La faible diffusion des innovations en contrôle de gestion est-elle vraiment paradoxale ? Une méta-analyse du lien entre diversité des produits et adoption de la méthode ABC

Simon Alcouffe; Jonathan Maurice; Nadine Galy; Loïc Gate

doi:10.3917/cca.251.0133

Notes

[1]
Le concept clé dans ce courant de recherche est celui « d’adéquation » (fit en anglais), principe selon lequel un système de calcul de coûts doit être en adéquation avec certaines variables contextuelles pour qu’une organisation soit efficiente. Deux approches du concept d’adéquation sont présentes dans la littérature : la sélection et l’interaction (Gerdin et Greve 2004). La grande majorité des études sur les déterminants de l’adoption de l’ABC – ainsi que les 24 études de notre échantillon – adopte la première approche. Ces études partent du postulat qu’il est peu probable qu’un système de calcul de coûts inefficient soit adopté et utilisé sur le long terme dans une organisation rationnelle.
[2]
Nous remercions l’un des deux réviseurs anonymes de nous avoir suggéré cette idée.
[3]
Ce graphique reporte en abscisse la taille d’effet de chaque étude et, en ordonnée avec une échelle inversée, la précision de l’étude dans la méta-analyse souvent mesurée par l’écart-type de la taille d’effet (Sterne et al. 2011). Plus une étude possède des résultats robustes, plus elle sera positionnée en haut du graphique et inversement. En l’absence de biais, le graphique est symétrique et représente un entonnoir inversé (Sterne et Harbord 2004). À cette inspection visuelle du graphique en entonnoir sont souvent associés des tests d’asymétrie (Begg et Mazumdar 1994, Egger et al. 1997, Harbord et al. 2006, Peters et al. 2006).
[4]
Cette méthode non paramétrique consiste à estimer le nombre d’études manquantes et à corriger la taille d’effet moyenne jusqu’à obtenir un graphique en entonnoir symétrique (Rücker et al. 2011).
[5]
Pour les études se concentrant sur les seules entités opérationnelles, la relation entre diversité et adoption de la méthode ABC n’est significativement positive que pour une erreur de première espèce de 10 %. Il existe peut-être une interaction entre le secteur d’activité et le niveau d’analyse. Cette interaction pourrait être détectée à l’aide d’une méta-régression mais, comme précisé à la fin de l’annexe 2, cette méthode est impossible à mettre en œuvre avec des variables catégorielles ou dichotomiques. Il faut donc rester prudent sur l’inférence que nous faisons du tableau 4 (résultat 3b).
[6]
Cette définition du concept de paradoxe a été critiquée (voir notamment Lewis 2000) car elle correspond à ce qui est généralement considéré comme une contradiction. Or, il est possible de sortir d’une contradiction en choisissant l’une des branches de l’alternative alors qu’un paradoxe enferme davantage. Nous avons néanmoins choisi d’utiliser le terme « paradoxe » dans cet article car il faisait écho à l’expression « paradoxe de l’ABC » employée dans la littérature en contrôle de gestion. Nous remercions le corédacteur en chef d’avoir attiré notre attention sur ce point.
[7]
Rappelons qu’une très large partie de la littérature sur la diffusion des innovations managériales, et y compris celle en contrôle de gestion, adopte une vision rationnelle du comportement des organisations selon laquelle l’adoption d’innovations répond à des besoins techniques. C’est le cas de l’ensemble des articles qui constituent le corpus de notre méta-analyse. Cette vision rationnelle-technique du phénomène d’adoption est forcément limitée et plusieurs recherches ont montré que d’autres formes de rationalité pouvaient intervenir (isomorphismes mimétique et coercitif, jeux d’acteurs et logiques de pouvoir, etc.).
[8]
Ceci reste à explorer empiriquement. En outre, nous parlons ici de taux de diffusion sans préjuger de l’utilisation qui est faite de la méthode ABC au sein des organisations qui l’adoptent. Comme la littérature l’a déjà souligné, il est possible que cette adoption ne soit que symbolique ou réponde à des pressions mimétiques et que l’outil adopté ne fasse pas l’objet d’une utilisation substantielle de la part des acteurs de l’organisation ou que cette utilisation se limite à un tout petit nombre d’acteurs, voire un seul.
[9]
Les calculs détaillés des tailles d’effet par article sont disponibles sur demande auprès des auteurs.
[10]
Bijmolt et Pieters (2001) préconisent d’utiliser la méthode de Raudenbush et al. (1988) consistant à considérer les multiples tailles d’effet d’une étude comme des réplications dépendantes. Ceci a pour avantage de limiter les biais et d’augmenter la puissance des tests méta-analytiques. Toutefois, l’application de cette méthode exige de disposer des corrélations entre les variables dépendantes (ici, les différents types de diversité), ce qui n’est pas le cas dans les articles de notre échantillon. Cette méthode, comme d’autres similaires, n’est malheureusement pas applicable dans le présent article.

