les dimensions

caractérisant le style de décision des PME de l’échantillon sont :

- les caractérisations de l’information utilisée ;

- le degré de supervision personnelle des tâches.

La dimension « Caractéristiques de l’information utilisée » a été mesurée sur un total de

30 points (6 échelles de 5 points). Parallèlement, le degré de supervision personnelle des
tâches a été évalué sur un total de 40 points (8 échelles de 5 points). Chaque PME peu ainsi se

199
voir attribuer un score maximal de la variable « Style de décisions » de 70 points. Ces 70
points ont par la suite été divisés sur 14 échelles afin d’évaluer la variable « Style de
décisions » dans un continuum allant de "très faible" à "élevé".

D’après le Graphique 3.19, il apparaît que le style de décisions des PME 1 et PME 2 ne
sont pas similaires.

Graphique 3.19 : Style de décisions

(comparaison entre les PME 1 et PME 2)

78,3%
80,0%

70,0%
57,9%
60,0%

50,0%
36,8% PME 1
40,0%
PME 2
30,0%

20,0% 11,6%
7,2% 5,3%
10,0% 2,9%
0,0%
0,0%
Très faible Faible Moyen Élevé

Moyenne PME 1 : 41,38 Écart-type PME 1 : 7,50 Médiane PME 1 : 41,25

Moyenne PME 2 : 50,07 Écart-type PME 2 : 6,79 Médiane PME 2 : 51,25

Minimum PME 1 : 28,75 Maximum PME 1 : 61,25

Minimum PME 2 : 22,50 Maximum PME 2 : 61,25

L’analyse détaillée des dimensions qui mesurent cette variable nous a permis de
percevoir cette hétérogénéité.

200
 3.2.2.2.1 Caractéristiques de l’information utilisée

Pour rappel, les caractéristiques de l’information utilisée ont été évaluées sur un total de
30 points. Les items participant à la caractérisation de cette dimension sont :

- la quantité d’information considérée ;

- le degré de formalisation de l’information utilisée ;
- le degré de structuration de l’information utilisée ;
- la variété des solutions envisagées avant la décision ;
- le degré de référence à l’intuition dans la prise de décision ;
- le degré d’organisation des séminaires de formation.

Pour que ces dimensions puissent mesurer les caractéristiques de l’information utilisée
dans le même sens, les dimensions « Quantité d’information considérée » et « Degré de
référence à l’intuition dans la prise de décision » ont été évaluées sur la base des échelles de
Likert allant de "très faible" à "élevé". En revanche, les dimensions « Degré de formalisation
de l’information utilisée », « Degré de structuration de l’information utilisée », « Variété des
solutions envisagées avant la décision » et « Degré d’organisation des séminaires de
formation » ont été mesurées sur la base des échelles de Likert allant de "élevé" à "très
faible".

Pour évaluer les caractéristiques de l’information utilisée, nous avons calculé la

moyenne des scores obtenus sur l’ensemble des 6 items, le score obtenu par chaque entreprise
a été inscrit dans un continuum allant de "très faible" à "élevé" (Graphique 3.20).

D’après le Graphique ci-dessous, il apparaît que les caractéristiques de l’information

utilisée par les dirigeants des deux sous-échantillons PME 1 et PME 2 sont hétérogènes.
Ainsi, des dirigeants des PME 2 préfèrent disposer une quantité d’information importante,
non formalisée et non structurée plus que ceux des PME 1. En effet, la majorité des dirigeants
des PME 2 (68,1%) préfèrent moyennement ou élevé ce type de l’information (contre 18,4%
des dirigeants des PME 1).

201
 Graphique 3.20 : Caractéristiques de l’information utilisée
(comparaison entre les PME 1 et PME 2)

70,0% 65,8%
58,0%
60,0%

50,0%

40,0% PME 1
29,0%
30,0% PME 2

20,0% 15,8% 15,8%

10,1%
10,0% 2,9% 2,6%

0,0%
Très faible Faible Moyen Élevé

Moyenne PME 1 : 15,59 Écart-type PME 1 : 3,64 Médiane PME 1 : 15,63

Moyenne PME 2 : 19,60 Écart-type PME 2 : 3,58 Médiane PME 2 : 20,00

Minimum PME 1 : 8,75 Maximum PME 1 : 25,00

Minimum PME 2 : 10,00 Maximum PME 2 : 28,75

3.2.2.2.2 Degré de supervision personnelle des tâches

Il a été précisé avant que de degré de supervision personnelle des tâches a été mesuré
par l’intermédiaire des huit items suivants :

- le degré de supervision personnelle du travail des opérationnels ;

- le degré de supervision personnelle de l’organisation des services opérationnels ;
- le degré de supervision personnelle de la circulation de l’information dans
l’entreprise ;
- le degré de supervision personnelle des ordres du jour des réunions programmées ;
- le degré de supervision personnelle des prestations des fournisseurs ;
- le degré de supervision personnelle de la ponctualité du personnel ;
- le degré de supervision personnelle du suivi des clients ;
- le degré de supervision personnelle de la propreté des locaux de l’entreprise.

202
 Pour mesurer le degré de supervision personnelle des tâches, nous avons calculé la
moyenne des scores obtenus sur l’ensemble des 8 items, le score obtenu par chaque entreprise
a été inscrit dans un continuum allant de "très faible" à "élevé".

D’après le Graphique 3.21, il apparaît que les dirigeants des PME 2 préfèrent superviser
personnelle les tâches plus que ceux des PME 1. En effet, 85,5% des dirigeants des PME 2
préfèrent superviser personnelle les tâches (contre 53,5% des dirigeants des PME 1) de façon
"moyenne" ou "élevée".

Graphique 3.21 : Degré de supervision personnelle des tâches

(comparaison entre les PME 1 et PME 2)

47,8%
50,0%
42,1%
45,0% 39,5%
37,7%
40,0%
35,0%
30,0%
PME 1
25,0%
PME 2
20,0% 15,8%
13,0%
15,0%
10,0%
2,6% 1,4%
5,0%
0,0%
Très faible Faible Moyen Élevé

Moyenne PME 1 : 27,79 Écart-type PME 1 : 5,56 Médiane PME 1 : 25,63

Moyenne PME 2 : 30,47 Écart-type PME 2 : 5,51 Médiane PME 2 : 31,25

Minimum PME 1 : 15,00 Maximum PME 1 : 36,25

Minimum PME 2 : 12,50 Maximum PME 2 : 40,00

3.2.2.3 La stratégie de contrôle

Comme il a été noté précédemment, la stratégie de contrôle a été caractérisée par les
deux dimensions suivantes :

- la stratégie de contrôle relative aux budgets ;

- la stratégie de contrôle relative aux coûts.

203
 La stratégie de contrôle relative aux budgets a été mesurée sur un total de 10 points
(2 échelles de 5 points). Parallèlement, stratégie de contrôle relative aux coûts a été évaluée
sur un total de 15 points (3 échelles de 5 points).

Il est à noter que l’échantillon étudié pour la dimension « Stratégie de contrôle relative
aux budgets » est différent de celui étudié pour la dimension « Stratégie de contrôle relative
aux coûts » pour les deux sous-échantillons. Pour cela, le Graphique de la stratégie de
contrôle global des deux sous-échantillons n’est pas présenté.

3.2.2.3.1 Stratégie de contrôle relative aux budgets

Il a été précisé avant que la dimension stratégie de contrôle relative aux budgets a été
mesurée par l’intermédiaire des items suivants :

- le degré de couverture fonctionnelle de système budgétaire ;

- la fréquence d’utilisation des données qui sont produites pas le système budgétaire.

Le graphique ci-dessous montre que les dirigeants des PME 2 sont plus intéressés aux
budgets que ceux de PME 1. En effet, 66,7% des dirigeants des PME 2 (contre 36,4% des
PME 1) sont intéressés "moyennement" ou "élevé" par les budgets.

204
 Graphique 3.22 : Stratégie de contrôle relative aux budgets
(comparaison entre les PME 1 et PME 2)

39,4%
38,9%
40,0%

35,0%

30,0% 27,8%
24,2%
25,0% 22,2% 21,2%
PME 1
20,0%
15,2% PME 2
15,0% 11,1%

10,0%

5,0%

0,0%
Très faible Faible Moyen Élevé

Moyenne PME 1 : 5,27 Écart-type PME 1 : 1,99 Médiane PME 1 : 5

Moyenne PME 2 : 5,89 Écart-type PME 2 : 1,88 Médiane PME 2 : 6

Minimum PME 1 : 3 Maximum PME 1 : 9

Minimum PME 2 : 3 Maximum PME 2 : 9

3.2.2.3.2 Stratégie de contrôle relative aux coûts

Comme il a été précisé avant, la dimension stratégie de contrôle relative aux coûts a été
mesurée par l’intermédiaire des items suivants :

- la variété des coûts calculés dans l’entreprise ;

- la variété des objets auxquels se rapportent les coûts calculés dans l’entreprise ;
- la fréquence d’utilisation des données qui sont rapportées aux coûts.

Il apparaît que les dirigeants des deux sous-échantillons PME 1 et PME 2 ne sont pas
fortement intéressées aux calculs des coûts, et que les dirigeants des PME 1 sont moins
intéressées aux calcules des coûts que ceux des PME 2. En effet, 33,4% des dirigeants des
PME 2 (contre 12,2% des PME 1) sont intéressés "moyennement" ou "élevé" par les calculs
des coûts (Graphique 3.23).

205
 Graphique 3.23 : Stratégie de contrôle relative aux coûts
(comparaison entre les sous-échantillons PME 1 et PME 2)

50,0%
48,5%
50,0%

45,0%

40,0%
33,3%
35,0%
27,8%
30,0%
PME 1
25,0% 22,2%
PME 2
20,0%

15,0%

10,0% 6,1% 6,1% 5,6%

5,0%

0,0%
Très faible Faible Moyen Élevé

Moyenne PME 1 : 6,18 Écart-type PME 1 : 2,52 Médiane PME 1 : 5,50

Moyenne PME 2 : 7,00 Écart-type PME 2 : 3,37 Médiane PME 2 : 6,00

Minimum PME 1 : 3 Maximum PME 1 : 13

Minimum PME 2 : 3 Maximum PME 2 : 14

Pour résumer, la comparaison des facteurs de contingence organisationnelle et

comportementale des sous-échantillons PME 1 et PME 2 montre une hétérogénéité des
caractéristiques des facteurs de contingence des deux entités, ce qui conduit à penser que les
entités étudiées (PME 1 et PME 2) peuvent effectivement avoir des systèmes de contrôle
différent.

206
Conclusion du Chapitre 3

Le présent chapitre a été consacré à la méthodologie empruntée dans le but de répondre

à notre question de recherche, et à la comparaison des caractéristiques des facteurs de
contingence des PME 1 et PME 2 afin de comprendre les raisons ‒ au moins partielles ‒ pour
lesquels les systèmes de contrôle de gestion des deux entités sont différenciés.

Dans un premier temps, nous avons présenté les mesures des variables du modèle, la
procédure de collecte des données et les caractéristiques de terrain d’observation. Nous avons
vérifié également la fiabilité et la validité des échelles de mesure relatives aux facteurs de
contingence des deux sous-échantillons étudiées.

Dans un deuxième temps, nous avons comparé les caractéristiques des facteurs de
contingence organisationnelle et comportementale des PME 1 et PME 2.

Dans le prochain chapitre, nous présentons et discutons les résultats des analyses de
données ayant pour principal objectif de construire des instruments de mesure valides et
fiables, tester les hypothèses et générer un modèle de recherche validé empiriquement.

207
CHAPITRE 4. LE TABLEAU DE BORD DES PME :
APPROCHE CONTINGENTE DES PRATIQUES

Dans le Chapitre 2, nous avons présenté notre terrain de recherche et le modèle

conceptuel explicatif des pratiques de tableaux de bord des PME. Ce modèle récapitule un
ensemble de relations entre les variables explicatives, intermédiaire et à expliquer.

Dans le Chapitre 3, nous avons présenté le cadre méthodologique adopté, et comparé

les caractéristiques des facteurs de contingence des deux sous-échantillons étudiés.

Le présent chapitre a pour objectif de présenter les résultats de la confrontation de

notre modèle conceptuel au terrain de recherche.

Ainsi, nous présentons, dans un premier temps, la méthode des équations structurelles et
notre modèle global d’équations structurelles (Section 1).

Dans un deuxième temps, (Section 2) nous abordons les résultats de la confrontation de

notre modèle conceptuel au terrain de recherche. À ce titre, nous présentons les résultats des
analyses factorielles exploratoires et confirmatoires, effectuées par les logiciels SPSS 17.0 et
AMOS 18.0. Ces analyses permettent de vérifier la qualité des échelles liées aux variables du
modèle. Nous présentons également les résultats du test de l’ensemble des hypothèses de
recherche, en utilisant la méthode des équations structurelles. Nous terminons ce dernier
chapitre par une discussion des différents résultats obtenus.

208
 PLAN DU CHAPITRE 4

4.1 La méthode des équations structurelles :

outil méthodologique pour tester le modèle de
recherche

4.1.1 4.1.2
Présentation de la Présentation du modèle
général d’équations
méthode des équations
structurelles de la
structurelles recherche

4.2 La validation du modèle théorique

4.2.1 4.2.2
Test du modèle
Validation des
structurel : confirmation
instruments de mesure
ou infirmation des
de la recherche
hypothèses de recherche

209
4.1 La méthode des équations structurelles : outil méthodologique pour
tester le modèle de recherche

Pour valider le cadre conceptuel, nous avons choisi d’utiliser la méthode des équations
structurelles. Bien que ce soit encore une technique statistique récente, de très nombreux
chercheurs l’utilisent à cause des avantages qu’elle démontre sur les techniques statistiques
concurrentes. Les modèles d’équations structurelles ont pour but de traiter statistiquement des
relations de causalité hypothétiques multiples. Ils permettent non seulement de mettre en
relation des concepts non observables, mais aussi de donner une estimation simultanée de
plusieurs relations de dépendances, tout en prenant en compte les erreurs de mesure (Roussel
et al, 2002).

Les modèles d’équations structurelles peuvent être définis comme une classe de
méthodologies ayant pour objectif de représenter certaines hypothèses au sujet des moyennes,
des variances et des covariances de données observées en termes d’un plus petit nombre de
paramètres structuraux définis par un modèle théorique sous-jacent (Kaplan, 2000).

Avant de présenter notre modèle d’équations structurelles, il convient de détailler les

éléments essentiels de cette méthode.

4.1.1 Présentation de la méthode des équations structurelles

Les modèles d’équations structurelles ont été développés par Jöreskog (1993), qui a
commencé l’étude des analyses factorielles au milieu des années 1960. Puis, il crée le modèle
LISREL en 1970 (LInear Structural RELations) dans le but de traiter statistiquement des
variables non observables.

Les modèles d’équations structurelles sont élaborés pour tester les effets linéaires entre
un ensemble de variables non directement observables : les variables latentes. Ces dernières
sont estimées grâce à des variables directement recueillie (observables) : les variables
manifestes. Un modèle d’équations structurelles se compose traditionnellement de deux
parties : le modèle de mesure (externe) et le modèle structurel (interne) (Schéma 4.1). Le
Schéma 4.2 récapitule les règles de présentation et de notation quant aux variables et aux
relations.

210
 Schéma 4.1 : Exemple d’un modèle d’équations structurelles

Le modèle de mesure

Le modèle structurel

Schéma 4.2 : Notations des variables et des relations d’un modèle d’équations
structurelles

δ11 X11
λ11

δ12 X12 ζ1
γ11 Y11 ε11
δ13 X13
Φ12
η1 Y12 ε12
δ21 X21
γ21
Y13 ε13
δ22 X22
ζ2

δ23 X23

Dans cette représentation, les symboles conventionnels sont les suivants (Jöreskog,
1996 ; Raufaste, 2002) :

- ζ (Xi) désigne des variables latentes explicatives ;

- η (Eta) désigne des variables latentes à expliquer ;

211
 - x et y désignent des variables mesurées qui sont respectivement des indicateurs des
variables latentes explicatives et des variables latentes à expliquer, leurs résidus sont
notés respectivement δ et ε ;
- λ (Lambda) le poids, s’interprète comme le coefficient de régression entre une
variable latente et un indicateur ;
- γ (Gamma) désigne les relations entre variables latentes explicatives et variables
latentes à expliquer ;
- φ (Phi) dénomination des relations symétriques entre variables latentes explicatives.

La méthode des équations structurelles présente plusieurs avantages, comparés aux

approches statistiques classiques que sont l’analyse de régression multiple, l’analyse
discriminante, ou l’analyse de la variance (Roussel et al, 2002 ; Haenlein et Kaplan, 2004 ;
Kline, 2005) :

- Elles permettent de tester de manière simultanée l’existence de relations causales entre

plusieurs variables latentes explicatives (variables exogènes) et plusieurs variables latentes à
expliquer (variables endogènes) ;

- Elles permettent de construire et de tester la validité et la fiabilité de construits latents,

élaborés à partir de la combinaison de plusieurs items (échelles de mesure) ;

- Elles permettent d’évaluer et de comparer de manière globale des modèles de

recherche complexes, en prenant en compte les erreurs de mesure.

Deux méthodes statistiques sont généralement utilisées dans le domaine des sciences de
gestion pour estimer un tel modèle (Chinn, 1995), qui sont, d’une part, l’analyse de la
structure de covariance (ASC) ou méthode LISREL (LInear Structural RELations) introduite
par Jöreskog (1970) qui utilise un système d’équations structurelles estimées à l’aide du
maximum de vraisemblance, mises en application dans les logiciels couramment utilisés dans
les traitements de données issues des études empiriques (ex : AMOS, LISREL, EQS). Et,
d’autre part, l’approche PLS (Partial Least Squares) proposée par Wold (1982) basée sur une
estimation par moindres carrés dits partiels. Ces deux méthodes s’opposent depuis de
nombreuses années avec un avantage pour la première grâce à une théorie plus approfondie et
à des logiciels plus développés. La méthode PLS est encore minoritaire en sciences de
gestion.

212
 Nous avons donc choisi l’analyse de la structure de covariance (ASC) comme outil
méthodologique et AMOS comme logiciel de traitement.

Après avoir présenté la méthodologie utilisée dans le cadre de ce travail pour tester
notre modèle de recherche, nous présentons ci-après, notre modèle général d’équations
structurelles.

4.1.2 Présentation du modèle général d’équations structurelles de la recherche

Dans la littérature, on peut identifier deux principaux modèles de mesure : le modèle

formatif ou le modèle de variables latentes (les variables manifestes sont le reflet de leur
variable latente) et le modèle réflectif ou le modèle en facteur principal (la variable latente est
le reflet des variables manifestes). Le Schéma suivant présente les deux types de modèle de
mesure.
Schéma 4.3 : Exemple de modèle réflectif et formatif

Variable Construit
latente latent

X1 X2 X3 X4 X1 X2 X3 X4

Modèle réflectif Modèle formatif

Dans notre cas (méthode d’analyse de la structure de covariance ASC), il est obligé
d’utiliser le modèle réflectif, car cette méthode n’intègre pas directement les relations
formatives entre les mesures et leurs construits.

Notre modèle théorique est composé de certaines variables latentes de second ordre, ce
qui suggère l’utilisation d’un modèle d’équations structurelles de second ordre, où une
variable latente est peut-être mesurée par deux ou plusieurs autres variables latentes
représentant les dimensions de la première. La variable latente à plusieurs dimensions est

213
appelée variable latente de second ordre et les variables latentes représentant les dimensions
de celle-ci sont appelées des variables latentes de premier ordre. Elles doivent être mesurables
par des variables observables. Ce modèle nous donne la possibilité de regrouper plusieurs
concepts non mesurables directement, comme les facteurs ou les dimensions d’un concept
non mesurable, tout en tenant compte des erreurs de mesure à chaque niveau de l’analyse.

Le Schéma 4.4 présente le modèle global d’équations structurelles que nous devrions
tester. Les variables latentes, symbolisés par des ovales, les variations observées par des
rectangles et les erreurs de mesure par des petits cercles (Bollen, 1989 ; Nunnally, 1978). Les
détails des différentes variables latentes de premier et de second ordre, et des indicateurs de
mesure sont récapitulés dans le Tableau 4.1.

214
 Schéma 4.4 : Le modèle global d’équations structurelles

215
 Tableau 4.1 : Variables latentes et indicateurs de mesure

Variables Nature des variables Code

Variable latente de premier
La taille Taille
ordre

Nombre de salariés permanents Indicateur de mesure NBSP

Variable latente de premier Type

Le type d’activité
ordre d’activité

Activité d’entreprise Indicateur de mesure AE

Variable latente de premier Âge

Âge d’entreprise
ordre d’entreprise

Âge d’entreprise Indicateur de mesure AGE

Variable latente de second

La structure Structure
ordre

Variable latente de premier Degré de S

Degré de spécialisation des tâches
ordre des T

Degré de spécialisation des tâches Indicateur de mesure DST

Variable latente de premier

Degré de standardisation DS
ordre

Degré de définition des fonctions Indicateur de mesure DDF

Degré de définition des règles et

Indicateur de mesure DDRP
procédures

Degré de définition des objectifs de

Indicateur de mesure DDOP
performance

Degré de décentralisation horizontale Variable latente de premier

DDH
de la prise de décision ordre

Degré de participation à la prise de

Indicateur de mesure DPPD
décision

Degré de consultation des

Indicateur de mesure DCC
collaborateurs avant la PD

Degré de consultation des dirigeants

Indicateur de mesure DCDC
par les collaborateurs AD

Degré de prise de décision par les

Indicateur de mesure DPDC
collaborateurs

Degré de décentralisation verticale de Variable latente de premier

DDV
la prise de décision ordre

216
 Tableau 4.1 (suite) : Variables latentes et indicateurs de mesure

Variables Nature des variables Code

Niveau de la PD / le développement ou le
Indicateur de mesure NPDLNPS
lancement de NPS

Niveau de la prise de décision concernant

Indicateur de mesure NPDEL
l’embauche et le licenciement

Niveau de la prise de décision concernant la

Indicateur de mesure NPDFPV
fixation des prix de vente

Niveau de la prise de décision concernant

Indicateur de mesure NPDCI
les choix des investissements

Niveau de la prise des décisions

Indicateur de mesure NPDO
opérationnelles

Degré de formalisation des tâches et des

Variable latente de premier ordre DFTRP
règles et des procédures

Degré de formalisation des tâches Indicateur de mesure DFT

Degré de formalisation des règles et

Indicateur de mesure DFRP
procédures

L’environnement Variable latente de second ordre Environnement

Dynamisme de l’environnement externe Variable latente de premier ordre DEE

Dynamisme de l'environnement au plan

Indicateur de mesure DEPE
économique

Dynamisme de l'environnement au plan

Indicateur de mesure DEPT
technologique

Prévisibilité des actions et des Prévisibilité des A

Variable latente de premier ordre
comportements des concurrents et des CC

Prévisibilité des actions et des

Indicateur de mesure PACC
comportements des concurrents

Prévisibilité des goûts et des préférences des Prévisibilité des G

Variable latente de premier ordre
clients et des P des C

Prévisibilité des goûts et des préférences des

Indicateur de mesure PGPC
clients

217
 Tableau 4.1 (suite) : Variables latentes et indicateurs de mesure

variables Nature des variables Code

L’informatisation Variable latente de premier ordre Informatisation

Degré d’informatisation Indicateur de mesure DI

La formation Variable latente de premier ordre Formation

Type de formation Indicateur de mesure TF

Le style de décision Variable latente de second ordre Style de décision

Caractéristiques de l’information utilisée Variable latente de premier ordre CIU

Quantité d'information considérée Indicateur de mesure QIC

Degré de formalisation de l'information

Indicateur de mesure DFIU
utilisée

Degré de structuration de l'information

Indicateur de mesure DSIU
utilisée

Variété des solutions envisagées avant la

Indicateur de mesure VSEAD
décision

Degré de référence à l'intuition dans la prise

Indicateur de mesure DRI
de décision

Degré de supervision personnelle des tâches Indicateur de mesure DOSF

Degré de supervision personnelle des tâches Variable latente de premier ordre DSPT

Travail des opérationnels Indicateur de mesure TO

Organisation des services opérationnels Indicateur de mesure OSO

Circulation de l'information dans l’entreprise Indicateur de mesure CIE

Ordres du jour des réunions Indicateur de mesure OJR

Prestations des fournisseurs Indicateur de mesure PF

Ponctualité du personnel Indicateur de mesure PP

Suivi des clients Indicateur de mesure SC

Propriété des locaux Indicateur de mesure PL

218
 Tableau 4.1 (suite) : Variables latentes et indicateurs de mesure

variables Nature des variables Code

Stratégie de
La stratégie de contrôle Variable latente de second ordre
contrôle

Stratégie de contrôle relative aux budgets Variable latente de premier ordre SCRB

Degré de couverture fonctionnelle de

Indicateur de mesure DCFSB
système budgétaire

Fréquence d'utilisation des données /

Indicateur de mesure FUDSB
système budgétaire

Stratégie de contrôle relative aux coûts Variable latente de premier ordre SCRC

Variété des coûts calculés dans l'entreprise Indicateur de mesure VCC

Variété des objets auxquels se rapportent les

Indicateur de mesure VOCC
coûts calculés

Fréquence d'utilisation des données / coûts Indicateur de mesure FUDC

Caractéristiques de
Les caractéristiques de TB Variable latente de second ordre
TB

Degré de réactivité Variable latente de premier ordre DR

Fréquence de production des tableaux de

Indicateur de mesure FPTB
bord

Délai de production des tableaux de bord Indicateur de mesure DPTB

Degré d'intégration des indicateurs de suivi

Indicateur de mesure DIIS
dans les TB

Degré d'intégration des indicateurs

Indicateur de mesure DIIP
prévisionnels dans les TB

Diversité du champ d’application Variable latente de premier ordre DCA

Degré d'intégration des données financières

Indicateur de mesure DIDFTB
dans les TB

Degré d'intégration des données non

Indicateur de mesure DIDNFTB
financières dans les TB

Degré d'intégration des données qualitatives

Indicateur de mesure DIDQTB
dans les TB

219
 Tableau 4.1 (suite) : Variables latentes et indicateurs de mesure

variables Nature des variables Code

Degré d'intégration des données externes

Indicateur de mesure DIDETB
dans les TB

Diversité des indicateurs de performance Variable latente de premier ordre DIP

Degré d'intégration d'indicateurs de

Indicateur de mesure DIIPF
performance financière

Degré d'intégration des indicateurs de

Indicateur de mesure DIIPC
performance (les clients)

Degré d'intégration des indicateurs (objectifs

Indicateur de mesure DIIPOS
stratégiques)

Degré d'intégration d'indicateurs (éléments

Indicateur de mesure DIIPEI
incorporels)

Degré de décentralisation des tableaux de

Variable latente de premier ordre Degré de D des TB
bord

Degré de décentralisation des tableaux de

Indicateur de mesure DDTB
bord

Pilotage de la
Le pilotage de la performance Variable latente de second ordre
performance

Degré d'utilisation des tableaux de bord Variable latente de premier ordre DUTB

Fréquence d'utilisation des tableaux de bord Indicateur de mesure FUTB

Intensité d'utilisation des données des

Indicateur de mesure IUDTB
tableaux de bord

Diversité d'utilisation des données des

Variable latente de premier ordre DTUTB
tableaux de bord

Degré d'utilisation des tableaux de bord pour

Indicateur de mesure DUTBIR
informer les résultats

Degré d'utilisation des tableaux de bord pour DUTBCTP

Indicateur de mesure
contrôler le travail des personnels

Degré d'utilisation des tableaux de bord pour DUTBPSV

Indicateur de mesure
prévoir les situations à venir

220
 Tableau 4.1 (suite) : Variables latentes et indicateurs de mesure

variables Nature des variables Code

Degré d'utilisation des tableaux de bord pour

Indicateur de mesure DUTBEOE
expliciter les objectifs de l'entreprise

Degré d'utilisation des tableaux de bord pour DUTBSPE

Indicateur de mesure
suivre les performances de l'entreprise

Variable latente de premier ordre DUTTB

Degré d'utilité des tableaux de bord

Degré de fiabilité des données des tableaux DFDTB

Indicateur de mesure
de bord

Degré d'intelligibilité des données des DIDTB

Indicateur de mesure
tableaux de bord

Degré de signification des données des DSDTB

Indicateur de mesure
tableaux de bord

Degré de rentabilité des tableaux de bord Indicateur de mesure DRTB

4.2 La validation du modèle théorique

La validité du modèle théorique a été effectuée en deux étapes. La première consiste à

tester indépendamment les échelles de mesure de chacun des concepts indirectement
mesurables impliqués dans le modèle général. La seconde a pour objet de tester les relations
entre les variables du modèle (test des relations structurelles). De cette manière, lors de la
deuxième étape, les dimensions de chaque variable latente de second ordre seront représentées
non pas par des variables latentes de premier ordre mais par les scores de mesure de ces
variables. Ceci permettra de valider le modèle global avec un échantillon de taille
relativement faible dont nous disposons.

L’avantage principal d’une telle démarche de réduction des variables latentes en scores
est la possibilité de tester des modèles structurels sur des échantillons de plus petite taille
(Smith et Langfield-Smith, 2004).

221
 4.2.1 Validation des instruments de mesure de la recherche

Pour examiner la validité de nos échelles de mesures des variables latentes, une analyse
factorielle a été effectuée en deux étapes : une analyse exploratoire opérée sous le logiciel
SPSS 17.0 et une analyse confirmatoire réalisée sous le logiciel AMOS 18.0.

4.2.1.1 L’analyse factorielle exploratoire (AFE)

L’analyse factorielle exploratoire est une première étape dans le traitement des données
recommandé généralement par tous les chercheurs (Evrard et al., 1993). Elle vise à purifier le
questionnaire, en supprimant des items à faible communalité, afin d’améliorer la qualité de la
mesure. Selon les recommandations de Gerbing et Anderson (1988), l’analyse factorielle
exploratoire précède l’analyse factorielle confirmatoire. Elle est l’« étape préliminaire lors de
la construction d’une échelle de mesure ». Elle permet de vérifier si les données sont
factorisables ou pas, ou « si elles forment un ensemble suffisamment cohérent pour qu’il soit
raisonnable d’y chercher des dimensions communes qui aient un sens et soient pas des
artefacts statistiques » (Evrard et al., 1993). Pour ce faire, plusieurs étapes sont nécessaires :

Ø Vérifier la possibilité de factorisation des données

Pour s’assurer de la possibilité des données à être factorisables, certaines conditions

doivent être vérifiées : il s’agit de vérifier l’indice Kaiser-Meyer-Olkin et le test de sphéricité
de Bartlett.

- Indice Kaiser-Meyer-Olkin (KMO) : C’est un indice d'adéquation de la solution

factorielle. Il indique jusqu'à quel point l'ensemble de variables retenu est un
ensemble cohérent et permet de constituer une ou des mesures adéquates de
concepts. La valeur de cet indice varie entre 0 et 1. Un KMO élevé indique qu'il
existe une solution factorielle statistiquement acceptable qui représente les relations
entre les variables. Selon Kaiser et Rice (1974), un KMO qui atteint 0,90 est
excellent ; méritoire s’il atteint 0,80 ; moyen s’il atteint 0,70 ; médiocre s’il atteint
0,60 ; faible s’il atteint 0,50 et enfin, inacceptable si celui-ci est inférieur à 0,50.

- Test de sphéricité de Bartlett : Cette mesure indique si la matrice de corrélation

est une matrice identité à l'intérieur de laquelle toutes les corrélations sont égales à

222
 zéro. Ainsi, l’hypothèse nulle de ce test est que les variables sont indépendantes les
unes des autres. La signification associée à ce test permet d’identifier si la matrice
des corrélations diffère suffisamment d’une matrice d’identité. Si tel est le cas, la
réduction des variables est autorisée. Si la « Signification » tend vers 0,000, c’est
très significatif, inférieur à 0,05 significatif, entre 0,05 et 0,10 acceptable et au
dessus de 0,10 rejetable.

Après s’être assuré que les données sont factorisables, le chercheur pourra passer à
l’étape suivante.

Ø Choisir la méthode d’extraction des facteurs

Il existe deux méthodes d’extraction des facteurs qui reposent sur des considérations
théoriques spécifiques reliées aux composantes de la variance totale de l’ensemble de
variables de l’analyse :

- L’analyse en composantes principales : c’est un outil de réduction de dimension

qui permet d’extraire un minimum de facteurs qui expliquent la plus grande partie
possible de la variance spécifique.

- L’analyse en facteurs communs et spécifiques : c’est aussi une méthode de

réduction de dimension, elle décrit un ensemble de variables par une combinaison
linéaire de facteurs communs sous-jacents et d'une variable (facteur spécifique)
synthétisant la part spécifique des variables d'origine.

Dans le cadre de cette recherche, nous avons choisi la méthode d’analyse en

composantes principales comme méthode d’extraction des facteurs, car c’est la méthode la
plus privilégiée.

Ø Déterminer le nombre de facteurs à retenir

Pour déterminer le nombre de facteurs à retenir, trois règles sont applicables :

- La règle de Kaiser : ou le « eigen value » ou examen des valeurs propres, qui veut
qu’on ne retienne que les facteurs aux valeurs propres supérieures à 1.

223
 - La règle de la restitution minimale : on choisit le nombre d’axes en fonction de la
restitution minimale d’information que l’on souhaite. Il est souvent conseillé
d’arrêter le processus d’extraction lorsque 60% de la variance expliquée est extraite
(Hair et al., 2006).

- Le test du coude : ou le « Scree-test ». On observe le graphique des valeurs

propres et on ne retient que les valeurs qui se trouvent à gauche du point
d’inflexion.

Dans notre cas, la détermination du nombre de facteurs à retenir se fera selon la règle de
Kaiser. C’est la règle la plus souvent utilisée pour déterminer le nombre de facteurs à extraire.

Une fois le nombre d’axes factoriels déterminé, il convient d’opérer une rotation afin de
mieux interpréter les facteurs obtenus.

Ø Opérer une rotation factorielle

La rotation est le processus mathématique qui permet de faciliter l'interprétation des

facteurs en maximisant les saturations les plus fortes et en minimisant les plus faibles de sorte
que chaque facteur apparaisse déterminé par un ensemble restreint et unique de variables.

Il existe deux grands types de rotation :

- Les rotations orthogonales : elles préservent la non-corrélation des composantes

principales, ce qui facilite l’interprétation. Il existe trois méthodes pour produire
une rotation orthogonale, Varimax, Quartimax et Equamax. La plus fréquemment
utilisée est Varimax.

- Les rotations obliques : elles ne préservent pas la corrélation des composantes

principales, ce qui rend l’interprétation difficile. Les principales méthodes de
rotations obliques sont les rotations Oblimin et Promax.

Pour simplifie l’interprétation des facteurs, la méthode de rotation utilisée dans cette
recherche est la rotation Varimax. Cette rotation vise à optimiser les saturations dans chaque
composante en maximisant les écarts entre saturations. L’objectif est d’obtenir au final des

224
saturations proches de 1 ou de 0 (Jolibert et Jourdan, 2006) ; plus une saturation est proche de
0, plus son lien avec le facteur est plus faible et plus une saturation est proche de 1, plus son
lien avec le facteur est plus fort.

Ø Interpréter de la structure factorielle obtenue

L’étude des communalités permet de rendre compte du degré d’information restitué par
chaque variable observée dans le facteur. Dans le cas où la communalité d’une variable est
inférieure à 0,4, cette variable doit être retirée du facteur.

L’examen des saturations corrélations entre variables observées permet également

d’indiquer dans quelle mesure chaque variable contribue à la formation du facteur (Jolibert et
Jourdan, 2006). L’interprétation des facteurs retenus est faite en examinant les saturations
dont les valeurs absolues sont les plus élevées. Il est d’usage de prendre la valeur 0,5 comme
le seuil minimum permettant de considérer qu’une variable est représentative d’un facteur.

Avant de passer à l’analyse factorielle confirmatoire, il convient d’évaluer la cohérence

interne de l’échelle, nous utilisons les coefficients a de Cronbach (Cronbach, 1951). Le
tableau suivant résume les critères retenus dans l’analyse factorielle exploratoire :

Tableau 4.2 : Les critères retenus dans l’analyse factorielle exploratoire

Nature de la décision Critère retenu

Indice Kaiser-Meyer-Olkin (KMO) ³ 0,5

Test de sphéricité de Bartlett £ 0,1

Mode d’extraction Analyses en Composantes Principales

Nombre de facteurs à retenir Valeurs propres > 1

Rotation Varimax

Communalité (Extraction) ³ 0,4

Saturations Corrélation ³ 0,5

Cohérence interne a > 0,6

225
 Après l’étape exploratoire, nous procédons à l’analyse confirmatoire pour confirmer la
structure factorielle obtenue à l’issue des AFE, plus précisément de l’Analyse en Composante
Principale (ACP).

4.2.1.2 L’analyse factorielle confirmatoire (AFC)

L’analyse factorielle confirmatoire va plus loin que l’analyse factorielle exploratoire

dans la mesure où elle « fournit un moyen de tester rigoureusement un modèle qui doit être
testé a priori » (Gerbing et Hamilton, 1996). Elle permet de tester la validité d’une échelle de
mesure en estimant dans quelle mesure un groupe d’items mesure effectivement le construit
latent qu’il est censé mesurer. De plus, contrairement aux AFE, les AFC tiennent compte des
erreurs de mesure.

Avant d’évaluer les échelles de mesures utilisées, il est nécessaire de choisir la méthode
d’estimation qui va être utilisée pour les tester.

Il existe plusieurs techniques d’estimation : la méthode par le maximum de

vraisemblance (Maximum Likelihood ou ML), l’estimation par les moindres carrés
généralisés (Generalized Least Squares ou GLS) ou les méthodes arbitraires de distribution
asymptotique (Asymptotic Distribution Free). Bien que les deux dernières méthodes
permettent de s’affranchir de l’hypothèse de multinormalité, elles nécessitent des échantillons
de grande taille (West et al., 1995). La méthode de maximum de vraisemblance a été utilisée
dans cette recherche, la seule possible compte tenu du faible échantillon disponible (Roussel
et al., 2002).

Lors de la mise en œuvre de l’AFC, trois critères doivent être étudiés (Roussel et al.,
2002) : la fiabilité du construit, la validité du construit et le degré d’ajustement du modèle de
mesure.

À cette étape, nous vérifions la fiabilité du construit par les coefficients a de Cronbach
et ρ de Jöreskog. Pour évaluer la validité du construit, nous utilisons le rhô de validité
convergente (ρvc) pour vérifier la validité convergente, et la méthode de la différence du c²
pour mesurer la validité discriminante. Ainsi, la validité discriminante sera vérifiée pour
l’ensemble des échelles étudiées.

226
 Pour s’assurer de l’adéquation du modèle de mesure spécifié avec les données
empiriques sous-jacentes, il faut s’en remettre à différents critères d’ajustement. Comme le
soulignent Didellon et Valette-Florence (1996), « le chercheur se trouve confronté à une
profusion d’indices d’ajustement et d’appréciation de la qualité des modèles testés, qui ont
une tendance à le perdre plutôt qu’à l’éclairer dans son choix et sa réflexion ». Trois familles
d’indices permettent de mesurer la qualité de l’ajustement du modèle de mesure. Il s’agit des
indices absolus, des indices incrémentaux et des indices de parcimonie (Roussel et al., 2002).

Nous retiendrons pour notre recherche les indices les plus utilisés et représentent des
approches variées pour l’évaluation de l’ajustement.

Ø Les indices absolus : mesurent l’ajustement du modèle global, ils permettent

d’évaluer dans quelle mesure le modèle théorique posé a priori reproduit correctement
les données collectées (Roussel, 2002).

Nous avons choisi, deux indices absolus pour évaluer la qualité de l’ajustement du notre
modèle : χ² et RMSEA.

- χ² (Chi-Deux) ou CMIN : Il sert à tester l’hypothèse nulle selon laquelle les éléments
de la matrice de covariances reproduite par estimation sont significativement non
différents de ceux de la matrice des covariances observées. En tenant compte des
degrés de liberté et de sa significativité, pour chaque nombre de degrés de liberté l’on
peut estimer la probabilité (p) pour la fonction χ² de prendre des valeurs supérieures à
la valeur calculée pour la divergence entre la matrice théorique et la matrice empirique
du modèle. Plus la valeur de p est faible, plus la différence entre les deux matrices est
importante. (Hair et al., 2006). Pour ne pas rejeter le modèle testé, cette probabilité (p)
doit être supérieure à 0,05. Cet indice (Chi-Deux) présente l’avantage d’être l’unique
indice dont on connaît la distribution statistique. Cependant, il présente l’inconvénient
d’être extrêmement sensible à la taille de l’échantillon (Roussel et al., 2002).

- RMSEA (Root Mean Square Error of Approximation) : Cet indice est propose par
Steiger et Lind en 1980. Le RMSEA représente la différence moyenne, par degré de
liberté, attendue dans la population totale et non dans l’échantillon (Roussel et al.,
2002). Selon Browne et Cudeck (1993), un RMSEA £ 0,06 indique un très bon
ajustement du modèle. Un RMSEA compris entre 0,06 et 0,08 indique un bon

227
 ajustement du modèle. Les modèles ayant un RMSEA de plus de 0,1 sont
généralement désignés comme fortement divergents des données empiriques.

Ø Les indices incrémentaux : appelés également les « indices d’ajustement relatif », ils
permettent de comparer plusieurs modèles. Le modèle qui est testé peut être comparé à
un modèle nul (sans structure factorielle) et/ou à des modèles alternatifs (autre
modèles théoriques ou empiriques).

Dans le cadre du présent travail de recherche, nous utilisons deux indices

incrémentaux : IFI et CFI pour évaluer la qualité de l’ajustement du notre modèle.

- IFI (Incremental Fit Index) : compare le manque d’ajustement du modèle à tester à

celui du modèle de base. Leur valeur permet d’estimer l’amélioration relative, par
degré de liberté, du modèle à tester par rapport au modèle de base. Le critère
empirique de bon ajustement est de 0,90.

- CFI (Comparative Fit Index) : Il mesure la diminution relative du manque

d’ajustement. Celle-ci est estimée suivant la distribution non centrée du c2 du modèle
à tester par rapport au modèle de base (Roussel et al., 2002). La valeur de cet indice
doit idéalement être supérieure à 0,90.

Ø Les indices de parcimonie : Ils permettent d’évaluer l’ajustement pour chaque

paramètre estimé. Ils reposent sur un principe de maximisation de la qualité
d’ajustement par paramètre estimé. Ils évitent de surestimer un modèle avec des
paramètres qui n’apporteraient qu’un gain marginal à l’ajustement.

Dans notre étude empirique, nous utilisons trois indices de parcimonie : c2 normé
(c2/ddl), AIC et PNFI pour évaluer la qualité de l’ajustement du modèle.

- c2 normé (c2/ddl) : Il est calculé comme le rapport entre χ² du modèle testé et son
nombre de degrés de liberté. Il permet de détecter les modèles « surajustés » et « sous-
ajustés ». Cet indice peut être utilisé pour mesurer le degré de parcimonie absolu d’un
modèle mais aussi pour distinguer parmi plusieurs modèles alternatifs, le plus
parcimonieux (Roussel et al., 2002). Il est souhaitable que sa valeur soit inférieure à 2.

228
 - AIC (Akaike Information Criterion) : Il permet d’estimer la divergence entre le
modèle testé et celui suggéré par la matrice empirique des variances-covariances. Pour
accepter le modèle testé il faut que son indice AIC soit inférieur à l’indice du modèle
saturé et de celui du modèle d’indépendance.

- PNFI (Parsimony-adjusted Normed Fit Index) : est une variante de l’indice NFI
ajusté pour le nombre de degrés de liberté du modèle testé. Les valeurs proches de 1
témoignent d’un très bon ajustement du modèle testé ou des modèles très similaires,
alors que des valeurs proches de 0 sont signe d’une très forte divergence entre les
modèles comparés.

Le tableau ci-dessous retrace les différents indices retenus ci-dessus ainsi que les
valeurs seuils indiquant un bon ajustement.

Tableau 4.3 : Récapitulatif des indices d’ajustement utilisés

Indices Valeurs seuils

Indices absolus

Voir p associée
χ²
p doit être > 0,05

RMSEA < 0,1 et si possible < 0,08

Indices incrémentaux

IFI > 0,90

CFI > 0,90

Indices de parcimonie

c2 normé <2

Le plus faible possible

AIC (AIC du modèle testé doivent être
inférieurs à ceux du modèle saturé)

PNFI Le plus proche de 1

229
 En plus des indices présentés ci-dessus, autres critères retenus dans l’analyse factorielle
confirmatoire :

- Les coefficients de régression standardisés (standardized regression weights) : ils

sont relatifs aux contributions factorielles des indicateurs par rapport aux variables
latentes. Dans notre cas, les coefficients inférieurs à 0,5 sont supprimés de l’analyse.

- Les coefficients de corrélation multiples (squared multiple correlations) : ils

correspondent à la fiabilité individuelle de l’item. Dans notre cas, les coefficients
inférieurs à 0,25 sont supprimés de l’analyse.

Nous avons noté dans les développements précédents que chaque variable latente a au
moins deux variables de mesure. Cependant, certaines variables latentes peuvent être
mesurées avec un seul indicateur de mesure (un score unique). Ce qui pose le problème de
sous-identification empirique. Afin d’éviter cette sous-identification, il est nécessaire de fixer
la variance de l’erreur de mesure en question à un niveau minimal. Nous avons fixé cette
variance à 0,03 pour les dimensions mesurées par un seul item et à 0,05 pour les dimensions
mesurées par deux items.

Après avoir présenté les tests retenus pour examiner la validation de nos échelles de
mesures, nous présentons ci-après, les résultats de ces tests.

4.2.1.3 Les résultats des tests de validation des échelles de mesure

Notre modèle de recherche contient six variables latentes de second ordre : Structure,
Environnement, Style de décisions, Stratégie de contrôle, Caractéristiques des TB et Pilotage
de la performance. Les modèles de mesure de ces variables doivent donc être testés, dans un
premier temps, indépendamment l’un de l’autre. Les scores de mesure calculés (moyennes des
items de mesures retenus dans la première étape) seront utilisés à la place des dimensions
pour la mesure des variables latentes de second ordre dans une seconde étape (test des
relations structurelles).

Les variables latentes de premier ordre impliquées dans notre modèle peuvent être
remplacées lors de la seconde étape du test par leurs scores respectifs.

230
 Ainsi, nous exposerons ci-dessous, les résultats des tests de validation des échelles de
mesure des variables latentes de second ordre utilisés dan notre modèle. Ces résultats sont
exposés en deux étapes :

- Une étude exploratoire pour chaque échelle étudiée, la cohérence interne est
également présentée.

- Une étude confirmatoire pour chaque échelle étudiée, la structure factorielle obtenue
dans le cadre des analyses exploratoires est revérifiée en vue d’une confirmation. Le
niveau de fiabilité de l’échelle et la validité convergente sont également examinées.

4.2.1.3.1 Échelle de mesure de la variable « Structure »

La variable « Structure » est mesurée par le biais de quinze items, un mesurant le degré
de spécialisation des tâches, trois censés mesurer le degré de standardisation, quatre mesurant
le degré de décentralisation horizontale, cinq consacrés à la mesure du degré de
décentralisation verticale et les deux derniers mesurant le degré de formalisation des tâches et
des règles et procédures. Notons que l’ensemble des items est mesuré sur une même échelle
en 5 points.
4.2.1.3.1.1 Les résultats de l’étude exploratoire

La première étape dans l’étude exploratoire consiste à s’assurer que les données sont
« factorisables ».

Nous vérifions que les données sont factorisables avec l’indice de KMO et le test de
spécificité de Bartlett. Les résultats indiquent que nous pouvons poursuivre l’analyse car
l’indice KMO est de 0,647, ce qui est une valeur moyennement bonne et le test de sphéricité
de Bartlett est significatif.

231
 Tableau 4.4 : Résultats du l’indice KMO et du test de Bartlett pour la variable
« Structure »

Mesure de précision de l'échantillonnage de

0,647
Kaiser-Meyer-Olkin.
Khi-deux approximé 255,048
Test de sphéricité
ddl 105
de Bartlett
Signification de Bartlett 0,000

Une ACP est lancée sur l’ensemble initial des quinze items, le critère de Kaiser indique
l’existence de quatre facteurs qui permettent de restituer 69,20 % de la variance totale
expliquée (Tableau 4.5).

Tableau 4.5 : Valeurs propres et pourcentage de variance expliquée relatives à la

variable « Structure »

Valeurs propres initiales

Composante
Total % de la variance % cumulés
1 4,110 27,401 27,401
2 3,284 21,896 49,298
3 1,902 12,678 61,976
4 1,084 7,224 69,200
5 0,785 5,236 74,436
6 0,713 4,751 79,188
7 0,681 4,540 83,728
8 0,547 3,647 87,374
9 0,425 2,835 90,209
10 0,387 2,578 92,788
11 0,323 2,155 94,942
12 0,265 1,767 96,710
13 0,231 1,539 98,249
14 0,181 1,206 99,455
15 0,082 0,545 100,000

232
 Nous procédons par la suite à un examen des communalités. Tous les items présentent
des communalités supérieur à 0,4 (Tableau 4.6). Concernant la structure factorielle de
l’échelle, nous remarquons que celle-ci n’est pas claire. Ainsi, certains items notamment
Degré_partic_prise_déci, Degré_consulta_collabo_av_prise_déci, Degré_consulta_dirigeants
_par_colla_av_déc, Degré_prise_déci_par_collaborateurs et Degré_specia_tâches ont des
corrélations supérieures à 0,5 avec deux facteurs (Annexe 7).

Afin, d’obtenir une structure factorielle plus claire, nous effectuons une rotation
Varimax qui permet d’optimiser les corrélations de ces variables sur les deux facteurs. Le
tableau ci-dessous présente les communalités et la structure factorielle après rotation.

Tableau 4.6 : Communalités et structure factorielle après rotation de la variable

« Structure »

Commun- Facteur Facteur Facteur Facteur

Items
alités 1 2 3 4

Deg_défin_règle_procéd 0,658 0,808 0,019 0,031 0,068

Degré_specia_tâches 0,642 0,797 -0,012 -0,066 -0,045

Deg_défin_fonct 0,706 0,779 -0,168 0,261 -0,055

Degré_formalisation_tâches 0,601 0,712 0,194 -0,176 -0,161

Degré_formalisation_RP 0,689 0,709 0,214 -0,262 -0,267

Deg_défin_objectif_perfor 0,720 0,651 -0,337 -0,107 0,414

Niveau_PD_choix_investissements 0,670 0,047 0,782 0,150 0,184

Niveau_PD_dévelop_lancement_nps 0,566 0,038 0,744 -0,020 0,103

Niveau_PD_emb_licen 0,752 -0,311 0,741 -0,029 0,324

Niveau_PD_fixation_px_vente 0,543 0,158 0,664 0,238 -0,142

Niveau_PD_opérationnelles 0,755 0,010 0,664 0,437 -0,351

Degré_consulta_collabo_av_prise_déci 0,892 0,067 0,234 0,911 0,050

Degré_prise_déci_par_collaborateurs 0,698 -0,125 0,068 0,822 0,052

Degré_partic_prise_déci 0,816 -0,145 0,141 0,702 0,531

Degré_consulta_dirigeants_par_colla_
0,672 -0,118 0,376 0,284 0,660
av_déc

233
 L’observation des contributions factorielles (après rotation) montre que l’item
Degré_partic_prise_déci est fortement chargé sur deux facteurs et que l’item
ème
Degré_consulta_dirigeants_par_colla_av_déc est le seul item bien corrélé au 4 facteur
après suppression de l’item Degré_partic_prise_déci. Nous décidons alors de supprimer les
deux items et nous relançons l’analyse.

Ainsi, le test KMO et le test de sphéricité de Bartlett autorisent la factorisation (Tableau

4.7). Le critère de Kaiser indique maintenant l’existence de trois facteurs, qui permettent
d’extraire 64,56 % de la variance totale expliquée (Tableau 4.8).

Tableau 4.7 : Résultats du l’indice KMO et du test de Bartlett pour la variable

« Structure » après première purification

Mesure de précision de l'échantillonnage de

0,665
Kaiser-Meyer-Olkin.
Khi-deux approximé 203,145
Test de sphéricité
ddl 78
de Bartlett
Signification de Bartlett 0,000

Tableau 4.8 : Valeurs propres et pourcentage de variance expliquée relatives à la

variable « Structure » après première purification

Valeurs propres initiales

Composante
Total % de la variance % cumulés
1 3,600 27,693 27,693
2 3,181 24,473 52,166
3 1,612 12,397 64,563
4 0,862 6,634 71,198
5 0,744 5,723 76,921
6 0,676 5,198 82,118
7 0,564 4,336 86,454
8 0,442 3,400 89,854
9 0,418 3,212 93,066
10 0,333 2,562 95,628
11 0,239 1,836 97,464
12 0,205 1,575 99,039
13 0,125 0,961 100,000

234
 Toutes les communalités sont supérieures au seuil de 0,4. Le Tableau 4.9 reprend les
communalités et la structure factorielle finale après rotation liées à cette variable.

Tableau 4.9 : Communalités et structure factorielle finale après rotation de la variable

« Structure »

Facteur Facteur Facteur

Items Communalités
1 2 3

Deg_défin_règle_procéd 0,642 0,800 0,026 0,039

Degré_specia_tâches 0,640 0,799 -0,016 -0,031

Deg_défin_fonct 0,716 0,768 -0,155 0,321

Degré_formalisation_RP 0,656 0,739 0,195 -0,268

Degré_formalisation_tâches 0,607 0,730 0,188 -0,197

Deg_défin_objectif_perfor 0,504 0,617 -0,350 -0,015

Niveau_PD_choix_investissements 0,654 0,029 0,800 0,118

Niveau_PD_emb_licen 0,668 -0,337 0,744 -0,027

Niveau_PD_dévelop_lancement_nps 0,528 0,034 0,726 -0,015

Niveau_PD_fixation_px_vente 0,531 0,162 0,684 0,193

Niveau_PD_opérationnelles 0,633 0,023 0,679 0,415

Degré_consulta_collabo_av_prise_déci 0,865 0,038 0,268 0,890

Degré_prise_déci_par_collaborateurs 0,749 -0,157 0,099 0,845

La cohérence interne de la variable « Structure » a été précédemment calculée dans le

chapitre 3 pour les quinze items initiaux. Nous recalculons cette cohérence après suppression
de deux items (Tableau 4.10).

235
 Tableau 4.10 : Statistiques de fiabilité de la variable de mesure « Structure »

Alpha de Cronbach Alpha de Cronbach

Items en cas de suppression avec l’ensemble des
de l'élément items

Degré_specia_tâches 0,702

Deg_défin_fonct 0,699

Deg_défin_règle_procéd 0,697

Deg_défin_objectif_perfor 0,739

Degré_consulta_collabo_av_prise_déci 0,694

Degré_prise_déci_par_collaborateurs 0,718

Niveau_PD_dévelop_lancement_nps 0,696 0,718

Niveau_PD_emb_licen 0,723

Niveau_PD_fixation_px_vente 0,679

Niveau_PD_choix_investissements 0,680

Niveau_PD_opérationnelles 0,684

Degré_formalisation_tâches 0,700

Degré_formalisation_RP 0,702

À la lecture du Tableau 4.10, nous remarquons que le score de l’alpha de Cronbach est
d’un niveau satisfaisant et reflète une bonne cohérence interne. Ainsi, la suppression des
items Deg_défin_objectif_perfor ou Niveau_PD_emb_licen ne permet pas d’améliorer
sensiblement la cohérence interne de l’échelle. Par conséquent, la suppression de ces items ne
sera décidée qu’au vu des résultats du l’analyse factorielle confirmatoire.

Après l’analyse exploratoire que nous avons menée, il est permis de procéder à
l’épuration de deux items afin d’améliorer la qualité d’instrument. Nous réexaminons la
structure factorielle obtenue, par la méthode d’analyse factorielle confirmatoire afin de
stabiliser notre échelle de mesure.

236
 4.2.1.3.1.2 Les résultats de l’étude confirmatoire

Tous les coefficients de régression standardisés sont supérieurs au seuil fixé de 0,5
(compris entre 0,584 et 0,985). Aussi, tous les coefficients de corrélation multiple sont
supérieurs au seuil fixé de 0,25 (Tableau 4.11 et Schéma 4.5).

Tableau 4.11 : Analyse factorielle confirmatoire de la variable « Structure »

Coefficients de Coefficients de
Dimensions régression corrélation
standardisés multiple

Degré de spécialisation des tâches

Degré_specia_tâches 0,985 0,971

Degré de standardisation

Deg_défin_fonct 0,786 0,618

Deg_défin_règle_procéd 0,735 0,540

Deg_défin_objectif_perfor 0,662 0,438

Degré de décentralisation horizontale

Degré_consulta_collabo_av_prise_déci 0,719 0,517

Degré_prise_déci_par_collaborateurs 0,970 0,942

Degré de décentralisation verticale

Niveau_PD_dévelop_lancement_nps 0,597 0,356

Niveau_PD_emb_licen 0,719 0,517

Niveau_PD_fixation_px_vente 0,584 0,341

Niveau_PD_choix_investissements 0,807 0,651

Niveau_PD_opérationnelles 0,644 0,415

Degré de formalisation des tâches et des règles et des procédures

Degré_formalisation_tâches 0,640 0,410

Degré_formalisation_RP 0,962 0,925

237
 Schéma 4.5 : Modèle factoriel de mesure de la variable « Structure »

Ainsi, tous les indices absolus, incrémentaux et de parcimonie respectent les normes de
bon ajustement les plus communément utilisées. Le modèle assure donc une bonne
représentation des données empiriques (Tableau 4.12).

238
 Tableau 4.12 : Indices de qualité d’ajustement du modèle de mesure de la variable
« Structure »

Indices
Indices absolus Indices de parcimonie
incrémentaux

c2 ddl P RMSEA IFI CFI c2/ddl AIC PCFI

Valeur 72,308 138,308 (modèle testé)

58 0,098 0,082 0,920 0,910 1,247 0,676
obtenue 182,000 (modèle saturé)

Le c2 normé du modèle est inférieur à 2, les indices IFI et CFI sont supérieurs au seuil
d’acceptabilité de 0,9, l’indice RMSEA est inférieur à 0,10. De surcroît, l’indice AIC du
modèle est inferieur à celui du modèle saturé et l’indice PCFI est proche de 1.

Une fois la structure factorielle de l’échelle confirmée, nous examinons la fiabilité de

celle-ci.

Pour cette échelle, nous obtenons un ρ de Jöreskog qui reflète une cohérence interne du
construit, très satisfaisante.

Tableau 4.13 : ρ de Jöreskog de la variable « Structure » et ses dimensions

Dimensions ou variable Rhô de Jöreskog

Degré de standardisation 0,7724

Degré de décentralisation horizontale 0,8406

Degré de décentralisation verticale 0,8050

Degré de formalisation des T et des RP 0,7942

Structure 0,9359

La fiabilité étant assurée, nous vérifions maintenant la validité convergente de l’échelle.

L’échelle atteste d’une validité convergente correcte puisque la variance moyenne

extraite (rhô de validité convergente) a une valeur supérieure à 0,5 sauf celle de la dimension
« Degré de décentralisation verticale» est de 0,456. Du fait que la variance moyenne globale

239
de la variable « Structure » est supérieur au 0,5, la suppression de cette dimension ne sera
décidée qu’au vu des résultats du l’analyse factorielle de modèle structurel.

Tableau 4.14 : ρvc de validité convergente de la variable « Structure » et ses dimensions

Dimensions ou variable Rhô de validité convergente

Degré de standardisation 0,5320

Degré de décentralisation horizontale 0,7293

Degré de décentralisation verticale 0,4560

Degré de formalisation des T et des RP 0,6675

Structure 0,5558

En conclusion, suite à des analyses exploratoires et confirmatoires portant sur la

variable « Structure », les scores de mesure des dimensions Degré de standardisation, Degré
de décentralisation verticale et Degré de formalisation des tâches et des règles et procédures,
ont été effectués par le calcul de la moyenne des tous les items initialement prévus pour ces
trois dimensions. En revanche, le calcul du score de mesure de la dimension Degré de
décentralisation horizontale a été réalisé par la moyenne uniquement des deux items validés
(Degré_consulta_collabo_av_prise_déci et Degré_prise_déci_par_collaborateurs) sur les
quatre items initialement prévus pour cette dimension. Par ailleurs la dimension Degré de
spécialisation des tâches a été mesurée par le score unique de l’item Degré_specia_tâches.

4.2.1.3.2 Échelle de mesure de la variable « Environnement »

La variable « Environnement » est mesurée par le biais de quatre items, deux mesurant
le Dynamisme de l’environnement externe, un est censé mesurer la Prévisibilité des actions et
des comportements des concurrences sur le marché et le dernier mesurant la Prévisibilité des
goûts et des préférences des clients. Notons que l’ensemble des items est mesuré sur une
même échelle en 5 points.

240
 4.2.1.3.2.1 Les résultats de l’étude exploratoire

La vérification des conditions de factorisation constitue la première étape dans l’analyse

factorielle exploratoire.

Ainsi, les données sont factorisables car l’indice de KMO est de 0,712. Le test de
sphéricité de Bartlett permet de rejeter sans risque l’hypothèse de nullité simultanée de tous
les coefficients de corrélation, donne un résultat qui autorise la factorisation.

Tableau 4.15 : Résultats du l’indice KMO et du test de Bartlett pour la variable

« Environnement »

Mesure de précision de l'échantillonnage de

0,712
Kaiser-Meyer-Olkin.
Khi-deux approximé 62,018
Test de sphéricité
ddl 6
de Bartlett
Signification de Bartlett 0,000

L’ACP permet d’extraire un seul facteur selon la règle de valeurs propres supérieures ou
égales à 1. Il explique presque 67,47 % de la variance (Tableau 4.16).

