1.1 – Conseil d’administration et qualité de l’information sectorielle publiée

1.2 – Comité d’audit et qualité de l’information sectorielle publiée

2.1 – Echantillon

26L’échantillon est constitué de 171 entreprises cotées de l’UE durant la période 2007-2012 et appliquant la norme IFRS 8 [3] ; soit 1026 observations. Le choix de l’UE nous offre l’opportunité d’étudier des états financiers consolidés établis selon un langage comptable commun, notamment les normes IFRS d’application obligatoire, à compter du premier janvier 2005.

27Pour construire notre échantillon, nous sommes partis de l’ensemble des sociétés cotées, en 2007, domiciliées dans l’un des Etats membres de l’UE et figurant sur la base de données In Financials en excluant les sociétés appartenant au secteur financier (SIC 6000-6999)dans la mesure où elles obéissent à des règles spécifiques de présentation de l’information financière. Seules les sociétés dont le chiffre d’affaires, en 2007, est supérieur à 1 milliard d’Euro et les secteurs, pour lesquels il y a au moins 10 sociétés, sont retenus. D’autres sociétés ont été, aussi, exclues à cause de la non disponibilité ou de la difficulté d’exploitation de certains rapports annuels et de la présence de sociétés faisant l’objet d’une fusion, acquisition, transformation ou devenues non cotées, pendant notre période d’étude. Ces différents critères ont été, aussi, retenus par Nichols et al. (2000) et Prather-Kinsey et Meek (2004) et sont supposés influencer le comportement des sociétés en matière de publication d’informations sectorielles.

28Partant des 1026 observations ainsi sélectionnées, nous avons retenus seulement les entreprises appliquant la norme IFRS 8, choisissant l’activité [4] comme typologie de segmentation et publiant des informations géographiques dans le cadre des informations à fournir pour l’ensemble de l’entité, tout en excluant celles prétendant opérer dans un seul secteur d’activité ou géographique ou ne présentant pas d’informations sectorielles. Nous avons aussi éliminé toutes les observations pour lesquelles il y a des données manquantes pour les variables retenues ainsi que les observations aberrantes "Outliers" présumées perturbatrices de la qualité de nos résultats économétriques. Le nombre d’observations final ainsi obtenu est de 271 observations.

29La tableau 1 présente la distribution de l’échantillon par type d’industrie et pas pays de domicile. Il montre que l’échantillon est principalement dominé par les secteurs "Industrie" (58,30%) et de "Services" (32,47%) dont "Services publics" (10,70%). En outre, la majorité des entreprises de l’échantillon sont domiciliées en France (18,82%), au Royaume-Uni (17,34%) et en Allemagne (15,50%).

2.2 – Modèle de régression

30Pour tester l’effet des caractéristiques du conseil d’administration et du comité d’audit sur la qualité de l’information sectorielle publiée, nous avons estimé le modèle de régression suivant dont les variables sont spécifiées dans le paragraphe 2.4, à savoir :

31

32Où INDQUAL est un indice mesurant la qualité de l’information sectorielle publiée, CASTRUC est la structure du conseil, CAINDEP est l’indépendance du conseil, AUDTAILLE est la taille du comité d’audit, AUDINDEP est l’indépendance du comité d’audit, AUDMEET est le nombre de rencontres annuelles du comité d’audit et enfin CONTROLS représente l’ensemble des variables de contrôle tels que la concentration de propriété (CONC), la taille de l’entreprise (TAILLE), sa profitabilité (ROA), son niveau d’endettement (ENDET) et son degré d’internationalisation (CAETCA). En effet, en se basant sur les fondements théoriques de la théorie de l’agence et de la théorie des coûts de propriété, de nombreuses études antérieures ont montré que les entreprises de grande taille publient davantage d’informations sectorielles que les autres (Mckinnon et Dalimunthe, 1993 ; Mitchell et al., 1995 ; Herrmann et Thomas, 1996 ; Prather-Kinsey et Meek, 2004 ; Pisano et Landriani, 2012 ; Tsakumis et al., 2006 ; Nichols et Street, 2007 ; Leung et Verriest, 2015). Aussi, les entreprises dont le capital est fortement dispersé sont confrontées à des coûts d’agence importants et paraissent, alors, plus transparentes que les autres, et ce pour réduire lesdits coûts (McKinnon et Dalimunthe, 1993 ; Mitchell et al., 1995 ; Saada, 1998 ; Lenormand et Touchais, 2014). En outre, la profitabilité est un facteur déterminant de la divulgation d’informations sectorielles (Hayes et Lundholm,1996 ; Prencipe, 2004). Par ailleurs, les entreprises fortement endettées (Mitchell et al., 1995 ; Prencipe, 2004) et celles cotées à l’étranger ou fortement internationalisées (Mitchell et al., 1995, Herrmann et Thomas, 1996 ; Prather-Kinsey et Meek, 2004) sont plus incitées à publier des informations sectorielles de qualité.