1 – Introduction

1Depuis bientôt trente ans, un courant de recherche sur les innovations en contrôle de gestion s’est développé (Zawawi et Hoque 2010, Ben Ismail et al. 2015). Ces recherches sont importantes car les innovations en contrôle de gestion, en tant qu’innovations managériales, sont potentiellement sources d’avantage concurrentiel pour les organisations qui les mettent en œuvre (Hamel 2006, Birkinshaw et al. 2008). Le contrôle de gestion, en tant que fonction de l’organisation et ensemble de pratiques, est régulièrement transformé par des innovations managériales (Le Roy et al. 2013). La recherche sur ces innovations contribue ainsi à mieux comprendre l’évolution des pratiques et des structures liées au contrôle de gestion (Birkinshaw et Mol 2006, Mol et Birkinshaw 2009) en précisant le bien-fondé, l’efficacité et les conditions d’application de ces innovations (David 2013). Elle est également nécessaire pour discerner les « vraies » innovations des « fausses » (Bouquin et Nikitin 2003) et mieux faire la part entre choix rationnel et mimétisme (Abrahamson 1991).

2Les historiens de la comptabilité se sont intéressés en premier à la diffusion d’outils de contrôle de gestion innovants, tels que le contrôle budgétaire (Boyns et Berland 2002), les coûts standard (Zimnovitch 1996), l’imputation des coûts indirects (Levant et Zimnovitch 2013) ou encore les méthodes d’équivalence GP et UVA (Levant et de La Villarmois 2001, 2004). Plus récemment, de nombreuses recherches se sont focalisées sur les innovations en contrôle de gestion stratégique (Malleret et al. 2015), telles que la méthode Activity-Based Costing (Gosselin 1997), le Balanced Scorecard (Bourguignon et al. 2002) ou encore le Beyond Budgeting (Berland et al. 2015).

3La littérature sur les innovations en contrôle de gestion traite principalement de trois grandes questions : la diffusion de ces innovations au niveau d’un pays ou d’un secteur (Malmi 1999, Alcouffe et al. 2003, 2008), les déterminants organisationnels de leur adoption (Godowski 2003, 2004, Becker et al. 2015) et les conséquences de leur adoption sur les organisations et leurs parties prenantes (Malmi 1997, Cagwin et Bouwman 2002). Cette littérature a produit de nombreuses connaissances, notamment grâce à la complémentarité des approches méthodologiques utilisées. Néanmoins, après la publication de plusieurs centaines d’articles sur le sujet et alors que la recherche semble avoir atteint une certaine maturité, deux lacunes majeures subsistent.

4La première lacune concerne le « paradoxe » des innovations en contrôle de gestion (Nixon et Burns 2012). Ce paradoxe désigne le décalage important entre les taux de diffusion perçus comme relativement faibles de la plupart de ces innovations au regard des avantages qu’elles sont censées apporter aux organisations. La seconde lacune concerne la connaissance accumulée quant aux facteurs d’adoption de ces mêmes innovations. Les études dans ce domaine souffrent de nombreuses limites et les résultats sont loin d’être convergents, échouant ainsi à construire une base de connaissances solide et cumulative dans le temps (Atkinson et al. 1997). Ces deux lacunes sont en outre reliées du fait que l’adoption et la diffusion d’une innovation sont deux processus en interaction, le premier étant imbriqué dans le second (Alcouffe 2006).

5L’objectif du présent article est donc de remédier à ces deux lacunes afin de contribuer de manière substantielle à la littérature sur les innovations en contrôle de gestion et de proposer de nouvelles pistes de recherche. Pour ce faire, nous avons choisi de nous appuyer sur le cas de la relation entre diversité des produits et adoption de la comptabilité par activité, ou méthode « ABC ». Plusieurs raisons expliquent ce choix. L’ABC est considérée comme l’une des innovations managériales les plus importantes de la fin du XX^e siècle (Birkinshaw et al. 2008, Mol et Birkinshaw 2014) et c’est l’innovation en contrôle de gestion la plus étudiée (Gosselin 2007, Zawawi et Hoque 2010). Par ailleurs, elle constitue un cas emblématique des limites de la littérature sur les innovations en contrôle de gestion. Les nombreuses études reportent des taux de diffusion perçus comme décevants alors que cette méthode s’est progressivement « institutionnalisée » dans la doctrine et l’enseignement en matière de conception des systèmes de coûts. Ce « paradoxe de l’ABC » (Brown et al. 2004, Gosselin 2007) a engendré un nombre important d’études sur les déterminants de son adoption. Parmi les nombreux facteurs d’adoption, le choix d’étudier la diversité des produits se justifie par l’existence d’un très large consensus sur le plan théorique, alors que l’association entre les deux variables ne semble pas se vérifier sur le plan empirique (Alcouffe et al. 2016).