Tableau 4.16 : Valeurs propres et pourcentage de variance expliquée relatives à la

variable « Environnement »

Composante Valeurs propres initiales

Total % de la variance % cumulés
1 2,699 67,466 67,466
2 0,665 16,616 84,082
3 0,404 10,106 94,188
4 0,232 5,812 100,000

Les quatre items sont bien représentés sur le facteur retenu. En effet, les communalités
dépassent toutes 0,4 (comprises entre 0,603 et 0,782). Aussi, les contributions factorielles sont
nettement supérieures à 0,5 (comprises entre 0,776 et 0,885). Le tableau ci-dessous reprend
les communalités et la structure factorielle de la variable « Environnement ».

241
 Tableau 4.17 : Communalités et structure factorielle de la variable « Environnement »

Items Communalités Facteur 1

Dynamique_envi_plan_techno 0,782 0,885

Prévisibilité_comportem_concurre 0,684 0,827

Dynami_enviro_plan_éco 0,630 0,794

Prévisibilité_goûts_préféren_client 0,603 0,776

Les statistiques de la fiabilité de la variable « Environnement » ont été précédemment

calculées dans le Chapitre 3. Nous rappelons ces statistiques (Tableau 4.18).

Tableau 4.18 : Statistiques de fiabilité de la variable de mesure « Environnement »

Alpha de Cronbach Alpha de Cronbach

Items en cas de suppression avec l’ensemble des
de l'élément items

Dynami_enviro_plan_éco 0,811

Dynamique_envi_plan_techno 0,752
0,839
Prévisibilité_comportem_concurre 0,793

Prévisibilité_goûts_préféren_client 0,820

L’alpha de Cronbach est de 0,839, ce qui reflète une bonne cohérence interne. Aucune
suppression d’item ne permet d’améliore la fiabilité de la variable de mesure
« Environnement ».

Une fois l’analyse exploratoire réalisée, nous réexaminons la structure factorielle

obtenue, par la méthode d’analyse factorielle confirmatoire.

242
 4.2.1.3.2.2 Les résultats de l’étude confirmatoire

Tous les coefficients de régression standardisés sont supérieurs au seuil fixé de 0,5.
Aussi, tous les coefficients de corrélation multiple (affichés au dessus des rectangles) sont
supérieurs au seuil fixé de 0,25 (Tableau 4.19 et Schéma 4.6).

Tableau 4.19 : Analyse factorielle confirmatoire de la variable « Environnement »

Coefficients de Coefficients de
Dimensions régression corrélation
standardisés multiple

Dynamisme de l’environnement externe

Dynami_enviro_plan_éco 0,724 0,524

Dynamique_envi_plan_techno 0,976 0,952

Prévisibilité des actions et des comportements des concurrents sur le marché

Prévisibilité_comportem_concurre 0,984 0,968

Prévisibilité des goûts et des préférences des clients

Prévisibilité_goûts_préféren_client 0,979 0,958

Schéma 4.6 : Modèle factoriel de mesure de la variable « Environnement »

243
 Les indices de qualité d’ajustement du modèle factoriel affichent des niveaux
satisfaisants et permettent ainsi de considérer que le modèle de mesure de la variable
« Environnement » est tout à fait fiable. La valeur de p associée au c2 est supérieure de 0,05,
le c2 normé est inférieur à 2 et les indices IFI et CFI sont supérieurs au seuil d’acceptabilité de
0,9. De surcroît, le RMSEA est inférieur à 0,10 et l’indice AIC du modèle est inférieur à celui
de modèle saturé (Tableau 4.20).

Tableau 4.20 : Indices de qualité d’ajustement du modèle de mesure de la variable

« Environnement »

Indices
Indices absolus Indices de parcimonie
incrémentaux

c2 ddl P RMSEA IFI CFI c2/ddl AIC PCFI

Valeur 18,542 (modèle testé)

2,542 2 0,281 0,086 0,992 0,991 1,271 0,330
obtenue 20,000 (modèle saturé)

Une fois la structure factorielle de l’échelle confirmée, nous examinons la fiabilité de

celle-ci.

Le calcul de l’indice ρ de Jöreskog reflète un excellent niveau de cohérence interne de

l’échelle.

Tableau 4.21 : ρ de Jöreskog de la variable « Environnement » et sa dimension

Dimension ou variable Rhô de Jöreskog

Dynamique de l'environnement externe 0,8465

Environnement 0,9573

La fiabilité étant assurée, nous vérifions maintenant la validité convergente de l’échelle.

L’échelle atteste d’une validité convergente satisfaisante puisque la variance moyenne

extraite (rhô de validité convergente) a des valeurs largement supérieures à 0,5.

244
 Tableau 4.22 : ρvc de validité convergente de la variable « Environnement » et sa
dimension

Dimension ou variable Rhô de validité convergente

Dynamique de l'environnement externe 0,7381

Environnement 0,8506

En conclusion, suite à des analyses exploratoires et confirmatoires portant sur la

variable « Environnement », le score de mesure de dimension « Dynamisme de
l’environnement externe » a été effectué par le calcul de la moyenne des deux items
initialement prévus dans cette dimension. Par ailleurs les dimensions Prévisibilité des actions
et des comportements des concurrents sur le marché et Prévisibilité des goûts et des
préférences des clients ont été mesurées par des scores uniques.

4.2.1.3.3 Échelle de mesure de la variable « Style de décision »

La variable « Style de décision » est mesurée par le biais de quatorze items, six
mesurant les caractéristiques de l’information utilisée et huit censés mesurer le degré de
supervision personnelle des tâches. Notons que l’ensemble des items est mesuré sur une
même échelle en 5 points.

4.2.1.3.3.1 Les résultats de l’étude exploratoire

Il convient, dans un premier temps, de vérifier si les conditions de factorisation sont

remplies.

Ainsi, Le test KMO, dont la valeur est de 0,630 donne un résultat acceptable et le test de
sphéricité de Bartlett est significatif (Tableau 4.23). Nous pouvons poursuivre l’analyse.

245
 Tableau 4.23 : Résultats du l’indice KMO et du test de Bartlett pour la variable
« Style de décisions »

Mesure de précision de l'échantillonnage de

0,630
Kaiser-Meyer-Olkin.
Khi-deux approximé 274,048
Test de sphéricité
ddl 91
de Bartlett
Signification de Bartlett 0,000

Une ACP est lancée sur l’ensemble initial des quatorze items, le critère de Kaiser
indique l’existence de quatre facteurs qui permettent de restituer 70,62 % de la variance totale
expliquée (Tableau 4.24).

Tableau 4.24 : Valeurs propres et pourcentage de variance expliquée relatives à la

variable « Style de décisions »
Valeurs propres initiales
Composante
Total % de la variance % cumulés
1 4,703 33,594 33,594
2 2,471 17,648 51,243
3 1,503 10,734 61,977
4 1,210 8,641 70,618
5 0,974 6,955 77,572
6 0,682 4,869 82,441
7 0,671 4,795 87,236
8 0,571 4,079 91,315
9 0,394 2,811 94,126
10 0,255 1,822 95,949
11 0,198 1,413 97,362
12 0,170 1,211 98,573
13 0,128 0,913 99,485
14 0,072 0,515 100,000

En nous basant sur le critère des communalités, l’item Degré_supervis_

person_ordre_jr_réunion est candidat à suppression car sa communalité est inférieure à 0,4.
Le tableau ci-dessous présente les communalités et la structure factorielle après rotation.
246
 Tableau 4.25 : Communalités et structure factorielle après rotation de la variable
« Style de décisions »

Commu- Facteur Facteur Facteur Facteur

Items
nalités 1 2 3 4

Quantité_information_utilisée 0,799 0,836 0,268 -0,061 -0,155

Degré_structuration_info_utilisée 0,775 0,810 0,229 -0,014 0,257

Degré_référence_intuition 0,716 0,787 0,259 0,170 0,032

Degré_formalisation_info_utilisée 0,756 0,731 0,040 -0,448 -0,136

Variété_solutions_av_décision 0,572 0,678 -0,123 0,264 0,164

Degré_supervis_person_ordre_jr_réunion 0,318 0,424 0,184 -0,017 0,322

Degré_supervis_person_suivi_clients 0,849 0,194 0,890 0,096 0,100

Degré_supervis_person_ponctualité_person 0,880 0,184 0,851 0,327 0,118

Degré_supervis_perso_organi_serv_opérat 0,774 0,292 0,765 -0,245 0,208

Degré_superv_person_trav_opérat 0,786 -0,007 0,721 0,513 -0,048

Degré_supervis_person_préstat_fourniss 0,789 0,016 0,159 0,873 -0,036

Degré_supervis_person_propriété_locaux 0,617 0,172 0,199 0,534 0,513

Degré_supervis_perso_circulat_informat 0,658 0,166 0,008 -0,148 0,780

Degré_organisat_séminai_format_person 0,597 0,099 -0,128 -0,160 -0,739

Concernant la structure factorielle après rotation, nous remarquons que les items Degré_
superv_person_trav_opérat et Degré_supervis_person_propriété_locaux ont des corrélations
supérieures à 0,5 avec deux facteurs. Nous décidons alors de supprimer les items
Degré_supervis_person_ordre_jr_réunion, Degré_superv_person_trav_opérat et Degré_
supervis _person_propriété_locaux et relançons l’analyse.

Le test KMO et le test de sphéricité de Bartlett autorisent la factorisation

(Tableau 4.26). Le critère de Kaiser indique toujours l’existence de quatre facteurs, qui
permettent maintenant d’extraire 77,19 % de la variance totale expliquée (Tableau 4.27).

247
 Tableau 4.26 : Résultats du l’indice KMO et du test de Bartlett pour la variable
« Style de décisions » après première purification

Mesure de précision de l'échantillonnage de

0,653
Kaiser-Meyer-Olkin.
Khi-deux approximé 195,593
Test de sphéricité
ddl 55
de Bartlett
Signification de Bartlett 0,003

Tableau 4.27 : Valeurs propres et pourcentage de variance expliquée relatives à la

variable « Style de décisions » après première purification

Valeurs propres initiales

Composante
Total % de la variance % cumulés
1 4,103 37,297 37,297
2 1,922 17,475 54,772
3 1,310 11,911 66,683
4 1,156 10,509 77,193
5 0,664 6,034 83,226
6 0,624 5,675 88,901
7 0,442 4,014 92,915
8 0,269 2,446 95,361
9 0,238 2,165 97,526
10 0,170 1,543 99,069
11 0,102 0,931 100,000

En nous basant sur le critère des communalités, tous les items ont des communalités
supérieures au seuil fixé 0,4 (comprises entre 0,609 et 0,869) (Tableau 4.28).

248
 Tableau 4.28 : Communalités et structure factorielle après rotation de la variable
« Style de décisions » après première purification

Commu- Facteur Facteur Facteur Facteur

Items
nalités 1 2 3 4

Quantité_information_utilisée 0,792 0,832 0,284 -0,121 -0,072

Degré_structuration_info_utilisée 0,780 0,797 0,269 0,235 -0,131

Degré_référence_intuition 0,726 0,780 0,310 0,002 0,146

Variété_solutions_av_décision 0,609 0,711 -0,081 0,188 0,248

Degré_formalisation_info_utilisée 0,813 0,695 0,066 -0,139 -0,553

Degré_supervis_person_suivi_clients 0,869 0,153 0,910 0,039 0,127

Degré_supervis_person_ponctualité_person 0,847 0,172 0,852 0,065 0,297

Degré_supervis_perso_organi_serv_opérat 0,829 0,252 0,819 0,186 -0,245

Degré_supervis_perso_circulat_informat 0,735 0,171 0,026 0,825 -0,158

Degré_organisat_séminai_format_person 0,694 0,073 -0,171 -0,781 -0,221

Degré_supervis_person_préstat_fourniss 0,797 0,095 0,150 0,000 0,875

Concernant la structure factorielle après rotation, nous remarquons que l’tem

Degré_formalisation_info_utilisée à une corrélation supérieure à 0,5 avec deux facteurs et que
l’item Degré_supervis _person_préstat_fourniss est le seul item fortement corrélé au 4ème
facteur après suppression de l’item Degré_formalisation_info_utilisée. Nous décidons donc de
supprimer les deux items et nous relançons l’analyse.

Les données sont factorisables car l’indice de KMO est de 0,634 et le test de sphéricité
de Bartlett est significatif (Tableau 4.29). Le critère de Kaiser indique maintenant l’existence
de deux facteurs, qui permettent d’extraire 73,41 % de la variance totale expliquée
(Tableau 4.30).

249
 Tableau 4.29 : Résultats du l’indice KMO et du test de Bartlett pour la variable
« Style de décisions » après deuxième purification

Mesure de précision de l'échantillonnage de

0,634
Kaiser-Meyer-Olkin.
Khi-deux approximé 149,466
Test de sphéricité
ddl 36
de Bartlett
Signification de Bartlett 0,000

Tableau 4.30 : Valeurs propres et pourcentage de variance expliquée relatives à la

variable « Style de décisions » après deuxième purification

Valeurs propres initiales

Composante
Total % de la variance % cumulés
1 3,830 42,558 42,558
2 1,476 16,404 58,963
3 1,300 14,445 73,408
4 0,714 7,937 81,345
5 0,596 6,620 87,965
6 0,408 4,529 92,494
7 0,305 3,388 95,882
8 0,263 2,917 98,799
9 0,108 1,201 100,000

En nous basant sur le critère des communalités, tous les items ont des communalités
supérieures au seuil fixé (comprises entre 0,562 et 0,859). Aussi, les contributions factorielles
sont supérieures à 0,5 (comprises entre 0,732 et 0,911). Le tableau ci-dessous reprend les
communalités et la structure factorielle après rotation de la variable « Style de décisions ».

250
Tableau 4.31 : Communalités et structure factorielle finale après rotation de la variable
« Style de décisions »

Facteur Facteur Facteur

Items Communalités
1 2 3

Quantité_information_utilisée 0,796 0,835 0,279 -0,144

Degré_référence_intuition 0,744 0,797 0,327 -0,026

Degré_structuration_info_utilisée 0,729 0,781 0,257 0,231

Variété_solutions_av_décision 0,562 0,732 -0,046 0,156

Degré_supervis_person_suivi_clients 0,859 0,167 0,911 0,030

Degré_supervis_person_ponctualité_person 0,807 0,158 0,881 0,070

Degré_supervis_perso_organi_serv_opérat 0,730 0,248 0,797 0,183

Degré_supervis_perso_circulat_informat 0,704 0,211 -0,007 0,812

Degré_organisat_séminai_format_person 0,677 0,077 -0,201 -0,794

La cohérence interne de la variable « Style de décisions » a été précédemment calculée

dans le Chapitre 3 pour les quatorze items initiaux. Nous recalculons cette cohérence après
suppression de cinq items (Tableau 4.32).

251
 Tableau 4.32 : Statistiques de fiabilité de la variable « Style de décisions »

Alpha de Cronbach Alpha de Cronbach

Items en cas de suppression avec l’ensemble des
de l'élément items

Quantité_information_utilisée 0,694

Degré_structuration_info_utilisée 0,694

Variété_solutions_av_décision 0,737

Degré_référence_intuition 0,698

Degré_organisat_séminai_format_person 0,827 0,752

Degré_supervis_perso_organi_serv_opérat 0,700

Degré_supervis_perso_circulat_informat 0,770

Degré_supervis_person_ponctualité_person 0,703

Degré_supervis_person_suivi_clients 0,686

À la lecture du Tableau 4.32, nous remarquons que le score de l’alpha de Cronbach est
d’un niveau satisfaisant et reflète une bonne cohérence interne. Les items
Degré_organisat_séminai_format_person et Degré_supervis_perso_circulat_informat sont
candidats à suppression car la suppression de ces items permet d’améliorer sensiblement la
cohérence interne de l’échelle. Du fait de la bonne cohérence globale de cet échelle, la
suppression de cet item ne sera décidée qu’au vu des résultats du l’analyse factorielle
confirmatoire.

En conclusion, l’analyse exploratoire que nous avons menée sur la variable « Style de
décisions », permet de procéder à l’épuration de cinq items afin d’améliorer la qualité
d’instrument. Nous réexaminons la structure factorielle obtenue, par la méthode d’analyse
factorielle confirmatoire afin de stabiliser notre échelle de mesure.

4.2.1.3.3.2 Les résultats de l’étude confirmatoire

L’analyse confirmatoire confirme la suppression de deux items Degré_organisat_

séminai_format_person et Degré_supervis_perso_circulat_informat. En effet, tous les
coefficients de régression standardisés sont supérieurs au seuil fixé de 0,5 (sauf ceux des deux

252
items). Aussi, tous les coefficients de corrélation multiple sont supérieurs au seuil fixé de 0,25
(sauf ceux de deux items) (Tableau 4.33 et Schéma 4.7).

Tableau 4.33 : Analyse factorielle confirmatoire initiale de la variable

« Style de décisions »

Coefficients de Coefficients de
Dimensions régression corrélation
standardisés multiple

Caractéristiques de l’information utilisée

Quantité_information_utilisée 0,833 0,694

Degré_structuration_info_utilisée 0,773 0,598

Variété_solutions_av_décision 0,536 0,287

Degré_référence_intuition 0,848 0,719

Degré_organisat_séminai_format_person -0,071 0,005

Degré de supervision personnelle des tâches

Degré_supervis_perso_organi_serv_opérat 0,744 0,554

Degré_supervis_perso_circulat_informat 0,167 0,028

Degré_supervis_person_ponctualité_person 0,848 0,719

Degré_supervis_person_suivi_clients 0,936 0,876

253
 Schéma 4.7 : Modèle factoriel initial de mesure de la variable « Style de décisions »

Nous supprimons les deux items Degré_organisat_séminai_format_person et

Degré_supervis_perso_circulat_informat et relançons l’AFC.

Tous les items associés aux deux dimensions ont des coefficients de régression
standardisés supérieurs au seuil fixé de 0,5 (compris entre 0,535 et 0,934). De même, tous les
coefficients de corrélation multiple sont supérieurs ou égales au seuil fixé de 0,25 (compris
entre 0,286 et 0,873) (Tableau 4.34 et Schéma 4.8).

254
 Tableau 4.34 : Analyse factorielle confirmatoire finale de la variable
« Style de décisions »

Coefficients de Coefficients de
Dimensions régression corrélation
standardisés multiple

Caractéristiques de l’information utilisée

Quantité_information_utilisée 0,837 0,700

Degré_structuration_info_utilisée 0,772 0,596

Variété_solutions_av_décision 0,535 0,286

Degré_référence_intuition 0,846 0,716

Degré de supervision personnelle des tâches

Degré_supervis_perso_organi_serv_opérat 0,744 0,553

Degré_supervis_person_ponctualité_person 0,851 0,724

Degré_supervis_person_suivi_clients 0,934 0,873

255
 Schéma 4.8 : Modèle factoriel final de mesure de la variable « Style de décisions »

Ainsi, tous les indices absolus, incrémentaux et de parcimonie respectent les normes de
bon ajustement les plus communément utilisées. Le modèle assure donc une bonne
représentation des données empiriques (Tableau 4.35).

Tableau 4.35 : Indices de qualité d’ajustement du modèle de mesure de la variable

« Style de décisions »

Indices
Indices absolus Indices de parcimonie
incrémentaux

c2 ddl P RMSEA IFI CFI c2/ddl AIC PCFI

Valeur 37,644 (modèle testé)

7,644 13 0,866 0,000 1,042 1,000 0,588 0,619
obtenue 56,000 (modèle saturé)

Une fois la structure factorielle de l’échelle confirmée, nous examinons la fiabilité de

celle-ci.

256
 Pour cette échelle, nous obtenons un ρ de Jöreskog qui reflète une cohérence interne du
construit, très satisfaisante.

Tableau 4.36 : ρ de Jöreskog de la variable « Style de décisions » et ses dimensions

Dimensions ou variable Rhô de Jöreskog

Caractéristiques de l'information utilisée 0,8401

Degré de supervision personnelle des tâches 0,8827

Style de décisions 0,9227

La fiabilité étant assurée, nous vérifions maintenant la validité convergente de l’échelle.

L’échelle atteste d’une validité convergente correcte puisque la variance moyenne

extraite (rhô de validité convergente) a une valeur supérieure à 0,5.

Tableau 4.37 : ρvc de validité convergente de la variable « Style de décisions » et ses

dimensions

Dimensions ou variable Rhô de validité convergente

Caractéristiques de l'information utilisée 0,5746

Degré de supervision personnelle des tâches 0,7167

Style de décisions 0,6355

En conclusion, suite à des analyses exploratoires et confirmatoires portant sur la

variable « Style de décisions », le score de mesure de la dimension « Caractéristiques de
l’information utilisée » a été effectué par le calcul de la moyenne des quatre items. Par
ailleurs, la dimension « Degré de supervision personnelle des tâches » a été mesurée par le
calcul de la moyenne des trois items.

257
 4.2.1.3.4 Échelle de mesure de la variable « Stratégie de contrôle »

La variable « Stratégie de contrôle » est mesurée par le biais de cinq items, deux
mesurant la dimension « Stratégie de contrôle relative aux budgets » et trois censés mesurer la
dimension « Stratégie de contrôle relative aux coûts ». Les analyses factorielles exploratoires
ont été effectuées séparément, car l’échantillon étudié pour la première dimension est
différent de celui étudié dans la deuxième dimension. Par contre, le logiciel AMOS (le
logiciel utilisé pour réaliser les analyses factorielles confirmatoires) nous permet d’exécuter
des analyses multi-groupes. Notons que l’ensemble des items mesurant les deux dimensions
est mesuré sur une même échelle en 5 points.

4.2.1.3.4.1 Les résultats de l’étude exploratoire pour la dimension

« Stratégie de contrôle relative aux budgets »

Comme précédemment, nous procédons aux mêmes analyses. Nous vérifions que les
données sont factorisables avec l’indice de KMO et le test de spécificité de Bartlett. Les
résultats indiquent que nous pouvons poursuivre l’analyse car l’indice KMO est de 0,500, ce
qui est une valeur acceptable et le test de sphéricité de Bartlett est significatif.

Tableau 4.38 : Résultats du l’indice KMO et du test de Bartlett pour la dimension

« Stratégie de contrôle relative aux budgets »

Mesure de précision de l'échantillonnage de

0,500
Kaiser-Meyer-Olkin.
Khi-deux approximé 28,536
Test de sphéricité
ddl 1
de Bartlett
Signification de Bartlett 0,000

Nous lançons une ACP sur les deux items qui mesurent la dimension « Stratégie de
contrôle relative aux budgets ». Le critère de Kaiser indique l’existence d’un seul facteur, qui
permet de restituer 88,98% de la variance totale expliquée (Tableau 4.39).

258
 Tableau 4.39 : Valeurs propres et pourcentage de variance expliquée relatives à la
dimension « Stratégie de contrôle relative aux budgets »

Composante Valeurs propres initiales

Total % de la variance % cumulés
1 1,780 88,976 88,976
2 0,220 11,024 100,000

Les deux items sont bien représentés sur le facteur retenu. En effet, les communalités
dépassent fortement 0,4 (0,890 pour les deux items). Aussi, les contributions factorielles sont
fortement supérieures à 0,5 (0,943 pour les deux items).

Tableau 4.40 : Communalités et structure factorielle de la dimension

« Stratégie de contrôle relative aux budgets »

Facteur
Items Communalités
1
Degré_couverture_fonct_sys_budg 0,890 0,943
Fréquence_utilis_don_sys_budg 0,890 0,943

Les statistiques de la fiabilité de la dimension « Stratégie de contrôle relative aux

budgets » ont été précédemment calculées dans le Chapitre 3. Nous rappelons ces statistiques
(Tableau 4.41).

Tableau 4.41 : Statistiques de fiabilité de la dimension

« Stratégie de contrôle relative aux budgets »

Alpha de Cronbach Alpha de Cronbach

Items en cas de suppression avec l’ensemble des
de l'élément items

Degré_couverture_fonct_sys_budg NaN
0,846
Fréquence_utilis_don_sys_budg NaN

Le score de l’alpha de Cronbach est d’un très bon niveau et reflète une bonne cohérence
interne.

259
 Il est à noter qu’aucune suppression d’item n’est possible à la mesure de la dimension
« Stratégie de contrôle relative aux budgets », du fait que cette échelle ne contient que deux
items.

Une fois les analyses exploratoires de la dimension « Stratégie de contrôle relative aux
budgets » réalisées, nous effectuons celles de la dimension « Stratégie de contrôle relative aux
budgets ».

4.2.1.3.4.2 Les résultats de l’étude exploratoire pour la dimension

« Stratégie de contrôle relative aux coûts »

Il convient, dans un premier temps, de vérifier la possible factorisation des données.

Ainsi, le test KMO donne un résultat qui autorise la factorisation (KMO=0,637). De

même, le test de sphéricité de Bartlett permet de rejeter sans risque l’hypothèse de nullité
simultanée de tous les coefficients de corrélation.

Tableau 4.42 : Résultats du l’indice KMO et du test de Bartlett pour la dimension

« Stratégie de contrôle relative aux coûts »

Mesure de précision de l'échantillonnage de

0,637
Kaiser-Meyer-Olkin.
Khi-deux approximé 29,467
Test de sphéricité
ddl 3
de Bartlett
Signification de Bartlett 0,000

Une ACP est lancée sur l’ensemble initial des trois items. Le critère de Kaiser indique
l’existence d’un seul facteur qui permet de restituer un peu plus de 70,13% de la variance
totale expliquée (Tableau 4.43).

260
 Tableau 4.43 : Valeurs propres et pourcentage de variance expliquée relatives à la
dimension « Stratégie de contrôle relative aux coûts »

Valeurs propres initiales

Composante
Total % de la variance % cumulés
1 2,104 70,135 70,135
2 0,632 21,054 91,189
3 0,264 8,811 100,000

Les trois items sont bien représentés sur le facteur retenu. En effet, les communalités
supérieures au seuil fixé de 0,4 (comprises entre 0,534 et 0,812). Aussi, les contributions
factorielles sont supérieures au seuil fixé de 0,5 (comprises entre 0,731 et 0,901).

Tableau 4.44 : Communalités et structure factorielle de la dimension

« Stratégie de contrôle relative aux coûts »

Facteur
Items Communalités
1

Variété_coûts_calculées 0,812 0,901

Variété_objets_coûts_calculées 0,758 0,871

Fréquence_utilisa_donnée_coûts 0,534 0,731

Les statistiques de la fiabilité de la dimension « Stratégie de contrôle relative aux

coûts » ont été précédemment calculées dans le Chapitre 3. Nous rappelons ces statistiques
(Tableau 4.45).

261
 Tableau 4.45 : Statistiques de fiabilité de la dimension
« Stratégie de contrôle relative aux coûts »

Alpha de Cronbach Alpha de Cronbach

Items en cas de suppression avec l’ensemble des
de l'élément items

Variété_coûts_calculées 0,523

Variété_objets_coûts_calculées 0,573 0,773

Fréquence_utilisa_donnée_coûts 0,842

Les statistiques montrent que l’alpha de Cronbach est satisfaisant (0,773), ce qui reflète
une bonne cohérence interne. Ce score peut être amélioré en supprimant l’item
Fréquence_utilisa_donnée_coûts. Toutefois, cette augmentation reste minime par rapport à la
perte d’information que cela générera. Nous décidons donc de conserver cet item.

Une fois que les analyses exploratoires des deux dimensions « Stratégie de contrôle
relative aux budgets » et « Stratégie de contrôle relative aux coûts » sont réalisées, nous
réexaminons la structure factorielle obtenue, par la méthode d’analyse factorielle
confirmatoire afin de stabiliser notre échelle de mesure.

4.2.1.3.4.3 Les résultats de l’étude confirmatoire de la variable

« Stratégie de contrôle »

Une première AFC est lancée sur les deux dimensions de la variable « Stratégie de
contrôle ».

Tous les items associés aux deux dimensions ont des coefficients de régression
standardisés supérieurs au seuil fixé de 0,5 (compris entre 0,50 et 0,97). De même, tous les
coefficients de corrélation multiple sont supérieurs ou égales le seuil fixé de 0,25 (compris
entre 0,25 et 0,93) (Tableau 4.46 et Schéma 4.9).

262
Tableau 4.46 : Analyse factorielle confirmatoire de la variable « Stratégie de contrôle »

Coefficients de Coefficients de
Dimensions régression corrélation
standardisés multiple

Stratégie de contrôle relative aux budgets

Degré_couverture_fonct_sys_budg 0,807 0,652

Fréquence_utilis_don_sys_budg 0,965 0,931

Stratégie de contrôle relative aux coûts

Variété_coûts_calculées 0,930 0,865

Variété_objets_coûts_calculées 0,697 0,486

Fréquence_utilisa_donnée_coûts 0,495 0,245

Schéma 4.9 : Modèle factoriel final de mesure de la variable « Stratégie de contrôle »

Le modèle de mesure présente des caractéristiques d’ajustement peuvent être considérés

acceptables. Ainsi, même si la valeur p associée au c2 est inférieure de 0,05, le c2 normé est

263
inférieur à 2. L’indice RMSEA est inférieur de 0,10 et les indices IFI et CFI sont supérieurs
au seuil d’acceptabilité de 0,9. De surcroît, l’indice AIC du modèle est inférieur à celui du
modèle saturé (Tableau 4.47).

Tableau 4.47 : Indices de qualité d’ajustement du modèle de mesure de la variable

« Stratégie de contrôle »

Indices
Indices absolus Indices de parcimonie
incrémentaux

c2 ddl P RMSEA IFI CFI c2/ddl AIC PCFI

Valeur 190,113 (modèle testé)

40,113 25 0,028 0,063 0,948 0,937 1,605 0,312
obtenue 200,000 (modèle saturé)

Une fois la structure factorielle de l’échelle confirmée, nous examinons la fiabilité de

celle-ci.

Pour cette échelle, nous obtenons un ρ de Jöreskog qui reflète une cohérence interne du
construit, très satisfaisante.

Tableau 4.48 : ρ de Jöreskog de la variable « Stratégie de contrôle » et ses dimensions

Dimensions ou variable Rhô de Jöreskog

Stratégie de contrôle relative aux budgets 0,8828

Stratégie de contrôle relative aux coûts 0,7623

Stratégie de contrôle 0,8928

La fiabilité étant assurée, nous vérifions maintenant la validité convergente de l’échelle.

L’échelle atteste d’une validité convergente correcte puisque la variance moyenne

extraite (rhô de validité convergente) a une valeur supérieure à 0,5.

264
 Tableau 4.49 : ρvc de validité convergente de la variable « Stratégie de contrôle » et ses
dimensions

Dimensions ou variable Rhô de validité convergente

Stratégie de contrôle relative aux budgets 0,7914

Stratégie de contrôle relative aux coûts 0,5320

Stratégie de contrôle 0,6357

En conclusion, suite à des analyses exploratoires et confirmatoires portant sur la

variable « Stratégie de contrôle », les scores de mesure des dimensions « Stratégie de contrôle
relative aux budgets » et « Stratégie de contrôle relative aux coûts », ont été déterminés par le
calcul de la moyenne des tous les items initialement prévus dans ces deux dimensions.

4.2.1.3.5 Échelle de mesure de la variable « Caractéristiques des TB »

La variable « Caractéristiques des TB » est mesurée par le biais de treize items, quatre
mesurant le degré de réactivité, quatre censés mesurer la diversité du champ d’application,
quatre consacrés à la mesure de diversité des indicateurs de performance et le dernier
mesurant le degré de décentralisation des TB. Notons que l’ensemble des items est mesuré sur
une même échelle en 5 points.

4.2.1.3.5.1 Les résultats de l’étude exploratoire

La première étape dans l’étude exploratoire consiste à s’assurer que les données sont
« factorisables ».

Ainsi, Le test KMO, dont la valeur est supérieure à 0,7 (KMO = 0,727), donne un
résultat qui autorise la factorisation et le test de sphéricité de Bartlett est significatif
(Tableau 4.50). Nous pouvons poursuivre l’analyse.

265
 Tableau 4.50 : Résultats du l’indice KMO et du test de Bartlett pour la variable
« Caractéristiques des TB»

Mesure de précision de l'échantillonnage de

0,727
Kaiser-Meyer-Olkin.
Khi-deux approximé 298,725
Test de sphéricité
ddl 78
de Bartlett
Signification de Bartlett 0,000

Une ACP est lancée sur l’ensemble initial des treize items. Le critère de Kaiser indique
l’existence de trois facteurs qui permettent de restituer 70,24 % de la variance totale expliquée
(Tableau 4.51).

Tableau 4.51 : Valeurs propres et pourcentage de variance expliquée relatives à la

variable « Caractéristiques des TB »

Valeurs propres initiales

Composante
Total % de la variance % cumulés
1 4,828 37,139 37,139
2 2,826 21,738 58,877
3 1,477 11,360 70,237
4 0,882 6,783 77,021
5 0,852 6,556 83,576
6 0,527 4,053 87,629
7 0,426 3,275 90,904
8 0,368 2,830 93,734
9 0,297 2,287 96,021
10 0,190 1,458 97,479
11 0,139 1,066 98,545
12 0,113 0,867 99,412
13 0,076 0,588 100,000

Nous procédons par la suite à un examen des communalités, l’item Degré_intégration_

indicateurs_perfo_financière est candidat à suppression car sa communalité est inférieure à
0,4 (Tableau 4.52).

266
 Tableau 4.52 : Communalités et structure factorielle après rotation de la variable
« Caractéristiques des TB »

Commu- Facteur Facteur Facteur

Items
nalités 1 2 3

Degré_intégration_indicateurs_éléments_incorp 0,785 0,876 0,092 0,094

Dégré_intégration_données_externes_TB 0,726 0,841 0,113 -0,076

Degré_intégration_indicateurs_perfo_clients 0,814 0,830 0,065 0,347

Dégré_intégration_données_qualitatives_TB 0,666 0,810 0,076 0,063

Degré_intégration_indicateurs_objectifs_stratég 0,694 0,749 0,058 0,360

Délait_production_TB 0,892 -0,001 0,943 0,054

Fréquence_prodction_TB 0,777 0,074 0,878 -0,015

Degré_intégration_indicateurs_suivi_TB 0,810 0,207 0,871 0,091

Degré_intégration_indicateurs_prévis_TB 0,780 0,277 0,805 0,235

Degré_intégration_indicateurs_perfo_financière 0,294 0,319 -0,415 -0,141

Dégré_intégration_données_financières_TB 0,701 0,194 0,172 0,796

Dégré_intégration_données_non_financières_TB 0,747 0,379 0,002 0,776

Degré_décentralisation_TB 0,445 -0,075 0,102 0,655

Nous supprimons l’item Degré_intégration_indicateurs_perfo_financière et relançons

l’analyse. Ainsi, le test KMO et le test de sphéricité de Bartlett autorisent la factorisation
(Tableau 4.53).

Tableau 4.53 : Résultats du l’indice KMO et du test de Bartlett pour la variable

« Caractéristiques des TB » après première purification

Mesure de précision de l'échantillonnage de

0,759
Kaiser-Meyer-Olkin.
Khi-deux approximé 288,024
Test de sphéricité
ddl 66
de Bartlett
Signification de Bartlett 0,000

267
 Le critère de Kaiser indique toujours l’existence de trois facteurs, qui permettent
maintenant d’extraire 74,42% de la variance totale expliquée.

Tableau 4.54 : Valeurs propres et pourcentage de variance expliquée relatives à la

variable « Caractéristiques des TB » après première purification

Valeurs propres initiales

Composante
Total % de la variance % cumulés
1 4,827 40,229 40,229
2 2,642 22,016 62,245
3 1,461 12,176 74,421
4 0,852 7,104 81,525
5 0,554 4,617 86,141
6 0,442 3,687 89,828
7 0,368 3,067 92,896
8 0,312 2,603 95,499
9 0,191 1,595 97,094
10 0,139 1,156 98,250
11 0,118 0,979 99,229
12 0,092 0,771 100,000

Les douze items restants sont relativement bien représentés sur les trois facteurs retenus.
En effet, les communalités dépassent toutes 0,4 (comprises entre 0,438 et 0,880). Aussi, les
contributions factorielles sont supérieures à 0,5 (comprises entre 0,653 et 0,936). Le tableau
ci-dessous reprend les communalités et la structure factorielle après rotation de la variable
« Caractéristiques des TB » après épuration.

268
Tableau 4.55 : Communalités et structure factorielle finale après rotation de la variable
« Caractéristiques des TB »

Commu- Facteur Facteur Facteur

Items
nalités 1 2 3

Degré_intégration_indicateurs_éléments_incorp 0,779 0,870 0,117 0,089

Degré_intégration_indicateurs_perfo_clients 0,834 0,852 0,065 0,323

Dégré_intégration_données_externes_TB 0,725 0,836 0,136 -0,084

Dégré_intégration_données_qualitatives_TB 0,693 0,828 0,080 0,038

Degré_intégration_indicateurs_objectifs_stratég 0,696 0,754 0,070 0,351

Délait_production_TB 0,880 -0,018 0,936 0,060

Fréquence_prodction_TB 0,786 0,046 0,885 0,000

Degré_intégration_indicateurs_suivi_TB 0,821 0,178 0,882 0,105

Degré_intégration_indicateurs_prévis_TB 0,812 0,236 0,830 0,260

Dégré_intégration_données_financières_TB 0,720 0,183 0,181 0,809

Dégré_intégration_données_non_financières_TB 0,746 0,387 0,004 0,772

Degré_décentralisation_TB 0,438 -0,065 0,089 0,653

Nous calculons à présent la cohérence interne de la variable de mesure

« Caractéristiques des TB ».

269
 Tableau 4.56 : Statistiques de fiabilité de la variable de mesure
« Caractéristiques des TB »

Alpha de Cronbach Alpha de

en cas de Cronbach avec
Items
suppression de l’ensemble des
l'élément items

Fréquence_prodction_TB 0,829

Délait_production_TB 0,833

Degré_intégration_indicateurs_suivi_TB 0,821

Degré_intégration_indicateurs_prévis_TB 0,814

Dégré_intégration_données_financières_TB 0,828

Dégré_intégration_données_non_financières_TB 0,827
0,838
Dégré_intégration_données_qualitatives_TB 0,824

Dégré_intégration_données_externes_TB 0,823

Degré_intégration_indicateurs_perfo_clients 0,813

Degré_intégration_indicateurs_objectifs_stratég 0,818

Degré_intégration_indicateurs_éléments_incorp 0,816

Degré_décentralisation_TB 0,863

À la lecture du Tableau 4.56, nous remarquons que le score de l’alpha de Cronbach est
d’un niveau satisfaisant et reflète une bonne cohérence interne. Ainsi, la suppression des
items Degré_décentralisation_TB ne permet pas d’améliorer sensiblement la cohérence
interne de l’échelle. Par conséquent, la suppression de cet item ne sera décidée qu’au vu des
résultats du l’analyse factorielle confirmatoire.

Après l’analyse exploratoire que nous avons menée, il est permis de procéder à
l’épuration d’un seul item afin d’améliorer la qualité d’instrument. Nous réexaminons la
structure factorielle obtenue, par la méthode d’analyse factorielle confirmatoire afin de
stabiliser notre échelle de mesure.

270
 4.2.1.3.5.2 Les résultats de l’étude confirmatoire

Une première AFC est lancée sur les douze de la variable « Caractéristiques des TB ».
Tous les coefficients de régression standardisés sont supérieurs au seuil fixé de 0,5 sauf l’item
Dégré_intégration_données_financières_TB dont le coefficient est de 0,438. Aussi, tous les
coefficients de corrélation multiple sont supérieurs au seuil fixé de 0,25 sauf celui de même
item (0,191) (Tableau 4.57 et Schéma 4.10).

Tableau 4.57 : Analyse factorielle confirmatoire initiale de la variable

« Caractéristiques des TB »

Coefficients de Coefficients de
Dimensions régression corrélation
standardisés multiple

Degré de réactivité

Fréquence_prodction_TB 0,818 0,669

Délait_production_TB 0,905 0,818

Degré_intégration_indicateurs_suivi_TB 0,883 0,779

Degré_intégration_indicateurs_prévis_TB 0,841 0,707

Diversité du champ d’application

Dégré_intégration_données_financières_TB 0,438 0,191

Dégré_intégration_données_non_financières_TB 0,543 0,295

Dégré_intégration_données_qualitatives_TB 0,668 0,446

Dégré_intégration_données_externes_TB 0,670 0,449

Diversité des indicateurs de performance

Degré_intégration_indicateurs_perfo_clients 0,900 0,809

Degré_intégration_indicateurs_objectifs_stratég 0,762 0,580

Degré_intégration_indicateurs_éléments_incorp 0,802 0,643

Degré de décentralisation des tableaux de bord

Degré_décentralisation_TB 0,994 0,988

271
 Schéma 4.10 : Modèle factoriel initial de mesure de la variable
« Caractéristiques des TB »

Nous décidons donc de supprimer l’item Dégré_intégration_données_financières_TB et

de relancer l’AFC.

Le nouveau modèle de mesure indique que tous les indicateurs associés aux onze items
mesurant la variable « Caractéristiques des TB » ont des coefficients de régression
standardisés supérieurs au seuil fixé de 0,5 (compris entre 0,578 et 0,994). De même, tous les
coefficients de corrélation multiple sont supérieurs au seuil fixé de 0,25 (Tableau 4.58 et
Schéma 4.11).

272
 Tableau 4.58 : Analyse factorielle confirmatoire finale de la variable
« Caractéristiques des TB »

Coefficients de Coefficients de
Dimensions régression corrélation
standardisés multiple

Degré de réactivité

Fréquence_prodction_TB 0,816 0,666

Délait_production_TB 0,902 0,814

Degré_intégration_indicateurs_suivi_TB 0,885 0,782

Degré_intégration_indicateurs_prévis_TB 0,843 0,711

Diversité du champ d’application

Dégré_intégration_données_non_financières_TB 0,578 0,334

Dégré_intégration_données_qualitatives_TB 0,686 0,471

Dégré_intégration_données_externes_TB 0,661 0,437

Diversité des indicateurs de performance

Degré_intégration_indicateurs_perfo_clients 0,906 0,820

Degré_intégration_indicateurs_objectifs_stratég 0,749 0,562

Degré_intégration_indicateurs_éléments_incorp 0,804 0,646

Degré de décentralisation des tableaux de bord

Degré_décentralisation_TB 0,994 0,988

273
 Schéma 4.11 : Modèle factoriel final de mesure de la variable
« Caractéristiques des TB »

Le modèle de mesure présente des caractéristiques d’ajustement qui peuvent être

considérés comme acceptables. Ainsi, même si la valeur p associée au c2 est inférieure de
0,05 le c2 normé est inférieur à 2. Le RMSEA reflète un ajustement plutôt instable entre les
données et le modèle factoriel alors que les indices IFI et CFI sont supérieurs au seuil
d’acceptabilité de 0,9 et l’indice AIC du modèle est inférieur à celui du modèle saturé. De
même, l’indice PCFI est proche de 1 (Tableau 4.59).

274
 Tableau 4.59 : Indices de qualité d’ajustement du modèle de mesure de la variable
« Caractéristiques des TB »

Indices
Indices absolus Indices de parcimonie
incrémentaux

c2 ddl P RMSEA IFI CFI c2/ddl AIC PCFI

Valeur 114,853 (modèle testé)

60,853 39 0,014 0,123 0,916 0,910 1,560 0,646
obtenue 132,000 (modèle saturé)

Une fois la structure factorielle de l’échelle confirmée, nous examinons la fiabilité de

celle-ci.

Pour cette échelle, nous obtenons un ρ de Jöreskog qui reflète une cohérence interne du
construit, satisfaisante sauf celui de la dimension « Diversité du champ d'application »
(moins de 0,7). Du fait de la bonne cohérence globale de la variable « Caractéristiques de
l'information utilisée » la suppression de cette dimension ne sera décidée qu’au vu des
résultats du l’analyse factorielle de modèle structurel.

Tableau 4.60 : ρ de Jöreskog de la variable « Caractéristiques des TB » et ses dimensions

Dimensions ou variable Rhô de Jöreskog

Degré de réactivité 0,9204

Diversité du champ d'application 0,6782

Diversité des indicateurs de performance 0,8615

Caractéristiques des TB 0,9538

La fiabilité étant assurée, nous vérifions maintenant la validité convergente de l’échelle.

L’échelle atteste d’une validité convergente correcte puisque la variance moyenne

extraite (rhô de validité convergente) a une valeur supérieure à 0,5 sauf celle de la dimension
« Diversité du champ d'application » est de 0,41. Du fait que la variance moyenne globale de
la variable « Caractéristiques de l'information utilisée » est largement supérieure au 0,5, la

275
suppression de cette dimension ne sera décidée qu’au vu des résultats du l’analyse factorielle
de modèle structurel.

Tableau 4.61 : ρvc de validité convergente de la variable « Caractéristiques des TB »

et ses dimensions

Dimensions ou variable Rhô de validité convergente

Degré de réactivité 0,7433

Diversité du champ d'application 0,4139

Diversité des indicateurs de performance 0,6760

Caractéristiques des TB 0,6574

En conclusion, suite à des analyses exploratoires et confirmatoires portant sur la

variable « Caractéristiques des TB », le score de mesure de la dimension « Degré de
réactivité » a été déterminé par le calcul de la moyenne des tous les items initialement prévus
pour cette dimension. En revanche, le calcul du score de mesure de la dimension « Diversité
du champ d’application » a été réalisé par la moyenne uniquement des trois items validés
après suppression de l’item Dégré_intégration_données_financières_TB. De même, le calcul
du score de mesure de la dimension « Diversité des indicateurs de performance » a été réalisé
par la moyenne uniquement des trois items validés sur les quatre items initialement prévus
pour cette dimension. Par ailleurs la dimension « Degré de décentralisation des TB » a été
mesurée par le score unique de l’item Degré_décentralisation_TB.

4.2.1.3.6 Échelle de mesure de la variable « Pilotage de la performance »

La variable « Pilotage de la performance » est mesurée par le biais de onze items, deux
mesurant le Degré d’utilisation des TB, cinq consacrés à la mesure de Diversité d’utilisation
des données des TB et les quatre derniers mesurant le Degré d’utilité des TB. Notons que
l’ensemble des items est mesuré sur une même échelle en 5 points.

276
 4.2.1.3.6.1 Les résultats de l’étude exploratoire

Il convient, dans un premier temps, de vérifier si les conditions de factorisation sont

remplies.

Ainsi, le test KMO, dont la valeur est de 0,851 donne un résultat excellent et le test de
sphéricité de Bartlett est significatif. Nous pouvons poursuivre l’analyse.

Tableau 4.62 : Résultats du l’indice KMO et du test de Bartlett pour la variable

« Pilotage de la performance »

Mesure de précision de l'échantillonnage de

0,851
Kaiser-Meyer-Olkin.
Khi-deux approximé 307,455
Test de sphéricité
ddl 55
de Bartlett
Signification de Bartlett 0,000

Une ACP est lancée sur l’ensemble initial des onze items, le critère de Kaiser indique
l’existence de trois facteurs qui permettent de restituer 78,46 % de la variance totale expliquée
(Tableau 4.63).

277
 Tableau 4.63 : Valeurs propres et pourcentage de variance expliquée relatives à la
variable « Pilotage de la performance »

Valeurs propres initiales

Composante
Total % de la variance % cumulés
1 6,198 56,345 56,345
2 1,377 12,519 68,864
3 1,056 9,597 78,461
4 0,719 6,534 84,995
5 0,461 4,194 89,189
6 0,380 3,452 92,641
7 0,246 2,237 94,878
8 0,214 1,942 96,820
9 0,148 1,342 98,162
10 0,138 1,256 99,418
11 0,064 0,582 100,000

En nous basant sur le critère des communalités, tous les items ont des communalités
supérieures au seuil fixé (comprises entre 0,582 et 0,921). Concernant la structure factorielle
de l’échelle après rotation, nous remarquons que les items Degré_utilisation_TB_
contrôler_trav_perso et Degré_utilisation_TB_informer_résultats ont des corrélations
supérieurs à 0,5 avec le 2ème et le 3ème facteur (Tableau 4.64).

278
 Tableau 4.64 : Communalités et structure factorielle après rotation de la variable
« Pilotage de la performance »

Commu- Facteur Facteur Facteur

Items
nalités 1 2 3

Degré_intelligibilité_données_TB 0,921 0,870 0,341 0,218

Degré_rentabilité_TB 0,812 0,868 0,209 0,125

Degré_signification_données_TB 0,871 0,856 0,258 0,269

Degré_fiabilité_données_TB 0,873 0,852 0,199 0,329

Degré_utilisation_TB_expliquer_objectifs_entrep 0,840 0,240 0,873 0,138

Degré_utilisation_TB_prévoir_situations_venir 0,826 0,340 0,837 0,098

Degré_utilisation_TB_suivre_perfo_entrep 0,791 0,172 0,828 0,274

Degré_utilisation_TB_contrôler_trav_perso 0,638 0,336 0,513 0,512

Intensité_utilisation_données_TB 0,817 0,272 0,054 0,860

Fréquence_utilisation_TB 0,660 0,180 0,260 0,749

Degré_utilisation_TB_informer_résultats 0,582 0,189 0,522 0,523

Nous décidons donc de supprimer les items Degré_utilisation_TB_contrôler_trav_perso

et Degré_utilisation_TB_informer_résultats et de relancer l’ACP.

Ainsi, le test KMO et le test de sphéricité de Bartlett autorisent la factorisation

(Tableau 4.65). Le critère de Kaiser indique toujours l’existence des trois facteurs, qui
permettent maintenant d’extraire 84,60% de la variance totale expliquée (Tableau 4.66).

Tableau 4.65 : Résultats du l’indice KMO et du test de Bartlett pour la variable

« Pilotage de la performance » après première purification

Mesure de précision de l'échantillonnage de

0,818
Kaiser-Meyer-Olkin.
Khi-deux approximé 264,576
Test de sphéricité
ddl 36
de Bartlett
Signification de Bartlett 0,000

279
 Tableau 4.66 : Valeurs propres et pourcentage de variance expliquée relatives à la
variable « Pilotage de la performance » après première purification

Valeurs propres initiales

Composante
Total % de la variance % cumulés
1 5,280 58,662 58,662
2 1,317 14,629 73,291
3 1,018 11,314 84,604
4 0,507 5,637 90,242
5 0,292 3,248 93,490
6 0,220 2,446 95,936
7 0,160 1,774 97,710
8 0,139 1,548 99,258
9 0,067 0,742 100,000

Les neuf items restants sont bien représentés sur les facteurs retenus. En effet, les
communalités dépassent toutes 0,4 (comprises entre 0,794 et 0,926), ce qui témoigne d’une
bonne qualité de représentation. Aussi, les contributions factorielles sont largement
supérieures à 0,5. Celles-ci sont comprises entre 0,819 et 0,884 (Tableau 4.67).

280
Tableau 4.67 : Communalités et structure factorielle finale après rotation de la variable
« Pilotage de la performance »

Commu- Facteur Facteur Facteur

Items
nalités 1 2 3

Degré_intelligibilité_données_TB 0,926 0,884 0,334 0,180

Degré_signification_données_TB 0,873 0,878 0,241 0,208

Degré_rentabilité_TB 0,801 0,858 0,217 0,136

Degré_fiabilité_données_TB 0,871 0,857 0,200 0,309

Degré_utilisation_TB_expliquer_objectifs_entrep 0,852 0,250 0,880 0,122

Degré_utilisation_TB_prévoir_situations_venir 0,847 0,337 0,850 0,104

Degré_utilisation_TB_suivre_perfo_entrep 0,826 0,179 0,846 0,278

Intensité_utilisation_données_TB 0,824 0,298 0,076 0,854

Fréquence_utilisation_TB 0,794 0,168 0,309 0,819

Nous calculons à présent la cohérence interne de la variable de mesure « Pilotage de la

performance » (Tableau 4.68).

281
 Tableau 4.68 : Statistiques de fiabilité de la variable de mesure
« Pilotage de la performance »

Alpha de Alpha de
Cronbach en cas Cronbach avec
Items
de suppression de l’ensemble des
l'élément items

Fréquence_utilisation_TB 0,909

Intensité_utilisation_données_TB 0,911

Degré_utilisation_TB_prévoir_situations_venir 0,900

Degré_utilisation_TB_expliquer_objectifs_entrep 0,903

Degré_utilisation_TB_suivre_perfo_entrep 0,903 0,910

Degré_fiabilité_données_TB 0,892

Degré_intelligibilité_données_TB 0,888

Degré_signification_données_TB 0,893

Degré_rentabilité_TB 0,898

Le score de l’alpha de Cronbach est d’un niveau très satisfaisant et reflète un excellent
degré de consistance interne. Ainsi, la suppression des items Intensité_utilisation
_données_TB ne permet pas d’améliorer sensiblement la cohérence interne de l’échelle. Les
neuf items de notre échelle contribuent tous à la fiabilité de celle-ci.

L’analyse exploratoire que nous avons menée, permet de procéder à l’épuration de deux
items afin d’améliorer la qualité d’instrument. Nous réexaminons la structure factorielle
obtenue, par la méthode d’analyse factorielle confirmatoire afin de stabiliser notre échelle de
mesure.

4.2.1.3.6.2 Les résultats de l’étude confirmatoire

Tous les coefficients de régression standardisés sont supérieurs au seuil fixé de 0,5
(compris entre 0,610 et 0,973). Aussi, tous les coefficients de corrélation multiple sont
supérieurs au seuil fixé de 0,25 (compris entre 0,372 et 0,947) (Tableau 4.69 et Schéma 4.12).

282
 Tableau 4.69 : Analyse factorielle confirmatoire de la variable
« Pilotage de la performance »

Coefficients de Coefficients de
Dimensions régression corrélation
standardisés multiple

Degré d’utilisation des tableaux de bord

Fréquence_utilisation_TB 0,610 0,372

Intensité_utilisation_données_TB 0,973 0,947

Diversité d’utilisation des tableaux de bord

Degré_utilisation_TB_prévoir_situations_venir 0,880 0,775

Degré_utilisation_TB_expliquer_objectifs_entrep 0,886 0,785

Degré_utilisation_TB_suivre_perfo_entrep 0,832 0,693

Degré d’utilité des tableaux de bord

Degré_fiabilité_données_TB 0,881 0,777

Degré_intelligibilité_données_TB 0,969 0,938

Degré_signification_données_TB 0,924 0,854

Degré_rentabilité_TB 0,833 0,693

283
Schéma 4.12 : Modèle factoriel de mesure de la variable « Pilotage de la performance »

Les indices de qualité d’ajustement du modèle factoriel affichent des niveaux

satisfaisants et permettent ainsi de considérer que le modèle de mesure de la variable
« Pilotage de la performance » est tout à fait fiable. La valeur de p associée au c2 est
supérieure de 0,05, le c2 normé est inférieur à 2 et les indices IFI et CFI sont supérieurs au
seuil d’acceptabilité de 0,9. De surcroît, le RMSEA est inférieur à 0,10, l’indice AIC du
modèle est inférieur à celui de modèle saturé et l’indice PCFI est proche de 1 (Tableau 4.70).

Tableau 4.70 : Indices de qualité d’ajustement du modèle de mesure de la variable

« Pilotage de la performance »

Indices
Indices absolus Indices de parcimonie
incrémentaux

c2 ddl P RMSEA IFI CFI c2/ddl AIC PCFI

Valeur 73,772 (modèle testé)

33,772 25 0,113 0,097 0,968 0,966 1,351 0,671
obtenue 90,000 (modèle saturé)

284
 Une fois la structure factorielle de l’échelle confirmée, nous examinons la fiabilité de
celle-ci.

Pour cette échelle, nous obtenons un ρ de Jöreskog qui reflète une cohérence interne du
construit, très satisfaisante.

Tableau 4.71 : ρ de Jöreskog de la variable « Pilotage de la performance »

et ses dimensions

Dimensions ou variable Rhô de Jöreskog

Degré d'utilisation des TB 0,7863

Diversité d'utilisation des données des TB 0,9004

Degré d'utilité des TB 0,9463

Pilotage de la performance 0,9655

La fiabilité étant assurée, nous vérifions maintenant la validité convergente de l’échelle.

L’échelle atteste d’une validité convergente correcte puisque la variance moyenne

extraite (rhô de validité convergente) a une valeur largement supérieure à 0,5.

Tableau 4.72 : ρvc de validité convergente de la variable « Pilotage de la performance »

et ses dimensions

Dimensions ou variable Rhô de validité convergente

Degré d'utilisation des TB 0,6595

Diversité d'utilisation des données des TB 0,7509

Degré d'utilité des TB 0,8155

Pilotage de la performance 0,7593

En conclusion, suite à des analyses exploratoires et confirmatoires portant sur la

variable « Pilotage de la performance », les scores de mesure des dimensions « Degré
d’utilisation des TB » et « Degré d’utilité des TB », ont été calculés par la moyenne des tous
les items initialement prévus pour ces deux dimensions. En revanche, le calcul du score de
285
mesure de la dimension « Diversité d’utilisation des données des TB » a été réalisé par la
moyenne uniquement des trois items validés sur les cinq items initialement prévus pour cette
dimension.

Avant de clore cette phase des analyses statistiques qui consiste à valider les échelles de
mesure, nous vérifions la validité discriminante de nos échelles de mesure.

4.2.1.3.7 Test de la validité discriminante des variables du modèle

L’étude de la validité discriminante constitue la dernière étape des tests de validation

des échelles de mesure. Celle-ci est réalisée sur le modèle global qui comprend les différentes
variables latentes identifiées précédemment.

Comme nous l’avons noté précédemment, la validité discriminante vise à établir que des
indicateurs corrélés à des facteurs unidimensionnels séparés, mesurent effectivement des
construits différents. Il faut donc s’assurer que chaque facteur partage plus de variance avec
ses propres indicateurs qu’avec un autre facteur du modèle de mesure. Pour ce faire, Bagozzi
et Philips (1982) proposent de comparer le modèle libre (ML), dans lequel les corrélations
entre les construits ne sont pas fixées, au même modèle contraint (MC), dans lequel les
corrélations entre les construits sont fixées à 1.

Les valeurs du Chi-deux calculées pour les deux modèles sont ensuite comparées.
Lorsque la différence de Chi-deux est statistiquement significative, on conclut que les
corrélations entre les construits sont statistiquement différentes de 1 et donc que les deux
facteurs latents sont bien différents. Cette même procédure doit être répétée en prenant les
facteurs deux à deux (Anderson et Gerbing, 1988, cités par Jolibert et Jourdan, 2006).

Le Tableau 4.73 présente les résultats de comparaison des deux modèles. Les résultats
de l’étude de la validité discriminante des construits ne sont pas très satisfaisants, car les
relations entre les couple de variables (Structure - Caractéristiques des TB) et
(Caractéristiques des TB - Pilotage de la performance) ne sont pas significatifs. En effet, la
différence entre les deux valeurs du Chi-deux pour ces couples de variables est inférieure à

286
(12,706) la valeur lue sur la table de c2 pour 11 DDL. Par ailleurs, toutes les autres relations
sont significatives au seuil de 5%.

Tableau 4.73 : Tests de la validité discriminante

DDL
Δ de Δ de Résultat de
Relations DDL test
ML MC ML MC

5,280 42,215 5 6 36,935 1 Significatif

Taille Caractéristiques des TB

Age d'entreprise Caractéristiques des TB 2,009 54,705 5 6 52,696 1 Significatif

Type d'activité Caractéristiques des TB 4,003 44,035 5 6 40,032 1 Significatif

Non
Structure Caractéristiques des TB 47,212 59,524 26 27 12,312 1
significatif

Environnement Caractéristiques des TB 11,765 27,288 13 14 15,523 1 Significatif

Informatisation Caractéristiques des TB 3,838 24,511 5 6 20,673 1 Significatif

Formation Caractéristiques des TB 4,916 51,059 5 6 46,143 1 Significatif

Style de décisions Caractéristiques des TB 10,476 26,666 9 10 16,190 1 Significatif

Stratégie de contrôle Caractéristiques des TB 28,486 32,957 27 30 4,471 3 Significatif2

Caractéristiques des TB Pilotage de la Non

16,385 26,567 13 14 10,182 1
performance significatif

1
La différence de degré de liberté entre le modèle contraint et le modèle libre.
2
Test significatif au seuil de 5%, car la différence entre les deux valeurs du Chi-deux (Chi-deux de MC - Chi-
deux de ML) pour ce couple de variables est supérieure à (4,303) la valeur lue sur la table de c2 pour 3 DDL.

287
 Nous pouvons conclure que certains items liés aux variables « Structure »,
« Caractéristique des TB » et « Pilotage de la performance », sont des candidats à supprimer
lors de la re-spécification du modèle.

Le Tableau 4.74 (page suivante) résume les résultats de l’étude exploratoire et

confirmatoire des échelles de mesure des variables latentes de second ordre intégrées dans
notre modèle de recherche.

288
 Tableau 4.74 : Récapitulatif des résultats relatifs à la validation des échelles de mesure des variables latentes de second ordre

Nombre Nombre Nombre Nombre

Variance Rhô de
items d’items de Alpha de Rhô de d’items
Variable totale validité
Avant après facteurs Cronbach Jöreskog Après
expliquée convergente
AFE AFE retenus AFC

Structure 15 13 3 64,563 % 0,718 0,9359 0,5558 13

Environnement 4 4 1 64,910 % 0,820 0,9573 0,8506 4

Style de
14 9 3 73,408 % 0,752 0,9227 0,6355 7
décisions

289
2 pour 2 pour 1 pour 88,976 % pour 0,846 pour 2 pour
Stratégie de (SCRB) (SCRB) (SCRB) (SCRB) (SCRB) (SCRB)
0,8928 0,6357
contrôle 3 pour 3 pour 1 pour 70,135 % pour 0,773 pour 3 pour
(SCRC) (SCRC) (SCRC) (SCRC) (SCRC) (SCRC)

Caractéristiques
13 12 3 74,421 0,838 0,9538 0,6574 11
des TB

Pilotage de la
11 9 3 84,604 0,910 0,9655 0,7593 9
performance

289
 Après avoir vérifié à travers les analyses exploratoires et confirmatoires la fiabilité et la
validité de nos échelles de mesure de toutes les variables latentes de second ordre, nous avons
calculé les scores correspondant à chacune variable latente de premier ordre de ces échelles.
Les scores de mesure obtenus (moyennes des items de mesures retenus dans la première
étape) ont été utilisés pour remplacer les variables latentes de premier ordre dans le but de
simplifier le modèle structurel pour le tester.