33Par ailleurs, nous incluons dans notre modèle et à l’instar des études empiriques antérieures, des effets fixes industrie (Herrmann et Thomas, 1996 ; Prather-Kinsey et Meek, 2004 ; Lenormand et Touchais, 2014) et des effets fixes pays (Herrmann et Thomas, 1996 ; Prather-Kinsey et Meek, 2004 ; Leung et Verriest, 2015) pour contrôler, respectivement l’effet du type d’industrie et l’effet du pays de domicile sur la qualité de l’information sectorielle publiée.

Tableau 1

Distribution de l’échantillon par type d’industrie et par pays de domicile

PANEL B : Distribution des entreprises par type d’industrie Division SIC Type d’industrie Nombre d’observations Pourcentage 20-39 Industrie 158 58.30% 70-89 Services 59 21.77% 40-49 Services publics 29 10.70% 15-17 Construction 21 7.75% 52-59 Commerce de détail 4 1.48% TOTAL 271 100.00 PANEL C : Distribution des entreprises par pays de domicile Pays Nombre d’observations Pourcentage France 51 18.82% Royaume-Uni 47 17.34% Allemagne 42 15.50% Finlande 21 7.75% Suède 18 6.64% Pays-Bas 16 5.90% Espagne 15 5.54% Italie 14 5.17% Autriche 14 5.17% Belgique 14 5.17% Irlande 8 2.95% Grèce 7 2.58% Danemark 4 1.48% TOTAL 271 100.00 %

Distribution de l’échantillon par type d’industrie et par pays de domicile

2.3 – Collecte et sources de données

34La mesure de la qualité de l’information sectorielle publiée se base sur des données collectées manuellement à partir des rapports annuels ayant trait, essentiellement, à la typologie de segmentation, au nombre de secteurs présentés et aux items d’information sectorielle publiés. Du moment où la plupart des entreprises incluent une section séparée sur l’information sectorielle dans leurs états financiers, d’autres peuvent présenter l’information sectorielle dans leurs rapports de gestion et les autres parties du rapport annuel qui sont hors de la portée des états financiers consolidés. L’analyse, pour la présente étude, considère, exclusivement, l’information incluse dans les états financiers consolidés et leurs notes [5] qui font, clairement, l’objet des dispositions de la norme IFRS8 et qui sont auditées. Les données sur les caractéristiques du conseil d’administration et du comité d’audit sont collectées principalement des rapports annuels. A défaut de certaines informations, nous avons essayé de retrouver l’information recherchée en naviguant sur les sites officiels des entreprises concernées.

35Dans certains cas, le recours aux rapports annuels de l’exercice, précédant l’application de la norme IFRS 8 (année pré-IFRS 8), s’impose aussi. En effet, en fonction des rapports annuels que nous avons pu collecter et analyser, nous avons remarqué que certaines entreprises, essentiellement britanniques, publient la situation de leurs conseils d’administration à la date de publication du rapport annuel et signalent les changements survenus dans leurs dits conseils entre la date de clôture de l’exercice et la date de publication. Ainsi, pour reconstituer la situation du conseil à la date de clôture de l’exercice de première application d’IFRS 8, il s’est avéré utile de se référer aux rapports annuels de l’exercice pré-IFRS 8 pour collecter des données biographiques sur les administrateurs qui ont quitté le conseil.

36Nous avons, également, recours à la base de données In Financials pour la collecte des informations sur les variables de contrôle, notamment la taille, la profitabilité, le niveau d’endettement, le type d’industrie et le pays de domicile. Les informations sur la concentration de propriété et le degré d’internationalisation sont, toutefois, retrouvées dans la base de données Thomson One Banker.