6Compte tenu des limites identifiées dans la littérature, nous avons choisi de mettre en œuvre une méta-analyse. Ce design de recherche « consiste à agréger les résultats de plusieurs études abordant un même questionnement scientifique, autrement dit une même relation entre deux concepts, pour en dégager un résultat d’ensemble plus général » (Berland et Piot 2014, p. 8). Le recours à ce design est ainsi particulièrement justifié lorsque, comme dans le cas de l’ABC, les résultats des recherches pris isolément peuvent souffrir de biais d’échantillonnage ou d’erreurs de mesure a priori dommageables au caractère cumulatif de leurs conclusions. En combinant un grand nombre d’études, la méta-analyse permet alors de résoudre cette difficulté en réduisant l’influence de ces biais isolés.

7Les résultats de notre étude contribuent de trois manières à la littérature. Premièrement, en produisant une synthèse exhaustive de la littérature et des résultats robustes, notre travail améliore de façon substantielle la compréhension de la relation entre diversité des produits et adoption de l’ABC. De façon globale, il existe bien une relation significative et positive entre les deux, mais parmi les types de diversité, seule la diversité de variété est significativement et positivement associée à l’adoption de l’ABC. Deuxièmement, nos résultats nous permettent de résoudre au moins partiellement le paradoxe des innovations en contrôle de gestion en montrant notamment que les taux de diffusion de ces innovations devraient être calculés différemment. Troisièmement, notre travail ouvre des perspectives originales et importantes pour les recherches consacrées aux innovations en contrôle de gestion.

8Pour justifier ces contributions, la suite de l’article est organisée de la manière suivante. La deuxième partie propose une synthèse de la littérature et développe la problématique relative au lien entre diversité des produits et adoption de l’ABC. La troisième partie est consacrée au design de recherche. La quatrième partie expose les résultats. La cinquième partie propose une discussion de nos résultats et est suivie d’une conclusion.

2 – Littérature et problématique

9La méthode ABC a été conçue pour répondre aux besoins des organisations en matière de calcul et de pilotage de leurs coûts, dans un contexte de complexité accrue de la chaîne de valeur et de diversité croissante dans l’offre de produits/services (Mévellec 1990, Lorino 1991, Bescos et Mendoza 1994). Même si les interprétations divergent parfois (Alcouffe et Malleret 2004), il est possible de parler d’un modèle « canonique » de la méthode s’articulant autour du triptyque « ressources, activités, objets de coûts ». La logique de calcul est la suivante : les activités consomment des ressources et les objets de coûts (produits, services, clients, etc.) consomment des activités. Deux types d’inducteurs sont utilisés pour répartir le coût des ressources sur les activités et celui des activités sur les objets de coûts. Bien que relativement proche de la méthode des centres d’analyse du point de vue du substrat technique (Hatchuel et Weil 1992), l’ABC s’en éloigne en termes de philosophie gestionnaire et de vision simplifiée de l’organisation (Bouquin 2011, Mévellec 2017).

10De nombreuses recherches portent sur les déterminants de l’adoption organisationnelle de l’ABC. Ces recherches s’inscrivent dans une perspective de type « choix rationnel » (Abrahamson 1991) et s’appuient sur la théorie de la contingence [1] (Chenhall 2003, Al-Omiri et Drury 2007). Comme le montrent Alcouffe et al. (2016), pas moins de cinquante facteurs d’adoption ont été étudiés mais les résultats sont très rarement convergents. Par ailleurs, la littérature est relativement floue concernant la définition de ce qu’est un système ABC, aussi bien sur le plan théorique (Alcouffe et Malleret 2004, Mévellec 2005, Gosselin 2007) qu’au niveau de son opérationnalisation (Bisbe et al. 2007, Brierley 2011, Schoute 2011). Plusieurs études montrent que la mise en œuvre de l’ABC peut prendre des formes très variées (Gosselin et Mévellec 2003, Mévellec 2003, Al-Omiri et Drury 2007, Gervais et al. 2010, Pike et al. 2011). Ces variations peuvent se situer au niveau du nombre d’activités ou de processus, de la variété des inducteurs utilisés, etc. (Mévellec 2005, Alcouffe et Mévellec 2012). Cette hétérogénéité des systèmes ABC adoptés dans les faits n’est que très rarement prise en compte dans les études sur les déterminants de son adoption.