4.2.2 Test du modèle structurel : confirmation ou infirmation des hypothèses de

recherche

Cette section a pour objectif de tester les différentes hypothèses de recherche exposées
précédemment à l’aide de la méthode des équations structurelles. Ce test permet de confirmer
ou d’infirmer ces hypothèses.

Dans un premier temps, nous présentons le modèle structurel à estimer. Ainsi, la

vérification de l’ajustement du modèle structurel aux données empiriques est étudiée. Puis,
nous re-spécifions le modèle afin d’améliorer l’ajustement de ce dernier aux données
empiriques. Dans un deuxième temps, nous exposons les résultats du test des hypothèses de
recherche, pour tester ensuite l’effet de médiateur et discuter les résultats.

4.2.2.1 Présentation du modèle structurel

Nous avons effectué des analyses préalables sur le modèle d’équations structurelles
obtenu à la suite des analyses exploratoires et confirmatoires opérées sur nos échelles. Puis
nous améliorons la qualité de ce modèle grâce à la re-spécification de celui-ci. Enfin, nous
vérifions les critères d’ajustement du modèle final de la recherche.

4.2.2.1.1 Analyses préalables

Le Schéma 4.13 présente le modèle structurel initial obtenu à la suite des

transformations des variables latentes de second ordre en scores de mesure. Les détails des
différentes variables latentes et des indicateurs de mesure sont récapitulés dans le
Tableau 4.75.

290
 Schéma 4.13 : Le modèle structurel initial

291
Tableau 4.75 : Variables latentes et indicateurs de mesure de modèle initial (réduit) des
équations structurelles

Nature des
Variables Code
variables
Taille Variable explicative Taille
Nombre de salariés permanents Indicateur de mesure Taille_entreprise
Type d’activité Variable explicative Type d’activité
Activité d’entreprise Indicateur de mesure Activité_entreprise
Age d’entreprise Variable explicative Age d’entreprise
Age d’entreprise Indicateur de mesure Age_entreprise
Structure Variable explicative Structure
Degré de spécialisation des tâches Indicateur de mesure DST
Degré de standardisation Indicateur de mesure DS
Degré de décentralisation horizontale de la prise de décision Indicateur de mesure DDH
Degré de décentralisation verticale de la prise de décision Indicateur de mesure DDV
Degré de formalisation des tâches et des règles et des
Indicateur de mesure DFTRP
procédures
Environnement Variable explicative Environnement
Dynamisme de l’environnement externe Indicateur de mesure DEE
Prévisibilité des actions et des comportements des concurrents Indicateur de mesure PACC
Prévisibilité des goûts et des préférences des clients Indicateur de mesure PGPC
Informatisation Variable explicative Informatisation
Degré d’informatisation Indicateur de mesure DI
Formation Variable explicative Formation
Type de formation Indicateur de mesure Type_formation
Style de décisions Variable explicative Style de décisions
Caractéristiques de l’information utilisée Indicateur de mesure CIU
Degré de supervision personnelle des tâches Indicateur de mesure DSPT
Stratégie de contrôle Variable explicative Stratégie de contrôle
Stratégie de contrôle relative aux budgets Indicateur de mesure SCRB
Stratégie de contrôle relative aux coûts Indicateur de mesure SCRC
Caractéristiques des
Caractéristiques des TB Variable intermédiaire
TB
Degré de réactivité Indicateur de mesure DR
Diversité du champ d’application Indicateur de mesure DCA
Diversité des indicateurs de performance Indicateur de mesure DIP
Degré de décentralisation des tableaux de bord Indicateur de mesure DDTB
Pilotage de la
Pilotage de la performance Variable à expliquer
performance
Degré d'utilisation des tableaux de bord Indicateur de mesure DUTB
Diversité d'utilisation des données des tableaux de bord Indicateur de mesure DTUTB
Degré d'utilité des tableaux de bord Indicateur de mesure DUTTB

292
 Avant de procéder au test des relations explicatives entre les différentes variables
latentes de notre modèle, il est nécessaire de s’assurer de la qualité de l'ajustement du modèle
structurel aux données empiriques.

Les résultats relatifs à l’ajustement du modèle structurel montrent que la valeur le c2

normé est inférieure à 2, Le RMSEA, qui est inférieur à 0,10, reflète une très bonne
adéquation du modèle théorique global aux données empiriques et l’indice AIC du modèle est
inférieur à celui de modèle saturé. En revanche, la valeur de p associée au c2 est inférieure de
0,05, les indices IFI et CFI sont largement inférieurs au seuil d’acceptabilité de 0,9 et l’indice
PCFI n’est pas proche de 1 (Tableau 4.76).

Tableau 4.76 : Indices de qualité d’ajustement du modèle structurel initial

Indices
Indices absolus Indices de parcimonie
incrémentaux

c2 ddl P RMSEA IFI CFI c2/ddl AIC PCFI

Valeur 1745,318 (modèle testé)

1295,318 747 0,000 0,086 0,530 0,459 1,734 0,381
obtenue 1944,000 (modèle saturé)

Par conséquent, nous décidons de re-spécifier le modèle structurel afin d’améliorer la

valeur de p associée au c2 et des deux indices d’ajustement IFI, CFI et PCFI.

4.2.2.1.2 Re-spécification de modèle

La première étape dans le processus de re-spécification consiste à vérifier si certaines

relations établies dans le modèle ne sont pas significatives. En effet, les résultats montrent
l’existence de cinq relations non significatives dans le modèle structurel initial (Tableau 4.77).

293
Tableau 4.77 : Les relations entre les variables du modèle initial et les items participants
à ces mesures

Estimate S.E. C.R. P

Taille_entreprise <--- Taille 1,000

Activité_entreprise <--- Type d'activité 1,000

Age_entreprise <--- Age d'entreprise 1,000

DST <--- Structure 1,000

DS <--- Structure 0,673 0,172 3,914 ***
DDH <--- Structure -0,170 0,219 -0,778 NS
DDV <--- Structure -0,070 0,192 -0,363 NS
DFTRP <--- Structure 0,721 0,176 4,103 ***
DEE <--- Environnement 1,000
PACC <--- Environnement 1,254 0,328 3,821 ***
PGPC <--- Environnement 0,964 0,255 3,785 ***
DI <--- Informatisation 1,000

Type_formation <--- Formation 1,000

DSPT <--- Style de décisions 1,000

CIU <--- Style de décisions 1,420 0,463 3,068 **
SCRB <--- Stratégie de contrôle 1,000
SCRC <--- Stratégie de contrôle 48,552 598,681 0,081 NS
DR <--- Caractéristique des TB 0,268 0,180 1,492 NS
DCA <--- Caractéristique des TB 0,795 0,091 8,686 ***
DIP <--- Caractéristique des TB 1,000
DDTB <--- Caractéristique des TB 0,246 0,319 0,772 NS
Pilotage de la
DUTB <--- 1,000
performance
Pilotage de la
DTUTB <--- 1,180 0,341 3,458 ***
performance
Pilotage de la
DUTTB <--- 1,248 0,372 3,358 ***
performance
NS : Non significatif au seuil de 0,05. ** Significatif au seuil de 0,01.
*** Significatif au seuil de 0,001. * Significatif au seuil de 0,05.

Ces résultats confirment ceux issus de la validité discriminante. En effet, outre l’item
SCRC de la variable « stratégie de contrôle », quatre items liés aux deux variables

294
« Structure » et « Caractéristique des TB » doivent être supprimés afin d’améliorer la qualité
d’ajustement de notre modèle.

Nous nous décidons donc de supprimer ces cinq items du modèle et de relancer
l’analyse. Le schéma suivant présente le modèle structurel final de notre recherche.

295
 Schéma 4.14 : Le modèle structurel de la recherche

296
 Nous vérifions à présent les critères d’ajustement du modèle structurel final après
re-spécification du modèle initial.

4.2.2.1.3 Les critères d’ajustement du modèle de la recherche

Après re-spécification du modèle, nous obtenons de meilleurs critères d’ajustement. En

effet, la valeur de p associée est devenue supérieure à 0,05, la valeur des indices IFI et CFI a
dépassé le seuil d’acceptation en passant de 0,530 à 0,919 pour le IFI et de 0,459 à 0,902 pour
CFI et la valeur de l’indice PCFI a augmenté en passant de 0,381 à 0,712 (Tableau 4.78).

Tableau 4.78 : Indices de qualité d’ajustement du modèle structurel de la recherche

Indices
Indices absolus Indices de parcimonie
incrémentaux

c2 ddl P RMSEA IFI CFI c2/ddl AIC PCFI

Valeur 571,800 (modèle testé)

335,800 300 0,076 0,042 0,919 0,902 1,119 0,712
obtenue 836,000 (modèle saturé)

Une fois les critères d’ajustement du modèle structurel étudiés, nous procédons ci-
dessous à l’interprétation des résultats statistiques et par conséquent au test de nos hypothèses
de recherche.

4.2.2.2 Résultats du test des hypothèses de recherche

L’objectif est maintenant de tester les hypothèses de recherche par la méthode des
équations structurelles et de les discuter. Nous nous basons sur les coefficients de régression
standardisés, le test T de Student et les seuils de risque qui leur sont associés.

Nous présentons successivement :

- Les résultats du test des hypothèses relatives à l’influence des facteurs de contingence
organisationnelle (taille, type d’activité, âge d’entreprise, structure, environnement,
informatisation) sur la variable intermédiaire (Caractéristiques des TB) ;

297
 - Les résultats du test des hypothèses relatives à l’influence des facteurs de contingence
comportementale (type de formation, style de décision, stratégie de contrôle) sur la
variable intermédiaire ;
- Les résultats du test de l’hypothèse relative à l’influence de la variable intermédiaire
(Caractéristiques des TB) sur la variable expliquée (Pilotage de la performance).

4.2.2.2.1 Test des hypothèses relatives aux facteurs de contingence

organisationnelle

L’analyse des relations entre les variables qui ont été définies pour représenter les
facteurs de contingence organisationnelle d’une part, et les caractéristiques des tableaux de
bord des PME d’autre part, montre que la taille, le type d’activité, la structure et
l’informatisation influencent la manière dont cet outil est élaboré.

4.2.2.2.1.1 L’influence de la taille d’entreprise sur les caractéristiques

des tableaux de bord

Cette hypothèse propose de tester que la taille d’entreprise à une influence positive sur
les caractéristiques des tableaux de bord. La corrélation entre les deux variables est
significative au seuil de 0,001, la valeur du test T de Student (CR) est de 3,418, le coefficient
de régression entre les deux variables est de 0,374. Il ressort de ces résultats que l’hypothèse
H1 est validée.

Ce résultat est conforme à la majorité des travaux de recherche théoriques et

empiriques, ayant analysé la relation entre la taille d’entreprise et les caractéristiques de leurs
systèmes de contrôle de gestion (Merchant, 1981 ; Kalika, 1987 ; Chapellier, 1994 ; Bergeron,
1996 ; Germain, 2000).

Ainsi, l’augmentation d’effectifs complique les problématiques de contrôle des PME et

entraine une différenciation des systèmes de contrôle de gestion de ces entités. Ce résultat
nous permet d’identifier l’une des causes de différentiation des systèmes de contrôle de
gestion des PME 1 et PME 2. En effet, la moyenne de la taille des PME 1 est de 116,84, alors
que pour les PME 2 la moyenne est de 63,81.

298
 Il est possible d’expliquer ce résultat par le fait que l’accroissement de la taille des PME
s’accompagne nécessairement d’un élargissement de l’espace de contrôle, dont
l’augmentation des niveaux hiérarchiques peut être l’une des causes, que le dirigeant ne peut
plus couvrir en recourant seulement à la supervision directe.

En conclusion, plus la taille d’entreprise est grande, plus ses tableaux de bord tendent à
être sophistiqués.

4.2.2.2.1.2 L’influence de type d’activité sur les caractéristiques des

tableaux de bord

La deuxième hypothèse stipule que les pratiques de tableau de bord des petites et
moyennes entreprises industrielles sont plus sophistiquées que celles des PME commerciales
ou de services. Les résultats montrent que la corrélation entre les deux variables est
significative au seuil de 0,01, la valeur du test T de Student (CR) est de 2,777, le coefficient
de régression entre les deux variables est de 0,301, ce qui signifie que l’hypothèse H2 est
validée.

Ce résultat signifie que les tableaux de bord des entreprises industrielles sont plus
sophistiqués que celles des PME commerciales ou de services. Ce résultat vient confirmer
celui auquel ont abouti certains auteurs qui ont trouvé que le type d’activité influence les
systèmes de contrôle de gestion (Kalika, 1987 ; Bajan-Banaszak, 1993 ; Chapellier, 1994 ;
Germain, 200) sans toutefois en proposer de véritables explications.

En conclusion, les pratiques de tableaux de bord des PMI sont plus sophistiquées que
celles des PME commerciales ou de services

4.2.2.2.1.3 L’influence de l’âge d’entreprise sur les caractéristiques des

tableaux de bord

Cette hypothèse propose d’examiner si l’âge d’entreprise a une influence sur les
caractéristiques des tableaux de bord. Les résultats montrent que la corrélation entre les deux
variables n’est pas significative au seuil de 0,05, la valeur du test T de Student (CR) est de
1,009, le poids de la corrélation est de 0,107. Par conséquent l’hypothèse H3 est rejetée.

299
 Le résultat lié à cette hypothèse vient confirmer celui issu de la recherche de Chapellier
(1994) qui ne trouve aucun lien entre l’âge d’entreprise et les pratiques comptables.

4.2.2.2.1.4 L’influence de la structure sur les caractéristiques des

tableaux de bord

Cette quatrième hypothèse stipule que plus la structure de PME est décentralisée, plus le
degré de sophistication des pratiques de tableaux de bord est élevé. Cette hypothèse est
validée. En effet, la corrélation entre les deux variables est significative au seuil de 0,01, la
valeur du test T de Student (CR) est de 2,731, le lien structurel est de 0,354.

Cette conclusion qui confirme celles issue des travaux de Kalika (1987) et de Germain
(2000), peut s’expliquer par le fait que les PME qui procèdent à une décentralisation des
responsabilités et de la prise de décision doivent se doter parallèlement de tableaux de bord
sophistiqués permettent à la direction de l’entreprise de piloter ces activités.

Ce résultat nous permet d’identifier une autre cause de différentiation des systèmes de
contrôle de gestion des PME 1 et PME 2. En effet, la structure des PME 1 est plus
décentralisée que celle de PME 2.

Nous pouvons ainsi conclure que plus la structure de PME est décentralisée, plus le
degré de sophistication des pratiques de tableaux de bord est élevé.

4.2.2.2.1.5 L’influence de l’environnement sur les caractéristiques des

tableaux de bord

Cette hypothèse suggère que plus l’environnement des PME est incertain et complexe,
plus le degré de sophistication des pratiques de tableaux de bord est élevé. Les résultats
montrent que la corrélation entre les deux variables n’est pas significative au seuil de 0,05, la
valeur du test T de Student (CR) est de 1,502, le coefficient de régression entre les deux
variables est de 0,182. Par conséquent l’hypothèse H5 est rejetée.

Ce résultat, même s’il est contraire à certains résultats trouvés dans des travaux
théoriques et empiriques antérieurs (Hofstede, 1967 ; Khandwalla, 1972 ; Gordon et Miller,
1976 ; Gordon et Narayan, 1984, German, 2000), s’accorde avec les conclusions du travail de

300
Bergeron (1996) qui parvient au constat que le contexte environnemental des organisations
n’influence pas la manière dont celles-ci élaborent leurs tableaux de bord. Ce résultat pourrait
être expliqué par l’existence d’autres facteurs plus importants que l’environnement qui
influencent les pratiques de contrôle de gestion des PME.

4.2.2.2.1.6 L’influence de l’informatisation sur les caractéristiques des

tableaux de bord

L’hypothèse 6 suppose que le degré d’informatisation a une influence positive sur les
caractéristiques des tableaux de bord. En effet, la corrélation entre les deux variables est
significative au seuil de 0,05, la valeur du test T de Student (CR) est de 2,326, le lien
structurel est de 0,260. Ces résultats montrent que l’hypothèse H6 est validée.

Ce résultat est conforme aux préconisations théoriques et aux validations empiriques

ayant souligné l’impact de l’informatisation sur les systèmes de contrôle de gestion (Kalika,
1987 ; Chapellier, 1994 ; Germain, 2000). Ce résultat pourrait être expliqué par le fait que
l’introduction de l’informatique dans les PME, contribué au développement de dispositifs de
tableaux de bord.

Les relations qui ont été mises en évidence entre les facteurs de contingence
organisationnelle et les caractéristiques des tableaux de bord des PME de l’échantillon
permettent d’évaluer dans quelle mesure les hypothèses relatives aux facteurs de contingence
organisationnelle sont confirmées ou inférées (Tableau 4.79).

301
 Tableau 4.79 : Résultats des tests des hypothèses relatives aux facteurs de contingence
organisationnelle

Hypothèse Résultats
Enoncé de l’hypothèse
N° du test

Plus la taille d’entreprise est grande, plus ses tableaux de bord

H1 Validée
tendent à être sophistiqués.

Les pratiques de tableaux de bord des PMI sont plus

H2 Validée
sophistiquées que celles des PME commerciales ou de services.

Les PME les plus âgés disposent des tableaux de bord plus
H3 Rejetée
sophistiquées que les PME les plus jeunes.

Plus la structure de PME est décentralisée, plus le degré de

H4 Validée
sophistication des pratiques de tableaux de bord est élevé.

Plus l’environnement de PME est incertain et complexe, plus le

H5 degré de sophistication des pratiques de tableaux de bord est Rejetée
élevé.

Plus le degré d’informatisation des activités de PME augmente,

H6 plus le degré de sophistication des pratiques de tableaux de bord Validée
est élevé.

Après avoir présenté les résultats des tests des hypothèses relatives aux facteurs de
contingence organisationnelle, nous abordons maintenant ceux des tests des hypothèses liées
aux facteurs de contingence comportementale.

4.2.2.2.2 Test des hypothèses relatives aux facteurs de contingence

comportementale

L’analyse des relations entre les facteurs de contingence comportementale et les

caractéristiques des tableaux de bord des PME, montre que toutes les variables qui ont été
définies pour représenter les facteurs de contingence comportementale influencent la manière
dont les tableaux de bord sont élaborés.

302
 4.2.2.2.2.1 L’influence de type de formation de dirigeants sur les
caractéristiques des tableaux de bord

Cette hypothèse stipule que les pratiques de tableaux de bord des PME sont plus
sophistiquées lorsque les dirigeants disposent d’une formation de type gestionnaire. Cette
hypothèse est validée. En effet, la relation entre les deux variables est significative au seuil
de 0,05, la valeur du test T de Student (CR) est de 2,423, le lien structurel est de 0,260.

Ce résultat est tout à fait conforme aux conclusions des travaux empiriques antérieures
(Lacombe-Saboly (1991) ; Chapellier (1994) ; Chapellier et Mohammed 2010) qui
parviennent au constat que le type de formation du dirigeant influence les pratiques de
contrôle de gestion des PME, et que les dirigeants ayant reçu une formation de type
gestionnaire disposent, le plus souvent, de système de contrôle plus complexes et utilisent
plus les données comptables que les dirigeants ayant reçu une formation de type non
gestionnaire. Ce résultat pourrait être expliqué par le fait que les personnes ont une tendance
naturelle à faire ce qu’elles savent faire. Ainsi, un dirigeant qui dispose d’une formation de
type gestionnaire aurait plus tendance à élaborer des tableaux de bord plus sophistiqués qu’un
autre.

Ce résultat nous permet d’identifier une autre cause de différentiation des systèmes de
contrôle de gestion des PME 1 et PME 2. En effet, 57,9% des PME 1 ayant une formation de
type gestionnaire (contre 5,8% des dirigeants des PME 2).

4.2.2.2.2.2 L’influence de style de décisions sur les caractéristiques des

tableaux de bord

La huitième hypothèse stipule qu’il existe une relation significative entre le style de
décisions du dirigeant et le degré de sophistication des pratiques de tableaux de bord des
PME. Les résultats relèvent qu’il existe un lien significatif et négatif entre les deux variables,
la valeur du test T de Student (CR) est de - 2,075, le coefficient de régression entre les deux
variables est de - 0,311. L’hypothèse H8 est donc validée.

Ce résultat montre que le degré de sophistication des tableaux de bord est une fonction
des styles de prise de décision. Cette conclusion conforme en patrie les résultats de l’étude de
Germain (2000).

303
 4.2.2.2.2.3 L’influence de la stratégie de contrôle sur les
caractéristiques des tableaux de bord

Cette hypothèse suppose qu’il existe une relation significative entre la stratégie de
contrôle suivie par les dirigeants et le degré de sophistication des pratiques de tableaux de
bord des PME. Les résultats est significatif au seuil de 0,05 pour le lien entre ces deux
variable, la valeur du test T de Student (CR) est de 2,545, le lien structurel est de 0,288.
D’où : l’hypothèse H9 est validée.

Ce résultat montre que le degré de sophistication des tableaux de bord est une fonction
de la stratégie de contrôle suivie par les dirigeants. Dans cette étude, la stratégie de contrôle a
été évaluée par la stratégie de contrôle relative aux budgets.

Ainsi, nous pouvons conclure qu’il est nécessaire de faire évoluer les pratiques
budgétaires pour réussir l’implantation du tableau de bord plus sophistiqué.

Les relations qui ont été mises en évidence entre les facteurs de contingence
comportementale et les caractéristiques des tableaux de bord des PME de l’échantillon
permettent d’évaluer dans quelle mesure les hypothèses relatives aux facteurs de contingence
comportementale sont confirmées ou inférées (Tableau 4.80).

304
 Tableau 4.80 : Résultats des tests des hypothèses relatives aux facteurs de contingence
comportementale

Hypothèse Résultats
Enoncé de l’hypothèse
N° du test

Les pratiques de tableaux de bord des PME sont plus

H7 sophistiquées lorsque les dirigeants disposent d’une formation de Validée
type gestionnaire.

Il existe une relation significative entre le style de prise de

H8 décision du dirigeant et le degré de sophistication des pratiques de Validée
tableaux de bord des PME.

Il existe une relation significative entre les stratégies de contrôle

H9 suivies par les dirigeants et le degré de sophistication des Validée
pratiques de tableaux de bord des PME.

Après avoir présenté les résultats des tests des hypothèses liées aux facteurs de
contingence comportementale, nous abordons maintenant ceux du test de l’hypothèse relative
à l’influence des caractéristiques des tableaux de bord sur le pilotage de la performance.

4.2.2.2.3 Test de l’hypothèse relative à l’influence des caractéristiques des

tableaux de bord sur le pilotage de la performance

Cette dernière hypothèse propose de tester l’influence de la variable intermédiaire

« Caractéristiques des TB » sur la variable expliquée « Pilotage de la performance ». La
corrélation entre les deux variables est significative au seuil de 0,001, la valeur du test T de
Student (CR) est de 3,525. De plus, la corrélation est forte (0,787) entre les deux variables.
Par conséquent, cette hypothèse est validée.

Ce résultat qui montre que le pilotage de la performance des PME est plus important
lorsque les pratiques de tableaux de bord des PME sont plus sophistiquées, confirme les
conclusions des travaux théoriques et empiriques antérieurs (Gray et Pesqueux, 1993 ;
Kaplan et Norton, 2001). Ainsi, si les tableaux de bord ne sont pas sophistiqués, ils peuvent
être un outil parmi d’autres. En revanche s’ils sont plus sophistiqués, ils peuvent être un vrai
outil de pilotage de la performance.
305
Tableau 4.81 : Résultats du test de l’hypothèse relative à l’influence de caractéristiques
des TB sur le pilotage de la performance des PME

Hypothèse Résultats
Enoncé de l’hypothèse
N° du test

Le pilotage de la performance des PME est plus important lorsque

H10 les pratiques de tableaux de bord des PME sont plus Validée
sophistiquées.

Après avoir présenté des résultats des tests des hypothèses de recherche, nous
présentons maintenant notre modèle final validé empiriquement. Ce modèle récapitule les
différentes relations liées les variables explicatives (les facteurs de contingence) au variable à
expliquer « Pilotage de la performance » par l’intermédiaire de la variable « Caractéristiques
des TB » (Schéma 4.15).

306
 Schéma 4.15 : Modèle de recherche final validé

307
Relation structurelle significative Relation structurelle non-significative
 Nous testons à présent l’effet de médiateur des caractéristiques des tableaux de bord
dans la relation entre les variables de contingence et le pilotage de la performance des PME.

4.2.2.3 Test de l’effet de médiateur

Nous testons l’effet de médiateur des caractéristiques des tableaux de bord dans la
relation entre les facteurs de contingence et le pilotage de la performance des PME. En nous
basant sur les travaux de Baron et Kenny (1986), une variable fonctionne comme un
médiateur quand elle remplit les conditions suivantes :

- Le lien entre la variable indépendante (facteurs de contingence) sur la variable

dépendante (pilotage de la performance) doit être significatif afin de s’assurer de
l’existence d’un impact à médiatiser ;

- La variable indépendante (facteurs de contingence) doit avoir un impact significatif

sur la variable médiatrice ;

- Lorsque l’influence des caractéristiques des tableaux de bord sur le pilotage de la

performance est contrôlée, l’influence des facteurs de contingence sur le pilotage de la
performance doit être diminué (médiation partielle), voire nulle (médiation totale).

Les résultats montrent qu’il n’existe pas d’effet médiateur. En effet la première
condition de Baron et Kenny n’est pas remplie. L’analyse de la significativité des coefficients
de régression et de test T nous indique que toutes les relations entre les facteurs de
contingence et le pilotage de la performance des PME ne sont pas significatives au seuil
de 5%.

Les coefficients de régression standardisés et la valeur des tests T qui indiquent la non-
significativité des liens entre les facteurs de contingences et le pilotage de la performance des
PME sont présentés dans le Tableau 4.82.

308
 Tableau 4.82 : Les paramètres de la signification de l’effet de médiateur

Les coefficients
Relation de régression Test T P
standardisés

Relation entre les facteurs de contingence organisationnelle et le pilotage de la

performance

Taille Pilotage de la performance 0,241 1,493 NS

Type d’activité Pilotage de la performance 0,306 1,852 NS

Age d’entreprise Pilotage de la performance 0,001 0,004 NS

Structure Pilotage de la performance 0,348 1,840 NS

Environnement Pilotage de la performance 0,254 1,414 NS

Informatisation Pilotage de la performance 0,223 1,348 NS

Relation entre les facteurs de contingence comportementale et le pilotage de la

performance

Formation Pilotage de la performance 0,239 1,485 NS

Style de décisions Pilotage de la performance -0,029 -0,180 NS

Stratégie de contrôle Pilotage de la performance 0,236 1,378 NS

NS : Non significatif au seuil de 0,05.

Après la vérification de l’effet de médiateur, nous procédons à la discussion des

résultats de la recherche.

4.2.2.4 Synthèse et discutions des résultats de la recherche

Lors de cette dernière phase de traitement statistique (4.2.2), nous avons présenté les
résultats du test de l’ensemble des hypothèses de recherche, en utilisant les méthodes
d’équations structurelles. Ainsi, nous avons procédé à la confrontation des hypothèses au
modèle structurel, après re-spécification de celui-ci.

Le test du modèle structurel nous a permis d’aboutir à huit relations statistiquement

significatives parmi les dix proposées. Le tableau suivant présente une synthèse des résultats
des tests des hypothèses de recherche.

309
 Tableau 4.83 : Synthèse des résultats des tests des hypothèses de recherche

Hypothèse Résultats
Enoncé de l’hypothèse
N° du test

Hypothèses relatives aux facteurs de contingence organisationnelle

Plus la taille d’entreprise est grande, plus ses tableaux de bord

H1 Validée
tendent à être sophistiqués.

Les pratiques de tableaux de bord des PMI sont plus

H2 Validée
sophistiquées que celles des PME commerciales ou de services.

Les PME les plus âgés disposent des tableaux de bord plus
H3 Rejetée
sophistiquées que les PME les plus jeunes.

Plus la structure de PME est décentralisée, plus le degré de

H4 Validée
sophistication des pratiques de tableaux de bord est élevé.

Plus l’environnement de PME est incertain et complexe, plus le

H5 degré de sophistication des pratiques de tableaux de bord est Rejetée
élevé.

Plus le degré d’informatisation des activités de PME augmente,

H6 plus le degré de sophistication des pratiques de tableaux de bord Validée
est élevé.

Hypothèses relatives aux facteurs de contingence comportementale

Les pratiques de tableaux de bord des PME sont plus

H7 sophistiquées lorsque les dirigeants disposent d’une formation de Validée
type gestionnaire.

Il existe une relation significative entre le style de prise de

H8 décision du dirigeant et le degré de sophistication des pratiques de Validée
tableaux de bord des PME.

Il existe une relation significative entre les stratégies de contrôle

H9 suivies par les dirigeants et le degré de sophistication des Validée
pratiques de tableaux de bord des PME.

Hypothèse relative à l’influence de caractéristiques des TB sur le pilotage de la

performance des PME

Le pilotage de la performance des PME est plus important lorsque

H10 les pratiques de tableaux de bord des PME sont plus Validée
sophistiquées.

310
 Après avoir synthétisé les résultats des tests des hypothèses de recherche, nous
présentons à présent les conséquences théoriques des résultats de la recherche. Il s’agit à ce
niveau de donner une réponse aussi catégorique que possible à la question qui a motivé la
recherche : définir la place du tableau de bord dans le pilotage de la performance des PME.

Plusieurs conséquences théoriques peuvent être tirées à la lecture de résultats de recherche :

- Le tableau de bord n’est pas un outil principal utilisé par les dirigeants de PME
Marocaines. Cependant, les dirigeants déjà adoptant ces outils jugent que le tableau
de bord a une place importante dans le pilotage de la performance.

- Le pilotage de la performance à l’aide de tableau de bord reste très attaché aux

caractéristiques de ce dernier.

- Le tableau de bord et les budgets sont deux outils complémentaires. Autrement dit,
il est nécessaire de faire évoluer les pratiques budgétaires pour réussir l’implantation
du tableau de bord.

- Le tableau de bord n’est pas un outil utilisable dans n’importe quelle situation
contextuelle. Ainsi, les caractéristiques du tableau de bord sont affectées par les
conditions organisationnelle et comportementale existent très probablement.

En approfondissant la conclusion précédente, l’on peut affirmer que la place du tableau

de bord dans le pilotage de la performance est contingente. Elle doit être adaptée aux
exigences des facteurs organisationnelle (taille, type d’activité, structure, informatisation) et
comportementale (type de formation de dirigeants, style de décisions, stratégie de contrôle) de
l’entité.

Dans des conditions contingentes incompatibles, le tableau de bord des PME est moins
sophistiqué, sa place dans le pilotage de la performance des ces entités est donc moins
importante. En revanche, dans des conditions contingentes compatibles, le tableau de bord
devient plus sophistiqué, par conséquence sa place dans le pilotage de la performance des
PME devient importante.

311
 Certains impacts des facteurs de contingence sur les caractéristiques des tableaux de
bord apparaissent inattendus. C’est le cas précisément de l’impact de facteur « Âge
d’entreprise » et « Environnement ». Les résultats du test montrent que ces deux facteurs
n’influencent pas les caractéristiques de tableaux de bord. Ces résultats inattendus mériteront
une attention particulière dans les recherches futures.

312
Conclusion du Chapitre 4

Dans le présent chapitre, nous avons présenté en détail les résultats issus des différentes
analyses statistiques de la confrontation de notre modèle conceptuel au terrain de recherche.

Ainsi, dans un premier temps, nous avons présenté la méthode des équations structurelle
et le modèle d’équations structurelles de la recherche.

Dans une deuxième étape, nous avons procédé à la construction et la validation de nos
échelles de mesure, en s’appuyant sur une analyse factorielle exploratoire, effectuée sous le
logiciel SPSS 17.0, et une analyse factorielle confirmatoire, effectuée sous le logiciel AMOS
18.0. Enfin, nous avons présenté les résultats du test de l’ensemble des hypothèses de
recherche, en utilisant les méthodes d’équations structurelles. Nous avons interprété et discuté
les différents résultats obtenus.

313
 CONCLUSION DE LA DEUXIÈME PARTIE

Cette deuxième partie de notre thèse s’est attachée d’une part, à souligner la
méthodologie de recherche adoptée afin de mettre à l’épreuve notre modèle théorique et
d’autre part, à présenter les résultats de notre investigation empirique.

Ainsi, dans le cadre du Chapitre 3 de ce travail, nous avons expliqué et justifié nos
différents choix méthodologiques. Nous avons, de ce fait, présenté notre méthode de
recherche adoptée, à savoir une méthode quantitative basée sur l’envoi d’un questionnaire de
recherche. Ensuite, nous avons comparé des caractéristiques des facteurs de contingence des
PME 1 et PME 2 afin de comprendre les raisons ‒ au moins partielles ‒ pour lesquels les
systèmes de contrôle de gestion des deux entités sont différenciés.

Le Chapitre 4, quant à lui, a été consacré à la restitution de l’ensemble des résultats

relatifs à notre investigation empirique. Ainsi, dans une première étape, nous avons présenté
la méthode des équations structurelle et le modèle d’équations structurelles de la recherche.
Dans un deuxième temps, nous avons exposé et interprété les différentes analyses
exploratoires et confirmatoires réalisées afin de valider nos échelles de mesure. Â l’issue de
cette étape, nous avons présenté et discuté les résultats issus de la confrontation de nos
hypothèses de recherche au modèle structurel.

La prochaine et dernière étape dans ce document consiste à présenter une conclusion

générale retraçant les différents apports et les différentes limites et perspectives de recherche
relatifs à ce travail doctoral.

314
 CONCLUSION GÉNÉRALE

La présente thèse a pour objectif d’étudier la place du tableau de bord dans le pilotage
de la performance des PME. Plus précisément, il s’agit de fournir un cadre explicatif aux
pratiques des tableaux de bord des PME.

Pour ce faire, nous avons défini dans un premier temps, les principaux concepts et les
principales notions utilisés dans le cadre de ce travail ainsi que le terrain et l’élément de
recherche. Ensuite, nous avons présenté le cadre conceptuel général qui définit la structure de
notre modèle de recherche.

A l’issue de cette première enquête théorique, nous avons construit notre modèle
théorique suivant un raisonnement hypothético-déductif. En analysant une littérature riche et
variée portant sur les pratiques des tableaux de bord des PME, nous avons identifié neuf
variables explicatives et une variable intermédiaire. Ces variables ont été intégrées dans notre
modèle conceptuel afin d’expliquer les pratiques des tableaux de bord des PME.

Suite à cette première partie théorique, nous avons procédé à l’étude empirique. Ainsi,
la mise à l’épreuve de notre modèle, au niveau empirique, l’enquête par questionnaire a été
envoyée par voie postale, par voie électronique, en face à face et enfin et sur un site web.
L’étude porte sur 14 régions composées de 59 villes marocaines.

Après le recueil des données auprès de 107 PME, celles-ci ont été soumises à une
analyse exploratoire opérée sous le logiciel SPSS 17.0. Cette analyse nous a permis de vérifier
la qualité des nos échelles. Ensuite, nous avons comparé les caractéristiques des facteurs de
contingence des deux sous-échantillons étudiés (38 PME 1 qui élaborent les tableaux de bord
et 69 PME 2 qui n’élaborent pas les tableaux de bord). Ceci nous a permis de comprendre les
raisons - au moins partielles - pour lesquels les systèmes de contrôle de gestion des deux
entités sont différenciés.

Nous avons par la suite effectué une analyse confirmatoire sous le logiciel AMOS 18.0
pour les PME 1. Cette phase d’analyse statistique nous a permis de valider nos échelles de
mesure et tester notre modèle structurel.
315
 A l’issue de cette phase, nous avons abouti à des échelles valides et fiables. Aussi, le
test de notre modèle structurel, dont l’objectif était de confirmer ou d’infirmer un ensemble
d’hypothèses issues de la théorie, nous a permis de valider certaines d’entre elles et d’en
rejeter d’autres.

A ce titre, nous avons discuté les résultats portant sur les hypothèses validées et les
hypothèses rejetées. Nous avons également comparé nos résultats avec ceux générés dans les
travaux antérieurs et présenté notre modèle de recherche final validé empiriquement.

En guise de conclusion générale de ce travail doctoral, nous dressons ci-dessous un

bilan des principaux apports théoriques et pratiques relatifs à celui-ci. Nous soulignons
également les limites inhérentes à notre étude. Enfin, nous discutons un ensemble
d’interrogations et de réflexions que nous avons présentées sous forme de prolongements et
voies de recherche futures.

1. Apports de la recherche

Les apports de la recherche peuvent être regroupés dans deux domaines – celui de la
théorie et celui de la pratique du contrôle de gestion.

1.1 Apports théoriques

Les apports théoriques de la recherche commencent avec la démarche originale

d’investigation qui met à contribution différentes approches théoriques dans le but de
comprendre et résoudre une problématique complexe. Il s’inscrit dans une logique cumulative
et vient enrichir les travaux antérieurs traitant les pratiques de tableaux de bord des PME.

Le deuxième apport théorique de la recherche est lié à l’étude de tableaux de bord en

tant qu’outil de contrôle et à la tentative de définir sa place dans le pilotage de la performance
des PME. L’analyse menée ici se situe donc plutôt à un niveau « macroscopique » - celui des
outils de contrôle de gestion, par opposition aux analyses déjà existantes menées au niveau
« microscopique » - celui des indicateurs financiers ou non financiers qui composent les
outils.

316
 Le dernier apport théorique relatif à notre recherche concerne l’élaboration d’un modèle
théorique intégrateur explicatif des pratiques de tableaux de bord des PME. En effet, notre
modèle de recherche a été constitué à partir de l’analyse d’une littérature riche et diversifiée.
Celui-ci a intégré trois principales catégories de facteurs : les facteurs de contingence
organisationnelle et comportementale, les caractéristiques des tableaux de bord et le pilotage
de la performance.

1.2 Apports pratiques

Les principaux apports pratiques relatifs à notre travail doctoral peuvent être résumés en
deux points :

Le premier apport pratique relatif à notre travail concerne notre outil d’investigation. En
effet, notre questionnaire de recherche, que nous avons développé à partir des travaux
antérieurs, peut être considéré comme un outil de diagnostic et d’évaluation. Il permettra
d’obtenir des informations variées sur les pratiques de contrôle de gestion des PME (calculs
des couts, budgets et tableaux de bord).

Le deuxième apport pratique de notre recherche porte sur l’explication des pratiques de
tableaux de bord des PME. En effet, notre travail, à travers une enquête théorique et une
validation empirique, a contribué à mieux comprendre les pratiques de tableaux de bord des
PME. Il a permis de mettre en avant les facteurs qui influencent et expliquent ces pratiques.
Cette compréhension est importante dans la mesure où elle permet aux dirigeants et aux
contrôleurs de gestion des PME de mieux cibler leurs actions incitatives pour piloter la
performance de ces entités.

Après avoir exposé les principaux apports de notre travail de recherche exposés, nous
présentons ci-dessous les limites relatives à celui-ci.

317
 2. Limites de la recherche

En dépit des contributions théoriques et pratiques de notre travail doctoral, celui-ci

présente un certain nombre de limites. Celles-ci sont d’ordre théorique et empirique.

2.1 Limites théoriques

D’un point de vue théorique, cette recherche présente deux principales limites.

La première limite théorique est la non prise en compte des autres facteurs de
contingence influençant les pratiques de tableaux de bord des PME. En effet, Au sein de la
théorie de la contingence plusieurs facteurs contextuels ont été étudiés dans le passé comme
influençant les pratiques de contrôle de gestion des PME. Cependant, nous avons pris en
compte - la taille, le type d’activité, l’âge d’entreprise, la structure, l’environnement dans
lequel l’entreprise évolue et du degré d’informatisation de ses activités - comme des facteurs
de contingence organisationnelle et - le type de formation de dirigeants, le style de décisions
et la stratégie de contrôle - comme des facteurs de contingence comportementale. Cette
restriction du nombre des facteurs de contingence peut apparaître comme une limite de la
recherche.

La deuxième limite théorique concerne la non prise en compte des relations inter-
factorielles dans le modèle de recherche. Néanmoins, l’objectif annoncé de cette recherche
était d’expliquer les pratiques de tableaux de bord des PME et évaluer dans quelle mesure les
facteurs de contingence peuvent influencer la place du tableau de bord dans le pilotage de la
performance des PME. Cependant, l’étude des relations inter-factorielles pourrait peut-être
permettre de compléter les résultats de notre recherche.

À côté des limites liées à la conception du modèle théorique apparaissent les limites liée
à la réalisation des tests de ce modèle – les limites empiriques.

2.2 Limites empiriques

La première limite empirique concerne la taille et la représentativité de l’échantillon, un

échantillon de 107 PME peut être considéré comme assez important pour le chercheur en
gestion. Néanmoins, notre échantillon a été divisé en deux sous-échantillons (38 PME 1 et 69
318
PME 2). Par ailleurs, la faible taille de l’échantillon nous a amené à tester des modèles
structurels de premier ordre alors que, compte tenu de la nature des variables impliquées, des
modèles de second ordre auraient pris en compte de manière plus précise les erreurs
systématiques dans les modèles de mesure des variables latentes.

La deuxième limite méthodologique relative à notre travail de recherche, concerne le

choix de la méthode de collecte des données. En effet, pour réaliser notre étude empirique,
nous avons envoyé deux questionnaires par voie postale et en face à face, un questionnaire
adressé au dirigeant d’entreprise et un autre adressé au contrôleur de gestion. Par contre, nous
avons envoyé un seul questionnaire qui regroupe toutes les questions de recherche par voie
électronique et sur le site web.

La mise en évidence des limites théoriques et méthodologiques relatives à ce travail

montre que la réalisation d’autres études améliorant le dispositif de recherche actuel est
nécessaire.

3. Prolongements et voies de recherche futures

Les limites de la recherche discutées ci-dessus indiquent clairement quelques directions

de prolongements pour notre recherche.

Ainsi, la première voie de recherche qui pourrait être suggérée concerne l’amélioration
de l’explication fournie des pratiques de tableaux de bord des PME. En effet, notre modèle
théorique a intégré un ensemble de facteurs explicatifs organisationnels (la taille, le type
d’activité, l’âge d’entreprise, la structure, l’environnement et le degré d’informatisation) et
comportementales (le type de formation de dirigeants, le style de décisions et la stratégie de
contrôle). La mise à l’épreuve de ce modèle, au niveau empirique, a révélé que certains
facteurs ont un impact significatif sur les pratiques de tableaux de bord des PME, alors que
d’autres ne contribuent pas à l’explication de celles-ci. Les résultats de notre recherche ont
donc montré que nous n’avons expliqué que partiellement les pratiques de tableaux de bord
des PME.

Afin d’améliorer l’explication de ces pratiques, il serait intéressant d’enrichir notre

modèle validé en intégrant d’autres facteurs de contingence influençant les pratiques de
tableaux de bord citées dans la littérature.
319
 Une deuxième voie de recherche à notre travail consisterait à étudier relations inter-
factorielles dans le modèle de recherche. Cela permettrait de compléter les résultats de notre
recherche.

Pour repousser les limites des résultats empiriques, la réalisation d’une recherche
analogique sur un échantillon plus important serait également d’un grand intérêt.

Une autre voie de recherche concernerait le choix de la méthode de collecte des

données. Comme nous l’avons souligné auparavant, pour réaliser notre étude empirique, nous
avons envoyé deux questionnaires par voie postale et en face à face, un questionnaire adressé
au dirigeant d’entreprise et un autre adressé au contrôleur de gestion. Par contre, nous avons
envoyé un seul questionnaire qui regroupe toutes les questions de recherche par voie
électronique et sur le site web. Ainsi, dans le cadre d’un futur travail, il faudrait dépasser cette
limite.

En conclusion, ce travail doctoral nous a permis de répondre à notre question de

recherche en fournissant une explication des pratiques de tableaux de bord des PME et
d’identifier la place du tableau de bord dans le pilotage de la performance des ces entités.
Cependant, ce travail ne prétend pas donner une explication exhaustive et complète de ces
pratiques. Celui-ci ne constitue qu’une première étape d’un long processus de recherche
illustré par les différentes voies de recherche exposées ci-dessus, et nécessite d’être complété
dans le cadre de travaux ultérieurs.

320
BIBLIOGRAPHIE

321
ABDESSELAM R. et LE VIGOUREUX F. (1999), " Contribution à l'étude du lien entre la
structure de propriété et le comportement stratégique des moyennes entreprises industrielles ",
Revue Gestion 2000, novembre-décembre, pp. 37-58.

ACHIBANE M. et ELHADJ EZZAHID M. (2006), " Les petites et moyennes entreprises au

Maroc : réalité et problèmes ", conférence international, 17 et 18 avril, 9 p.

ADAM-LEDUNOIS S. et LE VIGOUREUX F. (1998), " Entreprises moyennes :

l’indépendance en question ", Communication au 4ème Congrès International Francophone
sur la PME, Metz, 15 p.

ALCOUFFE S. et AVENIER M.-J. (2007), " Quels repères pour la mise en œuvre d'un
schéma de pilotage fondé sur une logique « stratégico-opérationnelle » dans une entreprise de
services de réseau ? ", Communication au 28ème congrès de l’AFC, Comptabilité et
Environnement, Mai, 26 p.

ANDERSON J. C. et GERBING D. W. (1988), " Structural equation modeling in practice: A

review and recommended two-step approach ", Psychological Bulletin, Vol. 103, N° 3,
pp. 411-423.

ANTHONY R. N. (1988), The Management Control Function, Harvard Business School

Press, Boston, décembre, 216 p.

ATKINSON A. A., WATERHOUSE J. H. et WELLS R. B. (1997), " A Stakeholder

Approach to Strategic Performance Measurement ", Sloan Management Review, Vol. 38,
Spring, Issue 3, pp. 25-38.

ATKINSON A. et EPSTEIN M. (2000), " Measure for measure: realizing the power of the
Balanced Scorecard ", CMA Management, Vol. 74, N° 7, pp. 22-28.

BAC-CHARRY B. (1998), " Normalisation comptable et inertie face au changement dans les
PME ", Revue Française de Gestion, novembre-décembre, pp. 129-138.

BAJAN-BANSAZAK L. (1993), " L’expert-comptable et le conseil de gestion en PME ",

Revue Française de Comptabilité, N° 249, octobre, pp. 95-101.

BARON R. M. et KENNY D. A. (1986), " The moderator-mediator variable distinction in

socialpsychological research: conceptual, strategic, and statistical considerations ", Journal
of Personality and Social Psychology, Vol. 51, N° 6, pp. 1173-1182.

322
BARRETT M. E. et FRASER L. B. (1977), " Conflicting Roles in Budgeting for
Operations ", Harvard Business Review, juillet-août, pp. 137-146.

BAUMARD P., DONADA C., IBERT J. et XUEREB J.-M. (2003), " La collecte des données
et la gestion de leurs sources ", in R.-A. Thiétart (éd.), Méthodes de recherche en
management, Dunod, Paris, pp. 224-256.

BAYAD M. et GARAND D. J. (1998), " Vision du propriétaire-dirigeant de PME et

processus décisionnel : de l'image à l'action ", 4ème Congrès International Francophone de la
PME (CIFPME), Metz, 22-24 octobre, 28 p.

BAYAD M., GALLAIS M. et SCHMITT C. (2006), " Prescription et adoption des outils de
gestion dans les PME : quels facteurs facilitateurs ? ", 8ème Congrès International
Francophone PME, 23 p.

BERGERON H. (1996), " Différenciation des systèmes de données et représentations en

contrôle de gestion. Essai d’observation et d’interprétation ", Thèse de Doctorat,
Soutenance : 5 avril 1996, Montpellier, Université de Montpellier II.

BERGERON H. (2000), " Les indicateurs de performance en contexte PME, quel modèle
appliquer ? ", 21ème Congrès de l'Association Française de Comptabilité, Angers, 21 p.

BERGERON H. (2002), " La gestion stratégique et les mesures de la performance non

financière des PME ", 6ème congrès international francophone sur la PME, HEC Montréal,
octobre, 17 p.

BERLAND N. (1997), " La naissance du contrôle budgétaire en France (1930-1960) ",

Comptabilité, Contrôle, Audit, Tome 3, Vol. 2, septembre, pp. 5-22.

BERLAND N. (1998), " Le contrôle budgétaire, outil d’un environnement routinier : un point
de vue historique ", Entreprises et Histoire, N° 20, décembre, 29 p.

BERLAND N. (1999), " À quoi sert le contrôle budgétaire ? ", Finance, contrôle, stratégie,
Vol. 2, N° 3, pp. 5-24.

BERLAND N. (1999), " L’histoire du contrôle budgétaire en France ", Thèse de Doctorat,
Soutenance : 19 janvier 1999, Paris, Université Paris IX - Dauphine.

BERLAND N. (2000), " Fonctions du contrôle budgétaire et turbulence ", in Risques et

comptabilité, 21ème congrès de l’Association Française de Comptabilité, Angers, 19 p.
323
BERLAND N. (2001), " Les rôles du contrôle budgétaire : un modèle d'interprétation ", Revue
Française de gestion, septembre-octobre, pp. 111-120.

BERLAND N. (2002), Le contrôle budgétaire, Repères, Editions La Découverte, mars, 122 p.

BERLAND N. (2004), " La gestion sans budget : évaluation de la pertinence des critiques et
interprétation théorique ", Finance, Contrôle, Stratégie, décembre, Vol. 7, Issue 4, pp. 37-58.

BERLAND N. (2004), Mesurer et piloter la performance, Editions de la Performance,

avril, 230 p.

BERLAND N. et CHIAPELLO E. (2004), " Le rôle des réformateurs sociaux dans la

diffusion de nouvelles pratiques de gestion : le cas du contrôle budgétaire en France 1930-
1960 ", Comptabilité, Contrôle, Audit, juin, pp. 133-160.

BERLAND N. et PEZET A. (2000), " Pour une démarche pragmatique en histoire de la

gestion ", Comptabilité, Contrôle, Audit, numéro spécial, décembre, pp. 5-17.

BERLAND N., ALCOUFFE S. et LEVANT Y. (2002), " Les facteurs de diffusion des
innovations managériales en comptabilité et contrôle de gestion : une étude comparative ",
Comptabilité, Contrôle, Audit, Tome 8, Vol. 2, novembre, pp. 29-50.

BERLAND N., ALCOUFFE S. et LEVANT Y. (2008), " Succès et échec d’un outil de
gestion ", Revue Française de Gestion, décembre, N° 188-189, pp. 291-306.

BERLAND N., BLUTHE N., FROUIN L., MASSELIERE I. et PINCON J. (2003), " Gestion
sans budget : retour au management ", L’expansion Management Review, décembre,
pp. 81-89.

BESCOS P.-L. et MENDOZA C. (1998), " Les besoins d'information des managers sont-ils
satisfaits ? ", Revue Française de gestion, novembre-décembre, pp. 117-128.

BESCOS P.-L., CAUVIN E., LANGEVIN P. et MENDOZA C. (2004), " Critiques du

budget : une approche contingente ", Comptabilité, Contrôle, Audit, Vol. 10, N° 1, juin,
pp.165-185.

BESCOS P-L. (1989), " Les facteurs de réussite dans le redressement de P.M.I. en difficulté ",
Revue Française de gestion, septembre-octobre, pp. 55-67.

324
BESCOS P-L. (1991), " Les tableaux de gestion du C.N.C. : un nouvel outil de diagnostic
pour les P.M.E. ? ", Revue Française de Comptabilité, N° 226, septembre, pp. 41-46.

BESCOS P-L. et CAUVIN E. (2000), " Contrôle de gestion : faut-il changer de système ? ",
Revue Echanges, N° 168, Juillet, Editorial, 1 p.

BESCOS P-L. et CAUVIN E. (2002), " L’évaluation des performances dans les start-up ",
Revue Echanges, N° 190, Juillet, 2 p.

BESCOS P-L. et CAUVIN E. (2002), " L’évaluation des performances : une comparaison
entre les pratiques des start-ups et des entreprises traditionnelles françaises et américaines ",
23ème Congrès de l’Association Française de Comptabilité, Toulouse, mai, pp. 15-17.

BESCOS P-L. et CAUVIN E. (2004), " Les indicateurs de performance : les facteurs
explicatifs ", Revue Echanges, N° 208, Avril, pp.16-17.

BESCOS P-L. et CAUVIN E. (2005), " Les indicateurs financiers et non financiers utilisés
dans les entreprises françaises : une recherche empirique ", Finance-Contrôle-Stratégie,
Vol. 8, N° 1, mars, pp.5-25.

BESCOS P-L. et CAUVIN E. (2005), " Nature et caractéristiques des informations utilisées
par les entreprises françaises dans le cadre de leur communication financière : une étude
empirique ", 26ème Congrès Annuel de l’Association Francophone de Comptabilité, Lille, mai,
pp.11-13.

BESCOS P-L., CAUVIN E., LANGEVIN P. et MENDOZA C. (2003), " La démarche

budgétaire : les opérationnels sont-ils d’accord avec les financiers ? ", Revue Echanges,
N° 198, Avril, pp. 20-21.

BESSON M., LÖNING H. et MENDOZA C. (2004), " Les directeurs commerciaux face au
processus budgétaire ", Comptabilité-Contrôle-Audit, Tome 10, Vol. 2, décembre,
pp. 125-154.

BOLLECKER M. (2001), " Pratiques de différenciation des données dans les systèmes de
contrôle de gestion ", GREFIGE-Université Nancy 2, Cahier de recherche, N° 2001-06, 26 p.

BOUQUIN H. (1994), Les fondements du contrôle de gestion, PUF, collection Que sais-je ?,
128 p.

325
BOUQUIN H. (1996), " Pourquoi le contrôle de gestion existe-t-il encore ? ", Gestion,
Vol. 21, N° 3, septembre, pp. 97-103.

BOUQUIN H. (2000), " Contrôle et stratégie ", In Encyclopédie de la comptabilité, du

contrôle de gestion et de l’audit, Paris, Economica, pp. 533-545.

BOUQUIN H. (2000), " Du contrôle de gestion au pilotage ", L’Expansion Management

Review, N° 98, septembre, pp. 58-66.

BOUQUIN H. et BESSON P. (1991), " Identité et légitimité de la fonction contrôle de

gestion ", Revue Française de Gestion, N° 82, janvier-février, pp. 60-71.

BOUQUIN H. et FIOL M. (2006), " Contrôle de gestion : repères perdus, espaces à

retrouver ", communication au congrès AFC, Poitiers, 20 p.

BOUQUIN H. et PESQUEUX Y. (1999), " Vingt ans de contrôle de gestion, ou le passage

d'une technique à une discipline ", Comptabilité, Contrôle, Audit, mai, pp. 93-106.

BOURGUIGNON A. (1997), " Sous les pavés, la plage... ou les multiples fonctions du
vocabulaire comptable : l'exemple de la performance ", Comptabilité Contrôle Audit, mars,
Vol. 3, N° 1, pp. 89-101.

BOURGUIGNON A. (2000), " Performance et contrôle de gestion ", in COLASSE B.

Encyclopédie de comptabilité, contrôle de gestion et audit. Paris, Economica, pp. 931-941.

BOURGUIGNON A. (2003), " Il faut bien que quelque chose change pour que l'essentiel
demeure : la dimension idéologique du nouveau contrôle de gestion ", Comptabilité Contrôle
Audit, Numéro Spécial, mai, pp. 27-53.

BOURGUIGNON A. et JENKINS A. (2004), " Changer d'outils de contrôle de gestion ?

De la cohérence instrumentale à la cohérence psychologique ", Finance Contrôle Stratégie,
septembre, Vol. 7, N° 3, pp. 31-61.

BOURGUIGNON A., MALLERET V. et NORREKLIT H. (2004)," The American balanced

scorecard versus the French tableau de bord: the ideological dimension ", Management
Accounting Research, janvier, Vol. 15, N° 2, pp. 107-134.

BOURGUIGNON A., MALLERET V. et NORREKLIT H. (2002), " L'irréductible dimension

culturelle des instruments de gestions : l'exemple du tableau de bord et du balanced
scorecard ", Comptabilité Contrôle Audit, mai, Numéro spécial, pp. 7-32.
326
BOYER L. et GERMAIN O. (1999), " Entreprises moyennes : état des lieux et perspectives
de recherche ", Gestion 2000, novembre-décembre, N° 6, pp. 17-35.

BREWER P. (2002), " Putting strategy into the balanced scorecard ", Strategic finance,
Vol. 43, Issue 7, janvier, pp. 44-52.

BRIAND L. (2004), " Reconceptualisation du contrôle de gestion : une étude de cas fondée
sur la théorie de la structuration ", Comptabilité Contrôle Audit, Numéro thématique, juin,
pp. 283-295.

BRUNS W. J. et WATERHOUSE J. H. (1975), " Budgetary Control and Organization

Structure ", Journal of Accounting Research, automne, pp. 177-203.

BUNCE P., FRASER R. et WOODCOCK L. (1995), " Advanced Budgeting: A Journey to

Advanced Management Systems ", Management Accounting Research, N° 6, pp. 253-265.

BURLAUD A. (1997), " Contrôle et gestion ", In Encyclopédie de gestion, Tome 2,

Economica, pp. 521-532.

CALORI R., VERY P. et ARREGLE J. (1997), " Les PMI face à la planification
stratégique ", Revue Française de Gestion, janvier-février, pp. 11-23.

CARRICANO M. et POUJOL F. (2008), Analyse de données avec SPSS, Pearson Education,

février, 202 p.

CAUVIN E. (2004), " Le Balanced Scorecard : un outil d’évaluation de la performance des

actifs intangibles ", Revue Echanges, N° 214, Octobre, pp. 46-48.

CAUVIN E. et BESCOS P.-L. (2005), " Les déterminants du choix des indicateurs dans les
tableaux de bord des entreprises françaises : une étude empirique ", Finance Contrôle
Stratégie, Vol. 8, N° 1, mars, pp. 5-25.

CAUVIN E., DECOCK-GOOD C. et BESCOS P-L. (2006), " La perception des entreprises
françaises en matière de diffusion d’informations non financières : une enquête par
questionnaire ", Comptabilité-Contrôle-Audit, Tome 12, Vol. 1, décembre, pp. 117-142.

CHANDEFAUX M., DANNON O. et LANGEVIN P. (1991), " Les prévisions dans les
PME ", Revue Française de Gestion, N° 229, décembre, pp. 79-84.

327
CHANTEUX A. et NIESSEN W. (2005), Les tableaux de bord et business plan, Belgique,
367 p.

CHAPELLIER P. (1994), " Comptabilité et système d’information du dirigeant de

PME : essai d’observation et d’interprétation des pratiques ", Thèse de Doctorat en Sciences
de Gestion, Université de Montpellier 2.

CHAPELLIER P. (1996), " Les conseils de l’expert-comptable aux PME : une enquête ",
Revue Française de Comptabilité, N° 282, octobre, pp. 69-78.

CHARREIRE S. et DURIEUX F. (2003), " Explorer et tester : deux voies pour la

Recherche ", in R.-A. Thiétart (éd.), Méthodes de recherche en management, Dunod, Paris,
pp. 57-81.

CHEN F., BOLLEN K. A., PAXTON P., CURRAN P. et KIRBY J. (2001), " Improper
solutions in structural equation models: Causes, consequences, and strategies ", Sociological
Methods and Research, Vol. 29, pp. 468-508.

CHIAPELLO E. (1996), " Les typologies des modes de contrôle et leurs facteurs de
contingence : un essai d'organisation e la littérature ", Comptabilité Contrôle Audit, Tome 2,
Vol. 2, septembre, pp. 51-74.

CHIAPELLO E. et DELMOND M. H. (1994), " Les tableaux de bord gestion, outils

d'introduction du changement ", Revue Française de Gestion, janvier-février, N° 97,
pp. 49-58.

CHIAPELLO E. et LEBAS M. (1996), " The Tableau de Bord, a French Approach to

Management Information ", document présenté au 19ème congrès européen de
comptabilité, 35 p.

COBBOLD I. et LAWRIE G. (2003), " The development of the Balanced Scorecard as a

strategic management tool ", 2 GC Conference Paper, pp. 1-9.

COLASSE B. (1999), " Vingt ans de recherche comptable française : continuité et

renouveau ", Comptabilité Contrôle Audit, mai, pp. 23-34.

DAFT R. L. et MACINTOSH N. B. (1984), " The nature and use of formal control systems
for management control and strategy implementation ", Journal of Management, Vol. 10,
N° 1, pp. 43-66.

328
DAVID A. (1998), " Outils de gestion et dynamique du changement ", Revue Française de
Gestion, septembre-octobre, pp. 44-59.

DEMERS C. (1999), " De la gestion du changement à la capacité à changer : l'évolution de la

littérature sur le changement organisationnel de 1945 à aujourd’hui ", Gestion-revue
internationale de gestion, Vol. 24, N° 3, automne, pp. 131-139.

DESMAZES J. et LAFONTAINE J-P. (2007), " L’assimilation des budgets

environnementaux et du tableau de bord vert par les entreprises ", Actes du 28ème congrès de
l’Association Francophone de Comptabilité, Poitiers, mai, 22 p.

DETCHESSAHAR M. et JOURNÉ B. (2007), " Une approche narrative des outils de

gestion ", Revue française de gestion, mai, N° 174, pp.77-92.

DFCG (1994), Les Directeurs financiers et la procédure budgétaire : faut-il tuer le budget ?,
DFCG-KPMG, IFOP.