2.4 – Définition et mesure des variables

3.1 – Statistiques descriptives

45Le tableau 2 récapitule les statistiques descriptives de la variable dépendante et des variables indépendantes incluses dans notre modèle de régression ayant trait, essentiellement, à la qualité de l’information sectorielle publiée, aux caractéristiques du conseil d’administration et du comité d’audit ainsi qu’aux différentes variables de contrôle retenues. Le tableau 2 montre que l’indice de qualité (INDQUAL) varie entre 0 et 1 avec une moyenne (médiane) de 0,42 (0,4). Ces valeurs attestent d’une diversité dans la qualité de l’information sectorielle publiée par les entreprises cotées de l’UE.

Tableau 2

Statistiques descriptives des variables de l’étude

Variables continues Variables Nbre Obs Minimum Maximum Moyenne Médiane Ecart-type INDQUAL 271 0 1 0.42 0.4 0.26 INDLOB 271 0.15 0.75 0.46 0.45 0.14 INDEWD 271 0.11 0.61 0.29 0.28 0.08 NLOB 271 2 11 4.19 4 1.74 NGEOG 271 2 17 5.63 5 2.56 FINESSE 271 0 3 1.79 1.84 0.67 CAINDEP 271 0.3 1 0.77 0.7 0.16 AUDTAILLE 271 2 10 4.05 4 1.27 AUDINDEP 271 0.5 1 0.93 1 0.14 AUDMEET 271 1 15 5.30 5 2.15 CONC 271 0 1 0.27 0.27 0.25 TAILLE 271 11 19 15.75 16 1.41 ROA 271 -0.15 0.24 0.04 0.04 0.05 ENDET 271 0.01 0.6 0.27 0.26 0.13 CAETCA 271 0 0.97 0.62 0.68 0.27 Variable dichotomique Modalités Fréquence Pourcentage CA-STRUC 0 : Structure moniste à conseil d’administration 1 : Structure duale à conseil de surveillance et directoire 191 80 70.48 29.52

Statistiques descriptives des variables de l’étude

46Un examen des statistiques descriptives des cinq indicateurs constituant notre indice de qualité (INDQUAL) montre aussi une diversité considérable qui supporte les constatations tirées par les études antérieures analysant les pratiques de reporting sectoriel post-IFRS 8 (Nichols et al., 2012 ; Crawford et al., 2012 ; Mardini et al., 2012 ; Kang et gray, 2013 ; Bugeja et al., 2015). Le tableau 2 montre, en outre, que plus de 70% des entreprises étudiées choisissent la structure moniste du conseil. Les autres entreprises (29,52%) qui sont domiciliées en Allemagne (42/42), en Autriche (14/14), au Danemark (4/4), aux Pays-Bas (16/16) et une minorité en France (4/51) adoptent la structure duale à un directoire chargé de diriger l’entreprise et un conseil de surveillance chargé de contrôler ledit directoire. Ces observations sont conformes à l’étude comparative effectuée par Weil, Gotshal et Manges LLP (2002) qui montre que, dans la majorité des Etats Membres de l’UE examinés (11/15 Etats membres), la structure moniste du conseil est prédominante, bien que, dans une minorité des Etats membres, la structure duale soit également possible comme le cas de la France.

47De plus, la proportion des administrateurs externes semble dominer les conseils d’administration des entreprises cotées européennes (77%). La présence accrue de ces derniers, supposés garants de l’honnêteté du conseil et de l’intérêt des actionnaires, traduit, comme il a été souligné par Weil, Gotshal et Manges LLP (2002), la volonté exprimée par la majorité des codes de gouvernance de l’UE. Toutefois, cette proportion varie entre 30% et 100% ; ce qui implique, aussi, l’existence d’une disparité remarquable dans les conseils d’administration des entreprises étudiées.

48Par ailleurs, les comités d’audit des entreprises étudiées disposent en moyenne de 4,05 membres mais leur taille varie entre 2 et 10 membres. En outre, au moins 50% de leurs membres sont externes avec un maximum de 100% et une moyenne de 93%. Ces résultats signalent que bien que certaines entreprises autorisent la présence des membres exécutifs dans les comités d’audit (en moyenne 7%), ce sont les administrateurs externes qui sont dominants. Par ailleurs, ces comités se réunissent, en moyenne, 5,30 fois, par an, avec un minimum de 1 et un maximum de 15.