11Un autre point de divergence de la littérature concerne la façon dont l’adoption de l’ABC est modélisée. Certaines études modélisent l’adoption sous la forme d’un modèle processuel comprenant un nombre plus ou moins grand d’étapes. Ces étapes vont de l’ignorance de l’existence même de la méthode à son ancrage dans les routines organisationnelles, en passant par la considération de son adoption, son adoption ou son rejet, voire son abandon. D’autres études se contentent de mesurer l’adoption de façon binaire : adoption vs. non-adoption. Cependant, lorsqu’il s’agit de tester l’influence des déterminants sur l’adoption de l’ABC grâce à un modèle statistique, la très grande majorité des études regroupe les organisations en deux catégories : adoptantes/non-adoptantes. Cela oblige les chercheurs à faire un choix en matière de regroupement et la question principale porte sur l’étape de considération de l’adoption. Par définition, les entreprises en cours de considération n’ont pas encore pris leur décision et peuvent très bien l’adopter comme la rejeter. Les études empiriques considèrent alors ces entreprises comme adoptantes ou non-adoptantes sans savoir l’issue réelle du processus.

12Parmi les nombreux facteurs d’adoption de l’ABC, la diversité des produits est à la fois le plus étudié (Alcouffe et al. 2016) et celui présentant un pouvoir explicatif des plus importants (Abernethy et al. 2001). La diversité des produits fait référence à l’ensemble des conditions selon lesquelles les objets de coûts d’une organisation consomment les activités et/ou les activités consomment les ressources de façons différentes (Schoute 2011). Plus la diversité des produits est élevée, plus les consommations de ressources sont susceptibles de varier d’un produit à l’autre (Foster et Gupta 1990, Banker et Johnson 1993, Datar et al. 1993) et plus le système de calcul de coûts doit être sophistiqué afin de mesurer correctement ces différences de consommations (Cooper 1988, Cooper et Kaplan 1991, Mévellec 2005, 2017, Bouquin 2011). Un système de type ABC, avec un plus grand nombre de regroupements de coûts (activités et processus) et une plus grande diversité de clés de répartition (inducteurs volumiques, transactionnels ou support), est supposé mieux répondre à ce besoin de mesurer les différences de consommation (Kaplan 1984, 1986, Cooper 1987, Mévellec 2017). C’est sur ce raisonnement que se fonde l’hypothèse d’une relation positive entre diversité des produits et adoption de l’ABC testée dans cette méta-analyse.

Hypothèse : L’adoption de la méthode ABC est associée à une plus grande diversité des produits.

13Les résultats obtenus par les recherches ayant testé cette hypothèse sont contrastés. Sur les 48 études recensées par Alcouffe et al. (2016), seulement 9 montrent une relation positive et statistiquement significative. Bjørnenak (1997) obtient quant à lui une relation significativement négative tandis que les 38 autres études font état d’une absence de relation. Le consensus théorique sur une relation positive entre diversité des produits et adoption de l’ABC semble donc loin d’être corroboré sur le plan empirique lorsqu’on observe chaque étude séparément. Le recours à la méta-analyse afin de combiner l’ensemble des observations disponibles est donc particulièrement justifié.

14Différentes pistes peuvent être envisagées pour expliquer l’hétérogénéité des résultats issus de la littérature. Outre les différences d’opérationnalisation de l’ABC et de son processus d’adoption évoquées ci-dessus, l’opérationnalisation du concept de diversité nous semble également faire débat. Il existe plusieurs types de diversité : diversité de variété (nombre de produits différents), de volume (différences de volumes fabriqués d’un produit à l’autre), de support (différences d’utilisation des services supports d’un produit à l’autre) et de customisation des produits (Bouwens et Abernethy 2000). Or, la plupart des études utilisent indistinctement l’un ou l’autre de ces types de diversité, voire les agrège sous la forme d’un score composite, sans se poser la question de la spécificité de la relation entre chacun de ces types de diversité et l’adoption de l’ABC. D’autres causes d’hétérogénéité peuvent également être envisagées, telle qu’une relation non linéaire entre diversité et adoption, la prise en compte de niveaux d’analyse différents, la qualité scientifique du support de publication ou encore le manque de puissance statistique liée à la faible taille de certains échantillons [2].

15L’hétérogénéité apparente des résultats issus de la littérature ainsi que les faibles connaissances quant aux multiples facteurs pouvant expliquer cette hétérogénéité justifient ainsi la réalisation d’une méta-analyse de la relation entre diversité des produits et adoption de l’ABC. La démarche de mise en œuvre de cette méta-analyse est expliquée dans la partie suivante.