DRUCKER-GODARD C., EHLINGER S. et GRENIER C. (2003), " Validité et fiabilité de la

recherche ", in R.-A. Thiétart (éd.), Méthodes de recherche en management, Dunod, Paris,
pp. 257-287.

DUCHÉNEAUT B. (1997), " Le profil du dirigeant de moyenne entreprise ", Revue

Française de Gestion, novembre-décembre, pp. 95-110.

EKHOLM B.-G. et WALLIN J. (2000), " Is the Annual Budget Really Dead ? ", The
European Accounting Review, 9, 4, pp. 519-539.

ELFEZAZ S., BOUAMI D., Z. ELAMRANI F., BOULAHOUAL A. et BENHIDA K.,

(2007), " Balanced Scorecard pour l’élaboration des tableaux de bord maintenance : étude de
cas d’une PME Marocaine ", 5ème Colloque International Conception et Production
Intégrées (CPI), Rabat, Maroc, octobre, 12 p.

EPSTEIN M. et MANZONI J. F (1997), " The Balanced Scorecard and Tableau de Bord:
Translating strategy into action ", Management Accounting, Vol. 79, N° 2, pp. 28-37.

EPSTEIN M. et MANZONI J. F (1998), " Implementing Corporate Strategy: From Tableaux

de Bord to Balanced Scorecards ", European Management Journal, Vol. 16, N° 2, April,
pp. 190-203.

329
ERRAMI Y. (2004), " Les apports du Balanced Scorecard à la recherche de la performance ",
Actes de la journée de recherche « La performance : de la mesure à l’action », CERMAT,
Tours, 10 p.

EZZAMEL M. (1990), " The impact of environment uncertainty, managerial autonomy and
size on budget characteristics ", Management Accounting Research, 1, pp. 181-197.

FALLERY B. (1983), " Un système d’information pour les PME ", Revue Française de
Gestion, novembre-décembre, pp. 70-76.

FAN X., THOMPSON B. et WANG L. (1999), " Effects of sample size, estimation method,
and model specification on structural equation modeling fit indexes ", Structural Equation
Modeling, Vol. 6, N° 1, pp. 56-83.

FERNANDEZ A. (1999), Les nouveaux tableaux de bord pour piloter l’entreprise : systèmes
d’information, nouvelles technologies et mesure de la performance, Éditions
d’Organisation, 347 p.

FERNANDEZ A. (2000), Les nouveaux tableaux de bord des décideurs, 2 édition, Editions
d’Organisation, Paris, 449 p.

FERNANDEZ V., PICORY C. et ROWEO F. (1996), " Outils de gestion et espaces

concurrentiels des PME ", Revue internationale PME, Vol. 9, N° 1, pp.79-102.

FISHER J. G. (1998), " Contingency Theory, Management Control Systems and Firm
Outcomes: Past Results and Future Directions ", Behavioral Research in Accounting, 10,
Supplement, pp. 47-64.

GATTAZ Y. (2003), " L’efficacité des moyennes entreprises ", Économies et sociétés, série
Économie de l’entreprise, N° 13, mai, pp. 785-795.

GERMAIN C. (2000), " Contrôle organisationnel et contrôle de gestion : la place des tableaux
de bord dans le système de contrôle des petites et moyennes entreprises ", Thèse de doctorat,
Bordeaux, Université Montesquieu - Bordeaux IV.

GERMAIN C. (2004), " La contingence des systèmes de mesure de la performance : les

résultats d’une recherche empirique sur le secteur des PME ", Finance, Contrôle, Stratégie,
Vol. 7, N° 1, pp.33-52.

330
GERMAIN C. (2005), " La conception des systèmes de contrôle : les relations entre les
budgets et les systèmes de mesure de la performance ", Congrès de l’Association
Francophone de Comptabilité, Lille, 14 p.

GERMAIN C. (2005), " Une typologie des tableaux de bord implantés dans les petites et
moyennes entreprises ", Finance Contrôle Stratégie, Vol. 8, N° 3, septembre, pp. 125-143.

GERMAIN C. (2006) " Le pilotage de la performance dans les PME en France : une
comparaison des pratiques des entreprises familiales et des filiales ", Revue Internationale
PME, Vol. 19, N° 1, pp. 69-94.

GERMAIN C. (2007), " L’architecture des systèmes de contrôle de gestion : une analyse du
rapport entre les budgets et les systèmes de mesure de la performance ", Congrès de
l’Association Francophone de Comptabilité, Poitiers, 17 p.

GERMAIN C. et Gates S. (2007), " Le niveau de développement des indicateurs de

responsabilité sociale dans les outils de pilotage : observation et analyse des pratiques des
entreprises ", Congrès de l’Association Francophone de Comptabilité, Poitiers, 14 p.

GERVAIS M. (1978), " Pour une théorie de l’organisation PME ", Revue Française de
Gestion, mars-avril, pp. 37-49.

GERVAIS M. (1991), Contrôle de gestion et stratégie de l’entreprise, Economica, 4 ème

édition, Paris, 596 p.

GERVAIS M. (1996), Recherche en contrôle de gestion, (éditeur), Paris, Economica, 301 p.

GERVAIS M. (2000), " Animation et gestion budgétaire ", In Encyclopédie de Comptabilité,

Contrôle de gestion et Audit, Economica, pp. 29-48.

GERVAIS M. (2005), Contrôle de gestion, 8ème édition, Economica, Paris.

GERVAIS M. et THENET G. (1998), " Planification, gestion budgétaire et turbulence ",

Finance, Contrôle, Stratégie, Vol. 1, N° 3, septembre, pp. 57-84.

GIARD V., BOITOUT-PAPPALARDO V. et BONMARCHAND P. (1996), " Apport de la

simulation à la conception et l’interprétation de tableaux de bord et à la comptabilité de
gestion ", Comptabilité Contrôle Audit, Tome 2, Vol. 1, mars, pp. 65-84.

331
GIGNON-MARCONNET I. (2003), " Les rôles actuels de la gestion budgétaire en
France : une confrontation des perceptions de professionnels avec la littérature ",
Comptabilité Contrôle Audit, Tome 9, Vol. 1, mai, pp. 53-78.

GOY H. (2006), " Entre spécificité de l’objet et diversité du champ : proposition d’un cadre
d’analyse pour les PME dans la recherche en stratégie ", 8ème Congrès International
Francophone PME, 30 p.

GRAPIN M. et JOSSERAND E. (2003), " Réussir son tableau de bord prospectif ",
L’expansion Management Review, mars, pp. 76-84.

GRAY J. et PESQUEUX Y. (1993), " Évolutions actuelles des systèmes de tableau de bord ",
Revue Française de Comptabilité, N° 242, février, pp. 61-70.

GUEGUEN G. (2000), " L’administration des enquêtes par Internet ", Actes de conférence,
9ème Conférence Internationale de l'AIMS, Montpellier, 24 - 25 et 26 mai, 22 p.

GUEGUEN G. (2001), " Orientations stratégiques de la PME et influence de

l’environnement : entre déterminisme et volontarisme ", 11ème Conférence de l’Association
Internationale de Management Stratégique, 13-14-15 juin, 31 p.

HENOT C., HEMICI F. et RAIMBOURG P. (2007), Contrôle de gestion, Bréal édition,

175 p.

HIRIGOYEN G. (1984), " La fonction financière dans les moyennes entreprises industrielles
et familiales ", Revue Française de Gestion, janvier-février, pp. 23-30.

HOPWOOD A. G. (1972), " An empirical study of the role of accounting data in performance
evaluation ", Journal of Accounting Research, Supplement: Empirical Studies in Accounting,
pp. 156-182.

HOQUE Z. et JAMES W. (2000), " Linking Balanced Scorecard Measures to Size and
Market Factors: Impact on Organisational Performance ", Journal of Management Accounting
Research, Vol. 12, pp. 1-17.

HUDSON M., SMART A. et BOURNE M. (2001), " Theory and practice in SME
performance measurement systems ", International Journal of Operations & Production
Management, Vol. 21, Issue 8, pp.1096-1115.

332
IRIBARNE P. (2006), Les tableaux de bord de la performance, 2ème édition, Dunod,
Paris, 271 p.

ITTNER C. D. et LARCKER D. F. (1998), " Innovation in Performance Measurmement:

Trends and Research Implications ", Journal of Management Accounting Research, Vol. 10,
pp. 205-238.

ITTNER C. D., LARCKER D. F. et MEYER M. W. (2003), " Subjectivity and the weighting
of performance measures: Evidence from a Balanced Scorecard ", The Accounting Review,
Vol. 78, Issue 3, July, pp. 725-758.

JOFFRE P. et WICKAM S. (1997), " Les atouts des entreprises moyennes ", Revue Française
de Gestion, novembre- décembre, pp. 64-70.

JULIEN P. A. et MARCHESNAY M. (1992), " Des procédures aux processus stratégiques

dans les PME ", dans Perspectives en Management stratégique, Tome 1, pp 97-129, sous la
direction de NOËL A., Paris, Editions Economica-Gestion, 431 p.

JULIEN P.-A. (1990), " Vers une typologie multicritères des PME ", Revue Internationale des
PME, Vol. 3, N° 3-4, pp. 411-425.

JULIEN P.-A. (1997), Pour une définition des PME, in JULIEN P.-A. (éd.) Les PME : Bilan
et perspectives, Economica, pp. 1-43.

JULIEN P.-A. et CARRIÈRE B. (1994), " L'efficacité des PME et les nouvelles
technologies ", Revue d'économie industrielle, Vol. 67, N° 1, pp. 120-134, Article accessible
sur Internet : http://www.persee.fr.

JULIEN P.-A. et MARCHESNAUX M. (1987), La petite entreprise, Éditions Vuibert, 288 p.

KALIKA M. (1985), " L'efficacité des entreprises est-elle liée à leur structure ", Revue
Française de Gestion, Janvier-Février, pp. 93-104.

KALIKA M. (1995), Structures d'entreprises, réalités, déterminants, performances,

Economica, Paris, 436 p.

KAPLAN R. S. (1983), " Measuring manufacturing performance: a new challenge for

managerial accounting research ", The Accounting Review, Vol. LVIII, N° 4, pp. 686-705.

333
KAPLAN R. S. et NORTON D. P. (1992), " The Balanced Scorecard, Measures that drive
performance ", Harvard Business Review, Vol. 70, N° 1, janvier-février, pp. 171-180.

KAPLAN R. S. et NORTON D. P. (1993), " Putting the balanced Scorecard to work ",
Harvard Business Review, Vol. 71, N° 5, september-october, pp. 134-147.

KAPLAN R. S. et NORTON D. P. (1996), " Linking the Balanced Scorecard to Strategy ",
California management Review, Vol. 39, N° 1, pp. 53-79.

KAPLAN R. S. et NORTON D. P. (1996), " Using the balanced scorecard as a strategic

management system ", Harvard Business Review, janvier-février, pp. 150-160.

KAPLAN R. S. et NORTON D. P. (1998), " Le tableau de bord prospectif ", Editions des
Organisations, traduit de : " The Balanced Scorecard " (1996), Harvard Business School
Press, 311 p.

KAPLAN R. S. et NORTON D. P. (2000), " The strategy focused organization: How

balanced scorecard companies thrive in the new business environment ", Harvard Business
School Press, 400 p.

KAPLAN R. S. et NORTON D. P. (2001), Comment utiliser le tableau de bord prospectif,

Edition d'Organisation, Paris, 423 p.

KHANDWALLA P. N. (1972), " The Effect of Different Types of Competition on the Use of
Management Controls ", Journal of Accounting Research, Vol. 10, N° 2, automne,
pp. 275-285.

KLINE R. B. (2010), " Principles and practice of structural equation modeling ", Guilford
Press, 427 p.

KOMAREV I. (2007), " La place des budgets dans le dispositif de contrôle de gestion : une
approche contingente ", Thèse de doctorat, Bordeaux, Université Montesquieu – bordeaux IV.

LAVIHNE B. et SAINT-PIERRE J. (2002), " Association entre le système d'information

comptable des PME et leur performance financière ", 6ème Congrès international francophone
sur la PME, HEC – Montréal, Octobre, 17 p.

LE CORROLLER C. et LE VIGOUREUX F. (1998), " Les moyennes entreprises de

l‘industrie ont- elles des comportements spécifiques ? ", in Économie et Statistique,
N° 319-320, 9/10, pp. 195-205.
334
LE VIGOUREUX F. (1997), " Entreprises moyennes : structures de propriété et
comportement stratégique ", Revue Française de Gestion, novembre- décembre, pp. 71-84.

LE VIGOUREUX F. (2003), " Les moyennes entreprises : questions de gouvernance et

d'adossement ", Économies et sociétés, N° 13, pp. 923-937.

LEFEBVRE E. (1991), " Profil distinctif des dirigeants de PME innovatrices ", Revue
internationale PME, Vol. 4, N° 3, pp. 7-26.

LESCURE M. (2001), " Histoire d’une redécouverte : les PME ", Entreprises et histoire,
Vol. 28, février, pp. 5-9.

LESCURE M., NAKAJIMA T., ROMANO J., THIERRY D., ZIMNOVITCH H. et

SEGRESTIN B. (2001), " L’efficacité des PME ", Entreprise et Histoire, Vol. 28, février,
pp. 89-98.

LEVRATTO N. (2004), " Propositions pour une définition opératoire de la PME : une analyse
en termes de cohérence entre l’organisation interne et la marché ", 10ème Congrès
International Francophone sur l’Entrepreneuriat et la PME, Montpellier, 27 p.

LIPE M. G. et SALTERIO S.E. (2000), " The Balanced Scorecards: Judgmental Effects of
Common and Unique Performance Measures ", The Accounting Review, Vol. 75, Issue 3,
pp. 283-298.

LOISEAU B. et DUPONT C. (1981), " Facteurs de succès et d'échecs dans les PME ", Revue
Française de Gestion, N° 32, octobre-septembre, pp. 19-30.

LORINO P. (2002), Vers une théorie pragmatique et sémiotique des outils appliquée aux
instruments de gestion, documents de recherche DR 02015, ESSEC, Juillet, 34 p.

LOUALI H. (2003), " Evaluation du financement de la PME au Maroc ", Document de travail
N° 91, Ministère des finances et de la privatisation, Direction de la Politique Économique
Générale, août, 25 p.

MALINA M. A. et SELTO F. H. (2001), " Communicating and Controlling Strategy: An

Empirical Study of the Effectiveness of the Balanced Scorecard ", Journal of Management
Accounting Research, Vol. 13, pp. 47-90.

MALMI T. (2001), " Balanced Scorecard in Finnish Companies, Some Empirical Evidence ",
Management Accounting Research, Vol. 12, N° 2, pp. 207-284.
335
MALO J. L. (1992), " Tableaux de bord ", In Encyclopédie du Management, Tome 2, vuibert,
pp. 923-939.

MALO J. L. (2000), " Tableaux de bord " In Encyclopédie de Comptabilité, Contrôle de

Gestion et Audit, Economica, pp. 1133-1144.

MARCHESNAY M. (1991), " La PME : une gestion spécifique ", Économie rurale, Vol. 206,
N° 1, pp. 11-17, Article accessible sur Internet : http://www.persee.fr.

MARCHESNAY M. (1991). " Mintzberg on PME - à propos d’un récent ouvrage de Henry
Mintzberg ", Revue internationale PME, Vol. 4, n. 1, pp. 131-138

MARCHESNAY M. (1993), " PME, stratégie et recherche ", Revue Française de Gestion,
septembre-octobre, pp. 70-76.

MARCHESNAY M. (1997), " La moyenne entreprise existe-t-elle ? ", Revue Française de

Gestion, novembre-décembre, pp. 85-94.

MARCHESNAY M. (2003), " La petite entreprise : sortir de l’ignorance ", Revue française
de gestion, mars, N° 144, pp. 107-118.

MARCHESNAY M. et MESSEGHEM K. (2001), Cas de stratégie de PME, Éditions EMS -

Management & Société, Collection Études de cas, 172 p.

MARQUET-PONDEVILLE S. (2001), " Le contrôle de gestion environnementale d’une

entreprise ", Communication au 25ème congrès de l’Association Francophone de Comptabilité
(AFC), Université Catholique de Louvain, Belgique, 31 p.

MARQUET-PONDEVILLE S. (2003), " Le contrôle de gestion environnemental : une

approche théorique contingente et une étude empirique du cas des entreprises manufacturières
belges ", Thèse de doctorat, Louvain, Université Catholique de Louvain.

MBENGUE A. et VANDANGEON-DERUMEZ I. (2003), " Analyse causale et

modélisation ", in R.-A. Thiétart (éd.), Méthodes de recherche en management, Dunod, Paris,
pp. 335-372.

MENDOZA C. (1991), " L'action sur le contexte organisationnel dans le cadre de la mise en
œuvre d'une nouvelle stratégie ", Thèse de Doctorat en Sciences de Gestion, HEC, Paris.

336
MENDOZA C. et BESCOS P.-L. (1999), " Contrôle de gestion, qualité des informations pour
la prise de décision et facteurs de contingence ", In Actes du 20e Congrès de l'Association
Française de Comptabilité, Bordeaux, mai, pp. 5-7.

MENDOZA C. et BESCOS P.-L., (1996), " Contrôle de gestion et besoins d'information des
managers ", In Actes du 17e congrès de l'Association Française de Comptabilité, 30 mai-1er
juin, Valenciennes, pp. 663-672.

MENDOZA C. et BESCOS P-L. (2001), " Les stratégies des managers face à l'information de
gestion ", Humanisme et Entreprise, N° 246, avril, pp. 1-12.

MENDOZA C. et ZRIHEN R. (1999), " Du balanced scorecard au tableau de pilotage ",

L’expansion Management Review, décembre, pp. 102-110.

MENDOZA C. et ZRIHEN R. (1999), " Le tableau de bord : en V.O. ou en version

américaine ? Comparaison entre tableau de bord et le balanced scorecard ", Revue Française
de Comptabilité, N° 309, Mars, pp. 60-66.

MENDOZA C., DELMOND M. H., GIRAUD F. et LÖNING H. (2002), " Tableaux de bord
et balanced scorecards ", Edition Revue Fiduciaire, Paris, 248 p.

MENDOZA C., GIRAUD F., DELMOND M. H., LONING H. et REAULX A. (2005),

Tableaux de bord et balanced scorecards, Groupe Revue Fiduciaire, Paris, 263 p.

MENDOZA C., ZRIHEN R. et RUIZ GARCIA M. (2000), " Control de gestion y estrategia:
aportes y limitaciones del balanced scorecard americano y del tableau de bord francés ", In
Proceedings of the 9o Encuentro de Profesores Universitarios de Contabilidad, mai,
pp. 24-26.

MERIC J. (2003), " L'émergence d'un discours de l'innovation managériale : le cas du

balanced scorecard ", Comptabilité Contrôle et Audit, Numéro Spécial, mai, pp. 129-145.

MESSEGHEM K. (2001), " Peut-on concilier logiques managériale et entrepreneuriale en

PME ? ", 11ème Conférence de l’Association Internationale de Management Stratégique,
13-14-15 juin, 26 p.

MINISTÈRE DES FINANCES ET DE LA PRIVATISATION, Direction de la Politique

Économique Générale, (2000), " Les PME au Maroc : éclairage et propositions ", Document
de travail N° 50, mars, 26 p.

337
MINISTÈRE DES FINANCES ET DE LA PRIVATISATION, Direction des Etudes et des
Prévisions Financières, (2006), " Schéma de développement des régions économiques du
Maroc ", septembre, 34 p.

MINISTÈRE DES FINANCES ET DE LA PRIVATISATION, Direction des Etudes et des

Prévisions Financières, (2007), " Etude comparative de la Petite et Moyenne Industrie et de la
Grande Industrie au Maroc ", mars, 25 p.

MINISTÈRE DES FINANCES ET DE LA PRIVATISATION, Direction des Etudes et des

Prévisions Financières, (1997), " Indicateurs économiques et financiers : positionnement de
l’économie marocaine par rapport à dix pays ", Document de travail N° 16, février, 5 p.

MISSION ÉCONOMIQUE DE RABAT - AMBASSADE DE FRANCE AU MAROC,

(2003), " La ligne PME -PMI au Maroc ", novembre, 3 p.

MISSION ÉCONOMIQUE DE RABAT – AMBASSADE DE FRANCE AU MAROC,

(2003), " Les PME-PMI au Maroc ", mai, 4 p.

MISSION ÉCONOMIQUE DE RABAT - AMBASSADE DE FRANCE AU MAROC,

(2004), " Les PME-PMI marocaines face au défi de la mise à niveau ", août, 4 p.

MORRAJ S., OYON D. et HOSTETTLER D. (1999) " The Balanced Scorecard: A necessary
good or an unnecessary evil ", European Management Journal, Vol. 17, n°5, pp. 481-491.

MOURJI F., MOURJI A. et El GOURCH A. (2001), " Evaluation du secteur des petites et
moyennes entreprises au Maroc dans le cadre du Programme Empretec Maroc ", Etude
effectuée pour le Secrétariat de la Conférence des Nations Unies sur le Commerce Et le
Développement (CNUCED) dans le cadre du Programme Méditerranée 2000, 85 p.

MURAT J. (1997), " Le tableau de bord dans les PME ", Revue Française de Comptabilité,
N° 292, septembre, pp. 14-15.

NICOLAS E. (2008), " Le rôle de la tradition orale et de la confiance dans l’apprentissage

organisationnel en PME ", Gestion 2000, mars – avril, pp. 193-210.

NOBRE T. (2001), " Le contrôleur de gestion de la PME ", Comptabilité-Contrôle-audit,

Tome 7, Vol. 1, mars, pp. 129-146.

NOBRE T. (2001), " Méthodes et outils de contrôle de gestion dans les PME ", Finance -
Contrôle -Stratégie, Vol. 4, N° 2, juin, pp. 119-148.
338
OCDE (2004), " Promouvoir les PME pour œuvrer au développement ", Revue de l’OCDE,
Vol. 5, N° 2, pp. 37- 46.

OCDE (2004), " Promouvoir les PME pour œuvrer au développement ", Revue de l’OCDE,
Vol. 5, N° 2, pp. 95- 107.

PARADAS A. (2009), " Difficultés d’application et réponses possibles en matière de

formation professionnelle dans les petites entreprises ", Revue Management & Avenir, N° 21,
janvier, pp. 80- 98.

PERRET V. et SÉVILLE M. (2003), " Fondements épistémologiques de la recherche ", in

R.-A. Thiétart (éd.), Méthodes de recherche en management, Dunod, Paris, pp. 13-33.

POINCELOT E. et WEGMANN G. (2005), " Utilisation des critères non financiers pour
évaluer ou piloter la performance : analyse théorique ", Comptabilité Contrôle Audit,
Tome 11, Vol. 2, décembre, pp. 109-125.

PONSSARD J. et SAULPIC O. (2000) " Une reformulation de l'approche dite du Balanced

Scorecard ", Comptabilité Contrôle Audit, Vol. 6, N° 1, mars, pp. 7-25.

PUPION P.- C. (2008), Statistiques pour la gestion, 2ème édition, Dunod, mars, 392 p.

REYES G. (2004), " La moyenne entreprise est-elle spécifique ? ", 7ème Congrès International
Francophone en Entrepreneuriat et PME (CIFEPME), Montpellier, 27, 28 et 29 Octobre, 16
p.

RHARMILI M. (2007), " Système de mesure de la performance dans les PME : Cas des PME
Marocaines ", 28ème congrès de l’Association Francophone de Comptabilité (AFC), Poitier,
23-24-25 mai, 21 p.

ROUSSEL P., DURIEU F., CAMPOY E. et EL AKREMI A. (2002), Méthodes d'équations

structurelles : Recherche et applications en gestion, Economica, Paris, 274 p.

ROYER I. et ZARLOWSKI P. (2003), " Echantillon(s) ", in R.-A. Thiétart (éd.), Méthodes de
recherche en management, Dunod, Paris, pp. 188-223.

SANTIN S. et VAN CAILLIE D. (2008), " Le design du système de contrôle de gestion des
PME : une quête de stabilité adaptative ", Actes du 29ème congrès de l’Association
Francophone de Comptabilité (AFC), Cergy-Pontoise, mai, 34 p.

339
SAPORTA B. (1997), " Stratégie des petites et moyennes entreprises ", Encyclopédie de
Gestion, Tome 3, pp. 3105-3128.

SAULOU J. Y. (2004), Tableaux de bord pour décideurs qualité, Afnor, 198 p.

SAVALL H. et ZADDET V. (2001), " Évolution des outils de contrôle et des critères de
performance face aux défis de changement stratégique des entreprises ", in 22ème Congrès de
l’Association Française de Comptabilité, Université de Metz, 27 p.

SEGAL J. P. (1991), " Peut-on vaincre les résistances au contrôle de gestion en France ? ",
Revue Française de gestion, janvier-février, pp. 72-81.

SEIFFRT M. et GODELIER E. (2008), " Histoire et gestion : vingt ans après ", Revue
Française de gestion, N° 188-189, pp. 17-30.

SELMER C. (2003), Concevoir le tableau de bord Outil de contrôle, de pilotage et d’aide à la

décision, 2ème édition, Dunod, Paris, 289 p.

SIMONS R. (1990), " The role of management control systems in creating competitive
advantage: new perspective ", Accounting, Organizations and Society, Vol. 15, N° 1/2,
pp. 127-143.

SIMONS R. (1991), " Strategic Orientation and Top Management Attention to Control
Systems ", Strategic Management Journal, Vol. 12, N° 1, Jan, pp. 49-62.

SOLLE G. et ROUBY E. (2003), " De la conception des innovations managériales en

contrôle de gestion : quelles propositions ? ", Comptabilité Contrôle Audit, Numéro Spécial,
mai, pp. 147-168.

SPECKBACHER G., BISCHOFF J. et PFEIFFER T. (2003), " A descriptive analysis on the

implementation of Balanced Scorecards in German-speaking countries ", Management
Accounting Review, Vol. 14, pp 361-387.

STEPNIEWSKI J., SOUID S. et AZZABI L. (2009), " La relation facteurs de contingence,

complexité du système d’information comptable et performance financière ", Revue
Management et Sciences Sociales, N° 7, pp. 139-165.

TIBSHIRANI R., WALTHER G. et HASTIE T. (2001), " Estimating the number of clusters
in a data set via the gap statistic ", Journal of the Royal Statistical Society Series B (Statistical
Methodology), Vol. 63, N° 2, juin, pp. 411-423.
340
TORRÈS O. (1997), " Le management stratégique en PME : entre spécificité et
dénaturation ", Communication à la 7ème Conférence de l’Association Internationale de
Management Stratégique, Montréal, 23 p.

TORRÈS O. (1997), " Pour une approche contingente de la spécificité de la PME ", Revue
Internationale PME, Vol. 10, N° 2, pp. 9-43.

TORRÈS O. (1997), " Pour une approche critique de la spécificité de gestion de la PME :
application au cas de la globalisation ", Thèse de doctorat, soutenue le 10 janvier 1997,
Université Montpellier I.

TORRÈS O. (1999), Les PME, Dominos, Evreux : Flammarion, 128 p.

TORRÈS O. (2000), " Du rôle et de l'importance de la proximité dans la spécificité de gestion

des PME ", 5ème Congrès International Francophone PME, Lille, octobre, 19 p.

TORRÈS O. (2002), " Essai de conceptualisation proxémique de la petitesse des entreprises ",
6ème Congrès International Francophone PME (CIFPME), Montréal, 30-31 octobre, 18 p.

TORRÈS O. (2003), " Petitesse des entreprises et grossissement des effets de proximité ",
Revue Française de Gestion, N° 144, mai/juin, pp. 119-138.

TORRÈS O. (2004), " Essai de théorisation de la gestion des PME : de la mondialisation la

proxémité ", Habilitation diriger des recherches en sciences de gestion, Section CNU 06,
soutenue le 3 décembre, Université de Caen Basse-Normandie.

TORRÈS O. (sous la coordination de) (1998), PME : De Nouvelles Approches, Préface de

Michel Marchesnay, Economica, 187 p.

TORRÈS O. et JULIEN P.-A. (2005), " Specificity and denaturation of small business ",
International Small Business Journal, août, pp. 355-377.

TRAHAND J. (1982), " Le contrôle de gestion : quel style adopter ? ", Revue Française de
Gestion, septembre-octobre, N° 37, pp. 59-66.

VAN CAILLIE D., SANTIN S., CRUTZEN N. et KABWIGIRI C. (2006), " L’analyse
équilibrée des symptômes de déséquilibre de la PME à reprendre, facteur-clé du succès du
processus de reprise : légitimation théorique et première validation empirique ",
Communication aux Premières Journées G. Doriot, Université de Normandie,
15-17 mars, 24 p.
341
VARRAUT N. (1998), " Démarche stratégique du dirigeant-propriétaire de PME ", 4ème
Congrès international francophone sur les PME, octobre, Nancy-Metz, 16 p.

VOYER P. (1999), Tableaux de bord de gestion et indicateurs de performance, 2ème édition,

presses de l’Université du Québec, 446 p.

Wegman G. (2001), " Les tableaux de bord stratégiques : une instrumentation du contrôle de
gestion stratégique ", Actes du 22ème congrès de l'AFC, Metz, 27 p.

342
 LISTE DES TABLEAUX

Tableau 1.1 : Critiques de la démarche budgétaire .................................................................. 30

Tableau 1.2 : Les éléments qui opposent le tableau de bord aux autres outils de
contrôle de gestion ................................................................................................................... 37
Tableau 1. 3 : Les catégories d’indicateurs de performance selon les axes du TBP ................ 56

Tableau 2.1 : Classification des firmes selon leur taille dans quelques pays de l'OCDE ........ 69
Tableau 2.2 : Définition de la PME selon la commission européenne .................................... 71
Tableau 2.3 : Évolution de la définition de la PME au Maroc ................................................. 76
Tableau 2.4 : Récapitulatif des principales études contingentes des systèmes de
contrôle de gestion citées précédemment ................................................................................. 82
Tableau 2.5 : Les styles de prise de décision des dirigeants et les caractéristiques
respectives du décideur et du système qu’il crée ..................................................................... 92

Tableau 3.1 : Critères quantitatifs retenus au Maroc pour classer les entreprises par taille .. 115
Tableau 3.2 : Le nombre d’items des variables de mesure des facteurs de contingence
organisationnelle .................................................................................................................... 124
Tableau 3.3 : Le nombre d’items des variables de mesure des facteurs de contingence
comportementale .................................................................................................................... 131
Tableau 3.4 : Le nombre d’items des variables de mesure des caractéristiques des
tableaux de bord ..................................................................................................................... 137
Tableau 3.5 : Le nombre d’items des variables de mesure de pilotage de la performance .... 143
Tableau 3.6 : Répartition d’envois par taille d’entreprise ...................................................... 146
Tableau 3.7 : Répartition d’envois par région ........................................................................ 147
Tableau 3.8 : Les taux de réponses de l’enquête .................................................................... 158
Tableau 3.9 : Répartition des PME selon leur taille ............................................................... 160
Tableau 3.10 : Répartition des PME par secteur d'activité .................................................... 161
Tableau 3.11 : Répartition des PME selon leur âge ............................................................... 161

343
Tableau 3.12 : Répartition des PME selon leur type .............................................................. 162
Tableau 3.13 : Répartition des dirigeants selon leur type de formation ................................. 163
Tableau 3.14 : Nombre moyen d'années d'occupation d'un poste de contrôle de gestion ...... 164
Tableau 3.15 : Coefficients a de Cronbach de l’échelle de mesure de la variable
« Structure » et ses dimensions (PME 1 et PME 2) ............................................................... 171
Tableau 3.16 : Statistiques de fiabilité de la variable « Structure » et ses dimensions
(PME 1) .................................................................................................................................. 173
Tableau 3.17 : Statistiques de fiabilité de la variable « Structure » et ses dimensions
(PME 2) .................................................................................................................................. 174
Tableau 3.18 : Coefficients a de Cronbach de l’échelle de mesure de la variable
« Environnement » et sa dimension (PME 1 et PME 2) ........................................................ 175
Tableau 3.19 : Statistiques de fiabilité de la variable « Environnement » et sa dimension
(PME 1) .................................................................................................................................. 176
Tableau 3.20 : Statistiques de fiabilité de la variable « Environnement » et sa
dimension (PME 2) ................................................................................................................ 176
Tableau 3.21 : Coefficients a de Cronbach de l’échelle de mesure de la variable
« Style de décisions » et ses dimensions (PME 1 et PME 2) ................................................. 177
Tableau 3.22 : Statistiques de fiabilité de la variable « Style de décisions » et ses
dimensions (PME 1) ............................................................................................................... 178
Tableau 3.23 : Statistiques de fiabilité de la variable « Style de décisions » et ses
dimensions (PME 2) ............................................................................................................... 179
Tableau 3.24 : Coefficients a de Cronbach des dimensions mesurant l’échelle de mesure
de la variable « Stratégie de contrôle » (PME 1 et PME 2) ................................................ 180
Tableau 3.25 : Statistiques de fiabilité des dimensions de la variable
« Stratégie de contrôle » (PME 1) ......................................................................................... 181
Tableau 3.26 : Statistiques de fiabilité des dimensions de la variable
« Stratégie de contrôle » (PME 2) ......................................................................................... 181

Tableau 4.1 : Variables latentes et indicateurs de mesure...................................................... 216

Tableau 4.2 : Les critères retenus dans l’analyse factorielle exploratoire ............................. 225
Tableau 4.3 : Récapitulatif des indices d’ajustement utilisés................................................. 229
Tableau 4.4 : Résultats du l’indice KMO et du test de Bartlett pour la variable
« Structure » ........................................................................................................................... 232
344
Tableau 4.5 : Valeurs propres et pourcentage de variance expliquée relatives à la variable
« Structure » ........................................................................................................................... 232
Tableau 4.6 : Communalités et structure factorielle après rotation de la variable
« Structure » ........................................................................................................................... 233
Tableau 4.7 : Résultats du l’indice KMO et du test de Bartlett pour la variable
« Structure » après première purification ............................................................................... 234
Tableau 4.8 : Valeurs propres et pourcentage de variance expliquée relatives à la
variable « Structure » après première purification ................................................................. 234
Tableau 4.9 : Communalités et structure factorielle finale après rotation de la
variable « Structure » ............................................................................................................. 235
Tableau 4.10 : Statistiques de fiabilité de la variable de mesure « Structure » ...................... 236
Tableau 4.11 : Analyse factorielle confirmatoire de la variable « Structure » ....................... 237
Tableau 4.12 : Indices de qualité d’ajustement du modèle de mesure de la variable
« Structure » ........................................................................................................................... 239
Tableau 4.13 : ρ de Jöreskog de la variable « Structure » et ses dimensions ......................... 239
Tableau 4.14 : ρvc de validité convergente de la variable « Structure » et ses dimensions .... 240
Tableau 4.15 : Résultats du l’indice KMO et du test de Bartlett pour la variable
« Environnement » ................................................................................................................. 241
Tableau 4.16 : Valeurs propres et pourcentage de variance expliquée relatives à la
variable « Environnement » .................................................................................................. 241
Tableau 4.17 : Communalités et structure factorielle de la variable « Environnement » ...... 242
Tableau 4.18 : Statistiques de fiabilité de la variable de mesure « Environnement » ............ 242
Tableau 4.19 : Analyse factorielle confirmatoire de la variable « Environnement »............. 243
Tableau 4.20 : Indices de qualité d’ajustement du modèle de mesure de la variable
« Environnement » ................................................................................................................. 244
Tableau 4.21 : ρ de Jöreskog de la variable « Environnement » et sa dimension .................. 244
Tableau 4.22 : ρvc de validité convergente de la variable « Environnement » et sa
dimension ............................................................................................................................... 245
Tableau 4.23 : Résultats du l’indice KMO et du test de Bartlett pour la variable
« Style de décisions » ............................................................................................................. 246
Tableau 4.24 : Valeurs propres et pourcentage de variance expliquée relatives à la
variable « Style de décisions » ............................................................................................... 246
Tableau 4.25 : Communalités et structure factorielle après rotation de la variable
« Style de décisions » ............................................................................................................. 247

345
Tableau 4.26 : Résultats du l’indice KMO et du test de Bartlett pour la variable
« Style de décisions » après première purification ................................................................ 248
Tableau 4.27 : Valeurs propres et pourcentage de variance expliquée relatives à
la variable « Style de décisions » après première purification ............................................... 248
Tableau 4.28 : Communalités et structure factorielle après rotation de la variable
« Style de décisions » après première purification ................................................................. 249
Tableau 4.29 : Résultats du l’indice KMO et du test de Bartlett pour la variable
« Style de décisions » après deuxième purification ............................................................... 250
Tableau 4.30 : Valeurs propres et pourcentage de variance expliquée relatives à
la variable « Style de décisions » après deuxième purification............................................. 250
Tableau 4.31 : Communalités et structure factorielle finale après rotation de la
variable « Style de décisions » ............................................................................................. 251
Tableau 4.32 : Statistiques de fiabilité de la variable « Style de décisions » ......................... 252
Tableau 4.33 : Analyse factorielle confirmatoire initiale de la variable
« Style de décisions » ............................................................................................................. 253
Tableau 4.34 : Analyse factorielle confirmatoire finale de la variable
« Style de décisions » ............................................................................................................. 255
Tableau 4.35 : Indices de qualité d’ajustement du modèle de mesure de la variable
« Style de décisions » ............................................................................................................. 256
Tableau 4.36 : ρ de Jöreskog de la variable « Style de décisions » et ses dimensions .......... 257
Tableau 4.37 : ρvc de validité convergente de la variable « Style de décisions » et ses
dimensions .............................................................................................................................. 257
Tableau 4.38 : Résultats du l’indice KMO et du test de Bartlett pour la dimension
« Stratégie de contrôle relative aux budgets »........................................................................ 258
Tableau 4.39 : Valeurs propres et pourcentage de variance expliquée relatives à
la dimension « Stratégie de contrôle relative aux budgets » .................................................. 259
Tableau 4.40 : Communalités et structure factorielle de la dimension
« Stratégie de contrôle relative aux budgets »........................................................................ 259
Tableau 4.41 : Statistiques de fiabilité de la dimension « Stratégie de contrôle
relative aux budgets »............................................................................................................. 259
Tableau 4.42 : Résultats du l’indice KMO et du test de Bartlett pour la dimension
« Stratégie de contrôle relative aux coûts »............................................................................ 260
Tableau 4.43 : Valeurs propres et pourcentage de variance expliquée relatives
à la dimension « Stratégie de contrôle relative aux coûts » .................................................. 261

346
Tableau 4.44 : Communalités et structure factorielle de la dimension « Stratégie de
contrôle relative aux coûts »................................................................................................... 261
Tableau 4.45 : Statistiques de fiabilité de la dimension « Stratégie de contrôle
relative aux coûts »................................................................................................................. 262
Tableau 4.46 : Analyse factorielle confirmatoire de la variable « Stratégie de contrôle » .... 263
Tableau 4.47 : Indices de qualité d’ajustement du modèle de mesure de la variable
« Stratégie de contrôle » ......................................................................................................... 264
Tableau 4.48 : ρ de Jöreskog de la variable « Stratégie de contrôle » et ses dimensions ...... 264
Tableau 4.49 : ρvc de validité convergente de la variable « Stratégie de contrôle » et ses
dimensions .............................................................................................................................. 265
Tableau 4.50 : Résultats du l’indice KMO et du test de Bartlett pour la variable
« Caractéristiques des TB»..................................................................................................... 266
Tableau 4.51 : Valeurs propres et pourcentage de variance expliquée relatives à
la variable « Caractéristiques des TB » ................................................................................. 266
Tableau 4.52 : Communalités et structure factorielle après rotation de la variable
« Caractéristiques des TB ».................................................................................................... 267
Tableau 4.53 : Résultats du l’indice KMO et du test de Bartlett pour la variable
« Caractéristiques des TB » après première purification ....................................................... 267
Tableau 4.54 : Valeurs propres et pourcentage de variance expliquée relatives à
la variable « Caractéristiques des TB » après première purification ..................................... 268
Tableau 4.55 : Communalités et structure factorielle finale après rotation de la
variable « Caractéristiques des TB » ...................................................................................... 269
Tableau 4.56 : Statistiques de fiabilité de la variable de mesure
« Caractéristiques des TB ».................................................................................................... 270
Tableau 4.57 : Analyse factorielle confirmatoire initiale de la variable
« Caractéristiques des TB ».................................................................................................... 271
Tableau 4.58 : Analyse factorielle confirmatoire finale de la variable
« Caractéristiques des TB ».................................................................................................... 273
Tableau 4.59 : Indices de qualité d’ajustement du modèle de mesure de la variable
« Caractéristiques des TB ».................................................................................................... 275
Tableau 4.60 : ρ de Jöreskog de la variable « Caractéristiques des TB » et ses
dimensions .............................................................................................................................. 275
Tableau 4.61 : ρvc de validité convergente de la variable « Caractéristiques des TB »
et ses dimensions .................................................................................................................... 276

347
Tableau 4.62 : Résultats du l’indice KMO et du test de Bartlett pour la variable
« Pilotage de la performance » .............................................................................................. 277
Tableau 4.63 : Valeurs propres et pourcentage de variance expliquée relatives à
la variable « Pilotage de la performance » ............................................................................ 278
Tableau 4.64 : Communalités et structure factorielle après rotation de la variable
« Pilotage de la performance » ............................................................................................... 279
Tableau 4.65 : Résultats du l’indice KMO et du test de Bartlett pour la variable
« Pilotage de la performance » après première purification.................................................. 279
Tableau 4.66 : Valeurs propres et pourcentage de variance expliquée relatives à
la variable « Pilotage de la performance » après première purification ................................. 280
Tableau 4.67 : Communalités et structure factorielle finale après rotation de la
variable « Pilotage de la performance » ................................................................................. 281
Tableau 4.68 : Statistiques de fiabilité de la variable de mesure
« Pilotage de la performance » ............................................................................................... 282
Tableau 4.69 : Analyse factorielle confirmatoire de la variable
« Pilotage de la performance » ............................................................................................... 283
Tableau 4.70 : Indices de qualité d’ajustement du modèle de mesure de la variable
« Pilotage de la performance » .............................................................................................. 284
Tableau 4.71 : ρ de Jöreskog de la variable « Pilotage de la performance »
et ses dimensions .................................................................................................................... 285
Tableau 4.72 : ρvc de validité convergente de la variable « Pilotage de la performance »
et ses dimensions .................................................................................................................... 285
Tableau 4.73 : Tests de la validité discriminante ................................................................... 287
Tableau 4.74 : Récapitulatif des résultats relatifs à la validation des échelles de
mesure des variables latentes de second ordre ....................................................................... 289
Tableau 4.75 : Variables latentes et indicateurs de mesure de modèle initial (réduit)
des équations structurelles ...................................................................................................... 292
Tableau 4.76 : Indices de qualité d’ajustement du modèle structurel initial .......................... 293
Tableau 4.77 : Les relations entre les variables du modèle initial et les items
participants à ces mesures ...................................................................................................... 294
Tableau 4.78 : Indices de qualité d’ajustement du modèle structurel de la recherche ........... 297
Tableau 4.79 : Résultats des tests des hypothèses relatives aux facteurs de contingence
organisationnelle .................................................................................................................... 302
Tableau 4.80 : Résultats des tests des hypothèses relatives aux facteurs de contingence
comportementale .................................................................................................................... 305

348
Tableau 4.81 : Résultats du test de l’hypothèse relative à l’influence de caractéristiques
des TB sur le pilotage de la performance des PME ............................................................... 306
Tableau 4.82 : Les paramètres de la signification de l’effet de médiateur ............................. 309
Tableau 4.83 : Synthèse des résultats des tests des hypothèses de recherche ........................ 310

349
 LISTE DES GRAPHIQUES

Graphique 2.1 : Poids des PME dans le tissu productif marocain ........................................... 78

Graphique 3.1 : Répartition d’envois par région .................................................................... 149

Graphique 3.2 : La taille des deux sous-échantillons PME 1 et PME 2 ................................ 183
Graphique 3.3 : Les causes des non élaborations des tableaux de bord par les PME 2 ......... 184
Graphique 3.4 : Répartition des PME selon leur taille (comparaison entre les
PME 1 et PME 2) ................................................................................................................... 185
Graphique 3.5 : Répartition des PME selon leur type d’activité (comparaison entre
les PME 1 et PME 2) .............................................................................................................. 186
Graphique 3.6 : Répartition des PME selon leur âge (comparaison entre les
PME 1 et PME 2) ................................................................................................................... 187
Graphique 3.7 : Degré de structuration (comparaison entre les PME 1 et PME 2) ............... 188
Graphique 3.8 : Degré de spécialisation des tâches (comparaison entre les
PME 1 et PME 2) ................................................................................................................... 189
Graphique 3.9 : Degré de standardisation (comparaison entre les PME 1 et PME 2) ........... 190
Graphique 3.10 : Degré de décentralisation horizontale (comparaison entre
les PME 1 et PME 2) .............................................................................................................. 191
Graphique 3.11 : Degré de décentralisation verticale (comparaison entre les
PME 1 et PME 2) ................................................................................................................... 193
Graphique 3.12 : Degré de formalisation des tâches et des règles et procédures
(comparaison entre les PME 1 et PME 2) .............................................................................. 194
Graphique 3.13 : Degré de l’incertitude de l’environnement (comparaison entre
les PME 1 et PME 2) .............................................................................................................. 195
Graphique 3.14 : Dynamisme de l’environnement externe (comparaison entre
les PME 1 et PME 2) .............................................................................................................. 196
Graphique 3.15 : Prévisibilité des actions et des comportements des concurrents
(comparaison entre les PME 1 et PME 2) .............................................................................. 197

350
Graphique 3.16 : Prévisibilité des goûts et des préférences des clients
(comparaison entre les PME 1 et PME 2) .............................................................................. 198
Graphique 3.17 : Degré d’informatisation (comparaison entre les PME 1 et PME 2) .......... 198
Graphique 3.18 : Formation du dirigeant (comparaison entre les PME 1 et PME 2) ............ 199
Graphique 3.19 : Style de décisions (comparaison entre les PME 1 et PME 2) .................... 200
Graphique 3.20 : Caractéristiques de l’information utilisée (comparaison entre
les PME 1 et PME 2) ............................................................................................................. 202
Graphique 3.21 : Degré de supervision personnelle des tâches (comparaison entre
les PME 1 et PME 2) .............................................................................................................. 203
Graphique 3.22 : Stratégie de contrôle relative aux budgets (comparaison entre
les PME 1 et PME 2) .............................................................................................................. 205
Graphique 3.23 : Stratégie de contrôle relative aux coûts (comparaison entre les
sous-échantillons PME 1 et PME 2) ...................................................................................... 206

351
 LISTE DES SCHÉMAS

Schéma 1.1 : Le tableau de bord prospectif ............................................................................. 51

Schéma 2.1 : Le système de gestion de la petite entreprise ..................................................... 85

Schéma 2.2 : Les styles de prise de décision et l’utilisation des tableaux de bord .................. 93
Schéma 2.3 : Le cadre conceptuel du modèle de contingence utilisé dans la recherche ......... 95
Schéma 2.4 : Le modèle conceptuel des relations de contingence organisationnelle ............ 100
Schéma 2.5 : Le modèle conceptuel des relations de contingence comportementale ............ 104
Schéma 2.6 : Le modèle conceptuel de l’influence des caractéristiques des
tableaux de bord sur le pilotage de la performance ................................................................ 105
Schéma 2.7 : Le modèle conceptuel de recherche ................................................................. 106

Schéma 3.1 : Les mesures des facteurs de contingence organisationnelle ............................. 123
Schéma 3.2 : Les mesures des facteurs de contingence comportementale ............................ 130
Schéma 3.3 : Les mesures des caractéristiques des tableaux de bord .................................... 136
Schéma 3.4 : Les mesures de pilotage de la performance ...................................................... 142
Schéma 3.5 : Les étapes d’élaboration du questionnaire ....................................................... 152
Schéma 3.6 : Processus d’envoi du questionnaire par courrier électronique ......................... 155
Schéma 3.7 : Processus d’envoi du questionnaire sur site ..................................................... 157

Schéma 4.1 : Exemple d’un modèle d’équations structurelles ............................................... 211

Schéma 4.2 : Notations des variables et des relations d’un modèle d’équations
structurelles ............................................................................................................................ 211
Schéma 4.3 : Exemple de modèle réflectif et formatif ........................................................... 213
Schéma 4.4 : Le modèle global d’équations structurelles ...................................................... 215

352
Schéma 4.5 : Modèle factoriel de mesure de la variable « Structure » .................................. 238
Schéma 4.6 : Modèle factoriel de mesure de la variable « Environnement » ........................ 243
Schéma 4.7 : Modèle factoriel initial de mesure de la variable « Style de décisions » ........ 254
Schéma 4.8 : Modèle factoriel final de mesure de la variable « Style de décisions » .......... 256
Schéma 4.9 : Modèle factoriel final de mesure de la variable « Stratégie de contrôle » ....... 263
Schéma 4.10 : Modèle factoriel initial de mesure de la variable
« Caractéristiques des TB ».................................................................................................... 272
Schéma 4.11 : Modèle factoriel final de mesure de la variable
« Caractéristiques des TB ».................................................................................................... 274
Schéma 4.12 : Modèle factoriel de mesure de la variable « Pilotage de la performance » ... 284
Schéma 4.13 : Le modèle structurel initial ............................................................................. 291
Schéma 4.14 : Le modèle structurel de la recherche .............................................................. 296
Schéma 4.15 : Modèle de recherche final validé ................................................................... 307

353
 TABLE DES MATIÈRES

INTRODUCTION GÉNÉRALE ............................................................................................ 6

PREMIÈRE PARTIE : TABLEAUX DE BORD : APPROCHE CONCEPTUELLE

ET ÉLÉMENTS DE RECHERCHE .................................................................................... 18

INTRODUCTION DE LA PREMIÈRE PARTIE .............................................................. 19

CHAPITRE 1. LE TABLEAU DE BORD : OUTIL DE CHANGEMENT DU

CONTRÔLE DE GESTION ................................................................................................. 21

1.1 Le contrôle de gestion traditionnel ne répond plus ............................................................ 23

1.1.1 Le contrôle de gestion et pilotage de la performance ...................................................... 23
1.1.1.1 La conception traditionnelle du contrôle de gestion ................................................. 23
1.1.1.2 Vers une nouvelle conception du contrôle de gestion .............................................. 25
1.1.2 Le budget : un outil critiqué ............................................................................................ 26
1.1.2.1 Le budget : un outil inadapté à l’environnement actuel ........................................... 26
1.1.2.2 Le budget : un outil incapable d’intégrer les facteurs actuels de performance ........ 28
1.2 L’utilité des tableaux de bord mise en question ................................................................. 31
1.2.1 Introduction au tableau de bord ....................................................................................... 32
1.2.2 Le tableau de bord : outil d’introduction du changement ............................................... 33
1.3 Tableau de bord : un outil de pilotage de la performance ? ............................................... 38
1.3.1 La performance et ses indicateurs .................................................................................. 38
1.3.1.1 Éssai d’une définition de la performance ................................................................. 38
1.3.1.2 Les indicateurs de performance ................................................................................ 42
1.3.1.2.1 Notion d’indicateur de performance ................................................................ 42
1.3.1.2.2 Les caractéristiques d’un bon indicateur de performance ............................... 43
1.3.1.2.3 Les indicateurs non financiers et le pilotage de la performance ...................... 45
1.3.1.2.4 La contingence du système de mesure de la performance ............................... 46
1.3.2 Les tableaux de bord prospectifs : nouvel outil de pilotage de la performance .............. 47
1.3.2.1 Le tableau de bord prospectif : historique, caractéristiques et fonctions.................. 48
1.3.2.1.1 Historique de tableau de bord prospectif ......................................................... 48
354
 1.3.2.1.2 Caractéristiques de tableau de bord prospectif ................................................ 50
1.3.2.1.3 Fonctions de tableau de bord prospectif .......................................................... 57
1.3.2.2 La mise en œuvre d’un tableau de bord prospectif ................................................... 60
1.3.2.2.1 La place du tableau de bord prospectif dans le pilotage de la performance .... 60
1.3.2.2.2 La contingence de tableau de bord prospectif ................................................. 60

Conclusion du Chapitre 1 ...................................................................................................... 64

CHAPITRE 2. LE TABLEAU DE BORD : ÉTUDE DU TERRAIN ET ÉLÉMENTS

DE RECHERCHE.................................................................................................................. 65

2.1 Le terrain de recherche ....................................................................................................... 67

2.1.1 La PME : un essai de définition ...................................................................................... 68
2.1.1.1 Définition de la PME selon des critères quantitatifs ................................................ 68
2.1.1.2 Définition de la PME selon les critères qualitatifs ................................................... 70
2.1.1.3 Définition de la PME au Maroc ................................................................................ 75
2.1.2 L’image de la PME marocaine ........................................................................................ 77
2.1.2.1 PME marocaine : prépondérance numérique et faible participation à la création
des richesses ......................................................................................................................... 78
2.1.2.2 Inégale répartition géographique des PME au Maroc .............................................. 79
2.2 Les éléments de recherche .................................................................................................. 79
2.2.1 Spécificité des PME : approche contingente ................................................................... 80
2.2.1.1 La contingence des systèmes de contrôle de gestion des PME ................................ 80
2.2.1.2 Spécificité organisationnelle des PME ..................................................................... 88
2.2.1.3 Spécificité comportementale des PME ..................................................................... 90
2.2.2 Vers un modèle général des pratiques de tableaux de bord dans les PME ..................... 94
2.2.2.1 Le cadre conceptuel de la recherche ......................................................................... 94
2.2.2.2 Présentation des hypothèses et du modèle conceptuel de recherche ........................ 95
2.1.2.2.1 Les hypothèses concernant l’influence de contingence organisationnelle ...... 96
2.1.2.2.1.1 La taille .................................................................................................... 96
2.1.2.2.1.2 Le type d’activité ..................................................................................... 97
2.1.2.2.1.3 L’âge d’entreprise .................................................................................... 97
2.1.2.2.1.4 La structure .............................................................................................. 98
2.1.2.2.1.5 L’environnement ...................................................................................... 98
2.1.2.2.1.6 L’informatisation ..................................................................................... 99

355
 2.1.2.2.2 Les hypothèses concernant l’influence de contingence comportementale .... 101
2.1.2.2.2.1 Le type de formation .............................................................................. 102
2.1.2.2.2.2 Le style de décisions .............................................................................. 102
2.1.2.2.2.3 La stratégie de contrôle .......................................................................... 103
2.1.2.2.3 L’hypothèse concernant l’influence des caractéristiques des tableaux
de bord sur le pilotage de la performance des PME ..................................................... 104

Conclusion du Chapitre 2 .................................................................................................... 107

CONCLUSION DE LA PREMIÈRE PARTIE ................................................................. 108

DEUXIÈME PARTIE : TABLEAUX DE BORD DES PME : CHOIX

MÉTHODOLOGIQUES ET RÉSULTATS EMPIRIQUES ........................................... 109

INTRODUCTION DE LA DEUXIÈME PARTIE ............................................................ 110

CHAPITRE 3. LE TABLEAU DE BORD DES PME : MÉTHODOLOGIE ET

PRATIQUES......................................................................................................................... 112

3.1 La méthodologie de recherche ......................................................................................... 114

3.1.1 Mesures des variables du modèle .................................................................................. 114
3.1.1.1 Les mesures des facteurs de contingence (les variables explicatives).................... 114
3.1.1.1.1 Les mesures des facteurs de contingence organisationnelle .......................... 115
3.1.1.1.1.1 La taille .................................................................................................. 115
3.1.1.1.1.2 Le type d’activité ................................................................................... 116
3.1.1.1.1.3 L’âge d’entreprise .................................................................................. 116
3.1.1.1.1.4 La structure ............................................................................................ 117
3.1.1.1.1.5 L’environnement .................................................................................... 120
3.1.1.1.1.6 L’informatisation ................................................................................... 121
3.1.1.1.2 Les mesures des facteurs de contingence comportementale .......................... 125
3.1.1.1.2.1 La formation ........................................................................................... 125
3.1.1.1.2.2 Le style de décisions .............................................................................. 125
3.1.1.1.2.3 La stratégie de contrôle .......................................................................... 128
3.1.1.2 Les mesures des caractéristiques des tableaux de bord
(la variable intermédiaire) .................................................................................................. 131

356
 3.1.1.2.1 Le degré de réactivité ..................................................................................... 131
3.1.1.2.2 La diversité du champ d’application .............................................................. 132
3.1.1.2.3 La diversité des indicateurs de performances ................................................ 133
3.1.1.2.4 Le degré de décentralisation des tableaux de bord ........................................ 134
3.1.1.3 Les mesures de pilotage de la performance (la variable expliquée) ...................... 138
3.1.1.3.1 Le degré d’utilisation des tableaux de bord ................................................... 139
3.1.1.3.2 La diversité d’utilisation des tableaux de bord .............................................. 140
3.1.1.3.3 Le degré d’utilité des tableaux de bord .......................................................... 140
3.1.2 La mise en œuvre de l’étude empirique ........................................................................ 143
3.1.2.1 La méthode et le recueil des données ..................................................................... 143
3.1.2.1.1 Choix et présentation des méthodes adoptées................................................ 144
3.1.2.1.2 Choix de l’échantillon .................................................................................... 145
3.1.2.1.3 Élaboration des questionnaires ...................................................................... 149
3.1.2.1.4 Envoi des questionnaires ............................................................................... 154
3.1.2.1.4.1 Questionnaire envoyé par voie postale et par voie électronique ............ 154
3.1.2.1.4.2 Questionnaire en face à face .................................................................. 156
3.1.2.1.4.3 Questionnaire envoyé sur le site web ..................................................... 156
3.1.2.1.5 Le recueil de données .................................................................................... 158
3.1.2.2 Les caractéristiques de terrain d’observation ......................................................... 159
3.1.2.2.1 Les caractéristiques des PME de l’échantillon .............................................. 160
3.1.2.2.1.1 La taille d’entreprise .............................................................................. 160
3.1.2.2.1.2 Le type d’activité ................................................................................... 160
3.1.2.2.1.3 L’âge d’entreprise .................................................................................. 161
3.1.2.2.1.4 Le type d’entreprise ............................................................................... 162
3.1.2.2.2 Les caractéristiques des répondeurs de l’échantillon ..................................... 163
3.1.2.2.2.1 Le type de formation de dirigeant .......................................................... 163
3.1.2.2.2.2 Le nombre moyen d'années d'occupation d'un poste de contrôle
de gestion ................................................................................................................. 163
3.1.2.3 La fiabilité et la validité des instruments de mesure .............................................. 164
3.1.2.3.1 Fiabilité des instruments de mesure ............................................................... 165
3.1.2.3.2 Validité des instruments de mesure ............................................................... 166
3.1.2.3.3 Vérification de la fiabilité des échelles de mesure relatives aux facteurs
de contingence des deux sous-échantillons PME 1 et PME 2 ..................................... 170
3.1.2.3.3.1 Variables relatives aux facteurs de contingence organisationnelle ........ 171
3.1.2.3.3.2 Variables relatives aux facteurs de contingence comportementale........ 177

357
 3.1.2.3.4 Vérification de la validité des échelles de mesure relatives aux
facteurs de contingence des deux sous-échantillons PME 1 et PME 2 ....................... 182
3.2 L’analyse descriptive des caractéristiques des facteurs de contingence des deux
sous-échantillons étudiés ........................................................................................................ 183
3.2.1 Comparaisons des caractéristiques des facteurs de contingence organisationnelle
des PME 1 et PME 2 .............................................................................................................. 184
3.2.1.1 La taille ................................................................................................................... 184
3.2.1.2 Le type d’activité .................................................................................................... 185
3.2.1.3 L’âge d’entreprise ................................................................................................... 186
3.2.1.4 La structure ............................................................................................................. 187
3.2.1.4.1 Degré de spécialisation des tâches ................................................................. 189
3.2.1.4.2 Degré de standardisation ................................................................................ 189
3.2.1.4.3 Degré de décentralisation horizontale............................................................ 190
3.2.1.4.4 Degré de décentralisation verticale ................................................................ 191
3.2.1.4.5 Degré de formalisation des tâches et des règles et procédures ...................... 193
3.2.1.5 L’environnement .................................................................................................... 194
3.2.1.5.1 Dynamisme de l'environnement externe ........................................................ 196
3.2.1.5.2 Prévisibilité des actions et des comportements des concurrents .................... 197
3.2.1.5.3 Prévisibilité des goûts et des préférences des clients ..................................... 197
3.2.1.6 L’informatisation .................................................................................................... 198
3.2.2 Comparaisons des caractéristiques des facteurs de contingence comportementale
des PME 1 et PME 2 .............................................................................................................. 199
3.2.2.1 La formation ........................................................................................................... 199
3.2.2.2 Le style de décisions ............................................................................................... 199
3.2.2.2.1 Caractéristiques de l’information utilisée ...................................................... 201
3.2.2.2.2 Degré de supervision personnelle des tâches ................................................. 202
3.2.2.3 La stratégie de contrôle........................................................................................... 203
3.2.2.3.1 Stratégie de contrôle relative aux budgets ..................................................... 204
3.2.2.3.2 Stratégie de contrôle relative aux coûts ......................................................... 205

Conclusion du Chapitre 3 .................................................................................................... 207

358
CHAPITRE 4. LE TABLEAU DE BORD DES PME : APPROCHE CONTINGENTE
DES PRATIQUES ................................................................................................................ 208

4.1 La méthode des équations structurelles : outil méthodologique pour tester le

modèle de recherche ............................................................................................................... 210
4.1.1 Présentation de la méthode des équations structurelles ................................................ 210
4.1.2 Présentation du modèle général d’équations structurelles de la recherche ................... 213
4.2 La validation du modèle théorique ................................................................................... 221
4.2.1 Validation des instruments de mesure de la recherche ................................................. 222
4.2.1.1 L’analyse factorielle exploratoire (AFE) ................................................................ 222
4.2.1.2 L’analyse factorielle confirmatoire (AFC) ............................................................. 226
4.2.1.3 Les résultats des tests de validation des échelles de mesure .................................. 230
4.2.1.3.1 Échelle de mesure de la variable « Structure » .............................................. 231
4.2.1.3.1.1 Les résultats de l’étude exploratoire ...................................................... 231
4.2.1.3.1.2 Les résultats de l’étude confirmatoire .................................................... 237
4.2.1.3.2 Échelle de mesure de la variable « Environnement » .................................... 240
4.2.1.3.2.1 Les résultats de l’étude exploratoire ...................................................... 241
4.2.1.3.2.2 Les résultats de l’étude confirmatoire .................................................... 243
4.2.1.3.3 Échelle de mesure de la variable « Style de décision » ................................. 245
4.2.1.3.3.1 Les résultats de l’étude exploratoire ...................................................... 245
4.2.1.3.3.2 Les résultats de l’étude confirmatoire .................................................... 252
4.2.1.3.4 Échelle de mesure de la variable « Stratégie de contrôle » ........................... 258
4.2.1.3.4.1 Les résultats de l’étude exploratoire pour la dimension
« Stratégie de contrôle relative aux budgets » ......................................................... 258
4.2.1.3.4.2 Les résultats de l’étude exploratoire pour la dimension
« Stratégie de contrôle relative aux coûts » ............................................................. 260
4.2.1.3.4.3 Les résultats de l’étude confirmatoire de la variable
« Stratégie de contrôle »........................................................................................... 262
4.2.1.3.5 Échelle de mesure de la variable « Caractéristiques des TB » ...................... 265
4.2.1.3.5.1 Les résultats de l’étude exploratoire ...................................................... 265
4.2.1.3.5.2 Les résultats de l’étude confirmatoire .................................................... 271
4.2.1.3.6 Échelle de mesure de la variable « Pilotage de la performance ».................. 276
4.2.1.3.6.1 Les résultats de l’étude exploratoire ...................................................... 277
4.2.1.3.6.2 Les résultats de l’étude confirmatoire .................................................... 282
4.2.1.3.7 Test de la validité discriminante des variables du modèle............................. 286

359
4.2.2 Test du modèle structurel : confirmation ou infirmation des hypothèses
de recherche............................................................................................................................ 290
4.2.2.1 Présentation du modèle structurel........................................................................... 290
4.2.2.1.1 Analyses préalables........................................................................................ 290
4.2.2.1.2 Re-spécification de modèle ............................................................................ 293
4.2.2.1.3 Les critères d’ajustement du modèle de la recherche .................................... 297
4.2.2.2 Résultats du test des hypothèses de recherche........................................................ 297
4.2.2.2.1 Test des hypothèses relatives aux facteurs de contingence
organisationnelle ........................................................................................................... 298
4.2.2.2.1.1 L’influence de la taille d’entreprise sur les caractéristiques des
tableaux de bord ....................................................................................................... 298
4.2.2.2.1.2 L’influence de type d’activité sur les caractéristiques des
tableaux de bord ..................................................................................................... 299
4.2.2.2.1.3 L’influence de l’âge d’entreprise sur les caractéristiques des
tableaux de bord ....................................................................................................... 299
4.2.2.2.1.4 L’influence de la structure sur les caractéristiques des
tableaux de bord ....................................................................................................... 300
4.2.2.2.1.5 L’influence de l’environnement sur les caractéristiques des
tableaux de bord ....................................................................................................... 300
4.2.2.2.1.6 L’influence de l’informatisation sur les caractéristiques des
tableaux de bord ....................................................................................................... 301
4.2.2.2.2 Test des hypothèses relatives aux facteurs de contingence
comportementale ........................................................................................................... 302
4.2.2.2.2.1 L’influence de type de formation de dirigeants sur les
caractéristiques des tableaux de bord ....................................................................... 303
4.2.2.2.2.2 L’influence de style de décisions sur les caractéristiques
des tableaux de bord ................................................................................................. 303
4.2.2.2.2.3 L’influence de la stratégie de contrôle sur les caractéristiques
des tableaux de bord ................................................................................................. 304
4.2.2.2.3 Test de l’hypothèse relative à l’influence des caractéristiques
des tableaux de bord sur le pilotage de la performance ................................................ 305
4.2.2.3 Test de l’effet de médiateur .................................................................................... 308
4.2.2.4 Synthèse et discutions des résultats de la recherche ............................................... 309

Conclusion du Chapitre 4 .................................................................................................... 313

360
CONCLUSION DE LA DEUXIÈME PARTIE................................................................. 314

CONCLUSION GÉNÉRALE ............................................................................................. 315

BIBLIOGRAPHIE ............................................................................................................... 321

LISTE DES TABLEAUX .................................................................................................... 343
LISTE DES GRAPHIQUES ............................................................................................... 350
LISTE DES SCHÉMAS....................................................................................................... 352
TABLE DES MATIÈRES ................................................................................................... 354
LISTE DES ANNEXES ....................................................................................................... 362
ANNEXES ............................................................................................................................. 363

361
 LISTE DES ANNEXES

Annexe 1 : Questionnaire destiné aux dirigeants d’entreprises ............................................. 364

Annexe 2 : Questionnaire destiné aux contrôleurs de gestion ............................................... 377
Annexe 3 : Lettre de présentation des objectifs de l’étude ................................................... 391
Annexe 4 : Les résultats du test de fiabilité des échelles de mesures relatives
aux facteurs de contingence des deux sous-échantillons (PME 1 et PME 2) ....................... 393
Annexe 5 : Les résultats du test de validité des échelles de mesure relatives
aux facteurs de contingence des deux sous-échantillons (PME 1 et PME 2) ....................... 426
Annexe 6 : Les statistiques descriptives relatives aux facteurs de contingence
des PME 1 et PME 2 .............................................................................................................. 433
Annexe 7 : Les résultats des tests de validation des échelles de mesure ............................... 438
Annexe 8 : Les résultats des tests du modèle structurel ......................................................... 514

362
ANNEXES

363
Annexe 1 : Questionnaire destiné aux dirigeants d’entreprises

364
 Institut de Recherche en Gestion des Organisations

QUESTIONNAIRE

Projet de recherche portant sur les pratiques de tableaux

de bord des PME marocaines

Questionnaire à l’attention du dirigeant d’entreprise

Ce questionnaire vous prendra entre 15 et 20 minutes

Remarque : Veuillez cocher la case ou entourer le chiffre qui correspond le mieux à

votre situation.