49Enfin, selon la tableau 2, les entreprises de notre échantillon sont caractérisées, en moyenne, par un pourcentage du capital détenu par le premier actionnaire (CONC) de 27%, une taille (TAILLE) de 15,75, un ratio de profitabilité (ROA) de 0,04, un niveau d’endettement (ENDET) de 0,27 et un pourcentage du chiffre d’affaires réalisé à l’étranger (CAETCA) de 62%. Une disparité est, aussi, remarquable entre les entreprises concernant ces caractéristiques.

3.2 – Résultats et interprétations

50L’estimation de notre modèle nécessite, au préalable, la vérification de l’absence de multi-colinéarité entre les variables explicatives. Une lecture de la matrice de corrélation de Pearson (Tableau 3) montre qu’il n’existe pas un problème sérieux de multi-colinéarité. Etant donnée la période d’étude qui s’étale entre 2007 et 2012, l’estimation de notre modèle sur données de panel est effectuée en ayant recours au logiciel STATA. Deux principaux tests économétriques ont été préalablement mis en œuvre. En effet, nous avons testé, d’une part, l’hypothèse nulle d’homoscédasticité où tous les coefficients de la régression des résidus au carré sont nuls. Sur STATA, le test approprié, dans ce cas, est le test de Breusch-Pagan qui permet de détecter la présence ou non d’un problème d’hétéroscédasticité. Le résultat de ce test est une statistique F de Fisher qui est significative, au seuil de 1% (Prob>F=0.0000) ; ce qui confirme la présence d’un problème d’hétéroscédasticité. Nous avons vérifié, d’autre part, l’autocorrélation des erreurs. Pour cela, le test d’autocorrélation intra-individus de Wooldrigde (2002) est utilisé. En effectuant ce test, les résultats sont significatifs, au seuil de 1%, (Prob>F=0.0000) et montrent la présence d’un problème d’autocorrélation d’ordre 1.

51La présence d’un problème d’hétéroscédasticité et d’un problème d’autocorrélation exige l’estimation de notre modèle par la méthode des moindres carrés généralisés dite "Feasible Generalized Least Square" ou FGLS pour aboutir à des résultats robustes. Le tableau 4 récapitule les résultats de l’estimation de notre modèle de régression. Il montre que le test "Wald de Chi2" de significativité globale du modèle est significatif au seuil de 1% (Prob>Chi2 = 0.000) ; ce qui implique que le pouvoir explicatif de notre modèle est satisfaisant.

Tableau 3

Matrice de corrélation de Pearson^***

1 2 3 4 5 6 7 8 9 10 11 1.INDQUAL 1 2.CASTRUC -0.089 1 3.CAINDEP -0.033 0.064 1 4.AUDTAILLE -0.152** -0.295*** -0.024 1 5.AUDINDEP 0.153** -0.701*** 0.166** -0.482*** 1 6.AUDMEET -0.152** -0.139** 0.213*** -0.111* 0.096 1 7.CONC 0.060 -0.026 -0.094 0.045 -0.134** -0.039 1 8.TAILLE 0.044 -0.016 0.193** 0.155** -0.056 0.236*** -0.147** 1 9.ROA -0.143** 0.046 -0.088 0.015 -0.010 0.036 -0.085 0.093 1 10.ENDET -0.147** 0.017 -0.001 -0.039 -0.095 -0.067 0.067 0.041 -0.304*** 1 11.CAETCA 0.213*** 0.108* 0.118* -0.045 -0.036 0.006 -0.155** 0.193** -0.123** -0.203*** 1

Matrice de corrélation de Pearson^***

*** La corrélation est significative au niveau 0.01 (bilatéral). ** La corrélation est significative au niveau 0.05 (bilatéral). * La corrélation est significative au niveau 0.10 (bilatéral)
INDQUAL  : Indice mesurant la qualité de l’information sectorielle publiée en combinant 5 indicateurs : INDLOB, INDEWD, FINESSE, NLOB et NGEOG.
CASTRUC  : Structure du conseil qui prend la valeur 1 si l’entreprise adopte la structure duale et 0 sinon.
CAINDEP  : Pourcentage des administrateurs externes siégeant au conseil d’administration.
AUDTAILLE  : Taille du comité d’audit mesurée par le nombre total des membres siégeant en son sein
AUDINDEP  : Pourcentage des administrateurs externes du comité d’audit.
AUDMEET  : Nombre de rencontres annuelles du comité d’audit
CONC  : Concentration de propriété mesurée par le pourcentage du capital détenu par le premier actionnaire.
TAILLE  : Taille de l’entreprise mesurée par le logarithme népérien du total chiffre d’affaires
ROA  : Profitabilité de l’entreprise mesurée par le rendement des actifs.
ENDET  : Niveau d’endettement de l’entreprise mesuré par le ratio : Total dettes/Total actifs.
CAETCA  : Degré d’internationalisation de l’entreprise mesuré par le ratio : Chiffre d’affaires à l’export/Total chiffre d’affaires.