3 – Design de recherche

3.1 – Principes de la méta-analyse

16Berland et Piot (2014) ont souligné récemment l’intérêt des méta-analyses pour la recherche en comptabilité, contrôle et audit, a fortiori dans le champ du contrôle de gestion dans lequel les méta-analyses sont encore peu nombreuses et restreintes à la question du lien entre participation budgétaire et performance managériale (Greenberg et al. 1994, Derfuss 2009, 2015, 2016, Bonache et al. 2010, 2012). La « méta-analyse intègre les résultats de toutes ces études pour révéler des schémas plus simples de relations qui sous-tendent la littérature, fournissant ainsi une base au développement théorique » (Schmidt et Hunter 2015, p. 17). En clarifiant sur le plan empirique la nature des relations entre plusieurs variables, la méta-analyse permet de corroborer ou d’infirmer une théorie ou de construire une théorie plus générale remplaçant des explications parfois trop contingentes. Sur le plan technique, l’augmentation de la taille d’échantillon par la combinaison des résultats d’études précédentes améliore la puissance statistique des estimations produites sur le sens et l’intensité d’une relation entre variables (Lipsey et Wilson 2001). La méta-analyse permet alors au chercheur de limiter l’influence d’artefacts sur la compréhension des relations entre variables. Elle offre également la possibilité d’expliquer l’hétérogénéité des résultats de la littérature en testant l’influence de différentes variables identifiées dans les recherches antérieures.

17Comme évoqué dans la section précédente, les résultats des études antérieures sont contradictoires sur le sens et l’intensité de la relation entre diversité des produits et adoption de l’ABC alors que la littérature professionnelle et la doctrine en matière de conception des systèmes de coûts suggèrent une relation clairement positive et significative. Plus le nombre de produits fabriqués est divers, plus leur degré de customisation est élevé, plus ces produits sont fabriqués en des volumes différents et avec des consommations d’activités supports variées, plus la probabilité que la méthode ABC soit adoptée devrait être élevée. Une méta-analyse des études évaluant la relation entre diversité des produits et adoption de la méthode ABC semble donc pertinente pour trois raisons : (1) comprendre l’hétérogénéité des résultats empiriques, (2) fournir une estimation moyenne du sens et de l’intensité de la relation et (3) discuter de la réalité de la relation théorique positive mise en avant dans la littérature.

3.2 – Collecte des données

18Pour constituer notre échantillon d’études, nous avons tout d’abord procédé à un recensement exhaustif des articles publiés en langues française et anglaise et portant sur la thématique large de l’adoption de l’ABC. Pour ce faire, nous avons commencé par travailler à partir des principales bases électroniques d’articles ScienceDirect, EBSCO-Business Source Premier, Emerald et JSTOR. Ces bases de données ont été interrogées à plusieurs reprises courant 2015 avec les requêtes et mots-clés suivants : « activity » et « costing » dans le titre du document puis « ABC » dans le titre du document et « activity » dans le corps du texte. Afin de compléter ce travail sur les bases, nous avons consulté manuellement les bibliographies des études déjà sélectionnées ainsi que celles des revues de littérature sur l’ABC (Gosselin et Ouellet 1999, Gosselin et Pinet 2002, Gosselin 2007, Zawawi et Hoque 2010).

19Nous avons également publié une première version de ce projet d’article sur Ideas RePEc qui a ensuite été référencée sur Google Scholar. Cette procédure, identique à celle employée par Bonache et al. (2012), a permis de sélectionner un certain nombre d’études potentiellement intéressantes et non identifiées jusqu’alors. Ceci nous a permis d’élargir nos sources au-delà des seuls articles publiés et d’inclure des communications à des conférences, des thèses, des chapitres d’ouvrages ainsi que des working papers.

20Sur les 159 recherches initialement identifiées, nous n’avons conservé que les études quantitatives s’intéressant au lien entre diversité des produits et adoption de l’ABC et donnant suffisamment d’information pour que l’on puisse procéder aux traitements nécessaires à une méta-analyse quantitative. Le corpus final est composé de 24 études satisfaisant ces critères de sélection. Pour réduire les risques d’erreurs de sélection, deux des auteurs de l’article ont mené séparément le processus de collecte et de sélection des études avant de mettre en commun et de discuter leurs résultats afin d’arriver à une convergence parfaite.

21L’annexe 1 présente les caractéristiques des 24 études retenues, représentant un échantillon total cumulé de 5 253 organisations. Plusieurs méta-analyses ont été menées sur la base de cet échantillon : une méta-analyse principale quel que soit le type de diversité mesurée et des méta-analyses en sous-groupes par type spécifique de diversité. L’ensemble des traitements statistiques mis en œuvre est présenté de manière détaillée en annexe 2.

4 – Résultats

22Dans cette partie, nous présentons tout d’abord les résultats de la méta-analyse globale et des tests d’homogénéité avant de détailler ceux des méta-analyses réalisées en sous-groupes, par type de diversité et autres variables de contrôle.

4.1 – Méta-analyse globale

23Le premier résultat principal de notre méta-analyse est obtenu sur la base des 24 études de l’échantillon, avec les éléments statistiques en gras de l’annexe 1. Les tests d’homogénéité des tailles d’effet révélant de l’hétérogénéité (Q = 58,29 et I ² = 60,5 %, rejet de l’hypothèse d’homogénéité avec une p-value < 0,001), nous avons eu recours au modèle à effets aléatoires pour l’estimation de la taille d’effet moyenne. Comme le montre le tableau 1, la taille d’effet moyenne est positive et significative, mais petite, car inférieure à 0,20 (Cohen 1988).