Ce questionnaire structuré en quatre parties :

I. Informations générales
II. Structure et environnement de l’entreprise
III. Style de décision
IV. Les pratiques de tableaux de bord
Merci de retourner le questionnaire complété avant le 24 avril 2009

Merci pour votre participation

365
 I. Informations générales

1. Votre entreprise est :

a) Une société anonyme (SA)

b) Une société à responsabilité limité (SARL)
c) Une société en commandité par actions
d) Une société en nom collectif
e) Une société en commandité simple
f) Une société en participation
g) Autres, veuillez préciser

2. Nombres d’années d’existence de l’entreprise : ………………………………………...

3. Votre formation est :

a) De type gestionnaire
b) De type non gestionnaire,
Veuillez préciser ……………………………………………...…………..……………

366
 II. Structure et environnement de l’entreprise

1. Actuellement, qu’est ce qui caractérise le mieux la spécialisation des tâches dans

votre organisation ?

Pour cela entourez :

1 si vous êtes totalement d’accord avec la proposition de gauche

2 si vous êtes plutôt d’accord avec la proposition de gauche
3 si vous êtes plutôt d’accord avec la proposition de droite
4 si vous êtes totalement d’accord avec la proposition droite

Les tâches sont clairement Il n’y a pas de description

spécifiées, les critères de formelle des tâches
performance sont bien établis

1 2 3 4

2. Quel est le degré de définition des éléments suivants dans l’entreprise ?

Ils (elles) ne sont Ils (elles) sont clairement

pas défini(e) défini(e)s spécifié

1 2 3 4 5
a) Les fonctions
b) Les règlements et procédures
c) Les objectifs de performance

367
3. Veuillez préciser quel est votre degré d’accord vis-à-vis des affirmations suivantes :

Pour cela entourez :

1 si vous n’êtes pas du tout d’accord

2 si vous êtes plutôt pas d’accord
3 si vous êtes plutôt d’accord
4 si vous êtes totalement d’accord

a) vous participez à la prise de toutes les décisions, y compris les décisions mineures,
car vous considérez que tout doit être contrôlé par vous-même.

1 2 3 4

b) vous ne prenez de décisions importantes qu’après avoir consulté vos collaborateurs.

1 2 3 4

c) vos collaborateurs vous consultent toujours avant la mise en application des

décisions qu’ils prennent.

1 2 3 4

d) vous laissez vos collaborateurs prendre seuls les décisions qui relèvent de leur
domaine de responsabilité.

1 2 3 4

4. Le dynamisme de votre environnement externe (client, concurrence, etc.) est :

Très stable Très dynamique

(évolutions lentes) (évolutions rapides)

a) Au plan économique 1 2 3 4 5
(ex. crise économique…)
b) Au plan technologique (ex. Nouvelles
Technologies de l'Information 1 2 3 4 5
et de la Communication…)
368
5. Les actions et les comportements de vos concurrents sur le marché sont :

Facilement prévisibles Totalement imprévisibles

1 2 3 4 5

6. Les goûts et les préférences de vos clients sont :

Facilement prévisibles Totalement imprévisibles

1 2 3 4 5

369
 III. Style de décision

1. Veuillez préciser vos préférences en matière d’information pour chacune des

propositions ci-dessous :

Pour cela entourez :

1 si vous êtes totalement d’accord avec la proposition de gauche

2 si vous êtes plutôt d’accord avec la proposition de gauche
3 si vous êtes plutôt d’accord avec la proposition de droite
4 si vous êtes totalement d’accord avec la proposition droite

a) Je préfère disposer d’une Je préfère disposer d’une

faible quantité d’informations quantité d’information importantes
et que celles-ci soient résumées, et que celle-ci soient détaillées,
agrégées, synthétisées. non agrégées

1 2 3 4

b) Je préfère une information Je préfère une information

écrite (compte-rendu, orale (conseils,
rapports, chiffres, etc.) opinions, etc.)

1 2 3 4

c) Je préfère une information Je préfère une information

prétraitée, structurée, présentée brute, non structurée,
de manière standard présentée dans sa version initiale

1 2 3 4

d)  l’issue du traitement de  l’issue du traitement de

l’information, j’élabore plusieurs l’information, je m’oriente
solutions que je confronte ensuite rapidement vers une solution
en vue de la décision finale unique en vue de la décision finale

1 2 3 4

370
2. Pour prendre vos décisions, référez-vous à votre intuition ?

a) Jamais
b) De temps en temps
c) Souvent (pour la majorité de mes décisions)
d) Toujours

3. Dans quelle mesure supervisez-vous personnellement les tâches suivantes ?

Jamais Ponctuellement Parfois Souvent

(uniquement quand des (2 à 3 fois par an)
problèmes précis se posent)

a) Le travail des opérationnels

b) L’organisation des services
opérationnels
c) La circulation de l’information
dans l’entreprise
d) Les ordres du jour des réunions
programmées
e) Les prestations des fournisseurs
f) La ponctualité du personnel
g) Le suivi des clients
h) La propriété des locaux de
l’entreprise

371
4. Organisez-vous des séminaires de formation ou de réflexion pour votre personnel ?

a) Jamais
b) Ponctuellement (quand un problème précis se posent)
c) Une à deux fois par an
d) Plusieurs fois par an

372
 IV. Les pratiques de tableaux de bord

1. Disposez-vous de tableaux de bord dans votre entreprise ?

a) Oui
b) Non

Si non, veuillez choisir l’un des causes suivantes :

- Vous ne connaissez pas
- Vous jugez qu’il est inutile
- Vous jugez que le coût engagé est supérieur à la valeur dégagée
- Vous ne disposez pas de cadre de formation
- Autres causes, veuillez préciser ……………………………………

Si la réponse est non, fin du questionnaire. Merci de votre collaboration.

2. Vous consultez et utilisez les tableaux de bord ?

a) Jamais
b) Tous les ans
c) Tous les trimestres
d) Tous les mois
e) Toutes les semaines
f) Tous les jours

3. Dans quelle mesure utilisez-vous les données qui sont communiquées dans les
tableaux de bord ?

J’utilise seulement quelques j’utilise l’ensemble des données

données que je trouve essentielles

1 2 3 4 5

373
4. Dans quelle mesure utilisez-vous les tableaux de bord pour :

Utilisation faible Utilisation importante

a) Vous informer des résultats de 1 2 3 4 5

l’entreprise sur une période donnée
(niveau des ventes, de l’activité,
résultats financiers, etc.)

b) Contrôler à distance le travail du 1 2 3 4 5

personnel

c) Prévoir et anticiper les situations des

semaines et mois à venir (prévision de 1 2 3 4 5
chiffre d’affaires, de trésorerie, etc.)

d) Expliciter et communiquer les

objectifs de l’entreprise au personnel 1 2 3 4 5
afin de le responsabiliser et le motiver

e) Suivre et surveiller les performances

de l’entreprise (coûts, qualité, etc.) 1 2 3 4 5
qui présentent un lien direct avec les
objectifs stratégiques, et prendre à
temps, si nécessaire, des mesures
correctrices

374
5. Dans quelle mesure considérez-vous que les données de vos tableaux de bord sont
fiables ?

Très peu fiables Peu fiables Moyennement Fiables pour Totalement

fiables majeure partie fiables

1 2 3 4 5

6. Dans quelle mesure considérez-vous que les données de vos tableaux de bord sont
compréhensibles ?

Très difficilement Peu Moyennement compréhensibles Totalement

compréhensibles compréhensibles compréhensibles pour majeure compréhensibles
partie

1 2 3 4 5

7. Dans quelle mesure considérez-vous que les données de vos tableaux de bord sont
interprétables ?

Très difficilement Peu Moyennement interprétables Totalement

interprétables interprétables interprétables pour majeure partie interprétables

1 2 3 4 5

8. Dans quelle mesure considérez-vous que vos tableaux de bord sont rentables par
rapport au coût de leur élaboration ?

Pas du tout Peu Moyennement rentables pour très rentables

rentables rentables rentables la majeure partie

1 2 3 4 5

375
9. D’une manière générale, et si tel le cas, quelle est la nature de votre insatisfaction
concernant les tableaux de bord dont vous disposez ?

………………………………………………………………………………………………
………………………………………………………………………………………………
………………………………………………………………………………………………
………………………………………………………………………………………………
………………………………………………………………………………………………

Merci de votre précieuse collaboration

Veuillez insérer le questionnaire dans l’enveloppe ci-jointe, en prenant soin de la

cacheter et retournez-la au contrôleur(se) de gestion. Celle-ci s’assura de faire parvenir
l’enveloppe à la responsable du projet de recherche.

Si vous souhaitez recevoir une synthèse des résultats de la recherche, veuillez joindre
votre carte professionnelle à l’envoi ou indiquer ci-dessous votre adresse personnelle.

376
Annexe 2 : Questionnaire destiné aux contrôleurs de gestion

377
 Institut de Recherche en Gestion des Organisations

QUESTIONNAIRE

Projet de recherche portant sur les pratiques de tableaux

de bord des PME marocaines

Questionnaire à l’attention du (de la) contrôleur(se) de gestion

(ou son équivalent)
Ce questionnaire vous prendra entre 15 et 20 minutes

Remarque : Veuillez cocher la case ou entourer le chiffre qui correspond le mieux à

votre situation.

Ce questionnaire structuré en quatre parties :

I. Informations générales
II. Structure de l’entreprise
III. Style de décision
IV. Les pratiques de tableaux de bord

Merci de retourner le questionnaire complété avant le 24 avril 2009

Merci pour votre participation

378
 I. Informations générales

1. Quel est le type d’activité de votre entreprise ? :

a) Activité industrielle
b) Activité commerciale
c) Activité de prestations de services
Veuillez préciser la nature de cette activité………………………….………………....
…………………………………………………………………………………………..

2. Sur une base annuelle, quel est le nombre d’employés permanents et d’employés
saisonniers dans votre entreprise ?

a) Employés permanents …………………………..

b) Employés saisonniers .…………………………..

3. En moyenne, combien d’années une personne occupe-t-elle le poste de contrôle de

gestion dans votre entreprise ? : ………………………

379
 II. Structure de l’entreprise

1. Les décisions suivantes sont généralement prises à quel niveau de direction ?

plusieurs cases peuvent être cochées.

Cadres Cadres Direction générale

Opérationnels1 fonctionnels2 ou au –dessus
de la DG3

a) Développement ou lancement de
nouveaux produits ou services
b) Embauche et licenciement
c) Fixation des prix de vente
d) Choix des investissements
e) Décisions opérationnelles

NB. Voici des exemples de ce que l’on peut retrouver dans chacune des catégories :
(1) Cadres opérationnels : les chefs d’équipe, chef d’atelier, responsable de service, etc.
(2) Cadre fonctionnels : responsable commercial, financier, de ventes, des achats, etc.
(3) Direction générale (DG) ou au-dessus de la DG : dirigeant, propriétaire, conseil
d’administration, comité de gestion, etc.

2. Dans quelle mesure retrouve-t-on les éléments suivants décrits dans des manuels ou
autres supports formels ?

Description complète Aucune description

et détaillée écrite

a) Tâche : 1 2 3 4 5
b) Règles et procédures : 1 2 3 4 5

380
3. Veuillez indiquer le niveau d’informatisation des activités de votre entreprise.
Cochez pour cela la ou les case(s) correspondante(s).

a) Aucune utilisation de l’informatique

b) Utilisation de l’informatique limitée aux activités de bureautique
(secrétariat, courrier, compte-rendu, etc.)
c) Utilisation de l’informatique pour toutes les activités classiques
(paye, facturation, stocks, etc.)
d) Utilisation de l’informatique pour les activités de gestion
(budgets, fiche de coûts, tableaux de bord, etc.)
e) Utilisation de l’informatique allant jusqu’à la réalisation de
programmes et la réalisation de simulation

381
 III. Style de décision

1. Parmi les éléments ci-dessous, veuillez indiquer ceux pour lesquels sont effectuées
des prévisions chiffrées et formalisées (écrites) : plusieurs cases peuvent être
cochées.

a) Plans à long terme (en général plus de 3 ans)

b) Plans à moyen terme (en général 2 à 3 ans)
c) Budgets (en général 1 an)
d) Aucun de ces éléments ne fait l’objet de prévisions chiffrées

Si vous cochez la case d) passez directement à la question 6.

2. Dans quelle mesure le système budgétaire couvre-il les fonctions de l’entreprise ?

Les budgets couvrent une Les budgets couvrent l’ensemble

seules fonction de l’entreprise des fonctions de l’entreprise
(ex. : le budget des achats) (ventes, achats, administration,
production, etc.)
1 2 3 4 5

3. Utilisez-vous les données qui sont produites par le système budgétaire ? (plusieurs
cases peuvent être cochées) :

a) Jamais
b) Ponctuellement (quand un problème précis se posent)
c) Deux à trois fois par an
d) Tous les mois
e) Toutes les semaines

382
4. Existe-t-il un système de suivi des prévisions budgétaires (un système de contrôle
budgétaire) ?

Oui Non

Si la réponse est non passez directement à la question 6.

5. Le suivi des prévisions s’opère en terme d’écarts:

a) Annuellement
b) Semestriellement
c) Trimestriellement
d) Mensuellement
e) Plusieurs fois par mois

6. Parmi les types de coûts suivants, veuillez indiquer ceux qui sont calculés dans votre
entreprise. (Plusieurs cases peuvent être cochées)

a) Coût complet (fixe et variable)

b) Coût direct
c) Coût variable
d) Coût standard
e) Autres, veuillez préciser ……………………………………….
f) Aucun calcul de coût n’est effectué dans l’entreprise

Si vous cocher la case f) passez directement à la partie IV du questionnaire.

7. Les coûts sont calculés : (plusieurs cases peuvent être cochées)

a) Globalement par fonction
b) Par service ou département
c) Par projet
d) Par produit ou prestation
e) Autres, veuillez préciser……………………………………..

383
8. Vous utilisez les données se rapportant aux coûts : (plusieurs cases peuvent être
cochées)

a) Jamais
b) Ponctuellement (quand un problème précis se posent)
c) Deux à trois fois par an
d) Tous les mois
e) Toutes les semaines

384
 IV. Les pratiques de tableaux de bord

1. Disposez-vous de tableaux de bord dans votre entreprise ?

Oui Non

Si la réponse est non, fin du questionnaire. Merci de votre collaboration.

2. Quelle est (quelles sont) la personne (les personnes) qui élabore(ent) les tableaux de
bord ? (Plusieurs cases peuvent être cochées)

a) Le dirigeant
b) Le(s) responsable(s) fonctionnels ou de départements
c) Le(s) responsable(s) opérationnels ou de services
d) Le service comptable
e) Le service contrôle de gestion
f) L’expert-comptable
g) Autre, veuillez préciser ……………………………………………

3. Quel est la fréquence de production des tableaux de bord ? (Plusieurs cases peuvent
être cochées)

a) Annuelle
b) Trimestrielle
c) Mensuelle
d) Hebdomadaire
e) Quotidienne

385
4. Quel est le délai de production des tableaux de bord ? (Plusieurs cases peuvent être
cochées)

a) 1 à plusieurs mois
b) 1 à 3 semaines
c) plusieurs jours
d) 1 jour
e) en temps réel

5. Quel est le degré d’intégration des indicateurs de suivi (ex : suivi du chiffre
d’affaires, du taux d’absentéisme, du nombre de réclamations clients, des délais de
livraison, du niveau d’activité, de la trésorerie, etc.) dans les tableaux de bord ?

Faible, peu d’indicateurs de Elevé, beaucoup d’indicateurs de

ce type sont présents dans ce type sont présents dans
les tableaux de bord les tableaux de bord

1 2 3 4 5

Si vos tableaux de bord comportent des indicateurs de ce type, veuillez citer les principaux :

…………………………………………………………………………………………………
…………………………………………………………………………………………………

386
6. Quel est le degré d’intégration des indicateurs prévisionnels (ex : délai de livraison
prévu, niveau d’activité prévu, stocks prévisionnels, résultat d’exploitation
prévisionnel, ventes prévues, etc.) dans les tableaux de bord ?

Faible, peu d’indicateurs de Elevé, beaucoup d’indicateurs de

ce type sont présents dans ce type sont présents dans
les tableaux de bord les tableaux de bord

1 2 3 4 5

Si vos tableaux de bord comportent des indicateurs de ce type, veuillez citer les principaux :

…………………………………………………………………………………………………
…………………………………………………………………………………………………

387
7. S’agissant des types de données suivants, quel est leur degré d’intégration dans les
tableaux de bord ?

Faible, les données Elevé, les données

de ce type sont peu de ce type sont très
nombreuses nombreusesddd

a) Données financières (ex : taux de 1 2 3 4 5

marge, chiffre d’affaires par
produit, etc.)

b) Données quantitatives non 1 2 3 4 5

financières (ex : nombre de
produits vendus, productivité du
personnel, taux d’absentéisme,
nombre de retours pour défauts
qualité, etc.)

c) Données qualitatives (ex : climat 1 2 3 4 5

social, satisfaction des clients,
image de l’entreprise, motivation
des salariés, etc.)

d) Données externes (ex : nombre de 1 2 3 4 5

produits concurrents, nombre de
réclamations des clients, prix
pratiqués par les concurrents,
conjoncture économique ousociale,
statistiques du secteur, etc.)

388
8. S’agissant des indicateurs suivants, quel est leur degré d’intégration dans le tableau
de bord ?

Faible, les indicateurs Elevé, les indicateurs

de ce type sont peu de ce type sont très
nombreux nombreux

a) Indicateurs se rapportant à la 1 2 3 4 5
performance financière (ex :
résultats d’exploitation, taux de
croissance du chiffre affaires, taux
de marge brute, ratios de trésorerie,
etc.)

b) Indicateurs de performance 1 2 3 4 5
concernant les clients (ex : fidélité
et satisfaction des clients, nouveaux
clients, rentabilité par segment,
évolution des parts de marché, etc.)

c) Indicateurs de performance des

variables de gestion liées aux 1 2 3 4 5
objectifs stratégiques de
l’entreprise (ex : indicateurs de
coûts si l’objectif stratégique est
d’améliorer une position
concurrentielle par une baisse des
prix de vente, indicateurs de qualité,
de flexibilité, de délais, etc.)

d) Indicateurs se rapportant à la 1 2 3 4
gestion des éléments incorporels
(ex : indicateurs de satisfaction et de
motivation des salariés, de
formation, de qualité des systèmes
d’information et de veille
technologique ou stratégique, de
climat social, etc.)

389
9. Quel est ou quels sont le(s) destinataire(s) des tableaux de bord dans l’entreprise ?
(plusieurs cases peuvent être cochées)

a) Le dirigeant
b) Les responsables fonctionnels
ou de départements Lesquels ?.................................................
c) Les responsables opérationnels
ou de services Lesquels ?.................................................

10. D’une manière générale, et si tel le cas, quelle est la nature de votre insatisfaction
concernant les tableaux de bord dont vous disposez ?

………………………………………………………………………………………………
………………………………………………………………………………………………
………………………………………………………………………………………………
………………………………………………………………………………………………
………………………………………………………………………………………………

Merci de votre précieuse collaboration

Veuillez récupérer le questionnaire destiné au dirigeant d’entreprise et retournez les 2

questionnaires complétés dans l’enveloppe préaffranchie ci-jointe.

Si vous souhaitez recevoir une synthèse des résultats de la recherche, veuillez joindre
votre carte professionnelle à l’envoi ou indiquer ci-dessous votre adresse personnelle.

390
Annexe 3 : Lettre de présentation des objectifs de l’étude

391
 Le 23 mars 2009
Objet : Enquête / recherche doctorale.

Monsieur,

Je prépare actuellement à l'IRGO (Institut de Recherche en Gestion des Organisations) de

Bordeaux (France) une thèse de doctorat sur le thème des pratiques de tableaux de bord de
gestion des PME marocaines.

Cette recherche, qui est réalisée sous la direction du Professeur Jean-Guy DEGOS, a pour
objectif d'analyser la manière dont les tableaux de bord sont élaborés et utilisés dans les PME
marocaines afin de parvenir notamment à une meilleure compréhension des besoins des
utilisateurs.

Vous trouverez ci-joint deux questionnaires qui sont destinés à collecter les données
nécessaires à la réalisation de cette étude :

- Un questionnaire est adressé au « dirigeant de l’entreprise ».

- Un questionnaire est destiné au « contrôleur de gestion » et est accompagné d’une
enveloppe préaffranchie.

Je vous saurais gré d'avoir la gentillesse de prêter votre concours à ce projet en complétant ce
document et en le retournant avant le 24 avril 2009. La réussite de la recherche dépend pour
majeure partie de votre participation.

Les informations recueillies lors de l'enquête demeureront strictement confidentielles. Par

ailleurs, afin de vous permettre de bénéficier personnellement des conclusions de la
recherche, une synthèse des résultats vous sera proposée.

En vous remerciant d'avance pour votre précieuse collaboration, Je vous prie d'agréer,
Monsieur, l'expression de ma parfaite considération.

Houda ZIAN

392
Annexe 4 : Les résultats du test de fiabilité des échelles de mesures
relatives aux facteurs de contingence des deux sous-échantillons
(PME 1 et PME 2)

393
 1. Structure

Les dimensions participant à la caractérisation de cette variable sont :

- Degré de spécialisation des tâches (présenté par un seul item) ;

- Degré de standardisation ;
- Degré de décentralisation horizontale ;
- Degré de décentralisation verticale ;
- Degré de formalisation des tâches et des règles et des procédures.

Ø Le degré de standardisation

Les items participant à la caractérisation de cette Dimension sont :

- Degré de définition des fonctions ;

- Degré de définition des règles et des procédures ;
- Degré de définition des objectifs de performance.

Statistiques concernant les PME 1

Matrice de corrélation inter-items

Deg_défin_fonct Deg_défin_règle_procé Deg_défin_objectif_per

d for
Deg_défin_fonct 1,000 ,583 ,552
Deg_défin_règle_procéd ,583 1,000 ,438
Deg_défin_objectif_perfor ,552 ,438 1,000

Statistiques d'item

Moyenne Ecart-type N
Deg_défin_fonct 3,5526 ,86046 38
Deg_défin_règle_procéd 3,7368 ,89092 38
Deg_défin_objectif_perfor 3,5000 1,10893 38

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,757 3

Statistiques de total des éléments

Corrélation Carré de la
Moyenne de Variance de complète des corrélation Alpha de
l'échelle en cas l'échelle en cas éléments multiple Cronbach en cas
de suppression de suppression corrigés de suppression
d'un élément d'un élément de l'élément
Deg_défin_fonct 7,2368 2,888 ,666 ,449 ,599
Deg_défin_règle_procéd 7,0526 3,024 ,567 ,359 ,697
Deg_défin_objectif_perfor 7,2895 2,427 ,555 ,325 ,736

394
Statistiques concernant les PME 2

Matrice de corrélation inter-items

Deg_défin_fonct Deg_défin_règle_pr Deg_défin_objectif_

océd perfor
Deg_défin_fonct 1,000 ,722 ,625
Deg_défin_règle_procéd ,722 1,000 ,576
Deg_défin_objectif_perfor ,625 ,576 1,000

Statistiques d'item

Moyenne Ecart-type N
Deg_défin_fonct 3,0145 1,10471 69
Deg_défin_règle_procéd 3,1014 1,03106 69
Deg_défin_objectif_perfor 3,2609 ,99487 69

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,843 3

Statistiques de total des éléments

Corrélation Carré de la
Moyenne de Variance de complète des corrélation Alpha de
l'échelle en cas l'échelle en cas éléments multiple Cronbach en cas
de suppression de suppression corrigés de suppression
d'un élément d'un élément de l'élément
Deg_défin_fonct 6,3623 3,234 ,760 ,587 ,731
Deg_défin_règle_procéd 6,2754 3,585 ,724 ,546 ,767
Deg_défin_objectif_perfor 6,1159 3,928 ,648 ,424 ,837

Ø Le degré de décentralisation horizontale

Les items participant à la caractérisation de cette dimension sont :

- Degré de participation à la prise de décision ;

- Degré de consultation des collaborateurs avant la prise de décision ;
- Degré de consultation des dirigeants avant la mise en application des décisions prises
par les collaborateurs ;
- Degré de prise de décision par les collaborateurs.

395
Statistiques concernant les PME 1

Matrice de corrélation inter-items

Degré_partic_pris Degré_consulta_ Degré_consulta_di Degré_prise_déc

e_déci collabo_av_prise rigeants_par_colla i_par_collaborat
_déci _av_déc eurs
Degré_partic_prise_déci 1,000 ,674 ,545 ,540
Degré_consulta_collabo_av_pris ,674 1,000 ,391 ,693
e_déci
Degré_consulta_dirigeants_par_ ,545 ,391 1,000 ,286
colla_av_déc
Degré_prise_déci_par_collabora ,540 ,693 ,286 1,000
teurs

Statistiques d'item

Moyenne Ecart-type N
Degré_partic_prise_déci 2,7961 1,14174 38
Degré_consulta_collabo_av_prise_déci 2,8618 1,22983 38
Degré_consulta_dirigeants_par_colla_av_déc 2,7961 ,73718 38
Degré_prise_déci_par_collaborateurs 2,9605 ,93817 38

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,815 4

Statistiques de total des éléments

Corrélation Alpha de
Moyenne de Variance de complète des Carré de la Cronbach en
l'échelle en cas l'échelle en cas éléments corrélation cas de
de suppression de suppression corrigés multiple suppression de
d'un élément d'un élément l'élément
Degré_partic_prise_déci 8,6184 5,641 ,731 ,556 ,719
Degré_consulta_collabo_av_p 8,5526 5,196 ,749 ,608 ,713
rise_déci
Degré_consulta_dirigeants_pa 8,6184 8,344 ,475 ,299 ,836
r_colla_av_déc
Degré_prise_déci_par_collab 8,4539 6,878 ,640 ,491 ,767
orateurs

396
Statistiques concernant les PME 2

Matrice de corrélation inter-items

Degré_partic_pri Degré_consulta_ Degré_consulta_diri Degré_prise_déc

se_déci collabo_av_prise geants_par_colla_av i_par_collaborat
_déci _déc eurs
Degré_partic_prise_déci 1,000 ,500 ,554 ,564
Degré_consulta_collabo_av_pri ,500 1,000 ,475 ,555
se_déci
Degré_consulta_dirigeants_par ,554 ,475 1,000 ,448
_colla_av_déc
Degré_prise_déci_par_collabor ,564 ,555 ,448 1,000
ateurs

Statistiques d'item

Moyenne Ecart-type N
Degré_partic_prise_déci 2,2101 1,07497 69
Degré_consulta_collabo_av_prise_déci 2,4638 1,09248 69
Degré_consulta_dirigeants_par_colla_av_déc 2,4457 1,01539 69
Degré_prise_déci_par_collaborateurs 2,5000 ,90951 69

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,808 4

Statistiques de total des éléments

Moyenne de Variance de Corrélation Carré de la Alpha de

l'échelle en l'échelle en complète des corrélation Cronbach en
cas de cas de éléments multiple cas de
suppression suppression corrigés suppression de
d'un élément d'un élément l'élément
Degré_partic_prise_déci 7,4094 6,035 ,660 ,448 ,741
Degré_consulta_collabo_av_ 7,1558 6,153 ,614 ,390 ,765
prise_déci
Degré_consulta_dirigeants_p 7,1739 6,556 ,594 ,366 ,773
ar_colla_av_déc
Degré_prise_déci_par_collab 7,1196 6,815 ,639 ,424 ,756
orateurs

Ø Le degré de décentralisation verticale

Les items participant à la caractérisation de cette dimension sont :

- Niveau de la prise de décision concernant le développement ou le lancement de

nouveaux produits ou services ;
- Niveau de la prise de décision concernant l’embauche et le licenciement ;

397
 - Niveau de la prise de décision concernant la fixation des prix de vente ;
- Niveau de la prise de décision concernant les choix des investissements ;
- Niveau de la prise des décisions opérationnelles.

Statistiques concernant les PME 1

Matrice de corrélation inter-items

Niveau_PD_ Niveau_P Niveau_PD_ Niveau_PD_ Niveau_PD

dévelop_lanc D_emb_lic fixation_px_ choix_invest _opérationn
ement_nps en vente issements elles
Niveau_PD_dévelop_lancement_nps 1,000 ,447 ,372 ,407 ,511
Niveau_PD_emb_licen ,447 1,000 ,389 ,667 ,300
Niveau_PD_fixation_px_vente ,372 ,389 1,000 ,437 ,452
Niveau_PD_choix_investissements ,407 ,667 ,437 1,000 ,515
Niveau_PD_opérationnelles ,511 ,300 ,452 ,515 1,000

Statistiques d'item

Moyenne Ecart-type N
Niveau_PD_dévelop_lancement_nps 1,8158 ,95451 38
Niveau_PD_emb_licen 2,0000 1,13899 38
Niveau_PD_fixation_px_vente 2,6579 1,34116 38
Niveau_PD_choix_investissements 2,0526 1,13774 38
Niveau_PD_opérationnelles 2,2632 1,26671 38

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,798 5

Statistiques de total des éléments

Moyenne Variance de Corrélation Carré de la Alpha de

de l'échelle l'échelle en complète corrélation Cronbach
en cas de cas de des multiple en cas de
suppression suppression éléments suppressio
d'un d'un corrigés n de
élément élément l'élément
Niveau_PD_dévelop_lancement_nps 8,9737 14,134 ,563 ,362 ,768
Niveau_PD_emb_licen 8,7895 13,036 ,578 ,510 ,760
Niveau_PD_fixation_px_vente 8,1316 12,280 ,533 ,290 ,779
Niveau_PD_choix_investissements 8,7368 12,361 ,679 ,561 ,728
Niveau_PD_opérationnelles 8,5263 12,364 ,575 ,434 ,762

398
Statistiques concernant les PME 2

Matrice de corrélation inter-items

Niveau_PD_ Niveau_PD_ Niveau_PD_ Niveau_PD_ Niveau_PD

dévelop_lanc emb_licen fixation_px_ choix_invest _opérationn
ement_nps vente issements elles
Niveau_PD_dévelop_lancement_nps 1,000 ,340 ,494 ,418 ,510
Niveau_PD_emb_licen ,340 1,000 ,669 ,453 ,507
Niveau_PD_fixation_px_vente ,494 ,669 1,000 ,625 ,679
Niveau_PD_choix_investissements ,418 ,453 ,625 1,000 ,535
Niveau_PD_opérationnelles ,510 ,507 ,679 ,535 1,000

Statistiques d'item

Moyenne Ecart-type N
Niveau_PD_dévelop_lancement_nps 1,4348 ,93113 69
Niveau_PD_emb_licen 1,5362 ,73923 69
Niveau_PD_fixation_px_vente 1,5942 ,77305 69
Niveau_PD_choix_investissements 1,4638 ,60827 69
Niveau_PD_opérationnelles 1,6522 ,81936 69

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,838 5

Statistiques de total des éléments

Moyenne de Variance de Corrélation Carré de la Alpha de

l'échelle en l'échelle en complète corrélation Cronbach
cas de cas de des éléments multiple en cas de
suppression suppression corrigés suppression
d'un élément d'un élément de l'élément
Niveau_PD_dévelop_lancement_nps 6,2464 5,953 ,535 ,310 ,844
Niveau_PD_emb_licen 6,1449 6,449 ,600 ,454 ,815
Niveau_PD_fixation_px_vente 6,0870 5,728 ,790 ,662 ,762
Niveau_PD_choix_investissements 6,2174 6,879 ,627 ,422 ,813
Niveau_PD_opérationnelles 6,0290 5,793 ,706 ,518 ,785

Ø Le degré de formalisation des tâches et des règles et des procédures

Les items participant à la caractérisation de cette dimension sont :

- Le degré de formalisation des tâches ;

- Le degré de formalisation des règles et des procédures.

399
Statistiques concernant les PME 1

Matrice de corrélation inter-items

Degré_formalisa Degré_formalisa
tion_tâches tion_RP
Degré_formalisation_tâches 1,000 ,600
Degré_formalisation_RP ,600 1,000

Statistiques d'item

Moyenne Ecart-type N
Degré_formalisation_tâches 3,4737 ,92230 38
Degré_formalisation_RP 3,5000 ,83017 38

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,747 2

Statistiques de total des éléments

Moyenne de Variance de Corrélation Carré de la Alpha de

l'échelle en l'échelle en complète des corrélation Cronbach en
cas de cas de éléments multiple cas de
suppression suppression corrigés suppression de
d'un élément d'un élément l'élément
NaN
Degré_formalisation_tâches 3,5000 ,689 ,600 ,360
NaN
Degré_formalisation_RP 3,4737 ,851 ,600 ,360

Statistiques concernant les PME 2

Matrice de corrélation inter-items

Degré_formalisa Degré_formalisa
tion_tâches tion_RP
Degré_formalisation_tâches 1,000 ,659
Degré_formalisation_RP ,659 1,000

Statistiques d'item

Moyenne Ecart-type N
Degré_formalisation_tâches 3,2319 1,08662 69
Degré_formalisation_RP 3,1159 1,09190 69

400
 Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,794 2

Statistiques de total des éléments

Moyenne de Corrélation Carré de la Alpha de

l'échelle en Variance de complète des corrélation Cronbach en
cas de l'échelle en cas éléments multiple cas de
suppression de suppression corrigés suppression de
d'un élément d'un élément l'élément
NaN
Degré_formalisation_tâches 3,1159 1,192 ,659 ,434
NaN
Degré_formalisation_RP 3,2319 1,181 ,659 ,434

Ø Structure

Quinze items participant à la caractérisation de cette variable :

- Degré de spécialisation des tâches ;

- Degré de définition des fonctions ;
- Degré de définition des règles et des procédures ;
- Degré de définition des objectifs de performance ;
- Degré de participation à la prise de décision ;
- Degré de consultation des collaborateurs avant la prise de décision ;
- Degré de consultation des dirigeants avant la mise en application des décisions prises
par les collaborateurs ;
- Degré de prise de décision par les collaborateurs ;
- Niveau de la prise de décision concernant le développement ou le lancement de
nouveaux produits ou services ;
- Niveau de la prise de décision concernant l’embauche et le licenciement ;
- Niveau de la prise de décision concernant la fixation des prix de vente ;
- Niveau de la prise de décision concernant les choix des investissements ;
- Niveau de la prise des décisions opérationnelles ;
- Le degré de formalisation des tâches ;
- Le degré de formalisation des règles et des procédures.

Statistiques concernant les PME 1

401
 Matrice de corrélation inter-items

Degré_ Deg_d Deg_d Deg_d Degré_ Degré_co Degré_consu Degré_pr Niveau_P Niveau Niveau_ Niveau_P Niveau Degré_fo Degré_
specia_ éfin_fo éfin_r éfin_o partic_p nsulta_col lta_dirigeant ise_déci_ D_dévelo _PD_e PD_fixat D_choix_ _PD_o rmalisati formali
tâches nct ègle_p bjectif rise_dé labo_av_p s_par_colla_ par_colla p_lancem mb_lice ion_px_ investisse pératio on_tâche sation_
rocéd _perfor ci rise_déci av_déc borateurs ent_nps n vente ments nnelles s RP
Degré_specia_tâches 1,000 ,508 ,532 ,444 -,201 -,009 -,144 -,078 -,038 -,202 ,048 ,038 -,037 ,529 ,593
Deg_défin_fonct ,508 1,000 ,583 ,552 -,033 ,221 -,158 ,011 -,037 -,359 ,051 -,003 ,086 ,376 ,359
Deg_défin_règle_procéd ,532 ,583 1,000 ,438 -,021 ,120 -,084 -,174 ,037 -,213 ,217 ,041 -,033 ,485 ,475
Deg_défin_objectif_perfor ,444 ,552 ,438 1,000 -,067 -,161 -,062 -,097 -,115 -,278 -,173 -,171 -,289 ,264 ,279
Degré_partic_prise_déci -,201 -,033 -,021 -,067 1,000 ,674 ,545 ,540 ,082 ,260 ,200 ,352 ,178 -,233 -,374
Degré_consulta_collabo_av_ -,009 ,221 ,120 -,161 ,674 1,000 ,391 ,693 ,173 ,169 ,302 ,300 ,523 -,036 -,149
prise_déci
Degré_consulta_dirigeants_p -,144 -,158 -,084 -,062 ,545 ,391 1,000 ,286 ,368 ,362 ,174 ,303 ,204 -,112 -,138
ar_colla_av_déc
Degré_prise_déci_par_colla -,078 ,011 -,174 -,097 ,540 ,693 ,286 1,000 ,060 ,158 ,209 ,167 ,293 -,181 -,217
borateurs

402
Niveau_PD_dévelop_lancem -,038 -,037 ,037 -,115 ,082 ,173 ,368 ,060 1,000 ,447 ,372 ,407 ,511 ,102 ,119
ent_nps
Niveau_PD_emb_licen -,202 -,359 -,213 -,278 ,260 ,169 ,362 ,158 ,447 1,000 ,389 ,667 ,300 -,154 -,171
Niveau_PD_fixation_px_ven ,048 ,051 ,217 -,173 ,200 ,302 ,174 ,209 ,372 ,389 1,000 ,437 ,452 ,222 ,134
te
Niveau_PD_choix_investiss ,038 -,003 ,041 -,171 ,352 ,300 ,303 ,167 ,407 ,667 ,437 1,000 ,515 ,104 ,086
ements
Niveau_PD_opérationnelles -,037 ,086 -,033 -,289 ,178 ,523 ,204 ,293 ,511 ,300 ,452 ,515 1,000 ,006 ,129
Degré_formalisation_tâches ,529 ,376 ,485 ,264 -,233 -,036 -,112 -,181 ,102 -,154 ,222 ,104 ,006 1,000 ,600
Degré_formalisation_RP ,593 ,359 ,475 ,279 -,374 -,149 -,138 -,217 ,119 -,171 ,134 ,086 ,129 ,600 1,000

402
 Statistiques d'item

Moyenne Ecart-type N
Degré_specia_tâches 3,5526 1,02857 38
Deg_défin_fonct 3,5526 ,86046 38
Deg_défin_règle_procéd 3,7368 ,89092 38
Deg_défin_objectif_perfor 3,5000 1,10893 38
Degré_partic_prise_déci 2,7961 1,14174 38
Degré_consulta_collabo_av_prise_déci 2,8618 1,22983 38
Degré_consulta_dirigeants_par_colla_av_déc 2,7961 ,73718 38
Degré_prise_déci_par_collaborateurs 2,9605 ,93817 38
Niveau_PD_dévelop_lancement_nps 1,8158 ,95451 38
Niveau_PD_emb_licen 2,0000 1,13899 38
Niveau_PD_fixation_px_vente 2,6579 1,34116 38
Niveau_PD_choix_investissements 2,0526 1,13774 38
Niveau_PD_opérationnelles 2,2632 1,26671 38
Degré_formalisation_tâches 3,4737 ,92230 38
Degré_formalisation_RP 3,5000 ,83017 38

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,736 15

Statistiques de total des éléments

Moyenne de Variance Corrélati Carré de Alpha de

l'échelle en de l'échelle on la Cronbach
cas de en cas de complète corrélatio en cas de
suppression suppressio des n suppressio
d'un n d'un éléments multiple n de
élément élément corrigés l'élément
Degré_specia_tâches 39,9671 48,112 ,254 ,531 ,731
Deg_défin_fonct 39,9671 48,335 ,310 ,645 ,726
Deg_défin_règle_procéd 39,7829 47,788 ,342 ,612 ,723
Deg_défin_objectif_perfor 40,0197 51,187 ,023 ,564 ,755
Degré_partic_prise_déci 40,7237 46,570 ,315 ,728 ,725
Degré_consulta_collabo_av_prise_déci 40,6579 42,846 ,524 ,831 ,700
Degré_consulta_dirigeants_par_colla_av_déc 40,7237 48,817 ,333 ,457 ,725
Degré_prise_déci_par_collaborateurs 40,5592 48,012 ,300 ,616 ,726
Niveau_PD_dévelop_lancement_nps 41,7039 46,570 ,407 ,475 ,716
Niveau_PD_emb_licen 41,5197 47,599 ,248 ,682 ,733
Niveau_PD_fixation_px_vente 40,8618 42,398 ,492 ,450 ,703
Niveau_PD_choix_investissements 41,4671 43,328 ,545 ,696 ,699
Niveau_PD_opérationnelles 41,2566 43,350 ,470 ,700 ,707
Degré_formalisation_tâches 40,0461 48,483 ,269 ,512 ,729
Degré_formalisation_RP 40,0197 49,363 ,235 ,594 ,732

Statistiques concernant les PME 2

403
 Matrice de corrélation inter-items

Deg_d Deg_d Degré_ Degré_co Degré_consu Degré_pr Niveau_P Niveau Niveau_ Niveau_P Niveau Degré_fo Degré_
Degré_ Deg_d éfin_r éfin_o partic_p nsulta_col lta_dirigeant ise_déci_ D_dévelo _PD_e PD_fixat D_choix_ _PD_o rmalisati formali
specia_ éfin_fo ègle_p bjectif rise_dé labo_av_p s_par_colla_ par_colla p_lancem mb_lice ion_px_ investisse pératio on_tâche sation_
tâches nct rocéd _perfor ci rise_déci av_déc borateurs ent_nps n vente ments nnelles s RP
Degré_specia_tâches 1,000 ,237 ,137 ,165 ,121 ,233 ,086 ,125 -,005 -,185 -,117 -,254 -,186 ,222 ,169
Deg_défin_fonct ,237 1,000 ,722 ,625 -,120 ,031 -,163 ,128 -,092 -,082 ,059 ,056 -,043 ,156 ,230
Deg_défin_règle_procéd ,137 ,722 1,000 ,576 -,089 ,020 -,065 ,118 -,123 -,111 -,058 -,053 -,149 ,097 ,225
Deg_défin_objectif_perfor ,165 ,625 ,576 1,000 ,003 ,093 ,087 ,142 ,177 ,147 ,159 ,162 -,013 ,202 ,121
Degré_partic_prise_déci ,121 -,120 -,089 ,003 1,000 ,500 ,554 ,564 ,293 ,245 ,166 ,124 ,218 ,121 -,081
Degré_consulta_collabo_av_ ,233 ,031 ,020 ,093 ,500 1,000 ,475 ,555 ,124 ,047 ,004 -,002 -,014 ,007 ,019
prise_déci
Degré_consulta_dirigeants_p ,086 -,163 -,065 ,087 ,554 ,475 1,000 ,448 ,278 ,211 ,135 ,220 ,087 ,228 ,105
ar_colla_av_déc
Degré_prise_déci_par_colla ,125 ,128 ,118 ,142 ,564 ,555 ,448 1,000 ,195 ,137 -,026 ,199 ,049 ,205 ,204
borateurs

404
Niveau_PD_dévelop_lancem -,005 -,092 -,123 ,177 ,293 ,124 ,278 ,195 1,000 ,340 ,494 ,418 ,510 ,146 -,050
ent_nps
Niveau_PD_emb_licen -,185 -,082 -,111 ,147 ,245 ,047 ,211 ,137 ,340 1,000 ,669 ,453 ,507 ,154 ,031
Niveau_PD_fixation_px_ven -,117 ,059 -,058 ,159 ,166 ,004 ,135 -,026 ,494 ,669 1,000 ,625 ,679 ,061 -,100
te
Niveau_PD_choix_investiss -,254 ,056 -,053 ,162 ,124 -,002 ,220 ,199 ,418 ,453 ,625 1,000 ,535 ,124 ,051
ements
Niveau_PD_opérationnelles -,186 -,043 -,149 -,013 ,218 -,014 ,087 ,049 ,510 ,507 ,679 ,535 1,000 ,059 -,053
Degré_formalisation_tâches ,222 ,156 ,097 ,202 ,121 ,007 ,228 ,205 ,146 ,154 ,061 ,124 ,059 1,000 ,659
Degré_formalisation_RP ,169 ,230 ,225 ,121 -,081 ,019 ,105 ,204 -,050 ,031 -,100 ,051 -,053 ,659 1,000

404
 Statistiques d'item

Moyenne Ecart-type N
Degré_specia_tâches 3,2609 1,01046 69
Deg_défin_fonct 3,0145 1,10471 69
Deg_défin_règle_procéd 3,1014 1,03106 69
Deg_défin_objectif_perfor 3,2609 ,99487 69
Degré_partic_prise_déci 2,2101 1,07497 69
Degré_consulta_collabo_av_prise_déci 2,4638 1,09248 69
Degré_consulta_dirigeants_par_colla_av_déc 2,4457 1,01539 69
Degré_prise_déci_par_collaborateurs 2,5000 ,90951 69
Niveau_PD_dévelop_lancement_nps 1,4348 ,93113 69
Niveau_PD_emb_licen 1,5362 ,73923 69
Niveau_PD_fixation_px_vente 1,5942 ,77305 69
Niveau_PD_choix_investissements 1,4638 ,60827 69
Niveau_PD_opérationnelles 1,6522 ,81936 69
Degré_formalisation_tâches 3,2319 1,08662 69
Degré_formalisation_RP 3,1159 1,09190 69

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,730 15

Statistiques de total des éléments

Moyenne Variance Corrélation Carré de Alpha de

de l'échelle de l'échelle complète la Cronbach
en cas de en cas de des corrélatio en cas de
suppressio suppressio éléments n suppressio
n d'un n d'un corrigés multiple n de
élément élément l'élément
Degré_specia_tâches 33,0254 40,579 ,163 ,276 ,734
Deg_défin_fonct 33,2717 38,549 ,287 ,680 ,722
Deg_défin_règle_procéd 33,1848 39,692 ,227 ,592 ,728
Deg_défin_objectif_perfor 33,0254 37,520 ,426 ,564 ,706
Degré_partic_prise_déci 34,0761 37,383 ,393 ,554 ,709
Degré_consulta_collabo_av_prise_déci 33,8225 37,973 ,337 ,463 ,716
Degré_consulta_dirigeants_par_colla_av_déc 33,8406 37,524 ,414 ,477 ,707
Degré_prise_déci_par_collaborateurs 33,7862 37,296 ,502 ,569 ,699
Niveau_PD_dévelop_lancement_nps 34,8514 38,624 ,364 ,441 ,713
Niveau_PD_emb_licen 34,7500 40,002 ,337 ,557 ,717
Niveau_PD_fixation_px_vente 34,6920 39,719 ,348 ,730 ,716
Niveau_PD_choix_investissements 34,8225 40,555 ,358 ,548 ,717
Niveau_PD_opérationnelles 34,6341 40,319 ,261 ,567 ,723
Degré_formalisation_tâches 33,0543 37,320 ,392 ,536 ,709
Degré_formalisation_RP 33,1703 39,006 ,257 ,545 ,725

405
 2. Environnement

Les dimensions participant à la mesure de l’incertitude de l’environnement sont :

- Dynamisme de l’environnement externe (mesuré par deux items) ;
- Prévisibilité des actions et des comportements des concurrents sur le marché (présenté
par un seul item) ;
- Prévisibilité des goûts et des préférences des clients (présenté par un seul item).

Ø Le dynamisme de l’environnement externe

Les items participant à la caractérisation de cette dimension sont :

- Dynamisme de l’environnement externe au plan économique ;

- Dynamisme de l’environnement externe au plan technologique.

Statistiques concernant les PME 1

Matrice de corrélation inter-items

Dynami_enviro_ Dynamique_envi
plan_éco _plan_techno
Dynami_enviro_plan_éco 1,000 ,705
Dynamique_envi_plan_techno ,705 1,000

Statistiques d'item

Moyenne Ecart-type N
Dynami_enviro_plan_éco 3,5000 ,89292 38
Dynamique_envi_plan_techno 3,4211 1,03013 38

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,822 2

Statistiques de total des éléments

Moyenne de Variance de Corrélation Carré de la Alpha de

l'échelle en l'échelle en complète corrélation Cronbach en
cas de cas de des éléments multiple cas de
suppression suppression corrigés suppression
d'un élément d'un élément de l'élément
NaN
Dynami_enviro_plan_éco 3,4211 1,061 ,705 ,497
NaN
Dynamique_envi_plan_techno 3,5000 ,797 ,705 ,497

406
Statistiques concernant les PME 2

Matrice de corrélation inter-items

Dynami_enviro_ Dynamique_envi
plan_éco _plan_techno
Dynami_enviro_plan_éco 1,000 ,626
Dynamique_envi_plan_techno ,626 1,000

Statistiques d'item

Moyenne Ecart-type N
Dynami_enviro_plan_éco 3,5507 ,97824 69
Dynamique_envi_plan_techno 3,6232 1,11278 69

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,766 2

Statistiques de total des éléments

Moyenne de Variance de Corrélation Carré de la Alpha de

l'échelle en l'échelle en complète corrélation Cronbach en
cas de cas de des éléments multiple cas de
suppression suppression corrigés suppression
d'un élément d'un élément de l'élément
NaN
Dynami_enviro_plan_éco 3,6232 1,238 ,626 ,392
NaN
Dynamique_envi_plan_techno 3,5507 ,957 ,626 ,392

Ø Environnement

Quatre items participant à la caractérisation de cette variable :

- Dynamisme de l’environnement externe au plan économique ;

- Dynamisme de l’environnement externe au plan technologique ;
- Prévisibilité des actions et des comportements des concurrents sur le marché ;
- Prévisibilité des goûts et des préférences des clients.

407
Statistiques concernant les PME 1

Matrice de corrélation inter-items

Dynami_enviro Dynamique_en Prévisibilité_co Prévisibilité_g

_plan_éco vi_plan_techn mportem_conc oûts_préféren_
o urre client
Dynami_enviro_plan_éco 1,000 ,705 ,527 ,372
Dynamique_envi_plan_techno ,705 1,000 ,584 ,592
Prévisibilité_comportem_concurre ,527 ,584 1,000 ,605
Prévisibilité_goûts_préféren_client ,372 ,592 ,605 1,000

Statistiques d'item

Moyenne Ecart-type N
Dynami_enviro_plan_éco 3,5000 ,89292 38
Dynamique_envi_plan_techno 3,4211 1,03013 38
Prévisibilité_comportem_concurre 3,5789 ,97625 38
Prévisibilité_goûts_préféren_client 3,6053 ,85549 38

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,839 4

Statistiques de total des éléments

Moyenne de Variance de Corrélation Carré de la Alpha de

l'échelle en l'échelle en complète corrélation Cronbach en
cas de cas de des éléments multiple cas de
suppression suppression corrigés suppression de
d'un élément d'un élément l'élément
Dynami_enviro_plan_éco 10,6053 5,975 ,638 ,533 ,811
Dynamique_envi_plan_techno 10,6842 4,979 ,765 ,630 ,752
Prévisibilité_comportem_concurre 10,5263 5,499 ,678 ,480 ,793
Prévisibilité_goûts_préféren_client 10,5000 6,203 ,615 ,470 ,820

408
Statistiques concernant les PME 2

Matrice de corrélation inter-items

Dynami_enviro_ Dynamique_envi Prévisibilité_co Prévisibilité_goû

plan_éco _plan_techno mportem_concur ts_préféren_clien
re t
Dynami_enviro_plan_éco 1,000 ,626 ,671 ,463
Dynamique_envi_plan_techno ,626 1,000 ,566 ,657
Prévisibilité_comportem_concurre ,671 ,566 1,000 ,644
Prévisibilité_goûts_préféren_client ,463 ,657 ,644 1,000

Statistiques d'item

Moyenne Ecart-type N
Dynami_enviro_plan_éco 3,5507 ,97824 69
Dynamique_envi_plan_techno 3,6232 1,11278 69
Prévisibilité_comportem_concurre 3,5942 1,06161 69
Prévisibilité_goûts_préféren_client 3,3623 1,01418 69

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,859 4

Statistiques de total des éléments

Moyenne de Variance de Corrélation Carré de la Alpha de
l'échelle en l'échelle en complète corrélation Cronbach en
cas de cas de des multiple cas de
suppression suppression éléments suppression de
d'un élément d'un élément corrigés l'élément
Dynami_enviro_plan_éco 10,5797 7,600 ,681 ,552 ,830
Dynamique_envi_plan_techno 10,5072 6,812 ,720 ,564 ,815
Prévisibilité_comportem_concurre 10,5362 6,988 ,734 ,592 ,808
Prévisibilité_goûts_préféren_client 10,7681 7,416 ,686 ,553 ,828

3. Type de décision

Les dimensions participant à la caractérisation de cette variable sont :

- Caractéristiques de l’information utilisée ;

- Degré de supervision personnelle des tâches.

409
 Ø Les caractéristiques de l’information utilisée

Les items participant à la caractérisation de cette dimension sont :

- Quantité d’information considérée ;

- Degré de formalisation de l’information utilisée ;
- Degré de structuration de l’information utilisée ;
- Variété des solutions envisagées avant la décision ;
- Degré de référence à l’intuition dans la prise de décision ;
- Degré d’organisation des séminaires de formation.

Statistiques concernant les PME 1

Matrice de corrélation inter-items

Quantité_in Degré_form Degré_struct Variété_sol Degré_réf Degré_org
formation_ alisation_inf uration_info utions_av_ érence_int anisat_sém
utilisée o_utilisée _utilisée décision uition inai_format
_person
Quantité_information_utilisée 1,000 ,600 ,659 ,453 ,700 ,071
Degré_formalisation_info_utili ,600 1,000 ,639 ,263 ,400 ,210
sée
Degré_structuration_info_utilis ,659 ,639 1,000 ,403 ,643 -,113
ée
Variété_solutions_av_décision ,453 ,263 ,403 1,000 ,476 -,084
Degré_référence_intuition ,700 ,400 ,643 ,476 1,000 -,100
Degré_organisat_séminai_form ,071 ,210 -,113 -,084 -,100 1,000
at_person

Statistiques d'item

Moyenne Ecart-type N
Quantité_information_utilisée 2,4671 ,94112 38
Degré_formalisation_info_utilisée 2,4342 ,81929 38
Degré_structuration_info_utilisée 2,3026 ,94289 38
Variété_solutions_av_décision 2,5329 ,79519 38
Degré_référence_intuition 2,4671 ,89513 38
Degré_organisat_séminai_format_person 3,3882 1,08381 38

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,642 6

410
 Statistiques de total des éléments

Moyenne de Variance de Corrélation Alpha de

l'échelle en l'échelle en complète Carré de la Cronbach en
cas de cas de des corrélation cas de
suppression suppression éléments multiple suppression
d'un élément d'un élément corrigés de l'élément
Quantité_information_utilisée 13,1250 8,256 ,757 ,637 ,619
Degré_formalisation_info_utilisée 13,1579 9,353 ,641 ,536 ,664
Degré_structuration_info_utilisée 13,2895 8,735 ,648 ,630 ,654
Variété_solutions_av_décision 13,0592 10,447 ,420 ,263 ,721
Degré_référence_intuition 13,1250 9,101 ,618 ,586 ,666
Degré_organisat_séminai_format_ 12,2039 12,114 -,007 ,165 ,850
person

Statistiques concernant les PME 2

Matrice de corrélation inter-items

Quantité_i Degré_for Degré_str Variété_so Degré_réf Degré_organ

nformation malisation ucturation lutions_av érence_int isat_séminai
_utilisée _info_utili _info_util _décision uition _format_per
sée isée son
Quantité_information_utilisée 1,000 ,411 ,457 ,428 ,428 ,237
Degré_formalisation_info_utili ,411 1,000 ,428 ,349 ,188 ,337
sée
Degré_structuration_info_utilis ,457 ,428 1,000 ,348 ,277 ,204
ée
Variété_solutions_av_décision ,428 ,349 ,348 1,000 ,505 ,250
Degré_référence_intuition ,428 ,188 ,277 ,505 1,000 ,304
Degré_organisat_séminai_form ,237 ,337 ,204 ,250 ,304 1,000
at_person

Statistiques d'item

Moyenne Ecart-type N
Quantité_information_utilisée 2,9891 ,88952 69
Degré_formalisation_info_utilisée 3,1341 ,89994 69
Degré_structuration_info_utilisée 2,9348 ,82544 69
Variété_solutions_av_décision 3,0616 ,89772 69
Degré_référence_intuition 3,2971 ,77207 69
Degré_organisat_séminai_format_person 4,1848 1,04640 69

411
 Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,752 6

Statistiques de total des éléments

Moyenne de Variance de Corrélation Carré de la Alpha de

l'échelle en l'échelle en complète corrélation Cronbach en
cas de cas de des multiple cas de
suppression suppression éléments suppression
d'un élément d'un élément corrigés de l'élément
Quantité_information_utilisée 16,6123 8,966 ,571 ,366 ,694
Degré_formalisation_info_utilisée 16,4674 9,235 ,503 ,314 ,713
Degré_structuration_info_utilisée 16,6667 9,589 ,494 ,294 ,716
Variété_solutions_av_décision 16,5399 9,060 ,543 ,352 ,702
Degré_référence_intuition 16,3043 9,809 ,495 ,345 ,717
Degré_organisat_séminai_format 15,4167 9,314 ,374 ,175 ,756
_person

Ø Le degré de supervision personnelle des tâches

Les items participant à la caractérisation de cette dimension sont :

- Degré de supervision personnelle du travail des opérationnels ;

- Degré de supervision personnelle de l’organisation des services opérationnels ;
- Degré de supervision personnelle de la circulation de l’information dans l’entreprise ;
- Degré de supervision personnelle des ordres du jour des réunions programmées ;
- Degré de supervision personnelle des prestations des fournisseurs ;
- Degré de supervision personnelle de la ponctualité du personnel ;
- Degré de supervision personnelle du suivi des clients ;
- Degré de supervision personnelle de la propreté des locaux de l’entreprise.