52Le tableau 4 (colonne 2) montre que la structure du conseil n’influence pas la qualité de l’information sectorielle publiée ; ce qui ne permet pas de confirmer notre hypothèse H1. Un effet négatif et significatif, au seuil de 1%, de l’indépendance du conseil sur la qualité de l’information sectorielle publiée (Tableau 4, colonne 2) est démontré. Bien que ce résultat corrobore les résultats de l’étude de Eng et Mak (2003), il ne permet pas de confirmer notre hypothèse H2. Deux principales raisons peuvent justifier ce résultat. D’une part, la définition de la qualité d’indépendance pourrait constituer une première raison. En effet, dans le cadre de notre étude, nous avons considéré comme administrateurs indépendants, les administrateurs externes. Or ce critère ne permet pas de juger, à lui seul, l’indépendance de ces administrateurs du fait qu’il existe une catégorie d’administrateurs affiliés dits "grey directors" qui bien qu’externes, pourraient avoir des relations familiales ou d’affaires avec la société, ses actionnaires, ses employés ou ses dirigeants [7]. La présence de ces administrateurs dans le conseil pourrait, alors, remettre en cause son indépendance et sa qualité de surveillance et, par la même, l’amélioration de la qualité de l’information sectorielle publiée. D’autre part, comme deuxième raison qui a été, aussi, avancée par Eng et Mak (2003) est que les administrateurs externes peuvent jouer un rôle de substitution ou de complémentarité à la divulgation d’informations ; tout dépend de l’intensité de leur présence dans les conseils d’administration. Or dans notre analyse descriptive, nous avons constaté que les administrateurs externes semblent dominer les conseils d’administration des entreprises de notre échantillon et, par conséquent, leur rôle de surveillance pourrait se substituer à une amélioration de la qualité de l’information sectorielle.

Tableau 4

Résultats empiriques

Variables Indépendantes INDQUAL Composantes de l’INDQUAL Echantillon initial y exclut pays de droit commun INDLOB INDEWD FINESSE NLOB NGEOG Coef (statistique Z) Coef (statistique Z) Coef (statistique Z) Coef (statistique Z) Coef (statistique Z) Coef (statistique Z) Coef (statistique Z) CASTRUC -0.024 (-0.58) -0.254 (-6.77)*** -0.020 (-0.39) 0.229 (1.03) 0.449 (0.66) 1.370 (3.45)*** 0.038 (0.72) CAINDEP -0.398 (- 5.03)*** -0.102 (-3.60)*** 0.001 (0.28) -0.185 (-1.41) -0.546 (-1.26) 1.180 (2.77)** -0.441 (-4.76)*** AUDTAILLE -0.012 (-1.78)* -0.003 (-0.95) -0.001 (-0.88) 0.001 (0.10) -0.053 (-1.35) -0.089 (-2.38)** -0.021 (-3.02)** AUDINDEP 0.194 (1.96)** 0.008 (0.19) 0.044 (1.56) 0.054 (0.18) -0.038 (-0.09) -0.352 (-0.76) 0.167 (1.74)* AUDMEET -0.014 (-4.42)*** -0.002 (-1.80)* 0.000 (1.25) -0.008 (-1.27) 0.009 (0.60) 0.008 (0.65) -0.007 (-2.48)** CONC 0.107 (2.97)*** -0.002 (-0.20) -0.001 (-0.46) 0.013 (0.19) -0.152 (-0.86) -0.020 (-0.11) 0.110 (3.16)*** TAILLE 0.046 (7.00)*** 0.007 (3.41)*** 0.003 (3.01)** -0.021 (-1.51) 0.352 (7.89)*** -0.003 (-0.07) 0.031 (3.70)*** ROA -0.306 (-1.77)* -0.075 (-1.51) 0.009 (0.82) -1.027 (-5.74)*** -0.793 (-1.20) -0.874 (-1.20) -0.003 (-0.02) ENDET -0.265 (-3.84)*** -0.115 (-4.48)*** -0.005 (-0.66) -0.761 (-5.05)*** -0.004 (-0.01) 0.138 (0.32) -0.084 (-1.03) CAETCA 0.232 (5.94)*** 0.070 (4.94)*** 0.007 (1.30) 0.320 (3.24)*** 0.554 (2.32)** 1.936 (7.58)*** 0.128 (2.54)** Effets fixes Oui Oui Oui Oui Oui Oui Oui Constante -0.241 (-1.57) 0.418 (7.30)*** 0.171 (5.12)*** 2.360 (6.09)*** -1.502 (-1.70)* 4.491 (6.08)*** 0.042 (0.28) Wald chi2 Prob>chi2 R2 ajusté N 953.23 0.0000 37.55 264 1002.16 0.0000 30.59 264 1073.20 0.0000 18.88 264 1163.76 0.0000 41.72 264 424.52 0.0000 35.43 264 557.81 0.0000 30.21 264 611.36 0.0000 37.37 212