Tableau 1

Taille d’effet moyenne et intervalle de confiance de la méta-analyse globale

N = 24 études, 5 253 observations Taille d’effet moyenne Écart-type Intervalle de confiance à 95 % Z p-value Effets aléatoires 0,109 0,035 0,041 0,178 3,116 0,002

Taille d’effet moyenne et intervalle de confiance de la méta-analyse globale

24Ceci nous conduit à ne pas rejeter l’hypothèse selon laquelle il existe une relation positive entre la diversité des produits et l’adoption de l’ABC. Ce premier résultat s’énonce ainsi :

Résultat 1. Sur la base des études précédentes représentant un échantillon cumulé de 5 253 observations, la diversité des produits d’une entreprise est, en moyenne, positivement et significativement associée à la décision d’adopter la méthode ABC.

Une illustration graphique (graphique en forêt) de ce résultat est proposée en annexe 3.

4.1.1 – Validité de la méta-analyse globale

25Le modèle à effets aléatoires permet de contrôler les erreurs d’échantillonnage et certaines différences entre les études incluses en supposant que ces variations sont aléatoires. Mais compte tenu de l’hétérogénéité observée, il convient de vérifier si toutes ces variations sont effectivement aléatoires ou bien résultent d’un facteur de confusion. Plusieurs facteurs de confusion tels les biais de publication et les petits échantillons sont susceptibles de menacer la validité d’une méta-analyse et sont à ajuster le cas échéant. Le graphique en entonnoir (funnel plot) permet de tester l’existence de facteurs de confusion en mesurant visuellement son asymétrie [3]. La figure 1 présente le graphique en entonnoir de notre méta-analyse avec un intervalle de confiance à 95 % et la droite de régression du test des effets de petits échantillons de Egger et al. (1997). La droite de régression étant significativement différente de la droite verticale centrale, nous pouvons conclure que l’asymétrie du graphique en entonnoir est significative (p-value du test d’Egger = 0,004). Il convient donc de déterminer si cette asymétrie est le résultat de biais ou d’une réelle hétérogénéité des études liée à des différences explicitables (Sterne et Harbord 2004).

Figure 1

Graphique en entonnoir de la méta-analyse globale avec intervalle de confiance à 95 % et droite de régression d’Egger

26 Il est possible d’écarter les deux sources principales du biais de publication, à savoir la tendance des revues à ne publier que les études ayant des résultats significatifs et celle consistant à privilégier les études utilisant certaines méthodes de recherche. En effet, une majorité des études incluses dans notre méta-analyse rapporte une relation non-significative entre les deux variables d’intérêt et sont pourtant publiées. De plus, les méthodes de recherches utilisées sont souvent différentes. Par ailleurs, compte tenu de notre procédure de collecte, nous avons également pu contrôler la possibilité d’études publiées dans une autre langue que le français ou l’anglais. Enfin, le biais lié aux délais de publication (pipeline bias) est toujours possible mais il y a peu de chance que des études en cours de publication viennent contrebalancer l’asymétrie du graphique en entonnoir. Nous avons recensé au maximum deux études publiées par an sur le sujet depuis 1997, laissant penser que peu d’études sont actuellement en soumission depuis la dernière incluse, datant de 2015.

27Pour confirmer l’absence de biais de publication, il est possible d’utiliser la méthode trim-and-fill qui permet d’évaluer et de corriger les biais de publication (Duval et Tweedie 2000a,b) [4]. En appliquant celle-ci à notre échantillon, nous obtenons une taille d’effet moyenne de 0,019 non significative (p-value = 0,615) avec le modèle à effets aléatoires pour un total reconstitué de 33 études. En revanche, comme l’hétérogénéité est largement plus forte avec ces nouvelles études (Q⁽³³⁾ = 102,78 contre Q⁽²⁴⁾ = 58,29), ceci confirme que d’autres facteurs que des biais de publication expliquent l’asymétrie du graphique en entonnoir et l’hétérogénéité des tailles d’effet de l’échantillon initial (Sterne et Harbord 2004). Le paragraphe suivant présente les résultats des analyses effectuées pour identifier ces autres sources d’hétérogénéité.

4.2 – Méta-analyses en sous-groupes

28Dans une démarche d’analyse exploratoire (Gilboa et al. 2008), nous avons réalisé plusieurs méta-analyses en sous-groupes pour comprendre d’où vient l’hétérogénéité des tailles d’effet de l’échantillon initial soulignée au paragraphe précédent.