Statistiques concernant les PME 1

412
 Matrice de corrélation inter-items

Degré_superv_p Degré_supervis_ Degré_supervis_ Degré_supervis_ Degré_supervis_ Degré_supervis_ Degré_supervis_ Degré_supervis_

erson_trav_opér perso_organi_ser perso_circulat_i person_ordre_jr_ person_préstat_f person_ponctuali person_suivi_cli person_propriété
at v_opéra nformat réunion ourniss té_pers ents _locaux
Degré_superv_person_trav_ 1,000 ,316 -,018 ,192 ,525 ,770 ,614 ,309
opérat
Degré_supervis_perso_organ ,316 1,000 ,160 ,116 -,044 ,613 ,694 ,224
i_serv_opérat
Degré_supervis_perso_circul -,018 ,160 1,000 ,245 -,049 ,075 ,167 ,206
at_informat
Degré_supervis_person_ordr ,192 ,116 ,245 1,000 -,128 ,251 ,339 ,327
e_jr_réunion
Degré_supervis_person_prés ,525 -,044 -,049 -,128 1,000 ,360 ,239 ,391
tat_fourniss
Degré_supervis_person_pon ,770 ,613 ,075 ,251 ,360 1,000 ,800 ,452

413
ctualité_person
Degré_supervis_person_suiv ,614 ,694 ,167 ,339 ,239 ,800 1,000 ,283
i_clients
Degré_supervis_person_pro ,309 ,224 ,206 ,327 ,391 ,452 ,283 1,000
priété_locaux

413
 Statistiques d'item

Moyenne Ecart-type N
Degré_superv_person_trav_opérat 3,1250 1,22440 38
Degré_supervis_perso_organi_serv_opérat 3,0592 1,03557 38
Degré_supervis_perso_circulat_informat 3,2566 ,94348 38
Degré_supervis_person_ordre_jr_réunion 3,1579 1,07713 38
Degré_supervis_person_préstat_fourniss 3,7500 ,91902 38
Degré_supervis_person_ponctualité_person 2,9276 1,27596 38
Degré_supervis_person_suivi_clients 3,1908 1,15143 38
Degré_supervis_person_propriété_locaux 3,3224 1,05892 38

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,790 8

Statistiques de total des éléments

Moyenne de Variance de Corrélation Carré de la Alpha de

l'échelle en l'échelle en complète corrélation Cronbach en
cas de cas de des multiple cas de
suppression suppression éléments suppression
d'un élément d'un élément corrigés de l'élément
Degré_superv_person_trav_opérat 22,6645 22,058 ,643 ,701 ,741
Degré_supervis_perso_organi_serv_opé 22,7303 24,819 ,490 ,623 ,769
rat
Degré_supervis_perso_circulat_informat 22,5329 28,419 ,163 ,122 ,812
Degré_supervis_person_ordre_jr_réunio 22,6316 26,502 ,296 ,390 ,798
n
Degré_supervis_person_préstat_fourniss 22,0395 27,232 ,299 ,525 ,794
Degré_supervis_person_ponctualité_per 22,8618 20,009 ,816 ,818 ,705
son
Degré_supervis_person_suivi_clients 22,5987 21,485 ,762 ,765 ,721
Degré_supervis_person_propriété_locau 22,4671 24,703 ,487 ,455 ,769
x

Statistiques concernant les PME 2

414
 Matrice de corrélation inter-items

Degré_superv_p Degré_supervis_ Degré_supervis_ Degré_supervis_ Degré_supervis_ Degré_supervis_ Degré_supervis_ Degré_supervis_

erson_trav_opér perso_organi_ser perso_circulat_i person_ordre_jr_ person_préstat_f person_ponctuali person_suivi_cli person_propriété
at v_opéra nformat réunion ourniss té_pers ents _locaux
Degré_superv_person_trav_ 1,000 ,526 ,368 ,001 ,508 ,235 ,471 ,275
opérat
Degré_supervis_perso_organ ,526 1,000 ,360 -,055 ,220 ,192 ,177 -,090
i_serv_opérat
Degré_supervis_perso_circul ,368 ,360 1,000 ,324 ,261 ,087 ,438 ,063
at_informat
Degré_supervis_person_ordr ,001 -,055 ,324 1,000 ,024 ,028 ,256 ,093
e_jr_réunion
Degré_supervis_person_prés ,508 ,220 ,261 ,024 1,000 ,417 ,505 ,138
tat_fourniss
Degré_supervis_person_pon ,235 ,192 ,087 ,028 ,417 1,000 ,559 ,352
ctualité_person

415
Degré_supervis_person_suiv ,471 ,177 ,438 ,256 ,505 ,559 1,000 ,273
i_clients
Degré_supervis_person_pro ,275 -,090 ,063 ,093 ,138 ,352 ,273 1,000
priété_locaux

415
 Statistiques d'item

Moyenne Ecart-type N
Degré_superv_person_trav_opérat 3,9674 1,23067 69
Degré_supervis_perso_organi_serv_opérat 3,8043 1,08115 69
Degré_supervis_perso_circulat_informat 3,7319 1,12403 69
Degré_supervis_person_ordre_jr_réunion 3,6413 1,06626 69
Degré_supervis_person_préstat_fourniss 4,0217 1,19107 69
Degré_supervis_person_ponctualité_person 3,8587 1,18855 69
Degré_supervis_person_suivi_clients 4,0761 1,22497 69
Degré_supervis_person_propriété_locaux 3,3696 1,19942 69

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,734 8

Statistiques de total des éléments

Moyenne de Variance de Corrélation Carré de la Alpha de

l'échelle en l'échelle en complète corrélation Cronbach en
cas de cas de des multiple cas de
suppression suppression éléments suppression
d'un élément d'un élément corrigés de l'élément
Degré_superv_person_trav_opérat 26,5036 21,994 ,591 ,575 ,671
Degré_supervis_perso_organi_ser 26,6667 25,720 ,314 ,446 ,727
v_opérat
Degré_supervis_perso_circulat_in 26,7391 24,091 ,451 ,380 ,702
format
Degré_supervis_person_ordre_jr_ 26,8297 27,508 ,151 ,182 ,755
réunion
Degré_supervis_person_préstat_f 26,4493 23,053 ,513 ,402 ,689
ourniss
Degré_supervis_person_ponctuali 26,6123 23,626 ,458 ,483 ,700
té_person
Degré_supervis_person_suivi_clie 26,3949 21,164 ,681 ,579 ,651
nts
Degré_supervis_person_propriété 27,1014 25,712 ,262 ,281 ,739
_locaux

416
 Ø Type de décisions

Quatorze items participant à la caractérisation de cette variable :

- Quantité d’information considérée ;

- Degré de formalisation de l’information utilisée ;
- Degré de structuration de l’information utilisée ;
- Variété des solutions envisagées avant la décision ;
- Degré de référence à l’intuition dans la prise de décision ;
- Degré d’organisation des séminaires de formation ;
- Degré de supervision personnelle du travail des opérationnels ;
- Degré de supervision personnelle de l’organisation des services opérationnels ;
- Degré de supervision personnelle de la circulation de l’information dans l’entreprise ;
- Degré de supervision personnelle des ordres du jour des réunions programmées ;
- Degré de supervision personnelle des prestations des fournisseurs ;
- Degré de supervision personnelle de la ponctualité du personnel ;
- Degré de supervision personnelle du suivi des clients ;
- Degré de supervision personnelle de la propreté des locaux de l’entreprise.

Statistiques concernant les PME 1

417
 Matrice de corrélation inter-items

Quantité_ Degré_for Degré_str Variété_so Degré_réf Degré_orga Degré_sup Degré_super Degré_sup Degré_super Degré_sup Degré_supe Degré_sup Degré_sup
informati malisation_ ucturatio lutions_av érence_int nisat_sémin erv_perso vis_perso_or ervis_pers vis_person_ ervis_pers rvis_person ervis_pers ervis_pers
on_utilisé info_utilisé n_info_ut _décision uition ai_format_p n_trav_op gani_serv_o o_circulat ordre_jr_réu on_préstat _ponctualité on_suivi_c on_proprié
e e ilisée erson érat pérat _informat nion _fourniss _person lients té_locaux
Quantité_information_util 1,000 ,600 ,659 ,453 ,700 ,071 ,165 ,409 ,076 ,314 ,049 ,329 ,372 -,014
isée
Degré_formalisation_info ,600 1,000 ,639 ,263 ,400 ,210 -,168 ,343 ,066 ,194 -,280 ,028 ,049 -,082
_utilisée
Degré_structuration_info_ ,659 ,639 1,000 ,403 ,643 -,113 ,183 ,462 ,362 ,381 ,097 ,353 ,323 ,336
utilisée
Variété_solutions_av_déci ,453 ,263 ,403 1,000 ,476 -,084 ,022 ,182 ,191 ,221 ,116 ,194 ,113 ,218
sion
Degré_référence_intuition ,700 ,400 ,643 ,476 1,000 -,100 ,212 ,385 ,080 ,373 ,154 ,382 ,432 ,252
Degré_organisat_séminai ,071 ,210 -,113 -,084 -,100 1,000 -,111 -,266 -,345 -,044 -,170 -,221 -,099 -,322
_format_person

418
Degré_superv_person_tra ,165 -,168 ,183 ,022 ,212 -,111 1,000 ,316 -,018 ,192 ,525 ,770 ,614 ,309
v_opérat
Degré_supervis_perso_or ,409 ,343 ,462 ,182 ,385 -,266 ,316 1,000 ,160 ,116 -,044 ,613 ,694 ,224
gani_serv_opérat
Degré_supervis_perso_cir ,076 ,066 ,362 ,191 ,080 -,345 -,018 ,160 1,000 ,245 -,049 ,075 ,167 ,206
culat_informat
Degré_supervis_person_o ,314 ,194 ,381 ,221 ,373 -,044 ,192 ,116 ,245 1,000 -,128 ,251 ,339 ,327
rdre_jr_réunion
Degré_supervis_person_p ,049 -,280 ,097 ,116 ,154 -,170 ,525 -,044 -,049 -,128 1,000 ,360 ,239 ,391
réstat_fourniss
Degré_supervis_person_p ,329 ,028 ,353 ,194 ,382 -,221 ,770 ,613 ,075 ,251 ,360 1,000 ,800 ,452
onctualité_person
Degré_supervis_person_s ,372 ,049 ,323 ,113 ,432 -,099 ,614 ,694 ,167 ,339 ,239 ,800 1,000 ,283
uivi_clients
Degré_supervis_person_p -,014 -,082 ,336 ,218 ,252 -,322 ,309 ,224 ,206 ,327 ,391 ,452 ,283 1,000
ropriété_locaux

418
 Statistiques d'item

Moyenne Ecart-type N
Quantité_information_utilisée 2,4671 ,94112 38
Degré_formalisation_info_utilisée 2,4342 ,81929 38
Degré_structuration_Info_utilisée 2,3026 ,94289 38
Variété_solutions_av_décision 2,5329 ,79519 38
Degré_référence_intuition 2,4671 ,89513 38
Degré_organisat_séminai_format_person 3,3882 1,08381 38
Degré_superv_person_trav_opérat 3,1250 1,22440 38
Degré_supervis_perso_organi_serv_opérat 3,0592 1,03557 38
Degré_supervis_perso_circulat_informat 3,2566 ,94348 38
Degré_supervis_person_ordre_jr_réunion 3,1579 1,07713 38
Degré_supervis_person_préstat_fourniss 3,7500 ,91902 38
Degré_supervis_person_ponctualité_person 2,9276 1,27596 38
Degré_supervis_person_suivi_clients 3,1908 1,15143 38
Degré_supervis_person_propriété_locaux 3,3224 1,05892 38

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,797 14

Statistiques de total des éléments

Moyenne de Variance de Corrélation Carré de la Alpha de

l'échelle en l'échelle en complète corrélation Cronbach
cas de cas de des multiple en cas de
suppression suppression éléments suppression
d'un élément d'un élément corrigés de l'élément
Quantité_information_utilisée 38,9145 47,650 ,592 ,714 ,772
Degré_formalisation_info_utilisée 38,9474 52,071 ,295 ,688 ,794
Degré_structuration_Info_utilisée 39,0789 46,595 ,680 ,771 ,765
Variété_solutions_av_décision 38,8487 51,299 ,378 ,367 ,788
Degré_référence_intuition 38,9145 47,565 ,637 ,657 ,769
Degré_organisat_séminai_format_person 37,9934 58,745 -,222 ,450 ,836
Degré_superv_person_trav_opérat 38,2566 46,667 ,482 ,734 ,779
Degré_supervis_perso_organi_serv_opéra 38,3224 47,405 ,544 ,771 ,774
t
Degré_supervis_perso_circulat_informat 38,1250 53,104 ,163 ,427 ,804
Degré_supervis_person_ordre_jr_réunion 38,2237 49,040 ,400 ,538 ,787
Degré_supervis_person_préstat_fourniss 37,6316 52,600 ,209 ,620 ,800
Degré_supervis_person_ponctualité_pers 38,4539 42,942 ,697 ,839 ,756
on
Degré_supervis_person_suivi_clients 38,1908 44,316 ,691 ,842 ,759
Degré_supervis_person_propriété_locaux 38,0592 49,383 ,385 ,581 ,788

Statistiques concernant les PME 2

419
 Matrice de corrélation inter-items

Quantité_ Degré_for Degré_str Variété_so Degré_réf Degré_orga Degré_sup Degré_supe Degré_sup Degré_super Degré_sup Degré_supe Degré_sup Degré_sup
informati malisation_ ucturatio lutions_av érence_int nisat_sémin erv_perso rvis_perso_ ervis_pers vis_person_ ervis_pers rvis_person ervis_pers ervis_pers
on_utilisé info_utilisé n_info_ut _décision uition ai_format_p n_trav_op organi_serv o_circulat ordre_jr_réu on_préstat _ponctualité on_suivi_c on_proprié
e e ilisée erson érat _opérat _informat nion _fourniss _person lients té_locaux
Quantité_information_util 1,000 ,411 ,457 ,428 ,428 ,237 -,099 -,076 ,055 ,178 -,062 ,101 ,126 -,103
isée
Degré_formalisation_info ,411 1,000 ,428 ,349 ,188 ,337 -,085 -,083 ,102 ,145 -,013 ,085 ,039 -,135
_utilisée
Degré_structuration_info_ ,457 ,428 1,000 ,348 ,277 ,204 -,004 -,001 ,009 ,133 -,028 ,138 ,062 -,039
utilisée
Variété_solutions_av_déci ,428 ,349 ,348 1,000 ,505 ,250 -,091 -,127 -,035 ,041 -,123 -,015 -,065 -,076
sion
Degré_référence_intuition ,428 ,188 ,277 ,505 1,000 ,304 ,081 ,057 ,176 ,107 ,061 ,205 ,256 -,015
Degré_organisat_séminai ,237 ,337 ,204 ,250 ,304 1,000 ,229 ,202 ,183 ,043 ,107 ,017 ,049 -,178
_format_person

420
Degré_superv_person_tra -,099 -,085 -,004 -,091 ,081 ,229 1,000 ,526 ,368 ,001 ,508 ,235 ,471 ,275
v_opérat
Degré_supervis_perso_or -,076 -,083 -,001 -,127 ,057 ,202 ,526 1,000 ,360 -,055 ,220 ,192 ,177 -,090
gani_serv_opérat
Degré_supervis_perso_cir ,055 ,102 ,009 -,035 ,176 ,183 ,368 ,360 1,000 ,324 ,261 ,087 ,438 ,063
culat_informat
Degré_supervis_person_o ,178 ,145 ,133 ,041 ,107 ,043 ,001 -,055 ,324 1,000 ,024 ,028 ,256 ,093
rdre_jr_réunion
Degré_supervis_person_p -,062 -,013 -,028 -,123 ,061 ,107 ,508 ,220 ,261 ,024 1,000 ,417 ,505 ,138
réstat_fourniss
Degré_supervis_person_p ,101 ,085 ,138 -,015 ,205 ,017 ,235 ,192 ,087 ,028 ,417 1,000 ,559 ,352
onctualité_person
Degré_supervis_person_s ,126 ,039 ,062 -,065 ,256 ,049 ,471 ,177 ,438 ,256 ,505 ,559 1,000 ,273
uivi_clients
Degré_supervis_person_p -,103 -,135 -,039 -,076 -,015 -,178 ,275 -,090 ,063 ,093 ,138 ,352 ,273 1,000
ropriété_locaux

420
 Statistiques d'item

Moyenne Ecart-type N
Quantité_information_utilisée 2,9891 ,88952 69
Degré_formalisation_info_utilisée 3,1341 ,89994 69
Degré_structuration_Info_utilisée 2,9348 ,82544 69
Variété_solutions_av_décision 3,0616 ,89772 69
Degré_référence_intuition 3,2971 ,77207 69
Degré_organisat_séminai_format_person 4,1848 1,04640 69
Degré_superv_person_trav_opérat 3,9674 1,23067 69
Degré_supervis_perso_organi_serv_opérat 3,8043 1,08115 69
Degré_supervis_perso_circulat_informat 3,7319 1,12403 69
Degré_supervis_person_ordre_jr_réunion 3,6413 1,06626 69
Degré_supervis_person_préstat_fourniss 4,0217 1,19107 69
Degré_supervis_person_ponctualité_person 3,8587 1,18855 69
Degré_supervis_person_suivi_clients 4,0761 1,22497 69
Degré_supervis_person_propriété_locaux 3,3696 1,19942 69

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,712 14

Statistiques de total des éléments

Moyenne de Variance de Corrélation Carré de la Alpha de

l'échelle en l'échelle en complète corrélation Cronbach en
cas de cas de des multiple cas de
suppression suppression éléments suppression
d'un élément d'un élément corrigés de l'élément
Quantité_information_utilisée 47,0833 42,080 ,283 ,395 ,701
Degré_formalisation_info_utilisée 46,9384 42,488 ,242 ,357 ,705
Degré_structuration_Info_utilisée 47,1377 42,422 ,282 ,314 ,701
Variété_solutions_av_décision 47,0109 43,438 ,160 ,407 ,714
Degré_référence_intuition 46,7754 41,471 ,409 ,419 ,691
Degré_organisat_séminai_format_person 45,8877 41,089 ,294 ,294 ,700
Degré_superv_person_trav_opérat 46,1051 37,663 ,461 ,604 ,677
Degré_supervis_perso_organi_serv_opérat 46,2681 41,521 ,247 ,467 ,706
Degré_supervis_perso_circulat_informat 46,3406 38,893 ,426 ,405 ,683
Degré_supervis_person_ordre_jr_réunion 46,4312 42,108 ,209 ,207 ,710
Degré_supervis_person_préstat_fourniss 46,0507 38,953 ,388 ,417 ,688
Degré_supervis_person_ponctualité_perso 46,2138 38,372 ,431 ,515 ,682
n
Degré_supervis_person_suivi_clients 45,9964 36,010 ,587 ,607 ,658
Degré_supervis_person_propriété_locaux 46,7029 42,738 ,125 ,343 ,724

421
 4. Stratégie de contrôle

Les dimensions participant à la caractérisation de cette variable sont :

- Stratégie de contrôle relative aux budgets ;

- Stratégie de contrôle relative aux coûts.

Ø Stratégie de contrôle relative aux budgets

Les items participant à la caractérisation de cette dimension sont :

- Degré de couverture fonctionnelle de système budgétaire ;

- Fréquence d’utilisation des données qui sont produites pas le système budgétaire.

Statistiques concernant les PME 1

Matrice de corrélation inter-items

Degré_couverture Fréquence_utilis
_fonct_sys_budg _don_sys_budg
Degré_couverture_fonct_sys_budg 1,000 ,780
Fréquence_utilis_don_sys_budg ,780 1,000

Statistiques d'item

Moyenne Ecart-type N
Degré_couverture_fonct_sys_budg 2,6970 1,23705 33
Fréquence_utilis_don_sys_budg 2,5758 ,86712 33

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,846 2

Statistiques de total des éléments

Moyenne de Variance de Corrélation Carré de la Alpha de

l'échelle en l'échelle en complète corrélation Cronbach en
cas de cas de des multiple cas de
suppression suppression éléments suppression de
d'un élément d'un élément corrigés l'élément
NaN
Degré_couverture_fonct_sys_budg 2,5758 ,752 ,780 ,608
NaN
Fréquence_utilis_don_sys_budg 2,6970 1,530 ,780 ,608

422
Statistiques concernant les PME 2

Matrice de corrélation inter-items

Degré_couverture_ Fréquence_utilis
fonct_sys_budg _don_sys_budg
Degré_couverture_fonct_sys_budg 1,000 ,551
Fréquence_utilis_don_sys_budg ,551 1,000

Statistiques d'item

Moyenne Ecart-type N
Degré_couverture_fonct_sys_budg 3,2222 1,21537 18
Fréquence_utilis_don_sys_budg 2,6667 ,90749 18

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,691 2

Statistiques de total des éléments

Moyenne de Variance de Corrélation Carré de la Alpha de

l'échelle en l'échelle en complète corrélation Cronbach en
cas de cas de des multiple cas de
suppression suppression éléments suppression de
d'un élément d'un élément corrigés l'élément
NaN
Degré_couverture_fonct_sys_budg 2,6667 ,824 ,551 ,304
NaN
Fréquence_utilis_don_sys_budg 3,2222 1,477 ,551 ,304

Ø Stratégie de contrôle relative aux coûts

- Variété des coûts calculés dans l’entreprise ;

- Variété des objets auxquels se rapportent les coûts calculés dans l’entreprise ;
- Fréquence d’utilisation des données qui sont rapportées aux coûts.

Statistiques concernant les PME 1

Matrice de corrélation inter-items

Variété_coûts_ca Variété_objets_c Fréquence_utilis

lculées oûts_calculées a_donnée_coûts
Variété_coûts_calculées 1,000 ,729 ,493
Variété_objets_coûts_calculées ,729 1,000 ,416
Fréquence_utilisa_donnée_coûts ,493 ,416 1,000

423
 Statistiques d'item

Moyenne Ecart-type N
Variété_coûts_calculées 2,1129 1,20215 31
Variété_objets_coûts_calculées 1,6452 1,11201 31
Fréquence_utilisa_donnée_coûts 2,4194 ,62044 31

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,773 3

Statistiques de total des éléments

Moyenne de Variance de Corrélation Carré de la Alpha de

l'échelle en l'échelle en complète corrélation Cronbach en
cas de cas de des multiple cas de
suppression suppression éléments suppression de
d'un élément d'un élément corrigés l'élément
Variété_coûts_calculées 4,0645 2,196 ,754 ,575 ,523
Variété_objets_coûts_calculées 4,5323 2,566 ,708 ,536 ,573
Fréquence_utilisa_donnée_coûts 3,7581 4,631 ,490 ,250 ,842

Statistiques concernant les PME 2

Matrice de corrélation inter-items

Variété_coûts_ca Variété_objets_c Fréquence_utilis

lculées oûts_calculées a_donnée_coûts
Variété_coûts_calculées 1,000 ,695 ,642
Variété_objets_coûts_calculées ,695 1,000 ,707
Fréquence_utilisa_donnée_coûts ,642 ,707 1,000

Statistiques d'item

Moyenne Ecart-type N
Variété_coûts_calculées 2,0526 1,26814 19
Variété_objets_coûts_calculées 2,1053 1,45849 19
Fréquence_utilisa_donnée_coûts 2,8421 1,06787 19

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,858 3

424
 Statistiques de total des éléments

Moyenne de Variance de Corrélation Carré de la Alpha de

l'échelle en l'échelle en complète corrélation Cronbach en
cas de cas de des multiple cas de
suppression suppression éléments suppression de
d'un élément d'un élément corrigés l'élément
Variété_coûts_calculées 4,9474 5,469 ,727 ,529 ,805
Variété_objets_coûts_calculées 4,8947 4,488 ,772 ,599 ,775
Fréquence_utilisa_donnée_coûts 4,1579 6,307 ,735 ,544 ,815

425
Annexe 5 : Les résultats du test de validité des échelles de mesure
relatives aux facteurs de contingence des deux sous-échantillons
(PME 1 et PME 2)

426
 Matrice de corrélation (Rhô de Spearman) des items sensés mesurer la variable « Structure » (PME 1)
Deg_défin Deg_défin_ Deg_défin_ Degré_part Degré_cons Degré_cons Degré_prise Niveau_PD Niveau_PD Niveau_PD_ Niveau_PD Niveau_P Degré_form Degré_form
_fonct règle_procé objectif_per ic_prise_d ulta_collabo ulta_dirigea _déci_par_c _dévelop_la _emb_licen fixation_px_ _choix_inve D_opérati alisation_tâc alisation_R
d for éci _av_prise_d nts_par_coll ollaborateur ncement_np vente stissements onnelles hes P
éci a_av_déc s s
Deg_défin_fonct Coef. 1,000
Sig.
Deg_défin_règle_procéd Coef. ,453** 1,000
Sig ,004
Deg_défin_objectif_perf Coef. ,576** ,448** 1,000
or
Sig. ,000 ,005
Degré_partic_prise_déci Coef. ,015 ,089 -,100 1,000
Sig. ,930 ,596 ,550
Degré_consulta_collabo Coef. ,179 ,133 -,162 ,710** 1,000
_av_prise
Sig. ,282 ,427 ,332 ,000
Degré_consulta_dirigea Coef. -,106 -,017 -,081 ,512** ,423** 1,000
nts_par_colla_av_déc
Sig. ,525 ,917 ,631 ,001 ,008

427
Degré_prise_déci_par_c Coef. ,101 -,074 -,079 ,513** ,653** ,254 1,000
ollaborate
Sig ,545 ,657 ,639 ,001 ,000 ,125
Niveau_PD_dévelop_la Coef. -,005 ,068 -,168 ,126 ,096 ,356* ,049 1,000
ncement_
Sig. ,975 ,683 ,314 ,452 ,566 ,028 ,769
Niveau_PD_emb_licen Coef. -,164 ,004 -,190 ,176 ,109 ,331* -,006 ,457** 1,000
Sig. ,327 ,982 ,253 ,291 ,513 ,043 ,974 ,004
Niveau_PD_fixation_px Coef. ,056 ,272 -,169 ,247 ,252 ,182 ,175 ,351* ,258 1,000
_vente
Sig. ,740 ,098 ,310 ,135 ,127 ,273 ,293 ,031 ,118
Niveau_PD_choix_inve Coef. ,046 ,127 -,139 ,359* ,253 ,314 ,128 ,622** ,656** ,380* 1,000
stissement
Sig ,782 ,448 ,407 ,027 ,125 ,055 ,442 ,000 ,000 ,019
Niveau_PD_opérationne Coef. ,123 -,020 -,172 ,140 ,428** ,155 ,244 ,522** ,199 ,320* ,456** 1,000
lles
Sig. ,462 ,906 ,302 ,403 ,007 ,353 ,140 ,001 ,232 ,050 ,004
Degré_formalisation_tâc Coef. ,237 ,403* ,230 -,160 -,034 -,060 -,030 ,100 ,074 ,282 ,182 ,019 1,000
hes
Sig. ,152 ,012 ,165 ,339 ,839 ,722 ,856 ,551 ,658 ,086 ,275 ,912
Degré_formalisation_R Coef. ,186 ,289 ,250 -,337* -,207 -,111 -,108 ,098 -,022 ,140 ,142 ,183 ,504** 1,000
P
Sig. ,265 ,079 ,130 ,039 ,212 ,506 ,517 ,558 ,897 ,403 ,396 ,272 ,001
** La corrélation est significative au niveau 0,01 (bilatéral).
* La corrélation est significative au niveau 0,05 (bilatéral).
427
 Matrice de corrélation (Rhô de Spearman) des items sensés mesurer la variable « Structure » (PME 2)
Deg_défin Deg_défin_ Deg_défin_ Degré_part Degré_cons Degré_cons Degré_prise Niveau_PD Niveau_PD Niveau_PD_ Niveau_PD Niveau_P Degré_form Degré_form
_fonct règle_procé objectif_per ic_prise_d ulta_collabo ulta_dirigea _déci_par_c _dévelop_la _emb_licen fixation_px_ _choix_inve D_opérati alisation_tâc alisation_R
d for éci _av_prise_d nts_par_coll ollaborateur ncement_np vente stissements onnelles hes P
éci a_av_déc s s
Deg_défin_fonct Coef. 1,000
Sig.
Deg_défin_règle_procéd Coef. ,706** 1,000
Sig ,000
Deg_défin_objectif_perf Coef. ,608** ,534** 1,000
or
Sig. ,000 ,000
Degré_partic_prise_déci Coef. -,037 -,011 ,101 1,000
Sig. ,760 ,931 ,408
Degré_consulta_collabo Coef. ,044 -,022 ,102 ,325** 1,000
_av_prise
Sig. ,720 ,855 ,404 ,006
Degré_consulta_dirigea Coef. -,091 -,024 ,133 ,481** ,442** 1,000
nts_par_colla_av_déc
Sig. ,458 ,847 ,278 ,000 ,000

428
Degré_prise_déci_par_c Coef. ,148 ,148 ,187 ,550** ,519** ,448** 1,000
ollaborate
Sig ,224 ,225 ,125 ,000 ,000 ,000
Niveau_PD_dévelop_la Coef. -,033 -,035 ,203 ,300* -,058 ,210 ,138 1,000
ncement_
Sig. ,791 ,775 ,094 ,012 ,635 ,083 ,258
Niveau_PD_emb_licen Coef. -,074 -,060 ,151 ,252* ,116 ,284* ,157 ,384** 1,000
Sig. ,547 ,627 ,215 ,036 ,345 ,018 ,197 ,001
Niveau_PD_fixation_px Coef. ,074 ,064 ,200 ,267* ,047 ,232 ,045 ,403** ,648** 1,000
_vente
Sig. ,548 ,602 ,100 ,026 ,699 ,055 ,712 ,001 ,000
Niveau_PD_choix_inve Coef. ,061 -,013 ,188 ,173 ,014 ,287* ,162 ,398** ,423** ,560** 1,000
stissement
Sig ,618 ,917 ,121 ,154 ,908 ,017 ,185 ,001 ,000 ,000
Niveau_PD_opérationne Coef. -,059 -,077 -,035 ,261* -,035 ,115 ,070 ,466** ,337** ,360** ,400** 1,000
lles
Sig. ,629 ,527 ,776 ,030 ,776 ,346 ,565 ,000 ,005 ,002 ,001
Degré_formalisation_tâc Coef. ,187 ,104 ,215 ,161 ,020 ,266* ,206 ,170 ,161 ,058 ,102 ,067 1,000
hes
Sig. ,123 ,393 ,077 ,185 ,869 ,027 ,089 ,162 ,187 ,633 ,405 ,587
Degré_formalisation_R Coef. ,266* ,239* ,124 -,039 ,053 ,172 ,199 ,055 ,109 -,006 ,058 ,020 ,640** 1,000
P
Sig. ,027 ,048 ,311 ,751 ,667 ,157 ,101 ,654 ,374 ,963 ,639 ,870 ,000
** La corrélation est significative au niveau 0,01 (bilatéral).
* La corrélation est significative au niveau 0,05 (bilatéral).
428
 Matrice de corrélation (Rhô de Spearman) des items sensés mesurer la variable « Style de décisions » (PME 1)
Quantité_inf Degré_forma Degré_stru Variété_s Degré_réf Degré_orga Degré_super Degré_super Degré_super Degré_super Degré_super Degré_super Degré_super Degré_superv
ormation_ut lisation_info cturation_I olutions_a érence_in nisat_sémin v_person_tr vis_perso_or vis_perso_ci vis_person_ vis_person_ vis_person_p vis_person_s is_person_pro
ilisée _utilisée nfo_utilisé v_décisio tuition ai_format_p av_opérat gani_serv_op rculat_infor ordre_jr_réu préstat_four onctualité_pe uivi_clients priété_locaux
Quantité_information Coef. 1,000
_utilisée
Sig.
Degré_formalisation Coef. ,579** 1,000
_info_utilisée
Sig. ,000
Degré_structuration_ Coef. ,578** ,637** 1,000
Info_utilisée
Sig. ,000 ,000
Variété_solutions_av Coef. ,476** ,270 ,435** 1,000
_décision
Sig. ,002 ,101 ,006
Degré_référence_int Coef. ,623** ,371* ,551** ,517** 1,000
uition
Sig. ,000 ,022 ,000 ,001
Degré_organisat_sé Coef. ,097 ,192 -,172 -,070 -,119 1,000
minai_format_person
Sig. ,562 ,248 ,301 ,676 ,476
Degré_superv_perso Coef. ,091 -,179 ,127 ,026 ,187 -,150 1,000

429
n_trav_opérat
Sig. ,586 ,281 ,448 ,876 ,261 ,369
Degré_supervis_pers Coef. ,317 ,349* ,412* ,195 ,312 -,328* ,288 1,000
o_organi_serv_opéra
Sig. ,052 ,032 ,010 ,240 ,057 ,044 ,080
* *
Degré_supervis_pers Coef. ,098 ,123 ,389 ,203 ,091 -,356 -,013 ,207 1,000
o_circulat_informat
Sig. ,556 ,462 ,016 ,221 ,585 ,028 ,940 ,212
Degré_supervis_pers Coef. ,261 ,177 ,322* ,204 ,309 -,086 ,186 ,081 ,254 1,000
on_ordre_jr_réunion
Sig. ,114 ,288 ,049 ,218 ,059 ,608 ,263 ,627 ,124
Degré_supervis_pers Coef. ,051 -,274 ,116 ,114 ,168 -,168 ,529** -,023 -,081 -,140 1,000
on_préstat_fourniss
Sig. ,761 ,096 ,488 ,497 ,315 ,314 ,001 ,891 ,628 ,400
Degré_supervis_pers Coef. ,224 ,000 ,276 ,185 ,334* -,250 ,782** ,595** ,107 ,237 ,358* 1,000
on_ponctualité_perso
Sig. ,176 ,998 ,093 ,266 ,040 ,130 ,000 ,000 ,522 ,152 ,027
Degré_supervis_pers Coef. ,322* ,047 ,235 ,119 ,406* -,119 ,604** ,650** ,191 ,325* ,240 ,780** 1,000
on_suivi_clients
Sig. ,049 ,780 ,156 ,477 ,011 ,475 ,000 ,000 ,251 ,046 ,147 ,000
Degré_supervis_pers Coef. -,001 -,064 ,337* ,219 ,262 -,371* ,281 ,267 ,221 ,317 ,346* ,442** ,278 1,000
on_propriété_locaux
Sig. ,993 ,704 ,039 ,186 ,112 ,022 ,088 ,105 ,183 ,052 ,034 ,005 ,091
** La corrélation est significative au niveau 0,01 (bilatéral).
* La corrélation est significative au niveau 0,05 (bilatéral).

429
 Matrice de corrélation (Rhô de Spearman) des items sensés mesurer la variable « Style de décisions » (PME 2)
Quantité_inf Degré_forma Degré_stru Variété_s Degré_réf Degré_orga Degré_super Degré_super Degré_super Degré_super Degré_super Degré_super Degré_super Degré_superv
ormation_ut lisation_info cturation_I olutions_a érence_in nisat_sémin v_person_tr vis_perso_or vis_perso_ci vis_person_ vis_person_ vis_person_p vis_person_s is_person_pro
ilisée _utilisée nfo_utilisé v_décisio tuition ai_format_p av_opérat gani_serv_op rculat_infor ordre_jr_réu préstat_four onctualité_pe uivi_clients priété_locaux
Quantité_information Coef. 1,000
_utilisée
Sig.
Degré_formalisation Coef. ,351** 1,000
_info_utilisée
Sig. ,003
Degré_structuration_ Coef. ,331** ,423** 1,000
Info_utilisée
Sig. ,005 ,000
Variété_solutions_av Coef. ,409** ,260* ,352** 1,000
_décision
Sig. ,000 ,031 ,003
Degré_référence_int Coef. ,379** ,119 ,284* ,489** 1,000
uition
Sig. ,001 ,331 ,018 ,000
Degré_organisat_sé Coef. ,205 ,285* ,131 ,215 ,244* 1,000
minai_format_person
Sig. ,091 ,018 ,285 ,076 ,043
Degré_superv_perso Coef. -,146 -,104 -,057 -,112 ,032 ,202 1,000

430
n_trav_opérat
Sig. ,230 ,395 ,641 ,360 ,793 ,096
Degré_supervis_pers Coef. -,128 -,074 -,011 -,126 ,016 ,187 ,517** 1,000
o_organi_serv_opéra
Sig. ,295 ,546 ,927 ,301 ,897 ,123 ,000
Degré_supervis_pers Coef. ,037 ,099 -,003 -,043 ,133 ,114 ,332** ,331** 1,000
o_circulat_informat
Sig. ,761 ,419 ,983 ,728 ,276 ,349 ,005 ,005
Degré_supervis_pers Coef. ,162 ,153 ,125 ,076 ,079 -,026 -,032 -,065 ,314** 1,000
on_ordre_jr_réunion
Sig. ,183 ,208 ,308 ,535 ,517 ,830 ,794 ,595 ,009
Degré_supervis_pers Coef. -,074 -,043 -,038 -,146 ,022 ,091 ,463** ,207 ,227 ,005 1,000
on_préstat_fourniss
Sig. ,548 ,727 ,754 ,232 ,855 ,457 ,000 ,087 ,061 ,965
Degré_supervis_pers Coef. ,051 ,063 ,120 -,050 ,171 -,044 ,161 ,181 ,040 ,013 ,385** 1,000
on_ponctualité_perso
Sig. ,675 ,606 ,325 ,685 ,161 ,721 ,186 ,137 ,743 ,917 ,001
Degré_supervis_pers Coef. ,105 ,038 ,010 -,121 ,223 -,061 ,400** ,152 ,376** ,228 ,502** ,558** 1,000
on_suivi_clients
Sig. ,393 ,758 ,938 ,321 ,065 ,617 ,001 ,212 ,001 ,060 ,000 ,000
Degré_supervis_pers Coef. -,070 -,108 -,025 -,104 -,013 -,237* ,261* -,108 ,054 ,102 ,114 ,326** ,262* 1,000
on_propriété_locaux
Sig. ,566 ,379 ,836 ,397 ,916 ,050 ,030 ,377 ,662 ,402 ,353 ,006 ,029
** La corrélation est significative au niveau 0,01 (bilatéral).
* La corrélation est significative au niveau 0,05 (bilatéral).

430
 Matrice de corrélation (Rhô de Spearman) des items sensés mesurer la variable « Stratégie de contrôle » (PME 1)

Degré_couverture_fo Fréquence_utilis_do Variété_coûts_ Variété_objets_coû Fréquence_utilisa_do

nct_sys_budg n_sys_budg calculées ts_calculées nnée_coûts
Coef. 1,000
Degré_couverture_fonct_sys_budg
Sig.
N 33
Coef. ,764** 1,000
Fréquence_utilis_don_sys_budg
Sig ,000
N 33 33

Coef. -,090 ,117 1,000

Variété_coûts_calculées Sig. ,662 ,571

N 31

431
26 26
Coef. -,201 ,013 ,575** 1,000
Variété_objets_coûts_calculées
Sig. ,324 ,951 ,001
N 26 26 31 31

Coef. ,079 ,301 ,528** ,435* 1,000

Fréquence_utilisa_donnée_coûts
Sig. ,703 ,136 ,002 ,014
N 26 26 31 31 31

** La corrélation est significative au niveau 0,01 (bilatéral).

* La corrélation est significative au niveau 0,05 (bilatéral).

431
 Matrice de corrélation (Rhô de Spearman) des items sensés mesurer la variable « Stratégie de contrôle » (PME 2)

Degré_couverture_fo Fréquence_utilis_do Variété_coûts_ Variété_objets_coû Fréquence_utilisa_do

nct_sys_budg n_sys_budg calculées ts_calculées nnée_coûts
Coef. 1,000
Degré_couverture_fonct_sys_budg
Sig.
N 18
Coef. ,568* 1,000
Fréquence_utilis_don_sys_budg
Sig ,014
N 18 18

Coef. ,187 -,117 1,000

Variété_coûts_calculées Sig. ,541 ,703

432
N 13 13 19

Coef. ,044 -,117 ,859** 1,000

Variété_objets_coûts_calculées
Sig. ,887 ,703 ,000
N 13 13 19 19

Coef. ,151 -,114 ,691** ,773** 1,000

Fréquence_utilisa_donnée_coûts
Sig. ,623 ,712 ,001 ,000
N 13 13 19 19 19

** La corrélation est significative au niveau 0,01 (bilatéral).

* La corrélation est significative au niveau 0,05 (bilatéral).

432
Annexe 6 : Les statistiques descriptives relatives aux facteurs de
contingence des PME 1 et PME 2

433
I. Les facteurs de contingence organisationnelle

Moyenne Écart-type Médiane Minimum Maximum

Variable
PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2
Taille 116,84 63,81 60,09 58,86 121,5 35,00 8 4 200 199

Moyenne Écart-type Médiane Minimum Maximum

Variable
PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2
Age d'entreprise 19,26 11,89 13,83 6,12 15,00 11,00 4,00 0,67 65,00 31,00

Dimensions et Moyenne Écart-type Médiane Minimum Maximum

variable PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2
DST 3,55 3,26 1,03 1,01 3,75 3,75 1,25 1,25 5,00 5,00
DS 10,79 9,38 2,36 2,73 11,00 9,00 4,00 3,00 15,00 15,00
DDH 11,41 9,62 3,30 3,27 11,25 10,00 6,25 5,00 18,75 18,75
DDV 10,79 7,68 4,37 3,04 10,00 7,00 5,00 5,00 21,00 22,00
DFTRP 6,97 6,32 1,57 1,98 7,00 6,00 2,00 1,00 10,00 10,00
Structure 43,57 36,29 7,28 6,61 42,50 37,50 31,25 22,50 62,00 50,75

Moyenne Écart-type Médiane Minimum Maximum

Items et dimension
PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2
Degré_définition_
fonctions 3,55 3,01 0,86 1,10 4,00 3,00 1,00 1,00 5,00 5,00
Degré_définition_R_P 3,74 3,10 0,89 1,03 4,00 3,00 1,00 1,00 5,00 5,00
Degré_définition_
objectifs_perfo 3,50 3,26 1,11 0,99 3,50 3,00 1,00 1,00 5,00 5,00
DS 10,79 9,38 2,36 2,73 11,00 9,00 4,00 3,00 15,00 15,00

Moyenne Écart-type Médiane Minimum Maximum

Items et dimension
PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2
DDH_partic_prise_déci 2,80 2,21 1,14 1,07 2,50 2,50 1,25 1,25 5,00 5,00
DDH_prend_déci 2,86 2,46 1,23 1,09 2,50 2,50 1,25 1,25 5,00 5,00
DDH_colla_av_déc 2,80 2,45 0,74 1,02 2,50 2,50 1,25 1,25 3,75 5,00
DDH_colla_déci_seuls 2,96 2,50 0,94 0,91 2,50 2,50 1,25 1,25 5,00 5,00
DDH 11,41 9,62 3,3 3,27 11,25 10,00 6,25 5,00 18,75 18,75

434
 Moyenne Écart-type Médiane Minimum Maximum
Items et dimension
PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2
DDV_lancement_nps 1,82 1,43 0,95 0,93 2,00 1,00 1,00 1,00 5,00 5,00
DDV_emb_licen 2,00 1,54 1,14 0,74 2,00 1,00 1,00 1,00 5,00 5,00
DDV_fix_px_vente 2,66 1,59 1,34 0,77 2,00 2,00 1,00 1,00 5,00 5,00
DDV_chx_inves 2,05 1,46 1,14 0,61 2,00 1,00 1,00 1,00 5,00 3,00
DDV_déci_opéra 2,26 1,65 1,27 0,82 2,00 2,00 1,00 1,00 5,00 5,00
DDV 10,79 7,68 4,37 3,04 10,00 7,00 5,00 5,00 21,00 22,00

Moyenne Écart-type Médiane Minimum Maximum

Items et dimension
PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2
Degré_formalisation
_tâches 3,47 3,23 0,92 1,09 3,00 3,00 1,00 1,00 5,00 5,00
Degré_formalisation
_RP 3,50 3,12 0,83 1,09 3,00 3,00 1,00 1,00 5,00 5,00
DFTRP 6,97 6,32 1,57 1,98 7,00 6,00 2,00 1,00 10,00 10,00

Dimensions et Moyenne Écart-type Médiane Minimum Maximum

variable PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2
DEE 7,03 7,17 1,72 1,89 8,00 7,00 4,00 3,00 10,00 10,00
PACC 3,58 3,59 0,98 1,06 4,00 4,00 2,00 1,00 5,00 5,00
PGPC 3,61 3,36 0,86 1,01 4,00 3,00 1,00 1,00 5,00 5,00
Environnement 14,11 14,13 3,09 3,50 15,00 15,00 8,00 6,00 20,00 20,00

Moyenne Écart-type Médiane Minimum Maximum

Items et dimension
PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2
Dynami_enviro_
plan_éco 3,50 3,55 0,89 0,98 4,00 4,00 2,00 1,00 5,00 5,00
Dynamique_envi_
plan_techno 3,42 3,62 1,03 1,11 4,00 4,00 1,00 1,00 5,00 5,00
DEE 7,03 7,17 1,72 1,89 8,00 7,00 4,00 3,00 10,00 10,00

Moyenne Écart-type Médiane Minimum Maximum

Variable
PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2
Informatisation 4,16 3,06 0,59 0,73 4,00 3,00 3,00 2,00 5,00 5,00

435
 II. Les facteurs de contingence comportementale

Moyenne Écart-type Médiane Minimum Maximum

Dimension
PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2
Nbr d'année /poste de
contrôle de gestion 5,86 3,77 2,90 1,48 5,00 3,50 2,00 0,67 15,00 8,00

Dimensions et Moyenne Écart-type Médiane Minimum Maximum

variable PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2
CIU 15,59 19,60 3,64 3,58 15,63 20,00 8,75 10,00 25,00 28,75
DSPT 25,79 30,47 5,56 5,51 25,63 31,25 15,00 12,50 36,25 40,00
Style de décision 41,38 50,07 7,50 6,79 41,25 51,25 28,75 22,50 61,25 61,25

Moyenne Écart-type Médiane Minimum Maximum

Items et dimension
PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2
Quantité d'information
considérée 2,47 2,99 0,94 0,89 2,50 2,50 1,25 1,25 5,00 5,00
Degré de formalisation
de l'information
utilisée 2,43 3,13 0,82 0,90 2,50 2,50 1,25 1,25 3,75 5,00
Degré de structuration
de l'information
utilisée 2,30 2,93 0,94 0,83 2,50 2,50 1,25 1,25 5,00 5,00
Variété des solutions
envisagées avant la
décision 2,53 3,06 0,80 0,90 2,50 2,50 1,25 1,25 3,75 5,00
Degré de référence à
l'intuition dans la prise
de décision 2,47 3,30 0,90 0,77 2,50 3,75 1,25 1,25 5,00 5,00
Degré d'organisation
des séminaires de
formation 3,39 4,18 1,08 1,05 3,75 5,00 1,25 1,25 5,00 5,00
CIU 15,59 19,60 3,64 3,58 15,63 20,00 8,75 10,00 25,00 28,75

436
 Moyenne Écart-type Médiane Minimum Maximum
Items et dimension
PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2
DSP Travail des
opérationnels 3,13 3,97 1,22 1,23 2,50 5,00 1,25 1,25 5,00 5,00
DSP Organisation
des services opérat 3,06 3,80 1,04 1,08 2,50 3,75 1,25 1,25 5,00 5,00
DSP Circulation de
l'information 3,26 3,73 0,94 1,12 3,13 3,75 1,25 1,25 5,00 5,00
DSP Ordres du jour
des réunions 3,16 3,64 1,08 1,07 2,50 3,75 1,25 2,50 5,00 5,00
DSP Prestations des
fournisseurs 3,75 4,02 0,92 1,19 3,75 5,00 2,50 1,25 5,00 5,00
DSP Ponctualité du
personnel 2,93 3,86 1,28 1,19 2,50 3,75 1,25 1,25 5,00 5,00
DSP Suivi des
clients 3,19 4,08 1,15 1,22 2,50 5,00 1,25 1,25 5,00 5,00
DSP Propreté des
locaux 3,32 3,37 1,06 1,20 3,75 3,75 1,25 1,25 5,00 5,00
DSPT 25,79 30,47 5,56 5,51 25,63 31,25 15,00 12,50 36,25 40,00

Moyenne Écart-type Médiane Minimum Maximum

Items et dimension
PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2
DCFSB 2,70 3,22 1,24 1,22 3,00 3,00 1,00 1,00 5,00 5,00
FUDSB 2,58 2,67 0,87 0,91 2,00 2,50 1,00 1,00 4,00 4,00
SCRB 5,27 5,89 1,99 1,88 5,00 6,00 3,00 3,00 9,00 9,00

Moyenne Écart-type Médiane Minimum Maximum

Items et dimension
PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2 PME1 PME2
VCC 2,11 2,05 1,20 1,27 2,50 2,50 1,00 1,00 5,00 5,00
VOCC 1,65 2,11 1,11 1,46 1,00 1,00 1,00 1,00 5,00 5,00
FUDC 2,42 2,84 0,62 1,07 2,00 3,00 1,00 1,00 4,00 4,00
SCRC 6,18 7,00 2,52 3,37 5,50 6,00 3,00 3,00 13,00 14,00

437
Annexe 7 : Les résultats des tests de validation des échelles de mesure

- Les résultats de l’étude exploratoire produits par le logiciel

(SPSS 17.0)

- Les résultats de l’étude confirmatoire produits par le logiciel

d’équations structurelles (AMOS 18.0)

438
- Échelle de mesure de la variable « Structure »

Ø Les résultats de l’étude exploratoire

Résultats initiaux

Indice KMO et test de Bartlett

Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin. ,647

Test de sphéricité de Bartlett Khi-deux approximé 255,048
ddl 105
Signification de Bartlett ,000

Qualité de représentation

Initial Extraction
Degré_specia_tâches 1,000 ,642
Deg_défin_fonct 1,000 ,706
Deg_défin_règle_procéd 1,000 ,658
Deg_défin_objectif_perfor 1,000 ,720
Degré_partic_prise_déci 1,000 ,816
Degré_consulta_collabo_av_prise_déci 1,000 ,892
Degré_consulta_dirigeants_par_colla_av_déc 1,000 ,672
Degré_prise_déci_par_collaborateurs 1,000 ,698
Niveau_PD_dévelop_lancement_nps 1,000 ,566
Niveau_PD_emb_licen 1,000 ,752
Niveau_PD_fixation_px_vente 1,000 ,543
Niveau_PD_choix_investissements 1,000 ,670
Niveau_PD_opérationnelles 1,000 ,755
Degré_formalisation_tâches 1,000 ,601
Degré_formalisation_RP 1,000 ,689
Méthode d'extraction : Analyse en composantes principales.

439
 Variance totale expliquée

Somme des carrés des facteurs retenus pour la

Compos Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus
rotation
ante
Total % de la variance % cumulés Total % de la variance % cumulés Total % de la variance % cumulés
1 4,110 27,401 27,401 4,110 27,401 27,401 3,508 23,387 23,387
2 3,284 21,896 49,298 3,284 21,896 49,298 3,042 20,278 43,665
3 1,902 12,678 61,976 1,902 12,678 61,976 2,535 16,903 60,568
4 1,084 7,224 69,200 1,084 7,224 69,200 1,295 8,632 69,200
5 ,785 5,236 74,436
6 ,713 4,751 79,188
7 ,681 4,540 83,728
8 ,547 3,647 87,374
9 ,425 2,835 90,209
10 ,387 2,578 92,788
11 ,323 2,155 94,942

440
12 ,265 1,767 96,710
13 ,231 1,539 98,249
14 ,181 1,206 99,455
15 ,082 ,545 100,000
Méthode d'extraction : Analyse en composantes principales.

440
 Matrice des composantesa

Composante
1 2 3 4
Niveau_PD_emb_licen ,670 ,128 -,429 ,320
Degré_partic_prise_déci ,654 ,159 ,550 ,247
Degré_consulta_collabo_av_prise_déci ,594 ,434 ,536 -,252
Degré_consulta_dirigeants_par_colla_av_déc ,584 ,185 ,144 ,526
Degré_prise_déci_par_collaborateurs ,558 ,168 ,547 -,243
Niveau_PD_choix_investissements ,555 ,488 -,315 ,160
Niveau_PD_opérationnelles ,541 ,474 -,193 -,448
Deg_défin_objectif_perfor -,535 ,323 ,340 ,463
Deg_défin_règle_procéd -,417 ,670 ,144 ,121
Degré_formalisation_tâches -,418 ,623 -,193 -,021
Degré_specia_tâches -,504 ,618 ,059 ,048
Deg_défin_fonct -,415 ,615 ,385 -,084
Degré_formalisation_RP -,474 ,607 -,296 -,089
Niveau_PD_fixation_px_vente ,398 ,539 -,256 -,171
Niveau_PD_dévelop_lancement_nps ,430 ,412 -,439 ,140
Méthode d'extraction : Analyse en composantes principales.
a. 4 composantes extraites.

441
 Matrice des composantes après rotationa

Composante
1 2 3 4
Deg_défin_règle_procéd ,808 ,019 ,031 ,068
Degré_specia_tâches ,797 -,012 -,066 -,045
Deg_défin_fonct ,779 -,168 ,261 -,055
Degré_formalisation_tâches ,712 ,194 -,176 -,161
Degré_formalisation_RP ,709 ,214 -,262 -,267
Deg_défin_objectif_perfor ,651 -,337 -,107 ,414
Niveau_PD_choix_investissements ,047 ,782 ,150 ,184
Niveau_PD_dévelop_lancement_nps ,038 ,744 -,020 ,103
Niveau_PD_emb_licen -,311 ,741 -,029 ,324
Niveau_PD_fixation_px_vente ,158 ,664 ,238 -,142
Niveau_PD_opérationnelles ,010 ,664 ,437 -,351
Degré_consulta_collabo_av_prise_déci ,067 ,234 ,911 ,050
Degré_prise_déci_par_collaborateurs -,125 ,068 ,822 ,052
Degré_partic_prise_déci -,145 ,141 ,702 ,531
Degré_consulta_dirigeants_par_colla_av_déc -,118 ,376 ,284 ,660
Méthode d'extraction : Analyse en composantes principales.
Méthode de rotation : Varimax avec normalisation de Kaiser.
a. La rotation a convergé en 23 itérations.

Résultats après 1ère purification : suppression de deux items

Indice KMO et test de Bartlett

Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin. ,665

Test de sphéricité de Bartlett Khi-deux approximé 203,145
ddl 78
Signification de Bartlett ,000

Qualité de représentation

Initial Extraction
Degré_specia_tâches 1,000 ,640
Deg_défin_fonct 1,000 ,716
Deg_défin_règle_procéd 1,000 ,642
Deg_défin_objectif_perfor 1,000 ,504
Degré_consulta_collabo_av_prise_déci 1,000 ,865
Degré_prise_déci_par_collaborateurs 1,000 ,749
Niveau_PD_dévelop_lancement_nps 1,000 ,528
Niveau_PD_emb_licen 1,000 ,668
Niveau_PD_fixation_px_vente 1,000 ,531
Niveau_PD_choix_investissements 1,000 ,654
Niveau_PD_opérationnelles 1,000 ,633
Degré_formalisation_tâches 1,000 ,607
Degré_formalisation_RP 1,000 ,656
Méthode d'extraction : Analyse en composantes principales.

442
 Variance totale expliquée

Compos Somme des carrés des facteurs retenus pour la

Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus
rotation
ante
Total % de la variance % cumulés Total % de la variance % cumulés Total % de la variance % cumulés
1 3,600 27,693 27,693 3,600 27,693 27,693 3,496 26,891 26,891
2 3,181 24,473 52,166 3,181 24,473 52,166 2,951 22,703 49,594
3 1,612 12,397 64,563 1,612 12,397 64,563 1,946 14,969 64,563
4 ,862 6,634 71,198
5 ,744 5,723 76,921
6 ,676 5,198 82,118
7 ,564 4,336 86,454
8 ,442 3,400 89,854
9 ,418 3,212 93,066
10 ,333 2,562 95,628

443
11 ,239 1,836 97,464
12 ,205 1,575 99,039
13 ,125 ,961 100,000
Méthode d'extraction : Analyse en composantes principales.

443
 Matrice des composantesa
Composante
1 2 3
Degré_specia_tâches ,710 ,369 ,010
Deg_défin_objectif_perfor ,690 ,022 ,165
Deg_défin_règle_procéd ,675 ,428 ,054
Deg_défin_fonct ,655 ,373 ,386
Degré_formalisation_RP ,626 ,419 -,298
Niveau_PD_emb_licen -,604 ,411 -,366
Degré_formalisation_tâches ,604 ,435 -,231
Niveau_PD_opérationnelles -,373 ,699 ,073
Niveau_PD_fixation_px_vente -,199 ,690 -,123
Niveau_PD_choix_investissements -,346 ,688 -,247
Niveau_PD_dévelop_lancement_nps -,277 ,584 -,333
Degré_prise_déci_par_collaborateurs -,388 ,312 ,708
Degré_consulta_collabo_av_prise_déci -,302 ,558 ,680
Méthode d'extraction : Analyse en composantes principales.
a. 3 composantes extraites.

444
 Matrice des composantes après rotationa

Composante
1 2 3
Deg_défin_règle_procéd ,800 ,026 ,039
Degré_specia_tâches ,799 -,016 -,031
Deg_défin_fonct ,768 -,155 ,321
Degré_formalisation_RP ,739 ,195 -,268
Degré_formalisation_tâches ,730 ,188 -,197
Deg_défin_objectif_perfor ,617 -,350 -,015
Niveau_PD_choix_investissements ,029 ,800 ,118
Niveau_PD_emb_licen -,337 ,744 -,027
Niveau_PD_dévelop_lancement_nps ,034 ,726 -,015
Niveau_PD_fixation_px_vente ,162 ,684 ,193
Niveau_PD_opérationnelles ,023 ,679 ,415
Degré_consulta_collabo_av_prise_déci ,038 ,268 ,890
Degré_prise_déci_par_collaborateurs -,157 ,099 ,845
Méthode d'extraction : Analyse en composantes principales.
Méthode de rotation : Varimax avec normalisation de Kaiser.
a. La rotation a convergé en 4 itérations.