Résultats empiriques

INDQUAL : Qualité de l’information sectorielle publiée, CASTRUC : Structure du conseil, CAINDEP : Indépendance du conseil, AUDTAILLE : Taille du comité d’audit, AUDINDEP : Indépendance du comité d’audit, AUDMEET : Nombre de rencontres annuelles du comité d’audit, CONC : Concentration de propriété, TAILLE : Taille de l’entreprise, ROA : profitabilité, ENDET : Niveau d’endettement, CAETCA : Degré d’internationalisation, INDLOB : Indice de divulgation par secteur d’activité, INDEWD : Indice de divulgation pour l’ensemble de l’entité, Finesse : Score de finesse géographique, NLOB : Nombre de secteurs d’activité, NGEOG : Nombre de secteurs géographiques. *** significatif à 1%, ** significatif à 5%, * significatif à 10%.

53Conformément à ce qui a été prévu (Hypothèses H3), le tableau 4 (colonne 2) montre que la taille du comité d’audit affecte la qualité de l’information sectorielle publiée. Ce résultat implique que cette caractéristique pourrait constituer, entre autres, un facteur déterminant de l’efficacité du comité d’audit dans l’exercice de son rôle de surveillance. Cependant, la présence d’un effet négatif indique que les entreprises publient une information sectorielle de qualité lorsque le comité d’audit est composé d’un petit nombre d’administrateurs. Ceci pourrait être justifié par le fait qu’un comité d’audit de grande taille est susceptible d’augmenter les conflits entre ses différents membres et aura des conséquences néfastes sur le processus de prise de décisions et de contrôle de la crédibilité du reporting financier, en particulier sectoriel. Cet argument a été aussi avancé par Ginglinger (2002) et certains codes de gouvernance au sujet de la taille du conseil d’administration.

54En outre, les résultats, présentés dans le tableau 4 (colonne 2) montrent que le coefficient associé à l’indépendance du comité d’audit est positif et significatif, au seuil de 5%. L’hypothèse H4 est alors confirmée. Ce résultat corrobore les résultats des études antérieures (Beasley et al., 2000 ; Persons, 2009 ; Madi et al., 2014 ; Forker, 1992) et implique que l’indépendance du comité d’audit est un facteur déterminant de la qualité de l’information sectorielle publiée. En effet, une présence dominante des administrateurs externes dans le comité d’audit renforce la surveillance de la latitude managériale des dirigeants et améliore la transparence des entreprises, en particulier la qualité de l’information sectorielle publiée. Toutefois, ce résultat nous laisse nous interroger sur le sens contradictoire dégagé entre, d’une part, l’indépendance du conseil d’administration et la qualité de l’information sectorielle publiée et, d’autre part, l’indépendance du comité d’audit et ladite qualité. Cette contradiction pourrait être expliquée par le fait qu’il est plus probable que les membres du conseil, considérés, dans le cadre de notre étude, comme indépendants comprennent une proportion importante d’administrateurs affiliés. Tandis que, les membres du comité d’audit, classés, dans notre étude, comme administrateurs indépendants le sont vraiment, bien qu’il soit possible qu’une minorité non significative y appartienne. En effet, la majorité, sinon tous, des codes de gouvernance d’entreprise recommandent que les comités d’audit soient dominés par des administrateurs indépendants.