4.2.1 – Méta-analyses par type de diversité des produits

29Une première source d’hétérogénéité possible est le type de diversité des produits étudié. Comme l’indique l’annexe 1, plusieurs types de diversité sont étudiés au sein de l’échantillon : diversité de variété (nombre de produits différents), de volume (différences dans les volumes produits), de support (différences d’utilisation des services supports), de customisation (différences dans les degrés de customisation) et de complexité (différences dans les degrés de complexité). En outre, certaines études préfèrent utiliser une mesure composite agrégeant différents types de diversité. Le type de diversité le plus étudié dans l’échantillon est la diversité de variété (15 études), suivi de la diversité de customisation (6) et de volume (5). Pour chacun de ces trois types de diversité, nous avons réalisé une méta-analyse spécifique (tableau 2).

Tableau 2

Méta-analyses par type de diversité des produits

Taille d’effet moyenne Écart-type Intervalle de confiance à 95 % Z p-value Q (I2) Biais Variété – Effets aléatoires (15 études, 3 944 observations) 0,22 0,062 0,098 0,342 3,526 0,000 49,52 (71,7 %) Oui Customisation – Effets aléatoires (6 études, 770 observations) –0,345 0,366 –1,062 0,373 –0,942 0,346 62,12 (92 %) Non Volume – Effets fixes (5 études, 2 803 observations) –0,047 0,043 –0,132 0,038 –1,086 0,277 4,26 (6,1 %) Non

Méta-analyses par type de diversité des produits

Notes : la colonne « Biais » rapporte le résultat du test d’Egger concernant les biais de publication et les effets de petits échantillons. Pour la méta-analyse sur la diversité de variété, nous obtenons les mêmes conclusions que pour la méta-analyse globale et d’autres sources d’hétérogénéité doivent être trouvées. Les résultats des deux autres méta-analyses (customisation et volume) sont fiables (absence de biais de publication et d’effets de petits échantillons). Le modèle à effets aléatoires de la méta-analyse sur la diversité de customisation permet de contrôler l’hétérogénéité trouvée qui provient alors de différences purement aléatoires entre les études incluses.

30Sur la base du tableau 2, nous pouvons énoncer les résultats suivants :

Résultat 2a. Sur un échantillon de 3 944 observations, la diversité de variété est, en moyenne, positivement et significativement associée à la décision d’adopter la méthode ABC.
Résultat 2b. Sur un échantillon de 770 observations, la diversité de customisation est, en moyenne, non significativement associée à la décision d’adopter la méthode ABC.
Résultat 2c. Sur un échantillon de 2 803 observations, la diversité de volume est, en moyenne, non significativement associée à la décision d’adopter la méthode ABC.

Au vu de ces résultats, il semble donc que le type de diversité étudié soit un facteur explicatif de l’hétérogénéité des résultats obtenus lors de la méta-analyse globale. Parmi les différents types de diversité, seule la diversité de variété est associée de façon significative à l’adoption de la méthode ABC.

4.2.2 – Autres causes possibles d’hétérogénéité

31Afin de déterminer d’autres causes d’hétérogénéité inter-études, nous avons effectué un test ANOVA méta-analytique (procédure détaillée en annexe 2) sur cinq variables susceptibles de causer l’hétérogénéité de la méta-analyse globale (tableau 3). Ces cinq variables sont : l’inclusion (ou non) des entreprises en phase de considération de l’adoption de l’ABC dans le groupe des entreprises « adoptantes », le niveau d’analyse de l’étude (la réponse concerne l’entreprise dans sa globalité ou uniquement l’entité opérationnelle du répondant), le secteur d’activité des organisations constituant l’échantillon (tous secteurs confondus ou uniquement industrie), l’utilisation (ou non) d’un modèle par étape pour mesurer l’adoption de l’ABC et la qualité du support de publication de l’étude (revue classée par la section 37 du CNRS ou non).

Tableau 3

Tests ANOVA méta-analytiques sur la statistique Q du modèle à effets fixes de la méta-analyse globale par variable de contrôle^a,b

Variance Q df p-value Considération incluse dans l’adoptiona Inter-études 3,105 1 0,078 Homogénéité non rejetéeb Intra-études 54,774 20 0,000 Homogénéité rejetée Totale 57,879 21 0,000 Homogénéité rejetée Niveau d’analyse Inter-études 3,603 1 0,058 Homogénéité non rejetée Intra-études 54,691 22 0,000 Homogénéité rejetée Totale 58,294 23 0,000 Homogénéité rejetée Secteur d’activité Inter-études 1,569 1 0,210 Homogénéité non rejetée Intra-études 56,725 21 0,000 Homogénéité rejetée Totale 58,294 23 0,000 Homogénéité rejetée Modèle d’adoption par étape Inter-études 10,206 1 0,001 Homogénéité rejetée Intra-études 48,088 22 0,001 Homogénéité rejetée Totale 58,294 23 0,000 Homogénéité rejetée Qualité du support de publication Inter-études 5,9 1 0,015 Homogénéité rejetée Intra-études 52,394 22 0,000 Homogénéité rejetée Totale 58,294 23 0,000 Homogénéité rejetée

Tests ANOVA méta-analytiques sur la statistique Q du modèle à effets fixes de la méta-analyse globale par variable de contrôle^a,b

Notes :
a. Les deux études ne donnant pas l’information ont été exclues de l’analyse (voir annexe 1).
b. Lorsque l’hypothèse d’homogénéité ne peut être rejetée pour la variance inter-études, la variable considérée permet d’expliquer une partie de l’hétérogénéité de la méta-analyse globale en ne laissant qu’une hétérogénéité intra-études contrôlable par le modèle à effets aléatoires.