Résultats de l’étude de fiabilité : Alpha de Cronbach

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,718 13

Statistiques d'échelle

Moyenne Variance Ecart-type Nombre

d'éléments
37,9276 43,517 6,59671 13

445
 Ø Les résultats de l’étude confirmatoire

Estimation du modèle

Regression Weights: (Group number 1 - Default model)

Estimate S.E C.R. P Label

Degré de
Degré_specia_tâches <--- spécialisation_des 1,000
tâches
Degré
Deg_défin_fonct <--- 1,000
de_standardisation
Degré
Deg_défin_règle_procéd <--- ,968 ,241 4,018 *** par_1
de_standardisation
Deg_défin_objectif_perf Degré
<--- 1,085 ,295 3,674 *** par_2
or de_standardisation
Degré de
Degré_consulta_collabo
<--- décentralisation_ho 1,000
_av_prise_déci
rizontale
Degré de
Niveau_PD_emb_licen <--- décentralisation_ve 1,438 ,446 3,222 ,001 par_3
rticale
Degré de
Niveau_PD_fixation_px
<--- décentralisation_ve 1,374 ,491 2,797 ,005 par_4
_vente
rticale
Degré de
Niveau_PD_choix_inve
<--- décentralisation_ve 1,612 ,473 3,405 *** par_5
stissements
rticale
Degré de
Niveau_PD_opérationne
<--- décentralisation_ve 1,433 ,477 3,001 ,003 par_6
lles
rticale
Degré de
Degré_formalisation_tâc
<--- formalisation_des 1,000
hes
T et des RP
Degré de
Degré_formalisation_R
<--- formalisation_des 1,351 ,285 4,745 *** par_7
P
T et des RP
Degré de
Niveau_PD_dévelop_la
<--- décentralisation_ve 1,000
ncement_nps
rticale
Degré de
Degré_prise_déci_par_c
<--- décentralisation_ho 1,029 ,174 5,910 *** par_18
ollaborateurs
rizontale

446
 Covariances: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Degré de
Degré
spécialisation_des <--> ,459 ,157 2,927 ,003 par_8
de_standardisation
tâches
Degré de
Degré
<--> décentralisation_horiz -,052 ,112 -,463 ,643 par_9
de_standardisation
ontale
Degré de Degré de
décentralisation_horizon <--> décentralisation_vertic ,137 ,102 1,343 ,179 par_10
tale ale
Degré de Degré de
spécialisation_des <--> formalisation_des T et ,372 ,139 2,668 ,008 par_11
tâches des RP
Degré de Degré de
décentralisation_horizon <--> formalisation_des T et -,119 ,096 -1,237 ,216 par_12
tale des RP
Degré de
Degré
<--> formalisation_des T et ,213 ,096 2,206 ,027 par_13
de_standardisation
des RP
Degré de Degré de
décentralisation_vertical <--> formalisation_des T et ,023 ,062 ,375 ,708 par_14
e des RP
Degré de Degré de
spécialisation_des <--> décentralisation_horiz -,068 ,151 -,450 ,653 par_15
tâches ontale
Degré de
Degré
<--> décentralisation_vertic -,057 ,079 -,729 ,466 par_16
de_standardisation
ale
Degré de Degré de
spécialisation_des <--> décentralisation_vertic -,030 ,104 -,287 ,774 par_17
tâches ale

Correlations: (Group number 1 - Default model)

Estimate
Degré de spécialisation_des tâches <--> Degré de_standardisation ,687
Degré de_standardisation <--> Degré de décentralisation_horizontale -,089
Degré de décentralisation_horizontale <--> Degré de décentralisation_verticale ,278
Degré de spécialisation_des tâches <--> Degré de formalisation_des T et des RP ,638
Degré de décentralisation_horizontale <--> Degré de formalisation_des T et des RP -,234
Degré de_standardisation <--> Degré de formalisation_des T et des RP ,547
Degré de décentralisation_verticale <--> Degré de formalisation_des T et des RP ,071
Degré de spécialisation_des tâches <--> Degré de décentralisation_horizontale -,078
Degré de_standardisation <--> Degré de décentralisation_verticale -,153
Degré de spécialisation_des tâches <--> Degré de décentralisation_verticale -,053

447
 Variances: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Degré de spécialisation_des tâches 1,000 ,239 4,176 *** par_19
Degré de_standardisation ,446 ,174 2,556 ,011 par_20
Degré de décentralisation_horizontale ,762 ,306 2,490 ,013 par_21
Degré de décentralisation_verticale ,316 ,173 1,827 ,068 par_22
Degré de formalisation_des T et des RP ,339 ,160 2,122 ,034 par_23
e1 ,030
e6 ,050
e13 ,050
e2 ,275 ,102 2,685 ,007 par_24
e3 ,355 ,114 3,122 ,002 par_25
e4 ,673 ,190 3,536 *** par_26
e5 ,711 ,176 4,035 *** par_27
e7 ,571 ,150 3,800 *** par_28
e8 ,610 ,185 3,301 *** par_29
e9 1,155 ,301 3,833 *** par_30
e10 ,439 ,170 2,584 ,010 par_31
e11 ,914 ,250 3,652 *** par_32
e12 ,489 ,120 4,088 *** par_33

Ajustement du modèle

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 33 72,308 58 ,098 1,247
Saturated model 91 ,000 0
Independence model 13 236,116 78 ,000 3,027

RMR, GFI

Model RMR GFI AGFI PGFI

Default model ,131 ,785 ,663 ,500
Saturated model ,000 1,000
Independence model ,320 ,459 ,368 ,393

Baseline Comparisons

NFI RFI IFI TLI

Model CFI
Delta1 rho1 Delta2 rho2
Default model ,694 ,588 ,920 ,878 ,910
Saturated model 1,000 1,000 1,000
Independence model ,000 ,000 ,000 ,000 ,000

Parsimony-Adjusted Measures

Model PRATIO PNFI PCFI

Default model ,744 ,516 ,676
Saturated model ,000 ,000 ,000
Independence model 1,000 ,000 ,000

448
 NCP

Model NCP LO 90 HI 90
Default model 14,308 ,000 40,112
Saturated model ,000 ,000 ,000
Independence model 158,116 115,691 208,171

FMIN

Model FMIN F0 LO 90 HI 90
Default model 1,954 ,387 ,000 1,084
Saturated model ,000 ,000 ,000 ,000
Independence model 6,382 4,273 3,127 5,626

RMSEA

Model RMSEA LO 90 HI 90 PCLOSE

Default model ,082 ,000 ,137 ,215
Independence model ,234 ,200 ,269 ,000

AIC

Model AIC BCC BIC CAIC

Default model 138,308 178,482 192,348 225,348
Saturated model 182,000 292,783 331,020 422,020
Independence model 262,116 277,942 283,404 296,404

ECVI

Model ECVI LO 90 HI 90 MECVI

Default model 3,738 3,351 4,435 4,824
Saturated model 4,919 4,919 4,919 7,913
Independence model 7,084 5,938 8,437 7,512

HOELTER

Model HOELTER HOELTER

.05 .01
Default model 40 44
Independence model 16 18

449
Résultats de l’étude de fiabilité : ρ de Jöreskog

Rhô de Jöreskog "Degré de standardisation"

λi (∑ λi)2 ∑ var (εi) (∑ λi)2 + ∑ var (εi) ρ
1
Deg_défin_fonct 0,786 0,382
Deg_défin_règle_procéd 0,735 0,460
Deg_défin_objectif_perfor 0,662 0,562
2,183 4,7655 1,404 6,1695 0,7724

Rhô de Jöreskog "Degré de décentralisation horizontale"

λi (∑ λi)2 ∑ var (εi) (∑ λi)2 + ∑ var (εi) ρ
Degré_consulta_collabo_av_pri
0,719 0,483
se_déci
Degré_prise_déci_par_collabora
0,970 0,058
teurs
1,689 2,8527 0,541 3,3937 0,8406

Rhô de Jöreskog "Degré de décentralisation verticale"

λi (∑ λi)2 ∑ var (εi) (∑ λi)2 + ∑ var (εi) ρ
Niveau_PD_emb_licen 0,719 0,483

Niveau_PD_fixation_px_vente 0,584 0,659

Niveau_PD_choix_
0,807 0,349
investissements
Niveau_PD_opérationnelles 0,644 0,585
Niveau_PD_dévelop_
0,597 0,644
lancement_nps
3,351 11,2292 2,720 13,9492 0,8050

Rhô de Jöreskog "Degré de formalisation des T et des RP"

λi (∑ λi)2 ∑ var (εi) (∑ λi)2 + ∑ var (εi) ρ
Degré_formalisation_tâches 0,640 0,590
Degré_formalisation_RP 0,962 0,075
1,602 2,5664 0,665 3,2314 0,7942

1
Var (εi) = = [1 – (λi)2]
Exemple : 0,382 = [1- (0,786)2]
Ou aussi, Var (εi) = (1 – Coefficients de corrélation multiple de l’item i)
Exemple : 0,382 = (1-0,618)

450
 Rhô de Jöreskog "Structure"
λi (∑ λi)2 ∑ var (εi) (∑ λi)2 + ∑ var (εi) ρ
Deg_défin_fonct 0,786 0,382
Deg_défin_règle_procéd 0,735 0,460
Deg_défin_objectif_perfor 0,662 0,562
Degré_consulta_collabo_
0,719 0,483
av_prise_déci
Degré_prise_déci_par_
0,970 0,058
collaborateurs
Niveau_PD_emb_licen 0,719 0,483

Niveau_PD_fixation_px_vente 0,584 0,659

Niveau_PD_choix_
0,807 0,349
investissements
Niveau_PD_opérationnelles 0,644 0,585
Niveau_PD_dévelop_
0,597 0,644
lancement_nps
Degré_formalisation_tâches 0,640 0,590
Degré_formalisation_RP 0,962 0,075
8,825 77,8806 5,330 83,2106 0,9359

Résultats du test de la validité convergente

Rhô de validité convergente "Degré de standardisation"

λi (λi)2 ∑ var (εi) (λi)2 + ∑ var (εi) ρvc
Deg_défin_fonct 0,786 0,6178 0,382
Deg_défin_règle_procéd 0,735 0,5402 0,460
Deg_défin_objectif_perfor 0,662 0,4382 0,562
1,5963 1,404 3,0003 0,5320

Rhô de validité convergente "Degré de décentralisation horizontale"

λi (λi)2 ∑ var (εi) (λi)2 + ∑ var (εi) ρvc

Degré_consulta_collabo_av_prise_déci 0,719 0,5170 0,483

Degré_prise_déci_par_collaborateurs 0,970 0,9409 0,058

1,4579 0,541 1,9989 0,7293

451
 Rhô de validité convergente "Degré de décentralisation verticale"
λi (λi)2 ∑ var (εi) (λi)2 + ∑ var (εi) ρvc
Niveau_PD_emb_licen 0,719 0,5170 0,483
Niveau_PD_fixation_px_vente 0,584 0,3411 0,659
Niveau_PD_choix_investissements 0,807 0,6512 0,349
Niveau_PD_opérationnelles 0,644 0,4147 0,585
Niveau_PD_dévelop_lancement_nps 0,597 0,3564 0,644
2,2804 2,720 5,0004 0,4560

Rhô de validité convergente "Degré de formalisation des T et des RP"

λi (λi)2 ∑ var (εi) (λi)2 + ∑ var (εi) ρvc
Degré_formalisation_tâches 0,640 0,4096 0,590
Degré_formalisation_RP 0,962 0,9254 0,075
1,3350 0,665 2,0000 0,6675

Rhô de validité convergente "Structure"

λi (λi)2 ∑ var (εi) (λi)2 + ∑ var (εi) ρvc
Deg_défin_fonct 0,786 0,6178 0,382
Deg_défin_règle_procéd 0,735 0,5402 0,460
Deg_défin_objectif_perfor 0,662 0,4382 0,562
Degré_consulta_collabo_
0,719 0,5170 0,483
av_prise_déci
Degré_prise_déci_par
0,970 0,9409 0,058
_collaborateurs
Niveau_PD_emb_licen 0,719 0,5170 0,483
Niveau_PD_fixation
0,584 0,3411 0,659
_px_vente
Niveau_PD_choix_
0,807 0,6512 0,349
investissements
Niveau_PD_opérationnelles 0,644 0,4147 0,585
Niveau_PD_dévelop_
0,597 0,3564 0,644
lancement_nps
Degré_formalisation_tâches 0,640 0,4096 0,590
Degré_formalisation_RP 0,962 0,9254 0,075
8,825 6,6696 5,330 11,9996 0,5558

452
 - Échelle de mesure de la variable « Environnement »

Ø Les résultats de l’étude exploratoire

Indice KMO et test de Bartlett

Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin. ,712

Test de sphéricité de Bartlett Khi-deux approximé 62,018
ddl 6
Signification de Bartlett ,000
Qualité de représentation

Initial Extraction
Dynami_enviro_plan_éco 1,000 ,630
Dynamique_envi_plan_techno 1,000 ,782
Prévisibilité_comportem_concurre 1,000 ,684
Prévisibilité_goûts_préféren_client 1,000 ,603
Méthode d'extraction : Analyse en composantes principales.

Variance totale expliquée

Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus
Compo
sante % de la % de la
Total variance % cumulés Total variance % cumulés
1 2,699 67,466 67,466 2,699 67,466 67,466
2 ,665 16,616 84,082
3 ,404 10,106 94,188
4 ,232 5,812 100,000
Méthode d'extraction : Analyse en composantes principales.

453
 Matrice des composantesa

Composante
1
Dynamique_envi_plan_techno ,885
Prévisibilité_comportem_concurre ,827
Dynami_enviro_plan_éco ,794
Prévisibilité_goûts_préféren_client ,776
Méthode d'extraction : Analyse en composantes principales.
1 composantes extraite.

Résultats de l’étude de fiabilité : Alpha de Cronbach

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,839 4

Statistiques d'échelle

Moyenne Variance Ecart-type Nombre

d'éléments
14,1053 9,556 3,09131 4

Ø Les résultats de l’étude confirmatoire

Estimation du modèle

Regression Weights: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Dynamique
Dynami_enviro_plan_éco <--- de_l'environneme 1,000
nt externe
Prévisibilité
Prévisibilité_comportem_
<--- des_comportement 1,000
concurre
s des_concurrents
Prévisibilité des
Prévisibilité_goûts_préfér goûts et_des
<--- 1,000
en_client préférences des
clients
Dynamique
Dynamique_envi_plan_te
<--- de_l'environneme 1,555 ,257 6,057 *** par_1
chno
nt externe

454
 Covariances: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Dynamique Prévisibilité
de_l'environnement <--> des_comportements ,372 ,133 2,788 ,005 par_2
externe des_concurrents
Prévisibilité des
Prévisibilité
goûts et_des
des_comportements <--> ,492 ,156 3,147 ,002 par_3
préférences des
des_concurrents
clients
Prévisibilité des
Dynamique
goûts et_des
de_l'environnement <--> ,324 ,117 2,778 ,005 par_4
préférences des
externe
clients

Correlations: (Group number 1 - Default model)

Estimate
Dynamique de_l'environnement Prévisibilité des_comportements
<--> ,616
externe des_concurrents
Prévisibilité des_comportements Prévisibilité des goûts et_des préférences
<--> ,628
des_concurrents des clients
Dynamique de_l'environnement Prévisibilité des goûts et_des préférences
<--> ,615
externe des clients

Variances: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Dynamique de_l'environnement externe ,407 ,161 2,522 ,012 par_5
Prévisibilité des_comportements des_concurrents ,898 ,216 4,162 *** par_6
Prévisibilité des goûts et_des préférences des
,683 ,166 4,120 *** par_7
clients
e2 ,050
e3 ,030
e4 ,030
e1 ,370 ,091 4,082 *** par_8

Ajustement du modèle

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 8 2,542 2 ,281 1,271
Saturated model 10 ,000 0
Independence model 4 65,876 6 ,000 10,979

RMR, GFI

Model RMR GFI AGFI PGFI

Default model ,028 ,968 ,839 ,194
Saturated model ,000 1,000
Independence model ,388 ,504 ,173 ,302

455
 Baseline Comparisons

NFI RFI IFI TLI

Model CFI
Delta1 rho1 Delta2 rho2
Default model ,961 ,884 ,992 ,973 ,991
Saturated model 1,000 1,000 1,000
Independence model ,000 ,000 ,000 ,000 ,000

Parsimony-Adjusted Measures

Model PRATIO PNFI PCFI

Default model ,333 ,320 ,330
Saturated model ,000 ,000 ,000
Independence model 1,000 ,000 ,000

NCP

Model NCP LO 90 HI 90
Default model ,542 ,000 9,030
Saturated model ,000 ,000 ,000
Independence model 59,876 37,417 89,791

FMIN

Model FMIN F0 LO 90 HI 90
Default model ,069 ,015 ,000 ,244
Saturated model ,000 ,000 ,000 ,000
Independence model 1,780 1,618 1,011 2,427

RMSEA

Model RMSEA LO 90 HI 90 PCLOSE

Default model ,086 ,000 ,349 ,313
Independence model ,519 ,411 ,636 ,000

AIC

Model AIC BCC BIC CAIC

Default model 18,542 21,042 31,643 39,643
Saturated model 20,000 23,125 36,376 46,376
Independence model 73,876 75,126 80,426 84,426

ECVI

Model ECVI LO 90 HI 90 MECVI

Default model ,501 ,486 ,731 ,569
Saturated model ,541 ,541 ,541 ,625
Independence model 1,997 1,390 2,805 2,030

456
 HOELTER

HOELTER HOELTER
Model
.05 .01
Default model 88 135
Independence model 8 10

Résultats de l’étude de fiabilité : ρ de Jöreskog

Rhô de Jöreskog "Dynamique de l'environnement externe"

λi (∑ λi)2 ∑ var (εi) (∑ λi)2 + ∑ var (εi) ρ
Dynami_enviro_plan_éco 0,724 0,476
Dynamique_envi_plan_techno 0,976 0,048
1,700 2,8900 0,524 3,4140 0,8465

Rhô de Jöreskog "Environnement"

λi (∑ λi)2 ∑ var (εi) (∑ λi)2 + ∑ var (εi) ρ
Dynami_enviro_plan_éco 0,724 0,476
Dynamique_envi_plan_techno 0,976 0,048
Prévisibilité_comportem_
0,984 0,032
concurre
Prévisibilité_goûts_préféren
0,979 0,042
_client
3,663 13,4176 0,598 14,0156 0,9573

Résultats du test de la validité convergente

Rhô de validité convergente "Dynamique de l'environnement externe"

λi (λi)2 ∑ var (εi) (λi)2 + ∑ var (εi) ρvc
Dynami_enviro_plan_éco 0,724 0,5242 0,476
Dynamique_envi_plan_techno 0,976 0,9526 0,048
1,4768 0,524 2,0008 0,7381

Rhô de validité convergente "Environnement"

λi (λi)2 ∑ var (εi) (λi)2 + ∑ var (εi) ρvc
Dynami_enviro_plan_éco 0,724 0,5242 0,476
Dynamique_envi_plan_techno 0,976 0,9526 0,048

Prévisibilité_comportem_concurre 0,984 0,9683 0,032

Prévisibilité_goûts_préféren_client 0,979 0,9584 0,042

3,4034 0,598 4,0014 0,8506

457
 - Échelle de mesure de la variable « Style de décisions »

Ø Les résultats de l’étude exploratoire

Résultats initiaux

Indice KMO et test de Bartlett

Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin. ,630

Test de sphéricité de Bartlett Khi-deux approximé 274,048
ddl 91
Signification de Bartlett ,000

Qualité de représentation

Initial Extraction
Quantité_information_utilisée 1,000 ,799
Degré_formalisation_info_utilisée 1,000 ,756
Degré_structuration_info_utilisée 1,000 ,775
Variété_solutions_av_décision 1,000 ,572
Degré_référence_intuition 1,000 ,716
Degré_organisat_séminai_format_person 1,000 ,597
Degré_superv_person_trav_opérat 1,000 ,786
Degré_supervis_perso_organi_serv_opérat 1,000 ,774
Degré_supervis_perso_circulat_informat 1,000 ,658
Degré_supervis_person_ordre_jr_réunion 1,000 ,318
Degré_supervis_person_préstat_fourniss 1,000 ,789
Degré_supervis_person_ponctualité_person 1,000 ,880
Degré_supervis_person_suivi_clients 1,000 ,849
Degré_supervis_person_propriété_locaux 1,000 ,617
Méthode d'extraction : Analyse en composantes principales.

458
 Variance totale expliquée

Compo Somme des carrés des facteurs retenus pour la

Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus
rotation
sante
Total % de la variance % cumulés Total % de la variance % cumulés Total % de la variance % cumulés
1 4,703 33,594 33,594 4,703 33,594 33,594 3,373 24,093 24,093
2 2,471 17,648 51,243 2,471 17,648 51,243 2,946 21,046 45,139
3 1,503 10,734 61,977 1,503 10,734 61,977 1,839 13,137 58,276
4 1,210 8,641 70,618 1,210 8,641 70,618 1,728 12,341 70,618
5 ,974 6,955 77,572
6 ,682 4,869 82,441
7 ,671 4,795 87,236
8 ,571 4,079 91,315
9 ,394 2,811 94,126
10 ,255 1,822 95,949

459
11 ,198 1,413 97,362
12 ,170 1,211 98,573
13 ,128 ,913 99,485
14 ,072 ,515 100,000
Méthode d'extraction : Analyse en composantes principales.

459
 Matrice des composantesa

Composante
1 2 3 4
Degré_supervis_person_ponctualité_person ,776 -,461 ,216 -,139
Degré_structuration_info_utilisée ,768 ,391 -,156 ,085
Degré_supervis_person_suivi_clients ,756 -,325 ,259 -,325
Degré_référence_intuition ,750 ,287 ,052 ,261
Degré_supervis_perso_organi_serv_opérat ,700 -,015 ,125 -,517
Quantité_information_utilisée ,694 ,488 ,238 ,149
Degré_supervis_person_ordre_jr_réunion ,491 ,153 -,227 -,043
Degré_supervis_person_propriété_locaux ,489 -,389 -,417 ,229
Variété_solutions_av_décision ,482 ,297 -,224 ,449
Degré_formalisation_info_utilisée ,401 ,753 ,149 -,073
Degré_superv_person_trav_opérat ,555 -,617 ,310 ,044
Degré_supervis_perso_circulat_informat ,293 ,067 -,705 -,266
Degré_organisat_séminai_format_person -,241 ,339 ,629 ,171
Degré_supervis_person_préstat_fourniss ,282 -,592 ,054 ,597
Méthode d'extraction : Analyse en composantes principales.
a. 4 composantes extraites.

460
 Matrice des composantes après rotationa

Composante
1 2 3 4
Quantité_information_utilisée ,836 ,268 -,061 -,155
Degré_structuration_info_utilisée ,810 ,229 -,014 ,257
Degré_référence_intuition ,787 ,259 ,170 ,032
Degré_formalisation_info_utilisée ,731 ,040 -,448 -,136
Variété_solutions_av_décision ,678 -,123 ,264 ,164
Degré_supervis_person_ordre_jr_réunion ,424 ,184 -,017 ,322
Degré_supervis_person_suivi_clients ,194 ,890 ,096 ,100
Degré_supervis_person_ponctualité_person ,184 ,851 ,327 ,118
Degré_supervis_perso_organi_serv_opérat ,292 ,765 -,245 ,208
Degré_superv_person_trav_opérat -,007 ,721 ,513 -,048
Degré_supervis_person_préstat_fourniss ,016 ,159 ,873 -,036
Degré_supervis_person_propriété_locaux ,172 ,199 ,534 ,513
Degré_supervis_perso_circulat_informat ,166 ,008 -,148 ,780
Degré_organisat_séminai_format_person ,099 -,128 -,160 -,739
Méthode d'extraction : Analyse en composantes principales.
Méthode de rotation : Varimax avec normalisation de Kaiser.
a. La rotation a convergé en 5 itérations.

Résultats après 1ère purification : suppression de trois items

Indice KMO et test de Bartlett

Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin. ,653

Test de sphéricité de Bartlett Khi-deux approximé 195,593
ddl 55
Signification de Bartlett ,000

Qualité de représentation

Initial Extraction
Quantité_information_utilisée 1,000 ,792
Degré_formalisation_info_utilisée 1,000 ,813
Degré_structuration_info_utilisée 1,000 ,780
Variété_solutions_av_décision 1,000 ,609
Degré_référence_intuition 1,000 ,726
Degré_organisat_séminai_format_person 1,000 ,694
Degré_supervis_perso_organi_serv_opérat 1,000 ,829
Degré_supervis_perso_circulat_informat 1,000 ,735
Degré_supervis_person_préstat_fourniss 1,000 ,797
Degré_supervis_person_ponctualité_person 1,000 ,847
Degré_supervis_person_suivi_clients 1,000 ,869
Méthode d'extraction : Analyse en composantes principales.

461
 Variance totale expliquée

Compos Somme des carrés des facteurs retenus pour la

Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus
rotation
ante
Total % de la variance % cumulés Total % de la variance % cumulés Total % de la variance % cumulés
1 4,103 37,297 37,297 4,103 37,297 37,297 3,084 28,034 28,034
2 1,922 17,475 54,772 1,922 17,475 54,772 2,537 23,060 51,094
3 1,310 11,911 66,683 1,310 11,911 66,683 1,455 13,231 64,325
4 1,156 10,509 77,193 1,156 10,509 77,193 1,415 12,868 77,193
5 ,664 6,034 83,226
6 ,624 5,675 88,901
7 ,442 4,014 92,915
8 ,269 2,446 95,361
9 ,238 2,165 97,526
10 ,170 1,543 99,069

462
11 ,102 ,931 100,000
Méthode d'extraction : Analyse en composantes principales.

462
 Matrice des composantesa

Composante
1 2 3 4
Degré_structuration_info_utilisée ,815 ,271 -,195 ,058
Degré_référence_intuition ,790 ,153 ,078 ,268
Quantité_information_utilisée ,790 ,359 ,148 ,131
Degré_supervis_perso_organi_serv_opérat ,731 -,231 ,044 -,489
Degré_supervis_person_suivi_clients ,690 -,500 ,272 -,261
Degré_supervis_person_ponctualité_person ,675 -,565 ,254 -,092
Variété_solutions_av_décision ,528 ,212 -,205 ,493
Degré_formalisation_info_utilisée ,543 ,690 ,029 -,205
Degré_supervis_perso_circulat_informat ,289 -,094 -,793 -,120
Degré_organisat_séminai_format_person -,189 ,505 ,634 -,028
Degré_supervis_person_préstat_fourniss ,175 -,537 ,174 ,669
Méthode d'extraction : Analyse en composantes principales.
a. 4 composantes extraites.

463
 Matrice des composantes après rotationa

Composante
1 2 3 4
Quantité_information_utilisée ,832 ,284 -,121 -,072
Degré_structuration_info_utilisée ,797 ,269 ,235 -,131
Degré_référence_intuition ,780 ,310 ,002 ,146
Variété_solutions_av_décision ,711 -,081 ,188 ,248
Degré_formalisation_info_utilisée ,695 ,066 -,139 -,553
Degré_supervis_person_suivi_clients ,153 ,910 ,039 ,127
Degré_supervis_person_ponctualité_person ,172 ,852 ,065 ,297
Degré_supervis_perso_organi_serv_opérat ,252 ,819 ,186 -,245
Degré_supervis_perso_circulat_informat ,171 ,026 ,825 -,158
Degré_organisat_séminai_format_person ,073 -,171 -,781 -,221
Degré_supervis_person_préstat_fourniss ,095 ,150 ,000 ,875
Méthode d'extraction : Analyse en composantes principales.
Méthode de rotation : Varimax avec normalisation de Kaiser.
a. La rotation a convergé en 6 itérations.

Résultats après 2ème purification : suppression de deux items

Indice KMO et test de Bartlett

Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin. ,634

Test de sphéricité de Bartlett Khi-deux approximé 149,466
ddl 36
Signification de Bartlett ,000

Qualité de représentation

Initial Extraction
Quantité_information_utilisée 1,000 ,796
Degré_structuration_info_utilisée 1,000 ,729
Variété_solutions_av_décision 1,000 ,562
Degré_référence_intuition 1,000 ,744
Degré_organisat_séminai_format_person 1,000 ,677
Degré_supervis_perso_organi_serv_opérat 1,000 ,730
Degré_supervis_perso_circulat_informat 1,000 ,704
Degré_supervis_person_ponctualité_person 1,000 ,807
Degré_supervis_person_suivi_clients 1,000 ,859
Méthode d'extraction : Analyse en composantes principales.

464
 Variance totale expliquée

Compos Somme des carrés des facteurs retenus pour la

Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus
rotation
ante
Total % de la variance % cumulés Total % de la variance % cumulés Total % de la variance % cumulés
1 3,830 42,558 42,558 3,830 42,558 42,558 2,643 29,369 29,369
2 1,476 16,404 58,963 1,476 16,404 58,963 2,535 28,168 57,537
3 1,300 14,445 73,408 1,300 14,445 73,408 1,428 15,871 73,408
4 ,714 7,937 81,345
5 ,596 6,620 87,965
6 ,408 4,529 92,494
7 ,305 3,388 95,882
8 ,263 2,917 98,799
9 ,108 1,201 100,000

465
Méthode d'extraction : Analyse en composantes principales.

465
 Matrice des composantesa

Composante
1 2 3
Degré_référence_intuition ,779 ,364 ,069
Degré_structuration_info_utilisée ,772 ,309 -,193
Degré_supervis_perso_organi_serv_opérat ,753 -,387 ,113
Quantité_information_utilisée ,748 ,461 ,154
Degré_supervis_person_suivi_clients ,743 -,462 ,306
Degré_supervis_person_ponctualité_person ,724 -,464 ,259
Variété_solutions_av_décision ,517 ,489 -,236
Degré_supervis_perso_circulat_informat ,312 -,124 -,769
Degré_organisat_séminai_format_person -,246 ,450 ,643
Méthode d'extraction : Analyse en composantes principales.
a. 3 composantes extraites.

Matrice des composantes après rotationa

Composante
1 2 3
Quantité_information_utilisée ,835 ,279 -,144
Degré_référence_intuition ,797 ,327 -,026
Degré_structuration_info_utilisée ,781 ,257 ,231
Variété_solutions_av_décision ,732 -,046 ,156
Degré_supervis_person_suivi_clients ,167 ,911 ,030
Degré_supervis_person_ponctualité_person ,158 ,881 ,070
Degré_supervis_perso_organi_serv_opérat ,248 ,797 ,183
Degré_supervis_perso_circulat_informat ,211 -,007 ,812
Degré_organisat_séminai_format_person ,077 -,201 -,794
Méthode d'extraction : Analyse en composantes principales.
Méthode de rotation : Varimax avec normalisation de Kaiser.
a. La rotation a convergé en 5 itérations.

466
Résultats de l’étude de fiabilité : Alpha de Cronbach
Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,752 9

Statistiques d'échelle

Moyenne Variance Ecart-type Nombre

d'éléments
25,5921 28,018 5,29323 9

Ø Les résultats de l’étude confirmatoire

Estimation du modèle: résultats initiaux

Regression Weights: (Group number 1 - Default model)

Estimate S.E C.R. P Label

Degré de
Degré_supervis_perso_ <--
supervision_personnell 1,000
organi_serv_opérat -
e_des tâches
Degré de
Degré_supervis_perso_ <--
supervision_personnell ,205 ,210 ,976 ,329 par_1
circulat_informat -
e_des tâches
Degré de
Degré_supervis_person <--
supervision_personnell 1,404 ,269 5,224 *** par_2
_ponctualité_person -
e_des tâches
Degré de
Degré_supervis_person <--
supervision_personnell 1,398 ,257 5,447 *** par_3
_suivi_clients -
e_des tâches
Quantité_information_ <-- Caractéristiques_de
1,000
utilisée - l'information utilisée
Degré_structuration_In <-- Caractéristiques_de
,930 ,184 5,049 *** par_4
fo_utilisée - l'information utilisée
Variété_solutions_av_d <-- Caractéristiques_de
,543 ,167 3,256 ,001 par_5
écision - l'information utilisée
Degré_référence_intuiti <-- Caractéristiques_de
,968 ,175 5,529 *** par_6
on - l'information utilisée
Degré_organisat_sémin <-- Caractéristiques_de
-,098 ,243 -,402 ,687 par_7
ai_format_person - l'information utilisée

Covariances: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Degré de Caractéristiques_de
supervision_personnelle_d <--> l'information ,300 ,131 2,284 ,022 par_8
es tâches utilisée

467
 Correlations: (Group number 1 - Default model)

Estimate
Degré de supervision_personnelle_des Caractéristiques_de
<--> ,510
tâches l'information utilisée

Variances: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Degré de supervision_personnelle_des tâches ,578 ,226 2,558 ,011 par_9
Caractéristiques_de l'information utilisée ,598 ,204 2,933 ,003 par_10
e6 ,466 ,125 3,722 *** par_11
e7 ,843 ,196 4,290 *** par_12
e8 ,445 ,156 2,846 ,004 par_13
e9 ,160 ,120 1,327 ,185 par_14
e1 ,264 ,095 2,792 ,005 par_15
e2 ,348 ,104 3,338 *** par_16
e3 ,439 ,108 4,051 *** par_17
e4 ,220 ,084 2,613 ,009 par_18
e5 1,138 ,265 4,298 *** par_19

Ajustement du modèle : résultats initiaux

CMIN
Model NPAR CMIN DF P CMIN/DF
Default model 19 33,092 26 ,159 1,273
Saturated model 45 ,000 0
Independence model 9 166,741 36 ,000 4,632

RMR, GFI

Model RMR GFI AGFI PGFI

Default model ,097 ,866 ,768 ,500
Saturated model ,000 1,000
Independence model ,360 ,456 ,320 ,365

Baseline Comparisons

NFI RFI IFI TLI

Model CFI
Delta1 rho1 Delta2 rho2
Default model ,802 ,725 ,950 ,925 ,946
Saturated model 1,000 1,000 1,000
Independence model ,000 ,000 ,000 ,000 ,000

Parsimony-Adjusted Measures

Model PRATIO PNFI PCFI

Default model ,722 ,579 ,683
Saturated model ,000 ,000 ,000
Independence model 1,000 ,000 ,000

468
 NCP

Model NCP LO 90 HI 90
Default model 7,092 ,000 26,013
Saturated model ,000 ,000 ,000
Independence model 130,741 94,328 174,698

FMIN

Model FMIN F0 LO 90 HI 90
Default model ,894 ,192 ,000 ,703
Saturated model ,000 ,000 ,000 ,000
Independence model 4,507 3,534 2,549 4,722

RMSEA

Model RMSEA LO 90 HI 90 PCLOSE

Default model ,086 ,000 ,164 ,255
Independence model ,313 ,266 ,362 ,000

AIC

Model AIC BCC BIC CAIC

Default model 71,092 85,166 102,206 121,206
Saturated model 90,000 123,333 163,691 208,691
Independence model 184,741 191,408 199,480 208,480

ECVI

Model ECVI LO 90 HI 90 MECVI

Default model 1,921 1,730 2,433 2,302
Saturated model 2,432 2,432 2,432 3,333
Independence model 4,993 4,009 6,181 5,173

HOELTER

HOELTER HOELTER
Model
.05 .01
Default model 44 52
Independence model 12 14

469
Estimation du modèle : résultats après suppression de deux items

Regression Weights: (Group number 1 - Default model)

Estimate S.E C.R. P Label

Degré de
Degré_supervis_perso_org <--
supervision_personnelle_ 1,000
ani_serv_opérat -
des tâches
Degré de
Degré_supervis_person_sui <--
supervision_personnelle_ 1,397 ,257 5,428 *** par_1
vi_clients -
des tâches
Quantité_information_utili <-- Caractéristiques_de
1,000
sée - l'information utilisée
Degré_structuration_Info_ <-- Caractéristiques_de
,924 ,183 5,059 *** par_2
utilisée - l'information utilisée
Variété_solutions_av_décis <-- Caractéristiques_de
,540 ,166 3,258 ,001 par_3
ion - l'information utilisée
<-- Caractéristiques_de
Degré_référence_intuition ,962 ,173 5,543 *** par_4
- l'information utilisée
Degré de
Degré_supervis_person_po <--
supervision_personnelle_ 1,409 ,270 5,228 *** par_6
nctualité_person -
des tâches

Covariances: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Degré de Caractéristiques_de
supervision_personnelle_des <--> l'information ,300 ,132 2,276 ,023 par_5
tâches utilisée

Correlations: (Group number 1 - Default model)

Estimate
Degré de supervision_personnelle_des Caractéristiques_de l'information
<--> ,507
tâches utilisée

Variances: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Degré de supervision_personnelle_des tâches ,578 ,226 2,555 ,011 par_7
Caractéristiques_de l'information utilisée ,604 ,205 2,952 ,003 par_8
e5 ,466 ,125 3,720 *** par_9
e6 ,438 ,157 2,798 ,005 par_10
e7 ,164 ,122 1,350 ,177 par_11
e1 ,259 ,094 2,747 ,006 par_12
e2 ,350 ,105 3,347 *** par_13
e3 ,440 ,108 4,053 *** par_14
e4 ,222 ,084 2,636 ,008 par_15

470
Ajustement du modèle : résultats après suppression de deux items

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 15 7,644 13 ,866 ,588
Saturated model 28 ,000 0
Independence model 7 140,181 21 ,000 6,675

RMR, GFI

Model RMR GFI AGFI PGFI

Default model ,047 ,947 ,887 ,440
Saturated model ,000 1,000
Independence model ,435 ,419 ,226 ,314

Baseline Comparisons

NFI RFI IFI TLI

Model CFI
Delta1 rho1 Delta2 rho2
Default model ,945 ,912 1,042 1,073 1,000
Saturated model 1,000 1,000 1,000
Independence model ,000 ,000 ,000 ,000 ,000

Parsimony-Adjusted Measures

Model PRATIO PNFI PCFI

Default model ,619 ,585 ,619
Saturated model ,000 ,000 ,000
Independence model 1,000 ,000 ,000

NCP

Model NCP LO 90 HI 90
Default model ,000 ,000 3,586
Saturated model ,000 ,000 ,000
Independence model 119,181 85,397 160,461

FMIN

Model FMIN F0 LO 90 HI 90
Default model ,207 ,000 ,000 ,097
Saturated model ,000 ,000 ,000 ,000
Independence model 3,789 3,221 2,308 4,337

RMSEA

Model RMSEA LO 90 HI 90 PCLOSE

Default model ,000 ,000 ,086 ,903
Independence model ,392 ,332 ,454 ,000

471
 AIC

Model AIC BCC BIC CAIC

Default model 37,644 45,920 62,208 77,208
Saturated model 56,000 71,448 101,852 129,852
Independence model 154,181 158,043 165,644 172,644

ECVI

Model ECVI LO 90 HI 90 MECVI

Default model 1,017 1,162 1,259 1,241
Saturated model 1,514 1,514 1,514 1,931
Independence model 4,167 3,254 5,283 4,271

HOELTER

HOELTER HOELTER
Model
.05 .01
Default model 109 135
Independence model 9 11

Résultats de l’étude de fiabilité : ρ de Jöreskog

Rhô de Jöreskog "Caractéristiques de l'information utilisée"

λi (∑ λi)2 ∑ var (εi) (∑ λi)2 + ∑ var (εi) ρ
Quantité_information
0,837 0,300
_utilisée
Degré_structuration
0,772 0,404
_info_utilisée
Variété_solutions_
0,535 0,714
av_décision
Degré_référence_
0,846 0,284
intuition
2,990 8,9401 1,702 10,6421 0,8401

Rhô de Jöreskog "Degré de supervision personnelle des tâches"

λi (∑ λi)2 ∑ var (εi) (∑ λi)2 + ∑ var (εi) ρ
Degré_supervis_perso_
0,744 0,447
organi_serv_opérat
Degré_supervis_person
0,851 0,276
_ponctualité_person
Degré_supervis_person
0,934 0,127
_suivi_clients
2,529 6,3958 0,850 7,2458 0,8827

472
 Rhô de Jöreskog "Style de décisions"
λi (∑ λi)2 ∑ var (εi) (∑ λi)2 + ∑ var (εi) ρ
Quantité_information
0,837 0,300
_utilisée
Degré_structuration_info
0,772 0,404
_utilisée
Variété_solutions_av
0,535 0,714
_décision
Degré_référence_intuition 0,846 0,284
Degré_supervis_perso_
0,744 0,447
organi_serv_opérat
Degré_supervis_person
0,851 0,276
_ponctualité_person
Degré_supervis_person
0,934 0,127
_suivi_clients
5,519 30,4594 2,552 33,0114 0,9227

Résultats du test de la validité convergente

Rhô de validité convergente "Caractéristiques de l'information utilisée"

λi (λi)2 ∑ var (εi) (λi)2 + ∑ var (εi) ρvc

Quantité_information_utilisée 0,837 0,7006 0,300

Degré_structuration_info_utilisée 0,772 0,5960 0,404
Variété_solutions_av_décision 0,535 0,2862 0,714
Degré_référence_intuition 0,846 0,7157 0,284
2,2985 1,702 4,0005 0,5746

Rhô de validité convergente "Degré de supervision personnelle des tâches"

λi (λi)2 ∑ var (εi) (λi)2 + ∑ var (εi) ρvc
Degré_supervis_perso_
0,744 0,5535 0,447
organi_serv_opérat
Degré_supervis_person
0,851 0,7242 0,276
_ponctualité_person
Degré_supervis_person
0,934 0,8724 0,127
_suivi_clients
2,1501 0,850 3,0001 0,7167

473
 Rhô de validité convergente "Style de décisions"
λi (λi)2 ∑ var (εi) (λi)2 + ∑ var (εi) ρvc
Quantité_information
0,837 0,7006 0,300
_utilisée
Degré_structuration
0,772 0,5960 0,404
_info_utilisée
Variété_solutions_
0,535 0,2862 0,714
av_décision
Degré_référence_
0,846 0,7157 0,284
intuition
Degré_supervis_perso_
0,744 0,5535 0,447
organi_serv_opérat
Degré_supervis_person
0,851 0,7242 0,276
_ponctualité_person
Degré_supervis_person
0,934 0,8724 0,127
_suivi_clients
4,4486 2,552 7,0006 0,6355

- Échelle de mesure de la variable « Stratégie de contrôle »

Ø Les résultats de l’étude exploratoire pour la dimension « Stratégie de

contrôle relative aux budgets »

Indice KMO et test de Bartlett

Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin. ,500

Test de sphéricité de Bartlett Khi-deux approximé 28,536
ddl 1
Signification de Bartlett ,000

Qualité de représentation

Initial Extraction
Degré_couverture_fonct_sys_budg 1,000 ,890
Fréquence_utilis_don_sys_budg 1,000 ,890
Méthode d'extraction : Analyse en composantes principales.

Variance totale expliquée

Compo Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus
sante % de la % de la
Total variance % cumulés Total variance % cumulés
1 1,780 88,976 88,976 1,780 88,976 88,976
2 ,220 11,024 100,000
Méthode d'extraction : Analyse en composantes principales.

474
 Matrice des composantesa

Composante
1
Fréquence_utilis_don_sys_budg ,943
Degré_couverture_fonct_sys_budg ,943
Méthode d'extraction : Analyse en composantes principales.
1 composantes extraite.

Résultats de l’étude de fiabilité : Alpha de Cronbach

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,846 2

Statistiques d'échelle

Moyenne Variance Ecart-type Nombre

d'éléments
5,2727 3,955 1,98860 2

Ø Les résultats de l’étude exploratoire pour la dimension « Stratégie de

contrôle relative aux coûts »

Indice KMO et test de Bartlett

Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin. ,637

Test de sphéricité de Bartlett Khi-deux approximé 29,467
ddl 3
Signification de Bartlett ,000

475
 Qualité de représentation

Initial Extraction
Variété_coûts_calculées 1,000 ,812
Variété_objets_coûts_calculées 1,000 ,758
Fréquence_utilisa_donnée_coûts 1,000 ,534
Méthode d'extraction : Analyse en composantes principales.

Variance totale expliquée

Compo Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus
sante % de la % de la
Total variance % cumulés Total variance % cumulés
1 2,104 70,135 70,135 2,104 70,135 70,135
2 ,632 21,054 91,189
3 ,264 8,811 100,000
Méthode d'extraction : Analyse en composantes principales.

Matrice des composantesa

Composante
1
Variété_coûts_calculées ,901
Variété_objets_coûts_calculées ,871
Fréquence_utilisa_donnée_coûts ,731
Méthode d'extraction : Analyse en composantes principales.
a. 1 composante extraite.

Résultats de l’étude de fiabilité : Alpha de Cronbach

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,773 3

476
 Statistiques d'échelle

Moyenne Variance Ecart-type Nombre

d'éléments
6,1774 6,326 2,51512 3

Ø Les résultats de l’étude confirmatoire de la variable « Stratégie de

contrôle »

Estimation du modèle

Regression Weights: (DCFSB - Default model)

Estimate S.E. C.R. P Label

Stratégie de
Degré_couverture_fonct_sys_budg <--- contrôle_relafive 1,000
aux budgets
Stratégie de
Fréquence_utilis_don_sys_budg <--- contrôle_relafive ,838 ,120 6,966 *** par_1
aux budgets
Stratégie de
contrôle_relafive
Variété_coûts_calculées <--- 1,000
aux calcules_des
coûts
Stratégie de
contrôle_relafive
Variété_objets_coûts_calculées <--- ,643 ,285 2,259 ,024 par_2
aux calcules_des
coûts
Stratégie de
contrôle_relafive
Fréquence_utilisa_donnée_coûts <--- ,302 ,155 1,945 ,052 par_3
aux calcules_des
coûts

Intercepts: (DCFSB - Default model)

Estimate S.E. C.R. P Label

Degré_couverture_fonct_sys_budg 2,697 ,215 12,517 *** par_5
Fréquence_utilis_don_sys_budg 2,576 ,151 17,053 *** par_6
Variété_coûts_calculées 2,058 ,222 9,288 *** par_7
Variété_objets_coûts_calculées 1,558 ,190 8,196 *** par_8
Fréquence_utilisa_donnée_coûts 2,423 ,126 19,278 *** par_9

Covariances: (DCFSB - Default model)

Estimate S.E. C.R. P Label

Stratégie de Stratégie de
contrôle_relafive aux <--> contrôle_relafive aux ,045 ,223 ,203 ,839 par_4
calcules_des coûts budgets

477
 Correlations: (DCFSB - Default model)

Estimate
Stratégie de contrôle_relafive aux Stratégie de contrôle_relafive aux
<--> ,044
calcules_des coûts budgets

Variances: (DCFSB - Default model)

Estimate S.E. C.R. P Label

Stratégie de contrôle_relafive aux budgets ,967 ,355 2,724 ,006 par_46
Stratégie de contrôle_relafive aux
1,070 ,544 1,967 ,049 par_47
calcules_des coûts
e2 ,050
e1 ,517 ,147 3,514 *** par_48
e3 ,167 ,423 ,394 ,693 par_49
e4 ,468 ,218 2,144 ,032 par_50
e5 ,301 ,093 3,234 ,001 par_51

Ajustement du modèle

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 75 40,113 25 ,028 1,605
Saturated model 100 ,000 0
Independence model 25 314,090 75 ,000 4,188

Baseline Comparisons

NFI RFI IFI TLI

Model CFI
Delta1 rho1 Delta2 rho2
Default model ,872 ,617 ,948 ,810 ,937
Saturated model 1,000 1,000 1,000
Independence model ,000 ,000 ,000 ,000 ,000

Parsimony-Adjusted Measures

Model PRATIO PNFI PCFI

Default model ,333 ,291 ,312
Saturated model ,000 ,000 ,000
Independence model 1,000 ,000 ,000

NCP

Model NCP LO 90 HI 90
Default model 15,113 1,654 36,469
Saturated model ,000 ,000 ,000
Independence model 239,090 188,110 297,628

478
 FMIN

Model FMIN F0 LO 90 HI 90
Default model ,260 ,098 ,011 ,237
Saturated model ,000 ,000 ,000 ,000
Independence model 2,040 1,553 1,221 1,933

RMSEA

Model RMSEA LO 90 HI 90 PCLOSE

Default model ,063 ,021 ,097 ,261
Independence model ,144 ,128 ,161 ,000

AIC

Model AIC BCC BIC CAIC

Default model 190,113 226,466
Saturated model 200,000 248,471
Independence model 364,090 376,208

ECVI

Model ECVI LO 90 HI 90 MECVI

Default model 1,235 1,147 1,373 1,471
Saturated model 1,299 1,299 1,299 1,613
Independence model 2,364 2,033 2,744 2,443

HOELTER

HOELTER HOELTER
Model
.05 .01
Default model 149 175
Independence model 52 57

Résultats de l’étude de fiabilité : ρ de Jöreskog

Rhô de Jöreskog "Stratégie de contrôle relative aux budgets"

λi (∑ λi)2 ∑ var (εi) (∑ λi)2 + ∑ var (εi) ρ
Degré_couverture_
0,807 0,348
fonct_sys_budg
Fréquence_utilis_
0,965 0,069
don_sys_budg
1,772 3,1400 0,417 3,5570 0,8828

479
 Rhô de Jöreskog "Stratégie de contrôle relative aux coûts"
λi (∑ λi)2 ∑ var (εi) (∑ λi)2 + ∑ var (εi) ρ
Variété_coûts_calculées 0,93 0,135
Variété_objets_coûts
0,697 0,514
_calculées
Fréquence_utilisa_
0,495 0,755
donnée_coûts
2,122 4,5029 1,404 5,9069 0,7623

Rhô de Jöreskog "Stratégie de contrôle"

λi (∑ λi)2 ∑ var (εi) (∑ λi)2 + ∑ var (εi) ρ
Degré_couverture_
0,807 0,348
fonct_sys_budg
Fréquence_utilis_
0,965 0,069
don_sys_budg
Variété_coûts_
0,93 0,135
calculées
Variété_objets_
0,697 0,514
coûts_calculées
Fréquence_utilisa
0,495 0,755
_donnée_coûts
3,894 15,1632 1,821 16,9842 0,8928

Résultats du test de la validité convergente

Rhô de validité convergente "Stratégie de contrôle relative aux budgets"

λi (λi)2 ∑ var (εi) (λi)2 + ∑ var (εi) ρvc
Degré_couverture_
0,807 0,6512 0,348
fonct_sys_budg
Fréquence_utilis_
0,965 0,9312 0,069
don_sys_budg
1,5825 0,417 1,9995 0,7914

Rhô de validité convergente "Stratégie de contrôle relative aux coûts"

λi (λi)2 ∑ var (εi) (λi)2 + ∑ var (εi) ρvc
Variété_coûts_calculées 0,93 0,8649 0,135
Variété_objets_coûts
0,697 0,4858 0,514
_calculées
Fréquence_utilisa_
0,495 0,2450 0,755
donnée_coûts
1,5957 1,404 2,9997 0,5320

480
 Rhô de validité convergente "Stratégie de contrôle "
λi (λi)2 ∑ var (εi) (λi)2 + ∑ var (εi) ρvc
Degré_couverture_
0,807 0,6512 0,348
fonct_sys_budg
Fréquence_utilis_
0,965 0,9312 0,069
don_sys_budg
Variété_coûts_
0,93 0,8649 0,135
calculées
Variété_objets_
0,697 0,4858 0,514
coûts_calculées
Fréquence_utilisa_
0,495 0,2450 0,755
donnée_coûts
3,1782 1,821 4,9992 0,6357

- Échelle de mesure de la variable « Caractéristiques des TB »

Ø Les résultats de l’étude exploratoire

Résultats initiaux

Indice KMO et test de Bartlett

Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin. ,727

Test de sphéricité de Bartlett Khi-deux approximé 298,725
ddl 78
Signification de Bartlett ,000

Qualité de représentation

Initial Extraction
Fréquence_prodction_TB 1,000 ,777
Délait_production_TB 1,000 ,892
Degré_intégration_indicateurs_suivi_TB 1,000 ,810
Degré_intégration_indicateurs_prévis_TB 1,000 ,780
Dégré_intégration_données_financières_TB 1,000 ,701
Dégré_intégration_données_non_financières_TB 1,000 ,747
Dégré_intégration_données_qualitatives_TB 1,000 ,666
Dégré_intégration_données_externes_TB 1,000 ,726
Degré_intégration_indicateurs_perfo_financière 1,000 ,294
Degré_intégration_indicateurs_perfo_clients 1,000 ,814
Degré_intégration_indicateurs_objectifs_stratég 1,000 ,694
Degré_intégration_indicateurs_éléments_incorp 1,000 ,785
Degré_décentralisation_TB 1,000 ,445
Méthode d'extraction : Analyse en composantes principales.

481
 Variance totale expliquée

Compos Somme des carrés des facteurs retenus pour la

Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus
rotation
ante
Total % de la variance % cumulés Total % de la variance % cumulés Total % de la variance % cumulés
1 4,828 37,139 37,139 4,828 37,139 37,139 3,795 29,190 29,190
2 2,826 21,738 58,877 2,826 21,738 58,877 3,316 25,508 54,698
3 1,477 11,360 70,237 1,477 11,360 70,237 2,020 15,540 70,237
4 ,882 6,783 77,021
5 ,852 6,556 83,576
6 ,527 4,053 87,629
7 ,426 3,275 90,904
8 ,368 2,830 93,734
9 ,297 2,287 96,021
10 ,190 1,458 97,479

482
11 ,139 1,066 98,545
12 ,113 ,867 99,412
13 ,076 ,588 100,000
Méthode d'extraction : Analyse en composantes principales.

482
 Matrice des composantesa

Composante
1 2 3
Degré_intégration_indicateurs_perfo_clients ,803 -,412 ,000
Degré_intégration_indicateurs_éléments_incorp ,750 -,398 -,253
Degré_intégration_indicateurs_objectifs_stratég ,742 -,375 ,043
Degré_intégration_indicateurs_prévis_TB ,718 ,515 -,023
Dégré_intégration_données_qualitatives_TB ,679 -,375 -,255
Dégré_intégration_données_externes_TB ,666 -,351 -,399
Degré_intégration_indicateurs_suivi_TB ,641 ,617 -,139
Dégré_intégration_données_non_financières_TB ,600 -,250 ,569
Délait_production_TB ,505 ,791 -,108
Fréquence_prodction_TB ,501 ,700 -,188
Degré_intégration_indicateurs_perfo_financière -,028 -,512 -,177
Dégré_intégration_données_financières_TB ,554 -,009 ,627
Degré_décentralisation_TB ,258 ,085 ,609
Méthode d'extraction : Analyse en composantes principales.
a. 3 composantes extraites.

483
 Matrice des composantes après rotationa

Composante
1 2 3
Degré_intégration_indicateurs_éléments_incorp ,876 ,092 ,094
Dégré_intégration_données_externes_TB ,841 ,113 -,076
Degré_intégration_indicateurs_perfo_clients ,830 ,065 ,347
Dégré_intégration_données_qualitatives_TB ,810 ,076 ,063
Degré_intégration_indicateurs_objectifs_stratég ,749 ,058 ,360
Délait_production_TB -,001 ,943 ,054
Fréquence_prodction_TB ,074 ,878 -,015
Degré_intégration_indicateurs_suivi_TB ,207 ,871 ,091
Degré_intégration_indicateurs_prévis_TB ,277 ,805 ,235
Degré_intégration_indicateurs_perfo_financière ,319 -,415 -,141
Dégré_intégration_données_financières_TB ,194 ,172 ,796
Dégré_intégration_données_non_financières_TB ,379 ,002 ,776
Degré_décentralisation_TB -,075 ,102 ,655
Méthode d'extraction : Analyse en composantes principales.
Méthode de rotation : Varimax avec normalisation de Kaiser.
a. La rotation a convergé en 5 itérations.

Résultats après 1ère purification : suppression d’un item

Indice KMO et test de Bartlett

Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin. ,759

Test de sphéricité de Bartlett Khi-deux approximé 288,024
ddl 66
Signification de Bartlett ,000

Qualité de représentation

Initial Extraction
Fréquence_prodction_TB 1,000 ,786
Délait_production_TB 1,000 ,880
Degré_intégration_indicateurs_suivi_TB 1,000 ,821
Degré_intégration_indicateurs_prévis_TB 1,000 ,812
Dégré_intégration_données_financières_TB 1,000 ,720
Dégré_intégration_données_non_financières_TB 1,000 ,746
Dégré_intégration_données_qualitatives_TB 1,000 ,693
Dégré_intégration_données_externes_TB 1,000 ,725
Degré_intégration_indicateurs_perfo_clients 1,000 ,834
Degré_intégration_indicateurs_objectifs_stratég 1,000 ,696
Degré_intégration_indicateurs_éléments_incorp 1,000 ,779
Degré_décentralisation_TB 1,000 ,438
Méthode d'extraction : Analyse en composantes principales.

484
 Variance totale expliquée

Compos Somme des carrés des facteurs retenus pour la

Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus
rotation
ante
Total % de la variance % cumulés Total % de la variance % cumulés Total % de la variance % cumulés
1 4,827 40,229 40,229 4,827 40,229 40,229 3,713 30,942 30,942
2 2,642 22,016 62,245 2,642 22,016 62,245 3,215 26,794 57,736
3 1,461 12,176 74,421 1,461 12,176 74,421 2,002 16,685 74,421
4 ,852 7,104 81,525
5 ,554 4,617 86,141
6 ,442 3,687 89,828
7 ,368 3,067 92,896
8 ,312 2,603 95,499
9 ,191 1,595 97,094
10 ,139 1,156 98,250

485
11 ,118 ,979 99,229
12 ,092 ,771 100,000
Méthode d'extraction : Analyse en composantes principales.

485
 Matrice des composantesa

Composante
1 2 3
Degré_intégration_indicateurs_perfo_clients ,804 -,431 -,036
Degré_intégration_indicateurs_éléments_incorp ,752 -,378 -,265
Degré_intégration_indicateurs_objectifs_stratég ,744 -,377 ,026
Degré_intégration_indicateurs_prévis_TB ,716 ,547 ,023
Dégré_intégration_données_qualitatives_TB ,680 -,383 -,290
Dégré_intégration_données_externes_TB ,668 -,329 -,413
Degré_intégration_indicateurs_suivi_TB ,638 ,635 -,105
Dégré_intégration_données_non_financières_TB ,601 -,270 ,558
Délait_production_TB ,501 ,789 -,080
Fréquence_prodction_TB ,498 ,717 -,151
Dégré_intégration_données_financières_TB ,554 -,015 ,643
Degré_décentralisation_TB ,257 ,054 ,608
Méthode d'extraction : Analyse en composantes principales.
a. 3 composantes extraites.

486
 Matrice des composantes après rotationa

Composante
1 2 3
Degré_intégration_indicateurs_éléments_incorp ,870 ,117 ,089
Degré_intégration_indicateurs_perfo_clients ,852 ,065 ,323
Dégré_intégration_données_externes_TB ,836 ,136 -,084
Dégré_intégration_données_qualitatives_TB ,828 ,080 ,038
Degré_intégration_indicateurs_objectifs_stratég ,754 ,070 ,351
Délait_production_TB -,018 ,936 ,060
Fréquence_prodction_TB ,046 ,885 ,000
Degré_intégration_indicateurs_suivi_TB ,178 ,882 ,105
Degré_intégration_indicateurs_prévis_TB ,236 ,830 ,260
Dégré_intégration_données_financières_TB ,183 ,181 ,809
Dégré_intégration_données_non_financières_TB ,387 ,004 ,772
Degré_décentralisation_TB -,065 ,089 ,653
Méthode d'extraction : Analyse en composantes principales.
Méthode de rotation : Varimax avec normalisation de Kaiser.
a. La rotation a convergé en 4 itérations.