55Enfin, au vu des résultats présentés dans le tableau 4 (colonne 2) le nombre de rencontres annuelles du comité d’audit a un effet sur la qualité de l’information sectorielle publiée ; ce qui confirme notre hypothèse H5 et suggère que cette caractéristique pourrait agir sur l’efficacité du comité d’audit dans l’exercice de sa fonction de surveillance. Toutefois, l’existence d’un effet négatif contredit les résultats de McMullen et Randghum (1996), Allegrini et Greco (2011) et Li et al (2012).

56En ce qui concerne l’effet des caractéristiques de l’entreprise, retenues comme variables de contrôle, le tableau 4 (colonne 2) montre l’existence d’un effet positif et significatif de la concentration de la propriété sur INDQUAL. Ce résultat pourrait être expliqué par la présence renforcée des investisseurs institutionnels dans le capital des entreprises étudiées. Ces investisseurs constituent, d’après les études antérieures (Shleifer et Vishny, 1997 ; Chung et al., 2002), un mécanisme important de surveillance et sont susceptibles de jouer un rôle très actif dans l’amélioration de la performance de l’entreprise et sa qualité de reporting financier. En outre, à l’instar de la majorité des études antérieures (Mckinnon et Dalimunthe, 1993 ; Mitchell et al., 1995 ; Saada, 1998, Prather-Kinsey et Meek, 2004 ; Pisano et Landriani, 2012 ; Tsakumis et al., 2006 ; Nichols et Street, 2007 ; Leung et Verriest, 2015), les entreprises de grande taille tendent à fournir une information sectorielle de qualité. De plus, la profitabilité a un effet négatif sur la qualité de l’information sectorielle publiée ; ce qui supporte l’hypothèse des coûts compétitifs selon laquelle lorsque la profitabilité augmente, les coûts compétitifs associés à la publication d’informations augmentent et, par conséquent, les entreprises se montrent réticentes à publier davantage d’informations sectorielles. Par ailleurs, l’existence d’un effet négatif du niveau d’endettement sur la qualité de l’information sectorielle publiée contredit l’hypothèse des coûts d’agence selon laquelle les entreprises fortement endettées publient plus d’informations pour répondre aux besoins de leurs créanciers et réduire les coûts de surveillance auxquels ils peuvent s’exposer. Toutefois, il corrobore les résultats de Pisano et Landriani (2012) et Bugeja et al. (2015) et indique que l’endettement, comme il a été souligné par Wallace et al., (1994) et Eng et Mak (2003), pourrait se substituer à une meilleure transparence d’information dans un souci d’atténuer le problème de trésorerie disponible "free cash-flow". Enfin, conformément aux prédictions théoriques et aux résultats des études empiriques antérieures (Mitchell et al, 1995 ; Saada, 1998 ; Herrmann et Thomas, 1996 ; Prather-Kinsey et Meek, 2004 ; Leung et Verriest, 2015), le degré d’internationalisation a un effet positif sur la qualité de l’information sectorielle publiée ; ce qui suggère que les entreprises qui sont fortement internationalisées, dans un souci de répondre aux pressions et besoins d’information des marchés internationaux, publient une information sectorielle de qualité.

57Au titre d’une analyse additionnelle, nous avons ré-estimé l’effet des caractéristiques du conseil d’administration et du comité d’audit sur chacune des composantes formant notre mesure globale de la qualité d’information sectorielle publiée. Les résultats reportés dans le tableau 4 (colonnes 3-7) montrent que la significativité et le signe des variables indépendantes examinées diffèrent selon l’indicateur de qualité étudié. En comparant ces résultats aux résultats initiaux obtenus, nous remarquons qu’ils sont moins significatifs.

58Enfin, afin de tester la sensibilité des résultats aux différences institutionnelles qui caractérisaient les pays de l’UE retenus, nous avons ré-estimé notre modèle de régression en excluant les entreprises domiciliées dans les pays de droit commun en se basant, à l’instar de Beekes et al. (2016) [8], sur la classification fournie par La Porta et al. (1998). Les résultats obtenus (tableau 4, colonne 8) sont comparables à nos résultats initiaux.