Résultats de l’étude de fiabilité : Alpha de Cronbach

Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,838 12

Statistiques de total des éléments

Moyenne Variance Corrélatio Carré de Alpha de

de de n complète la Cronbach
l'échelle l'échelle des corrélati en cas de
en cas de en cas de éléments on suppressio
suppressio suppressio corrigés multiple n de
n d'un n d'un l'élément
élément élément
Fréquence_prodction_TB 42,0789 53,926 ,457 ,764 ,829
Délait_production_TB 42,1053 52,326 ,423 ,841 ,833
Degré_intégration_indicateurs_suivi_TB 41,4211 52,858 ,576 ,781 ,821
Degré_intégration_indicateurs_prévis_TB 41,6316 51,361 ,678 ,775 ,814
Dégré_intégration_données_financières_TB 41,6579 54,218 ,470 ,582 ,828
Dégré_intégration_données_non_financières 41,1579 54,961 ,515 ,689 ,827
_TB
Dégré_intégration_données_qualitatives_TB 41,4737 51,837 ,527 ,645 ,824
Dégré_intégration_données_externes_TB 41,5000 51,351 ,539 ,675 ,823
Degré_intégration_indicateurs_perfo_clients 41,3684 50,496 ,671 ,815 ,813
Degré_intégration_indicateurs_objectifs_str 41,2895 51,819 ,626 ,614 ,818
atég
Degré_intégration_indicateurs_éléments_inc 41,7105 49,873 ,621 ,738 ,816
orp
Degré_décentralisation_TB 41,6579 54,177 ,201 ,238 ,863

487
 Statistiques d'échelle

Moyenne Variance Ecart-type Nombre

d'éléments
45,3684 61,496 7,84192 12

Ø Les résultats de l’étude confirmatoire

Estimation du modèle : résultats initiaux

Regression Weights: (Group number 1 - Default model)

Estimate S.E C.R. P Label

Fréquence_prodction_TB <--- Degré de réactivité 1,000
Délait_production_TB <--- Degré de réactivité 1,399 ,209 6,683 *** par_1
Degré_intégration_indicat
<--- Degré de réactivité 1,018 ,158 6,464 *** par_2
eurs_suivi_TB
Degré_intégration_indicat
<--- Degré de réactivité ,992 ,165 6,026 *** par_3
eurs_prévis_TB
Dégré_intégration_donnée Diversité du
<--- 1,000
s_financières_TB champ_d'application
Dégré_intégration_donnée Diversité du
<--- 1,040 ,395 2,632 ,008 par_4
s_non_financières_TB champ_d'application
Dégré_intégration_donnée Diversité du
<--- 1,827 ,633 2,886 ,004 par_5
s_qualitatives_TB champ_d'application
Dégré_intégration_donnée Diversité du
<--- 1,888 ,653 2,890 ,004 par_6
s_externes_TB champ_d'application
Diversité des
Degré_intégration_indicat
<--- indicateurs_de 1,000
eurs_perfo_clients
performance
Diversité des
Degré_intégration_indicat
<--- indicateurs_de ,789 ,132 5,990 *** par_7
eurs_objectifs_stratég
performance
Diversité des
Degré_intégration_indicat
<--- indicateurs_de 1,002 ,152 6,582 *** par_8
eurs_éléments_incorp
performance
Degré de
Degré_décentralisation_T
<--- décentralisation_des 1,000
B
TB

Covariances: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Diversité du
Degré de réactivité <--> ,107 ,075 1,427 ,154 par_9
champ_d'application
Diversité des
Diversité du
<--> indicateurs_de ,423 ,162 2,615 ,009 par_10
champ_d'application
performance
Diversité des
Degré de
indicateurs_de <--> ,177 ,258 ,688 ,492 par_11
décentralisation_des TB
performance
Diversité du Degré de
<--> ,138 ,133 1,037 ,300 par_12
champ_d'application décentralisation_des TB
Diversité des
Degré de réactivité <--> indicateurs_de ,181 ,139 1,309 ,190 par_13
performance
Degré de
Degré de réactivité <--> ,173 ,218 ,795 ,427 par_14
décentralisation_des TB
488
 Correlations: (Group number 1 - Default model)

Estimate
Degré de réactivité <--> Diversité du champ_d'application ,337
Diversité du champ_d'application <--> Diversité des indicateurs_de performance 1,145
Diversité des indicateurs_de performance <--> Degré de décentralisation_des TB ,122
Diversité du champ_d'application <--> Degré de décentralisation_des TB ,219
Degré de réactivité <--> Diversité des indicateurs_de performance ,247
Degré de réactivité <--> Degré de décentralisation_des TB ,138

Variances: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Degré de réactivité ,631 ,212 2,971 ,003 par_15
Diversité du champ_d'application ,160 ,108 1,488 ,137 par_16
Diversité des indicateurs_de performance ,852 ,245 3,474 *** par_17
Degré de décentralisation_des TB 2,478 ,583 4,250 *** par_18
e12 ,030
e1 ,312 ,087 3,581 *** par_19
e2 ,274 ,103 2,665 ,008 par_20
e3 ,185 ,062 3,009 ,003 par_21
e4 ,257 ,075 3,434 *** par_22
e5 ,677 ,152 4,439 *** par_23
e6 ,414 ,093 4,452 *** par_24
e7 ,664 ,154 4,325 *** par_25
e8 ,701 ,162 4,320 *** par_26
e9 ,201 ,068 2,949 ,003 par_27
e10 ,384 ,097 3,941 *** par_28
e11 ,475 ,124 3,818 *** par_29

Ajustement du modèle : résultats initiaux

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 29 83,726 49 ,001 1,709
Saturated model 78 ,000 0
Independence model 12 331,303 66 ,000 5,020

RMR, GFI

Model RMR GFI AGFI PGFI

Default model ,108 ,744 ,592 ,467
Saturated model ,000 1,000
Independence model ,398 ,353 ,236 ,299

Baseline Comparisons

NFI RFI IFI TLI

Model CFI
Delta1 rho1 Delta2 rho2
Default model ,747 ,660 ,877 ,824 ,869
Saturated model 1,000 1,000 1,000
Independence model ,000 ,000 ,000 ,000 ,000

489
 Parsimony-Adjusted Measures

Model PRATIO PNFI PCFI

Default model ,742 ,555 ,645
Saturated model ,000 ,000 ,000
Independence model 1,000 ,000 ,000

NCP

Model NCP LO 90 HI 90
Default model 34,726 13,262 64,060
Saturated model ,000 ,000 ,000
Independence model 265,303 212,202 325,932

FMIN

Model FMIN F0 LO 90 HI 90
Default model 2,263 ,939 ,358 1,731
Saturated model ,000 ,000 ,000 ,000
Independence model 8,954 7,170 5,735 8,809

RMSEA

Model RMSEA LO 90 HI 90 PCLOSE

Default model ,138 ,086 ,188 ,007
Independence model ,330 ,295 ,365 ,000

AIC

Model AIC BCC BIC CAIC

Default model 141,726 173,143 189,216 218,216
Saturated model 156,000 240,500 283,732 361,732
Independence model 355,303 368,303 374,954 386,954

ECVI

Model ECVI LO 90 HI 90 MECVI

Default model 3,830 3,250 4,623 4,680
Saturated model 4,216 4,216 4,216 6,500
Independence model 9,603 8,168 11,241 9,954

HOELTER

HOELTER HOELTER
Model
.05 .01
Default model 30 34
Independence model 10 11

490
Estimation du modèle : après suppression d’un item

Regression Weights: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Degré de
Fréquence_prodction_TB <--- 1,000
réactivité
Degré de
Délait_production_TB <--- 1,399 ,211 6,630 *** par_1
réactivité
Degré_intégration_indicateur Degré de
<--- 1,023 ,158 6,455 *** par_2
s_suivi_TB réactivité
Degré_intégration_indicateur Degré de
<--- ,997 ,165 6,025 *** par_3
s_prévis_TB réactivité
Diversité du
Dégré_intégration_données_
<--- champ_d'applic 1,695 ,456 3,718 *** par_4
qualitatives_TB
ation
Diversité des
Degré_intégration_indicateur
<--- indicateurs_de ,998 ,151 6,595 *** par_5
s_éléments_incorp
performance
Degré de
Degré_décentralisation_TB <--- décentralisation 1,000
_des TB
Diversité du
Dégré_intégration_données_
<--- champ_d'applic 1,000
non_financières_TB
ation
Diversité du
Dégré_intégration_données_ par_1
<--- champ_d'applic 1,682 ,464 3,627 ***
externes_TB 2
ation
Diversité des
Degré_intégration_indicateur
<--- indicateurs_de 1,000
s_perfo_clients
performance
Diversité des
Degré_intégration_indicateur par_1
<--- indicateurs_de ,771 ,133 5,804 ***
s_objectifs_stratég 3
performance

Covariances: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Diversité du
Degré de réactivité <--> ,104 ,078 1,333 ,182 par_6
champ_d'application
Diversité des
Diversité du
<--> indicateurs_de ,467 ,148 3,166 ,002 par_7
champ_d'application
performance
Diversité des
Degré de
indicateurs_de <--> ,176 ,259 ,678 ,498 par_8
décentralisation_des TB
performance
Diversité du Degré de
<--> ,117 ,143 ,819 ,413 par_9
champ_d'application décentralisation_des TB
Degré de
Degré de réactivité <--> ,173 ,217 ,798 ,425 par_10
décentralisation_des TB
Diversité des
Degré de réactivité <--> indicateurs_de ,184 ,139 1,321 ,186 par_11
performance

491
 Correlations: (Group number 1 - Default model)

Estimate
Degré de réactivité <--> Diversité du champ_d'application ,296
Diversité des indicateurs_de
Diversité du champ_d'application <--> 1,135
performance
Diversité des indicateurs_de
<--> Degré de décentralisation_des TB ,120
performance
Diversité du champ_d'application <--> Degré de décentralisation_des TB ,167
Degré de réactivité <--> Degré de décentralisation_des TB ,139
Diversité des indicateurs_de
Degré de réactivité <--> ,249
performance

Variances: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Degré de réactivité ,628 ,212 2,961 ,003 par_14
Diversité du champ_d'application ,196 ,101 1,940 ,052 par_15
Diversité des indicateurs_de performance ,863 ,247 3,500 *** par_16
Degré de décentralisation_des TB 2,478 ,583 4,250 *** par_17
e11 ,030
e1 ,314 ,088 3,589 *** par_18
e2 ,280 ,104 2,701 ,007 par_19
e3 ,183 ,061 2,979 ,003 par_20
e4 ,254 ,074 3,415 *** par_21
e5 ,391 ,090 4,336 *** par_22
e6 ,635 ,155 4,105 *** par_23
e7 ,717 ,171 4,183 *** par_24
e8 ,189 ,069 2,729 ,006 par_25
e9 ,401 ,102 3,922 *** par_26
e10 ,471 ,126 3,749 *** par_27

Ajustement du modèle : après suppression d’un item

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 27 60,853 39 ,014 1,560
Saturated model 66 ,000 0
Independence model 11 299,010 55 ,000 5,437

RMR, GFI

Model RMR GFI AGFI PGFI

Default model ,093 ,778 ,625 ,460
Saturated model ,000 1,000
Independence model ,414 ,361 ,233 ,301

Baseline Comparisons

NFI RFI IFI TLI

Model CFI
Delta1 rho1 Delta2 rho2
Default model ,796 ,713 ,916 ,874 ,910
Saturated model 1,000 1,000 1,000
Independence model ,000 ,000 ,000 ,000 ,000

492
 Parsimony-Adjusted Measures

Model PRATIO PNFI PCFI

Default model ,709 ,565 ,646
Saturated model ,000 ,000 ,000
Independence model 1,000 ,000 ,000

NCP

Model NCP LO 90 HI 90
Default model 21,853 4,567 47,068
Saturated model ,000 ,000 ,000
Independence model 244,010 193,515 302,025

FMIN

Model FMIN F0 LO 90 HI 90
Default model 1,645 ,591 ,123 1,272
Saturated model ,000 ,000 ,000 ,000
Independence model 8,081 6,595 5,230 8,163

RMSEA

Model RMSEA LO 90 HI 90 PCLOSE

Default model ,123 ,056 ,181 ,040
Independence model ,346 ,308 ,385 ,000

AIC

Model AIC BCC BIC CAIC

Default model 114,853 140,773 159,068 186,068
Saturated model 132,000 195,360 240,081 306,081
Independence model 321,010 331,570 339,024 350,024

ECVI

Model ECVI LO 90 HI 90 MECVI

Default model 3,104 2,637 3,786 3,805
Saturated model 3,568 3,568 3,568 5,280
Independence model 8,676 7,311 10,244 8,961

HOELTER

HOELTER HOELTER
Model
.05 .01
Default model 34 38
Independence model 10 11

493
Résultats de l’étude de fiabilité : ρ de Jöreskog

Rhô de Jöreskog "Degré de réactivité"

λi (∑ λi)2 ∑ var (εi) (∑ λi)2 + ∑ var (εi) ρ
Fréquence_prodction_TB 0,816 0,334
Délait_production_TB 0,902 0,186
Degré_intégration_
0,885 0,218
indicateurs_suivi_TB
Degré_intégration_
0,843 0,289
indicateurs_prévis_TB
3,446 11,8749 1,027 12,9019 0,9204

Rhô de Jöreskog "Diversité du champ d'application"

λi (∑ λi)2 ∑ var (εi) (∑ λi)2 + ∑ var (εi) ρ
Dégré_intégration_données
0,578 0,666
_non_financières_TB
Dégré_intégration_données
0,686 0,529
_qualitatives_TB
Dégré_intégration_données
0,661 0,563
_externes_TB
1,925 3,7056 1,758 5,4636 0,6782

Rhô de Jöreskog "Diversité des indicateurs de performance"

λi (∑ λi)2 ∑ var (εi) (∑ λi)2 + ∑ var (εi) ρ
Degré_intégration_
0,906 0,180
indicateurs_perfo_clients
Degré_intégration_
0,749 0,438
indicateurs_objectifs_stratég
Degré_intégration_
0,804 0,354
indicateurs_éléments_incorp
2,459 6,0467 0,972 7,0187 0,8615

494
 Rhô de Jöreskog "Caractéristiques des TB"
λi (∑ λi)2 ∑ var (εi) (∑ λi)2 + ∑ var (εi) ρ
Fréquence_prodction_TB 0,816 0,334
Délait_production_TB 0,902 0,186
Degré_intégration_
0,885 0,218
indicateurs_suivi_TB
Degré_intégration_
0,843 0,289
indicateurs_prévis_TB
Dégré_intégration_
0,578 0,666
données_non_financières_TB
Dégré_intégration_
0,686 0,529
données_qualitatives_TB
Dégré_intégration_
0,661 0,563
données_externes_TB
Degré_intégration_
0,906 0,180
indicateurs_perfo_clients
Degré_intégration_
0,749 0,438
indicateurs_objectifs_stratég
Degré_intégration_
0,804 0,354
indicateurs_éléments_incorp
Degré_décentralisation_TB 0,994 0,012
8,824 77,8630 3,769 81,6320 0,9538

Résultats du test de la validité convergente

Rhô de validité convergente "Degré de réactivité"

λi (λi)2 ∑ var (εi) (λi)2 + ∑ var (εi) ρvc
Fréquence_prodction_TB 0,816 0,6659 0,334
Délait_production_TB 0,902 0,8136 0,186
Degré_intégration_
0,885 0,7832 0,218
indicateurs_suivi_TB
Degré_intégration_
0,843 0,7106 0,289
indicateurs_prévis_TB
2,9733 1,027 4,0003 0,7433

495
 Rhô de validité convergente "Diversité du champ d'application"
λi (λi)2 ∑ var (εi) (λi)2 + ∑ var (εi) ρvc
Dégré_intégration_
0,578 0,3341 0,666
données_non_financières_TB
Dégré_intégration_
0,686 0,4706 0,529
données_qualitatives_TB
Dégré_intégration_
0,661 0,4369 0,563
données_externes_TB
1,2416 1,758 2,9996 0,4139

Rhô de validité convergente "Diversité des indicateurs de performance"

λi (λi)2 ∑ var (εi) (λi)2 + ∑ var (εi) ρvc
Degré_intégration_
0,906 0,8208 0,180
indicateurs_perfo_clients
Degré_intégration_
0,749 0,5610 0,438
indicateurs_objectifs_stratég
Degré_intégration_
0,804 0,6464 0,354
indicateurs_éléments_incorp
2,0283 0,972 3,0003 0,6760

Rhô de validité convergente "Caractéristiques des TB"

λi (λi)2 ∑ var (εi) (λi)2 + ∑ var (εi) ρvc
Fréquence_prodction_TB 0,816 0,6659 0,334
Délait_production_TB 0,902 0,8136 0,186
Degré_intégration_
0,885 0,7832 0,218
indicateurs_suivi_TB
Degré_intégration_
0,843 0,7106 0,289
indicateurs_prévis_TB
Dégré_intégration_
0,578 0,3341 0,666
données_non_financières_TB
Dégré_intégration_
0,686 0,4706 0,529
données_qualitatives_TB
Dégré_intégration_
0,661 0,4369 0,563
données_externes_TB
Degré_intégration_
0,906 0,8208 0,180
indicateurs_perfo_clients
Degré_intégration_
0,749 0,5610 0,438
indicateurs_objectifs_stratég
Degré_intégration_
0,804 0,6464 0,354
indicateurs_éléments_incorp
Degré_décentralisation_TB 0,994 0,9880 0,012
7,2312 3,769 11,0002 0,6574

496
- Échelle de mesure de la variable « Pilotage de la performance»

Ø Les résultats de l’étude exploratoire

Résultats initiaux
Indice KMO et test de Bartlett

Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin. ,851

Test de sphéricité de Bartlett Khi-deux approximé 307,455
ddl 55
Signification de Bartlett ,000

Qualité de représentation

Initial Extraction
Fréquence_utilisation_TB 1,000 ,660
Intensité_utilisation_données_TB 1,000 ,817
Degré_utilisation_TB_informer_résultats 1,000 ,582
Degré_utilisation_TB_contrôler_trav_perso 1,000 ,638
Degré_utilisation_TB_prévoir_situations_venir 1,000 ,826
Degré_utilisation_TB_expliquer_objectifs_entrep 1,000 ,840
Degré_utilisation_TB_suivre_perfo_entrep 1,000 ,791
Degré_fiabilité_données_TB 1,000 ,873
Degré_intelligibilité_données_TB 1,000 ,921
Degré_signification_données_TB 1,000 ,871
Degré_rentabilité_TB 1,000 ,812
Méthode d'extraction : Analyse en composantes principales.

497
 Variance totale expliquée

Compos Somme des carrés des facteurs retenus pour la

Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus
rotation
ante
Total % de la variance % cumulés Total % de la variance % cumulés Total % de la variance % cumulés
1 6,198 56,345 56,345 6,198 56,345 56,345 3,426 31,142 31,142
2 1,377 12,519 68,864 1,377 12,519 68,864 3,023 27,479 58,621
3 1,056 9,597 78,461 1,056 9,597 78,461 2,182 19,840 78,461
4 ,719 6,534 84,995
5 ,461 4,194 89,189
6 ,380 3,452 92,641
7 ,246 2,237 94,878
8 ,214 1,942 96,820
9 ,148 1,342 98,162
10 ,138 1,256 99,418

498
11 ,064 ,582 100,000
Méthode d'extraction : Analyse en composantes principales.

498
 Matrice des composantesa

Composante
1 2 3
Degré_intelligibilité_données_TB ,875 -,347 -,187
Degré_signification_données_TB ,840 -,393 -,107
Degré_fiabilité_données_TB ,831 -,427 -,031
Degré_utilisation_TB_prévoir_situations_venir ,765 ,367 -,326
Degré_utilisation_TB_contrôler_trav_perso ,764 ,170 ,161
Degré_rentabilité_TB ,752 -,446 -,219
Degré_utilisation_TB_expliquer_objectifs_entrep ,739 ,465 -,276
Degré_utilisation_TB_suivre_perfo_entrep ,732 ,491 -,120
Degré_utilisation_TB_informer_résultats ,678 ,280 ,210
Fréquence_utilisation_TB ,622 ,117 ,510
Intensité_utilisation_données_TB ,613 -,086 ,658
Méthode d'extraction : Analyse en composantes principales.
a. 3 composantes extraites.

499
 Matrice des composantes après rotationa

Composante
1 2 3
Degré_intelligibilité_données_TB ,870 ,341 ,218
Degré_rentabilité_TB ,868 ,209 ,125
Degré_signification_données_TB ,856 ,258 ,269
Degré_fiabilité_données_TB ,852 ,199 ,329
Degré_utilisation_TB_expliquer_objectifs_entrep ,240 ,873 ,138
Degré_utilisation_TB_prévoir_situations_venir ,340 ,837 ,098
Degré_utilisation_TB_suivre_perfo_entrep ,172 ,828 ,274
Degré_utilisation_TB_contrôler_trav_perso ,336 ,513 ,512
Intensité_utilisation_données_TB ,272 ,054 ,860
Fréquence_utilisation_TB ,180 ,260 ,749
Degré_utilisation_TB_informer_résultats ,189 ,522 ,523
Méthode d'extraction : Analyse en composantes principales.
Méthode de rotation : Varimax avec normalisation de Kaiser.
a. La rotation a convergé en 5 itérations.

Résultats après 1ère purification : suppression de deux items

Indice KMO et test de Bartlett

Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin. ,818

Test de sphéricité de Bartlett Khi-deux approximé 264,576
ddl 36
Signification de Bartlett ,000

Qualité de représentation

Initial Extraction
Fréquence_utilisation_TB 1,000 ,794
Intensité_utilisation_données_TB 1,000 ,824
Degré_utilisation_TB_prévoir_situations_venir 1,000 ,847
Degré_utilisation_TB_expliquer_objectifs_entrep 1,000 ,852
Degré_utilisation_TB_suivre_perfo_entrep 1,000 ,826
Degré_fiabilité_données_TB 1,000 ,871
Degré_intelligibilité_données_TB 1,000 ,926
Degré_signification_données_TB 1,000 ,873
Degré_rentabilité_TB 1,000 ,801
Méthode d'extraction : Analyse en composantes principales.

500
 Variance totale expliquée

Compos Somme des carrés des facteurs retenus pour la

Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus
rotation
ante
Total % de la variance % cumulés Total % de la variance % cumulés Total % de la variance % cumulés
1 5,280 58,662 58,662 5,280 58,662 58,662 3,349 37,212 37,212
2 1,317 14,629 73,291 1,317 14,629 73,291 2,572 28,576 65,788
3 1,018 11,314 84,604 1,018 11,314 84,604 1,693 18,816 84,604
4 ,507 5,637 90,242
5 ,292 3,248 93,490
6 ,220 2,446 95,936
7 ,160 1,774 97,710
8 ,139 1,548 99,258
9 ,067 ,742 100,000
Méthode d'extraction : Analyse en composantes principales.

501
501
 Matrice des composantesa

Composante
1 2 3
Degré_intelligibilité_données_TB ,899 -,274 -,206
Degré_fiabilité_données_TB ,855 -,369 -,049
Degré_signification_données_TB ,854 -,346 -,158
Degré_rentabilité_TB ,796 -,349 -,212
Degré_utilisation_TB_prévoir_situations_venir ,766 ,470 -,199
Degré_utilisation_TB_expliquer_objectifs_entrep ,727 ,546 -,160
Degré_utilisation_TB_suivre_perfo_entrep ,719 ,556 ,015
Intensité_utilisation_données_TB ,598 -,152 ,666
Fréquence_utilisation_TB ,622 ,113 ,628
Méthode d'extraction : Analyse en composantes principales.
a. 3 composantes extraites.

Matrice des composantes après rotationa

Composante
1 2 3
Degré_intelligibilité_données_TB ,884 ,334 ,180
Degré_signification_données_TB ,878 ,241 ,208
Degré_rentabilité_TB ,858 ,217 ,136
Degré_fiabilité_données_TB ,857 ,200 ,309
Degré_utilisation_TB_expliquer_objectifs_entrep ,250 ,880 ,122
Degré_utilisation_TB_prévoir_situations_venir ,337 ,850 ,104
Degré_utilisation_TB_suivre_perfo_entrep ,179 ,846 ,278
Intensité_utilisation_données_TB ,298 ,076 ,854
Fréquence_utilisation_TB ,168 ,309 ,819
Méthode d'extraction : Analyse en composantes principales.
Méthode de rotation : Varimax avec normalisation de Kaiser.
a. La rotation a convergé en 5 itérations.

502
Résultats de l’étude de fiabilité : Alpha de Cronbach
Statistiques de fiabilité

Alpha de Nombre
Cronbach d'éléments
,910 9

Statistiques de total des éléments

Moyenne de Variance de Corrélatio Alpha de

l'échelle en l'échelle en n complète Carré de Cronbach
cas de cas de des la en cas de
suppression suppression éléments corrélatio suppression
d'un d'un corrigés n multiple de l'élément
élément élément
Fréquence_utilisation_TB 30,1579 40,245 ,552 ,574 ,909
Intensité_utilisation_données_TB 29,7368 40,469 ,525 ,540 ,911
Degré_utilisation_TB_prévoir_situations_ 30,1579 38,677 ,692 ,710 ,900
venir
Degré_utilisation_TB_expliquer_objectifs 30,2632 39,118 ,650 ,719 ,903
_entrep
Degré_utilisation_TB_suivre_perfo_entrep 30,0000 39,405 ,648 ,687 ,903
Degré_fiabilité_données_TB 29,8684 36,604 ,795 ,797 ,892
Degré_intelligibilité_données_TB 29,9211 35,858 ,845 ,901 ,888
Degré_signification_données_TB 29,9474 36,430 ,788 ,849 ,893
Degré_rentabilité_TB 29,8421 38,623 ,718 ,746 ,898

Statistiques d'échelle

Moyenne Variance Ecart-type Nombre

d'éléments
33,7368 48,037 6,93087 9

503
 Ø Les résultats de l’étude confirmatoire

Estimation du modèle

Regression Weights: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Degré
Fréquence_utilisation_TB <--- d'utilisation_ 1,000
des TB
Diversité
Degré_utilisation_TB_prévoir d'utilisation_
<--- 1,000
_situations_venir des données
des TB
Diversité
Degré_utilisation_TB_suivre_ d'utilisation_
<--- ,920 ,144 6,398 *** par_1
perfo_entrep des données
des TB
Degré
Degré_fiabilité_données_TB <--- d'utilité des 1,000
TB
Degré
Intensité_utilisation_données_
<--- d'utilisation_ 1,611 ,359 4,484 *** par_5
TB
des TB
Diversité
Degré_utilisation_TB_expliqu d'utilisation_
<--- 1,010 ,145 6,975 *** par_6
er_objectifs_entrep des données
des TB
Degré
Degré_intelligibilité_données
<--- d'utilité des 1,117 ,114 9,768 *** par_7
_TB
TB
Degré
Degré_signification_données_
<--- d'utilité des 1,073 ,123 8,748 *** par_8
TB
TB
Degré
Degré_rentabilité_TB <--- d'utilité des ,842 ,121 6,964 *** par_9
TB

Covariances: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Degré
Diversité d'utilisation_des
d'utilisation_des <--> ,180 ,102 1,763 ,078 par_2
données des TB
TB
Diversité
d'utilisation_des <--> Degré d'utilité des TB ,490 ,171 2,873 ,004 par_3
données des TB
Degré
d'utilisation_des <--> Degré d'utilité des TB ,285 ,124 2,297 ,022 par_4
TB

Correlations: (Group number 1 - Default model)

Estimate
Diversité d'utilisation_des données des
Degré d'utilisation_des TB <--> ,361
TB
Diversité d'utilisation_des données des
<--> Degré d'utilité des TB ,621
TB
Degré d'utilisation_des TB <--> Degré d'utilité des TB ,521

504
 Variances: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Degré d'utilisation_des TB ,345 ,172 2,014 ,044 par_10
Diversité d'utilisation_des données des TB ,719 ,219 3,283 ,001 par_11
Degré d'utilité des TB ,865 ,255 3,395 *** par_12
e2 ,050
e1 ,583 ,140 4,166 *** par_13
e3 ,209 ,078 2,660 ,008 par_14
e4 ,200 ,078 2,567 ,010 par_15
e5 ,270 ,083 3,259 ,001 par_16
e6 ,249 ,067 3,700 *** par_17
e7 ,071 ,040 1,791 ,073 par_18
e8 ,170 ,053 3,201 ,001 par_19
e9 ,271 ,069 3,925 *** par_20

Ajustement du modèle

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 20 33,772 25 ,113 1,351
Saturated model 45 ,000 0
Independence model 9 295,155 36 ,000 8,199

RMR, GFI

Model RMR GFI AGFI PGFI

Default model ,076 ,846 ,723 ,470
Saturated model ,000 1,000
Independence model ,502 ,290 ,112 ,232

Baseline Comparisons

NFI RFI IFI TLI

Model CFI
Delta1 rho1 Delta2 rho2
Default model ,886 ,835 ,968 ,951 ,966
Saturated model 1,000 1,000 1,000
Independence model ,000 ,000 ,000 ,000 ,000

Parsimony-Adjusted Measures

Model PRATIO PNFI PCFI

Default model ,694 ,615 ,671
Saturated model ,000 ,000 ,000
Independence model 1,000 ,000 ,000

NCP

Model NCP LO 90 HI 90
Default model 8,772 ,000 28,089
Saturated model ,000 ,000 ,000
Independence model 259,155 208,076 317,710

505
 FMIN

Model FMIN F0 LO 90 HI 90
Default model ,913 ,237 ,000 ,759
Saturated model ,000 ,000 ,000 ,000
Independence model 7,977 7,004 5,624 8,587

RMSEA

Model RMSEA LO 90 HI 90 PCLOSE

Default model ,097 ,000 ,174 ,191
Independence model ,441 ,395 ,488 ,000

AIC

Model AIC BCC BIC CAIC

Default model 73,772 88,586 106,523 126,523
Saturated model 90,000 123,333 163,691 208,691
Independence model 313,155 319,821 327,893 336,893

ECVI

Model ECVI LO 90 HI 90 MECVI

Default model 1,994 1,757 2,516 2,394
Saturated model 2,432 2,432 2,432 3,333
Independence model 8,464 7,083 10,046 8,644

HOELTER

HOELTER HOELTER
Model
.05 .01
Default model 42 49
Independence model 7 8

Résultats de l’étude de fiabilité : ρ de Jöreskog

Rhô de Jöreskog "Degré d'utilisation des TB"

λi (∑ λi )2 ∑ var (εi) (∑ λi )2 + ∑ var (εi) ρ
Fréquence_utilisation_TB 0,610 0,628
Intensité_utilisation
_données_TB 0,973 0,053
1,583 2,5059 0,681 3,1869 0,7863

506
 Rhô de Jöreskog "Diversité d'utilisation des données des TB"
λi (∑ λi)2 ∑ var (εi) (∑ λi)2 + ∑ var (εi) ρ
Degré_utilisation_TB_
0,88 0,225
prévoir_situations_venir
Degré_utilisation_TB_
0,886 0,215
expliquer_objectifs_entrep
Degré_utilisation_TB_
0,832 0,307
suivre_perfo_entrep
2,598 6,7496 0,747 7,4966 0,9004

Rhô de Jöreskog "Degré d'utilité des TB"

λi (∑ λi)2 ∑ var (εi) (∑ λi)2 + ∑ var (εi) ρ
Degré_fiabilité_
0,881 0,223
données_TB
Degré_intelligibilité_
0,969 0,062
données_TB
Degré_signification_
0,924 0,146
données_TB
Degré_rentabilité_TB 0,833 0,307
3,607 13,0104 0,738 13,7484 0,9463

Rhô de Jöreskog "Pilotage de la performance "

λi (∑ λi)2 ∑ var (εi) (∑ λi)2 + ∑ var (εi) ρ
Fréquence_utilisation_TB 0,610 0,628
Intensité_utilisation_
0,973 0,053
données_TB
Degré_utilisation_TB_
0,88 0,225
prévoir_situations_venir
Degré_utilisation_TB_
0,886 0,215
expliquer_objectifs_entrep
Degré_utilisation_TB_
0,832 0,307
suivre_perfo_entrep
Degré_fiabilité_
0,881 0,223
données_TB
Degré_intelligibilité
0,969 0,062
_données_TB
Degré_signification
0,924 0,146
_données_TB
Degré_rentabilité_TB 0,833 0,307
7,788 60,6529 2,166 62,8189 0,9655

507
Résultats du test de la validité convergente

Rhô de validité convergente "Degré d'utilisation des TB"

λi (λi)2 ∑ var (εi) (λi)2 + ∑ var (εi) ρvc
Fréquence_utilisation_TB 0,610 0,3721 0,628
Intensité_utilisation_données_TB 0,973 0,9467 0,053
1,3188 0,681 1,9998 0,6595

Rhô de validité convergente "Diversité d'utilisation des données des T"

λi (λi)2 ∑ var (εi) (λi)2 + ∑ var (εi) ρvc
Degré_utilisation_TB_
0,88 0,7744 0,225
prévoir_situations_venir
Degré_utilisation_TB_
0,886 0,7850 0,215
expliquer_objectifs_entrep
Degré_utilisation_TB_
0,832 0,6922 0,307
suivre_perfo_entrep
2,2516 0,747 2,9986 0,7509

Rhô de validité convergente "Degré d'utilité des TB"

λi (λi)2 ∑ var (εi) (λi)2 + ∑ var (εi) ρvc
Degré_fiabilité_données_TB 0,881 0,7762 0,223
Degré_intelligibilité
0,969 0,9390 0,062
_données_TB
Degré_signification
0,924 0,8538 0,146
_données_TB
Degré_rentabilité_TB 0,833 0,6939 0,307
3,2628 0,738 4,0008 0,8155

508
 Rhô de validité convergente "Pilotage de la performance"
λi (λi)2 ∑ var (εi) (λi)2 + ∑ var (εi) ρvc
Fréquence_utilisation_TB 0,610 0,3721 0,628
Intensité_utilisation_
0,973 0,9467 0,053
données_TB
Degré_utilisation_TB_
0,88 0,7744 0,225
prévoir_situations_venir
Degré_utilisation_TB_
0,886 0,7850 0,215
expliquer_objectifs_entrep
Degré_utilisation_TB_
0,832 0,6922 0,307
suivre_perfo_entrep
Degré_fiabilité_données_TB 0,881 0,7762 0,223
Degré_intelligibilité_
0,969 0,9390 0,062
données_TB
Degré_signification_
0,924 0,8538 0,146
données_TB
Degré_rentabilité_TB 0,833 0,6939 0,307
6,8332 2,166 8,9992 0,7593

- Test de la validité discriminante des variables du modèle

Ø Taille d’entreprise Caractéristiques des TB

Résultats du modèle libre (Ml)

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 15 5,280 5 ,383 1,056
Saturated model 20 ,000 0
Independence model 10 67,118 10 ,000 6,712

Résultats du modèle contraint (Mc)

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 14 42,215 6 ,000 7,036
Saturated model 20 ,000 0
Independence model 10 67,118 10 ,000 6,712

Ø Type d’activité Caractéristiques des TB

Résultats du modèle libre (Ml)

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 15 4,003 5 ,549 ,801
Saturated model 20 ,000 0
Independence model 10 66,021 10 ,000 6,602

509
Résultats du modèle contraint (Mc)
CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 14 44,035 6 ,000 7,339
Saturated model 20 ,000 0
Independence model 10 66,021 10 ,000 6,602

Ø Age d’entreprise Caractéristiques des TB

Résultats du modèle libre (Ml)

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 15 2,009 5 ,848 ,402
Saturated model 20 ,000 0
Independence model 10 57,803 10 ,000 5,780

Résultats du modèle contraint (Mc)

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 14 54,705 6 ,000 9,117
Saturated model 20 ,000 0
Independence model 10 57,803 10 ,000 5,780

Ø Structure Caractéristiques des TB

Résultats du modèle libre (Ml)

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 28 47,212 26 ,007 1,816
Saturated model 54 ,000 0
Independence model 18 143,119 36 ,000 3,976

Résultats du modèle contraint (Mc)

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 27 59,524 27 ,000 2,205
Saturated model 54 ,000 0
Independence model 18 143,119 36 ,000 3,976

510
 Ø Environnement Caractéristiques des TB

Résultats du modèle libre (Ml)

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 22 11,765 13 ,547 ,905
Saturated model 35 ,000 0
Independence model 14 102,565 21 ,000 4,884

Résultats du modèle contraint (Mc)

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 21 27,288 14 ,018 1,949
Saturated model 35 ,000 0
Independence model 14 102,565 21 ,000 4,884

Ø Informatisation Caractéristiques des TB

Résultats du modèle libre (Ml)

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 15 3,838 5 ,573 ,768
Saturated model 20 ,000 0
Independence model 10 58,444 10 ,000 5,844

Résultats du modèle contraint (Mc)

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 14 24,511 6 ,000 4,085
Saturated model 20 ,000 0
Independence model 10 58,444 10 ,000 5,844

511
 Ø Formation Caractéristiques des TB

Résultats du modèle libre (Ml)

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 15 4,916 5 ,426 ,983
Saturated model 20 ,000 0
Independence model 10 60,883 10 ,000 6,088

Résultats du modèle contraint (Mc)

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 14 51,059 6 ,000 8,510
Saturated model 20 ,000 0
Independence model 10 60,883 10 ,000 6,088

Ø Style de décisions Caractéristiques des TB

Résultats du modèle libre (Ml)

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 18 10,476 9 ,313 1,164
Saturated model 27 ,000 0
Independence model 12 80,518 15 ,000 5,368

Résultats du modèle contraint (Mc)

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 17 26,666 10 ,003 2,667
Saturated model 27 ,000 0
Independence model 12 80,518 15 ,000 5,368

512
 Ø Stratégie de contrôle Caractéristiques des TB

Résultats du modèle libre (Ml)

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 54 28,486 27 ,386 1,055
Saturated model 81 ,000 0
Independence model 18 187,827 63 ,000 2,981

Résultats du modèle contraint (Mc)

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 51 32,957 30 ,324 1,099
Saturated model 81 ,000 0
Independence model 18 187,827 63 ,000 2,981

Ø Caractéristiques des TB Pilotage de la performance

Résultats du modèle libre (Ml)

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 22 16,385 13 ,229 1,260
Saturated model 35 ,000 0
Independence model 14 125,689 21 ,000 5,985

Résultats du modèle contraint (Mc)

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 21 26,567 14 ,022 1,898
Saturated model 35 ,000 0
Independence model 14 125,689 21 ,000 5,985

513
Annexe 8 : Les résultats des tests du modèle structurel

514
 Ø Résultats du test du modèle initial
Estimation du modèle

Regression Weights: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Caractéristiques des TB <--- Taille ,306 ,089 3,448 *** par_12
Caractéristiques des TB <--- Formation ,137 ,080 1,705 ,088 par_13
Caractéristiques des TB <--- Style de décisions -,596 ,283 -2,105 ,035 par_14
Caractéristiques des TB <--- Informatisation ,278 ,181 1,532 ,125 par_15
Caractéristiques des TB <--- Stratégie de contrôle -8,023 99,167 -,081 ,936 par_16
Caractéristiques des TB <--- Age d'entreprise ,043 ,071 ,608 ,543 par_20
Caractéristiques des TB <--- Structure ,421 ,147 2,872 ,004 par_21
Caractéristiques des TB <--- Environnement ,030 ,168 ,178 ,859 par_22
Caractéristiques des TB <--- Type d'activité ,180 ,079 2,258 ,024 par_23
Pilotage de la Caractéristiques des_
<--- ,537 ,145 3,712 *** par_17
performance TB
Taille_entreprise <--- Taille 1,000
Activité_entreprise <--- Type d'activité 1,000
DDH <--- Structure -,170 ,219 -,778 ,437 par_1
DST <--- Structure 1,000
DS <--- Structure ,673 ,172 3,914 *** par_2
DFTRP <--- Structure ,721 ,176 4,103 *** par_3
DDV <--- Structure -,070 ,192 -,363 ,716 par_4
DEE <--- Environnement 1,000
PACC <--- Environnement 1,254 ,328 3,821 *** par_5
PGPC <--- Environnement ,964 ,255 3,785 *** par_6
DI <--- Informatisation 1,000
Type_formation <--- Formation 1,000
DSPT <--- Style de décisions 1,000
CIU <--- Style de décisions 1,420 ,463 3,068 ,002 par_7
SCRB <--- Stratégie de contrôle 1,000
SCRC <--- Stratégie de contrôle 48,552 598,681 ,081 ,935 par_8
Caractéristiques des
DR <--- ,268 ,180 1,492 ,136 par_9
TB
Caractéristiques des
DCA <--- ,795 ,091 8,686 *** par_10
TB
Caractéristiques des
DIP <--- 1,000
TB
Caractéristiques des
DDTB <--- ,246 ,319 ,772 ,440 par_11
TB
Pilotage de la
DUTB <--- 1,000
performance
Pilotage de la
DTUTB <--- 1,180 ,341 3,458 *** par_18
performance
Pilotage de la
DUTTB <--- 1,248 ,372 3,358 *** par_19
performance
Age_entreprise <--- Age d'entreprise 1,000

515
Standardized Regression Weights: (Group number 1 - Default model)

Estimate
Caractéristiques des TB <--- Taille ,408
Caractéristiques des TB <--- Formation ,200
Caractéristiques des TB <--- Style de décisions -,346
Caractéristiques des TB <--- Informatisation ,186
Caractéristiques des TB <--- Stratégie de contrôle -,157
Caractéristiques des TB <--- Age d'entreprise ,071
Caractéristiques des TB <--- Structure ,411
Caractéristiques des TB <--- Environnement ,023
Caractéristiques des TB <--- Type d'activité ,265
Pilotage de la performance <--- Caractéristiques des TB ,838
Taille_entreprise <--- Taille ,988
Activité_entreprise <--- Type d'activité ,990
DDH <--- Structure -,141
DST <--- Structure ,804
DS <--- Structure ,707
DFTRP <--- Structure ,760
DDV <--- Structure -,066
DEE <--- Environnement ,727
PACC <--- Environnement ,830
PGPC <--- Environnement ,728
DI <--- Informatisation ,955
Type_formation <--- Formation ,990
DSPT <--- Style de décisions ,475
CIU <--- Style de décisions ,951
SCRB <--- Stratégie de contrôle ,017
SCRC <--- Stratégie de contrôle ,962
DR <--- Caractéristiques des TB ,247
DCA <--- Caractéristiques des TB ,894
DIP <--- Caractéristiques des TB ,952
DDTB <--- Caractéristiques des TB ,130
DUTB <--- Pilotage de la performance ,632
DTUTB <--- Pilotage de la performance ,743
DUTTB <--- Pilotage de la performance ,710
Age_entreprise <--- Age d'entreprise ,992

516
 Intercepts: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Taille_entreprise 4,254 ,186 22,914 *** par_24
Activité_entreprise 4,035 ,205 19,662 *** par_25
DST 3,553 ,167 21,258 *** par_26
DS 3,597 ,128 28,113 *** par_27
DDH 2,914 ,162 17,951 *** par_28
DDV 2,158 ,142 15,199 *** par_29
DFTRP 3,487 ,127 27,372 *** par_30
DI 4,158 ,097 43,085 *** par_31
DEE 3,461 ,144 23,978 *** par_32
PACC 3,579 ,159 22,563 *** par_33
PGPC 3,605 ,139 25,937 *** par_34
Type_formation 3,947 ,203 19,422 *** par_35
CIU 2,443 ,119 20,493 *** par_36
DSPT 3,059 ,168 18,181 *** par_37
SCRB 2,637 ,173 15,229 *** par_38
SCRC 2,028 ,149 13,568 *** par_39
DR 3,559 ,149 23,818 *** par_40
DCA 3,991 ,122 32,657 *** par_41
DIP 3,913 ,144 27,092 *** par_42
DDTB 3,711 ,260 14,245 *** par_43
DUTB 3,789 ,140 27,163 *** par_44
DTUTB 3,596 ,140 25,685 *** par_45
DUTTB 3,842 ,155 24,783 *** par_46
Age_entreprise 2,961 ,229 12,955 *** par_47

517
 Variances: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Taille 1,241 ,296 4,193 *** par_142
Type d'activité 1,523 ,362 4,211 *** par_143
Structure ,666 ,256 2,605 ,009 par_144
Environnement ,406 ,179 2,272 ,023 par_145
Informatisation ,313 ,080 3,919 *** par_146
Formation 1,494 ,355 4,210 *** par_147
Style de décisions ,235 ,161 1,465 ,143 par_148
Stratégie de contrôle ,000 ,007 ,041 ,968 par_149
Age d'entreprise 1,896 ,449 4,227 *** par_150
s1 ,258 ,088 2,918 ,004 par_151
s2 ,085 ,059 1,437 ,151 par_152
e1 ,030
e2 ,030
e12 ,030
e13 ,030
e14 ,050
e17 ,050
e3 ,030
e4 ,364 ,149 2,442 ,015 par_153
e5 ,302 ,092 3,293 *** par_154
e6 ,952 ,223 4,275 *** par_155
e7 ,740 ,173 4,290 *** par_156
e8 ,253 ,088 2,883 ,004 par_157
e9 ,362 ,119 3,035 ,002 par_158
e10 ,288 ,149 1,940 ,052 par_159
e11 ,335 ,111 3,027 ,002 par_160
e15 ,809 ,194 4,170 *** par_161
e16 ,960 ,240 4,001 *** par_162
e18 ,773 ,181 4,277 *** par_163
e19 ,110 ,039 2,824 ,005 par_164
e20 ,071 ,048 1,474 ,140 par_165
e21 2,460 ,574 4,290 *** par_166
e22 ,432 ,117 3,682 *** par_167
e23 ,324 ,104 3,112 ,002 par_168
e24 ,440 ,132 3,337 *** par_169

518
 Squared Multiple Correlations: (Group number 1 - Default model)

Estimate
Caractéristiques des TB ,630
Pilotage de la performance ,702
Age_entreprise ,984
DUTTB ,503
DTUTB ,552
DUTB ,399
DDTB ,017
DIP ,907
DCA ,800
DR ,061
SCRC ,926
SCRB ,000
DSPT ,225
CIU ,905
Type_formation ,980
DI ,913
PGPC ,531
PACC ,689
DEE ,529
DFTRP ,578
DDV ,004
DDH ,020
DS ,500
DST ,647
Activité_entreprise ,981
Taille_entreprise ,976

Ajustement du modèle

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 225 1295,318 747 ,000 1,734
Saturated model 972 ,000 0
Independence model 72 1913,641 900 ,000 2,126

Baseline Comparisons

NFI RFI IFI TLI

Model CFI
Delta1 rho1 Delta2 rho2
Default model ,323 ,184 ,530 ,348 ,459
Saturated model 1,000 1,000 1,000
Independence model ,000 ,000 ,000 ,000 ,000

Parsimony-Adjusted Measures

Model PRATIO PNFI PCFI

Default model ,830 ,268 ,381
Saturated model ,000 ,000 ,000
Independence model 1,000 ,000 ,000

519
 NCP

Model NCP LO 90 HI 90
Default model 548,318 452,331 652,153
Saturated model ,000 ,000 ,000
Independence model 1013,641 891,605 1143,392

FMIN

Model FMIN F0 LO 90 HI 90
Default model 13,084 5,539 4,569 6,587
Saturated model ,000 ,000 ,000 ,000
Independence model 19,330 10,239 9,006 11,549

RMSEA

Model RMSEA LO 90 HI 90 PCLOSE

Default model ,086 ,078 ,094 ,000
Independence model ,107 ,100 ,113 ,000

AIC

Model AIC BCC BIC CAIC

Default model 1745,318 3345,339
Saturated model 1944,000 8856,091
Independence model 2057,641 2569,648

ECVI

Model ECVI LO 90 HI 90 MECVI

Default model 17,629 16,660 18,678 33,791
Saturated model 19,636 19,636 19,636 89,455
Independence model 20,784 19,552 22,095 25,956

HOELTER

HOELTER HOELTER
Model
.05 .01
Default model 65 67
Independence model 53 54

520
 Ø Résultats du test du modèle final
Estimation du modèle

Regression Weights: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Caractéristiques des TB <--- Structure ,347 ,127 2,731 ,006 par_5
Caractéristiques des TB <--- Taille ,273 ,080 3,418 *** par_6
Caractéristiques des TB <--- Formation ,174 ,072 2,423 ,015 par_7
Caractéristiques des TB <--- Age d'entreprise ,063 ,063 1,009 ,313 par_12
Caractéristiques des TB <--- Type d'activité ,198 ,071 2,777 ,005 par_13
Caractéristiques des TB <--- Environnement ,229 ,153 1,502 ,133 par_14
Caractéristiques des TB <--- Informatisation ,378 ,162 2,326 ,020 par_15
Caractéristiques des TB <--- Stratégie de contrôle ,245 ,096 2,545 ,011 par_16
Caractéristiques des TB <--- Style de décisions -,523 ,252 -2,075 ,038 par_17
Pilotage de la Caractéristiques des
<--- ,528 ,150 3,525 *** par_8
performance TB
Taille_entreprise <--- Taille 1,000
Activité_entreprise <--- Type d'activité 1,000
DST <--- Structure 1,000
DFTRP <--- Structure ,727 ,175 4,165 *** par_1
PACC <--- Environnement 1,225 ,313 3,917 *** par_2
PGPC <--- Environnement ,952 ,249 3,825 *** par_3
DI <--- Informatisation 1,000
Type_formation <--- Formation 1,000
Caractéristiques des
DCA <--- ,876 ,084 10,450 *** par_4
TB
Caractéristiques des
DIP <--- 1,000
TB
Pilotage de la
DUTB <--- 1,000
performance
Pilotage de la
DTUTB <--- 1,163 ,340 3,420 *** par_9
performance
Pilotage de la
DUTTB <--- 1,262 ,373 3,383 *** par_10
performance
DEE <--- Environnement 1,000
SCRB <--- Stratégie de contrôle 1,000
CIU <--- Style de décisions 1,424 ,466 3,059 ,002 par_11
DSPT <--- Style de décisions 1,000
Age_entreprise <--- Age d'entreprise 1,000
DS <--- Structure ,629 ,166 3,780 *** par_18

521
Standardized Regression Weights: (Group number 1 - Default model)

Estimate
Caractéristiques des TB <--- Structure ,354
Caractéristiques des TB <--- Taille ,374
Caractéristiques des TB <--- Formation ,261
Caractéristiques des TB <--- Age d'entreprise ,107
Caractéristiques des TB <--- Type d'activité ,301
Caractéristiques des TB <--- Environnement ,182
Caractéristiques des TB <--- Informatisation ,260
Caractéristiques des TB <--- Stratégie de contrôle ,288
Caractéristiques des TB <--- Style de décisions -,311
Pilotage de la performance <--- Caractéristiques des TB ,787
Taille_entreprise <--- Taille ,988
Activité_entreprise <--- Type d'activité ,990
DST <--- Structure ,818
DFTRP <--- Structure ,780
PACC <--- Environnement ,821
PGPC <--- Environnement ,729
DI <--- Informatisation ,955
Type_formation <--- Formation ,990
DCA <--- Caractéristiques des TB ,954
DIP <--- Caractéristiques des TB ,909
DUTB <--- Pilotage de la performance ,640
DTUTB <--- Pilotage de la performance ,739
DUTTB <--- Pilotage de la performance ,726
DEE <--- Environnement ,737
SCRB <--- Stratégie de contrôle ,984
CIU <--- Style de décisions ,951
DSPT <--- Style de décisions ,473
Age_entreprise <--- Age d'entreprise ,992
DS <--- Structure ,672

Intercepts: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Taille_entreprise 4,254 ,186 22,928 *** par_19
Activité_entreprise 4,035 ,205 19,675 *** par_20
DST 3,553 ,167 21,271 *** par_21
DS 3,597 ,128 28,131 *** par_22
DFTRP 3,487 ,127 27,389 *** par_23
DI 4,158 ,096 43,113 *** par_24
PACC 3,579 ,159 22,577 *** par_25
PGPC 3,605 ,139 25,954 *** par_26
Type_formation 3,947 ,203 19,434 *** par_27
SCRB 2,647 ,170 15,603 *** par_28
DCA 3,991 ,123 32,500 *** par_29
DIP 3,913 ,147 26,579 *** par_30
DUTB 3,789 ,140 27,001 *** par_31
DTUTB 3,596 ,141 25,456 *** par_32
DUTTB 3,842 ,156 24,602 *** par_33
DEE 3,461 ,144 23,994 *** par_34
DSPT 3,059 ,168 18,193 *** par_35
CIU 2,443 ,119 20,505 *** par_36
Age_entreprise 2,961 ,228 12,963 *** par_37

522
 Variances: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Taille 1,241 ,296 4,196 *** par_75
Type d'activité 1,523 ,361 4,214 *** par_76
Structure ,688 ,260 2,650 ,008 par_77
Environnement ,417 ,180 2,321 ,020 par_78
Informatisation ,313 ,080 3,922 *** par_79
Formation 1,494 ,355 4,212 *** par_80
Stratégie de contrôle ,914 ,235 3,884 *** par_81
Style de décisions ,234 ,160 1,461 ,144 par_82
Age d'entreprise 1,896 ,448 4,230 *** par_83
s1 ,188 ,070 2,700 ,007 par_84
s2 ,113 ,070 1,612 ,107 par_85
e1 ,030
e2 ,030
e10 ,030
e11 ,030
e12 ,050
e14 ,030
e15 ,050
e3 ,030
e4 ,342 ,151 2,269 ,023 par_86
e5 ,331 ,095 3,498 *** par_87
e6 ,234 ,088 2,676 ,007 par_88
e8 ,302 ,143 2,110 ,035 par_89
e9 ,334 ,109 3,070 ,002 par_90
e16 ,139 ,044 3,134 ,002 par_91
e17 ,430 ,119 3,600 *** par_92
e18 ,334 ,109 3,057 ,002 par_93
e19 ,427 ,135 3,155 ,002 par_94
e7 ,351 ,117 2,995 ,003 par_95
e13 ,810 ,194 4,173 *** par_96

523
 Squared Multiple Correlations: (Group number 1 - Default model)

Estimate
Caractéristiques des TB ,716
Pilotage de la performance ,619
Age_entreprise ,984
DSPT ,224
CIU ,905
DEE ,543
DUTTB ,526
DTUTB ,546
DUTB ,409
DIP ,826
DCA ,910
SCRB ,968
Type_formation ,980
DI ,913
PGPC ,531
PACC ,675
DFTRP ,609
DS ,452
DST ,668
Activité_entreprise ,981
Taille_entreprise ,976

Ajustement du modèle

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 118 335,800 300 ,076 1,119
Saturated model 418 ,000 0
Independence model 38 744,415 380 ,000 1,959

Baseline Comparisons

NFI RFI IFI TLI

Model CFI
Delta1 rho1 Delta2 rho2
Default model ,549 ,429 ,919 ,876 ,902
Saturated model 1,000 1,000 1,000
Independence model ,000 ,000 ,000 ,000 ,000

Parsimony-Adjusted Measures

Model PRATIO PNFI PCFI

Default model ,789 ,433 ,712
Saturated model ,000 ,000 ,000
Independence model 1,000 ,000 ,000

524
 NCP

Model NCP LO 90 HI 90
Default model 35,800 ,000 84,835
Saturated model ,000 ,000 ,000
Independence model 364,415 290,816 445,801

FMIN

Model FMIN F0 LO 90 HI 90
Default model 4,867 ,519 ,000 1,229
Saturated model ,000 ,000 ,000 ,000
Independence model 10,789 5,281 4,215 6,461

RMSEA

Model RMSEA LO 90 HI 90 PCLOSE

Default model ,042 ,000 ,064 ,707
Independence model ,118 ,105 ,130 ,000

AIC

Model AIC BCC BIC CAIC

Default model 571,800 907,494
Saturated model 836,000 2025,153
Independence model 820,415 928,519

ECVI

Model ECVI LO 90 HI 90 MECVI

Default model 8,287 7,768 8,998 13,152
Saturated model 12,116 12,116 12,116 29,350
Independence model 11,890 10,823 13,070 13,457

HOELTER

HOELTER HOELTER
Model
.05 .01
Default model 72 75
Independence model 41 43

525
 Ø Résultats du test de l’effet de médiateur
Estimation du modèle

Regression Weights: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Pilotage de la performance <--- Style de décisions -,034 ,188 -,180 ,857 par_8
Pilotage de la performance <--- Stratégie de contrôle ,140 ,101 1,378 ,168 par_9
Pilotage de la performance <--- Formation ,112 ,075 1,485 ,138 par_10
Pilotage de la performance <--- Taille ,124 ,083 1,493 ,135 par_11
Pilotage de la performance <--- Type d'activité ,142 ,076 1,852 ,064 par_12
Pilotage de la performance <--- Age d'entreprise ,000 ,064 ,004 ,997 par_13
Pilotage de la performance <--- Informatisation ,228 ,169 1,348 ,178 par_14
Pilotage de la performance <--- Environnement ,240 ,170 1,414 ,157 par_15
Pilotage de la performance <--- Structure ,235 ,128 1,840 ,066 par_16
Taille_entreprise <--- Taille 1,000
Activité_entreprise <--- Type d'activité 1,000
DST <--- Structure 1,000
DFTRP <--- Structure ,676 ,171 3,945 *** par_1
PACC <--- Environnement 1,403 ,379 3,703 *** par_2
PGPC <--- Environnement ,979 ,267 3,668 *** par_3
DI <--- Informatisation 1,000
Type_formation <--- Formation 1,000
DUTB <--- Pilotage de la performance 1,000
DTUTB <--- Pilotage de la performance 1,071 ,321 3,337 *** par_4
DUTTB <--- Pilotage de la performance 1,292 ,371 3,486 *** par_5
DEE <--- Environnement 1,000
SCRB <--- Stratégie de contrôle 1,000
CIU <--- Style de décisions 1,415 ,460 3,079 ,002 par_6
DSPT <--- Style de décisions 1,000
Age_entreprise <--- Age d'entreprise 1,000
DS <--- Structure ,647 ,168 3,841 *** par_7

526
Standardized Regression Weights: (Group number 1 - Default model)

Estimate
Pilotage de la performance <--- Style de décisions -,029
Pilotage de la performance <--- Stratégie de contrôle ,236
Pilotage de la performance <--- Formation ,239
Pilotage de la performance <--- Taille ,241
Pilotage de la performance <--- Type d'activité ,306
Pilotage de la performance <--- Age d'entreprise ,001
Pilotage de la performance <--- Informatisation ,223
Pilotage de la performance <--- Environnement ,254
Pilotage de la performance <--- Structure ,348
Taille_entreprise <--- Taille ,988
Activité_entreprise <--- Type d'activité ,990
DST <--- Structure ,834
DFTRP <--- Structure ,739
PACC <--- Environnement ,880
PGPC <--- Environnement ,701
DI <--- Informatisation ,955
Type_formation <--- Formation ,990
DUTB <--- Pilotage de la performance ,663
DTUTB <--- Pilotage de la performance ,703
DUTTB <--- Pilotage de la performance ,768
DEE <--- Environnement ,690
SCRB <--- Stratégie de contrôle ,984
CIU <--- Style de décisions ,951
DSPT <--- Style de décisions ,476
Age_entreprise <--- Age d'entreprise ,992
DS <--- Structure ,705

Intercepts: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Taille_entreprise 4,254 ,186 22,928 *** par_17
Activité_entreprise 4,035 ,205 19,675 *** par_18
DST 3,553 ,167 21,271 *** par_19
DS 3,597 ,128 28,131 *** par_20
DFTRP 3,487 ,127 27,389 *** par_21
DI 4,158 ,096 43,113 *** par_22
PACC 3,579 ,159 22,577 *** par_23
PGPC 3,605 ,139 25,954 *** par_24
Type_formation 3,947 ,203 19,434 *** par_25
SCRB 2,644 ,172 15,372 *** par_26
DUTB 3,789 ,142 26,758 *** par_27
DTUTB 3,596 ,143 25,136 *** par_28
DUTTB 3,842 ,158 24,322 *** par_29
DEE 3,461 ,144 23,994 *** par_30
DSPT 3,059 ,168 18,193 *** par_31
CIU 2,443 ,119 20,508 *** par_32
Age_entreprise 2,961 ,228 12,963 *** par_33

527
 Variances: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Taille 1,241 ,296 4,196 *** par_67
Type d'activité 1,523 ,361 4,214 *** par_68
Structure ,717 ,268 2,670 ,008 par_69
Environnement ,366 ,171 2,142 ,032 par_70
Informatisation ,313 ,080 3,922 *** par_71
Formation 1,494 ,355 4,212 *** par_72
Stratégie de contrôle ,926 ,239 3,880 *** par_73
Style de décisions ,237 ,161 1,470 ,142 par_74
Age d'entreprise 1,896 ,448 4,230 *** par_75
s1 ,162 ,092 1,770 ,077 par_76
e1 ,030
e2 ,030
e10 ,030
e11 ,030
e12 ,050
e14 ,030
e3 ,030
e4 ,313 ,159 1,975 ,048 par_77
e5 ,304 ,093 3,258 ,001 par_78
e6 ,271 ,091 2,981 ,003 par_79
e8 ,209 ,157 1,333 ,183 par_80
e9 ,362 ,112 3,235 ,001 par_81
e15 ,415 ,121 3,420 *** par_82
e16 ,383 ,120 3,192 ,001 par_83
e17 ,379 ,141 2,677 ,007 par_84
e7 ,403 ,121 3,318 *** par_85
e13 ,807 ,194 4,168 *** par_86

Squared Multiple Correlations: (Group number 1 - Default model)

Estimate
Pilotage de la performance ,502
Age_entreprise ,984
DSPT ,227
CIU ,905
DEE ,476
DUTTB ,589
DTUTB ,494
DUTB ,439
SCRB ,969
Type_formation ,980
DI ,913
PGPC ,491
PACC ,775
DFTRP ,547
DS ,497
DST ,696
Activité_entreprise ,981
Taille_entreprise ,976

528
Ajustement du modèle

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 106 258,064 234 ,134 1,103
Saturated model 340 ,000 0
Independence model 34 488,615 306 ,000 1,597

Baseline Comparisons

NFI RFI IFI TLI

Model CFI
Delta1 rho1 Delta2 rho2
Default model ,472 ,309 ,905 ,828 ,868
Saturated model 1,000 1,000 1,000
Independence model ,000 ,000 ,000 ,000 ,000

Parsimony-Adjusted Measures

Model PRATIO PNFI PCFI

Default model ,765 ,361 ,664
Saturated model ,000 ,000 ,000
Independence model 1,000 ,000 ,000

NCP

Model NCP LO 90 HI 90
Default model 24,064 ,000 67,345
Saturated model ,000 ,000 ,000
Independence model 182,615 126,276 246,878

FMIN

Model FMIN F0 LO 90 HI 90
Default model 3,740 ,349 ,000 ,976
Saturated model ,000 ,000 ,000 ,000
Independence model 7,081 2,647 1,830 3,578

RMSEA

Model RMSEA LO 90 HI 90 PCLOSE

Default model ,039 ,000 ,065 ,737
Independence model ,093 ,077 ,108 ,000

AIC

Model AIC BCC BIC CAIC

Default model 470,064 706,911
Saturated model 680,000 1439,698
Independence model 556,615 632,585

529
 ECVI

Model ECVI LO 90 HI 90 MECVI

Default model 6,813 6,464 7,440 10,245
Saturated model 9,855 9,855 9,855 20,865
Independence model 8,067 7,250 8,998 9,168

HOELTER

HOELTER HOELTER
Model
.05 .01
Default model 74 78
Independence model 51 53

530
 Contribution à l’étude des tableaux de bord dans l’aide à la décision des
PME en quête de performances
RÉSUMÉ

La présente thèse a pour objectif d’étudier la place du tableau de bord dans le pilotage de la
performance des PME. Plus précisément, il s’agit de fournir un cadre explicatif aux pratiques
de tableaux de bord des PME. La revue de littérature a permis d’une part de préciser et définir
les principaux concepts et les principales notions utilisés dans le cadre de ce travail, et d’autre
part de présenter et discuter un cadre théorique mixte sur lequel est basée l’élaboration de
notre modèle de recherche. Suivant un raisonnement hypothético-déductif, un modèle
explicatif des pratiques de tableaux de bord des PME est proposé. Ce modèle intègre une
variable à expliquer « Pilotage de la performance », neuf variables explicatives de type
organisationnel et comportemental, et une variable intermédiaire « Caractéristiques des TB ».

Ce modèle est ensuite testé empiriquement. Les données collectées sont traitées en utilisant
une analyse exploratoire et analyse confirmatoire par les méthodes des équations structurelles.
Les résultats permettent de mettre en avant les facteurs déterminant les pratiques de tableaux
de bord des PME. Ils permettent ainsi sur le plan théorique d’enrichir les travaux antérieurs
portant sur le tableau de bord, et sur le plan pratique de fournir aux contrôleurs de gestion et
aux dirigeants un cadre explicatif des pratiques de tableaux de bord des PME.

Mots clés : Tableau de bord, Contrôle de gestion, Pilotage de la performance, Petite et

Moyenne Entreprise, modèle de recherche, étude quantitative.

A contribution to the study of balanced scorecards in the decision support

of SMEs in quest of performance
ABSTRACT

This thesis aims to study the role of balanced scorecard in managing the performance of
SMEs. More specifically, it is to provide an explanatory framework to the practice of SMEs’
balanced scorecards. The literature review has allowed, on one hand, to clarify and define key
concepts used in this work and, on the other hand, to present and discuss a mixed theoretical
framework on which is based the development of our research model. Following a
hypothetico-deductive reasoning, an explanatory model to the practice of SMEs’ balanced
scorecards is proposed. This model incorporates one dependent variable "Performance
management", nine explanatory variables (organizational and behavioral types), and one
intermediate variable "Characteristics of balanced scorecards".

This model is then tested empirically. The collected data are processed using an exploratory
analysis and a confirmatory analysis by the methods of structural equations. The results help
to highlight the determinants of the practice of SMEs’ balanced scorecards. Thus,
theoretically, they enrich the previous work on the balanced scorecard and, practically, they
provide to management controllers and managers an explanatory framework of the practice of
SMEs’ balanced scorecards.

Keywords: balanced scorecard, Management control, Performance management, Small and

Middle Enterprise, Research model, Quantitative study.

531