32Sur la base des résultats du tableau 3, il est possible d’effectuer des méta-analyses en sous-groupes avec le modèle à effets aléatoires pour faire émerger des différences de taille d’effet pour chaque valeur des variables considérées. Les résultats des méta-analyses en sous-groupes pour les trois variables expliquant l’hétérogénéité (en gras dans le tableau 3) sont présentés dans le tableau 4.

33En nous fondant sur le tableau 4, nous pouvons énoncer les résultats suivants :

Résultat 3a. Le fait d’inclure la considération dans l’adoption ne diminue pas la taille de l’effet entre diversité des produits et adoption de l’ABC. Que les entreprises considérant l’adoption soient incluses ou non dans le groupe des entreprises adoptantes, la taille d’effet moyenne reste significativement différente de zéro.
Résultat 3b. Le niveau d’analyse n’a pas d’impact significatif sur la taille d’effet entre diversité des produits et adoption de l’ABC. Que l’étude soit située au niveau de l’entité opérationnelle ou au niveau global de l’entreprise, la taille d’effet moyenne reste significativement différente de zéro [5].
Résultat 3c. La taille d’effet est positive et significative pour les entreprises appartenant à un secteur de l’industrie, et non significative lorsque l’étude est multisectorielle.

35Parmi les trois variables expliquant l’hétérogénéité, le secteur d’activité est donc le seul facteur de confusion de l’association entre diversité des produits et adoption de l’ABC.

Tableau 4

Méta-analyses par variable expliquant l’hétérogénéité (sous-groupes, modèle à effets aléatoires)^a,b

Taille d’effet moyenne Intervalle de confiance à 95 % Poids en pourcentage Z p-value Considération incluse dans l’adoptiona Non 0,143** 0,017 0,268 57,66 2,23 0,026 Oui 0,106** 0,002 0,210 35,28 1,99 0,046 Niveau d’analyse Global 0,139** 0,024 0,255 51,76 2,37 0,018 Entité opérationnelle 0,119* –0,019 0,256 48,24 1,69 0,092 Secteur d’activitéb Tous 0,127 –0,041 0,294 27,64 1,48 0,139 Industrie 0,132** 0,027 0,238 70,64 2,47 0,014

Méta-analyses par variable expliquant l’hétérogénéité (sous-groupes, modèle à effets aléatoires)^a,b

Notes : * indique une taille d’effet significative à 10 % et ** une taille d’effet significative à 5 %.
a. Les deux études ne donnant pas l’information ont été exclues de l’analyse (voir annexe 1).
b. La seule étude dont l’échantillon concerne uniquement des entreprises de service a été exclue (Pavlatos et Paggios 2009).

5 – Discussion

36Cette partie est consacrée à la discussion de nos résultats qui contribuent de trois manières à la littérature. Premièrement, en produisant une synthèse exhaustive de la littérature et des résultats robustes, cette méta-analyse améliore de façon importante la compréhension de la relation entre diversité des produits et adoption de l’ABC. Deuxièmement, la discussion des résultats nous permet de résoudre au moins partiellement le paradoxe des innovations en contrôle de gestion. Troisièmement, notre étude propose des pistes de recherche originales pour développer notre compréhension de la diffusion des innovations en contrôle de gestion.

5.1 – Lien entre diversité des produits et adoption de l’ABC

37En premier lieu, cet article contribue à la littérature sur la méthode ABC en approfondissant et en améliorant la compréhension du lien entre diversité des produits et adoption de l’ABC. Nos résultats montrent que 1) la diversité des produits d’une entreprise est positivement et significativement associée à l’adoption de la méthode ABC ; 2) parmi les différents types de diversité, seule la diversité de variété est positivement et significativement associée à l’adoption de la méthode ABC ; et 3) le secteur d’activité est le seul facteur modérateur (facteur de confusion) de cette association.

38Le premier résultat est important dans la mesure où il infirme les conclusions des précédentes revues de littérature, selon lesquelles il n’existerait pas de relation entre diversité des produits et adoption de l’ABC. En augmentant la taille de l’échantillon par la combinaison des résultats des études précédentes, l’utilisation de la méta-analyse nous a permis d’améliorer la puissance statistique des estimations produites et nous permet de proposer un résultat scientifiquement robuste. Il suggère en ceci d’étendre l’utilisation de la méta-analyse aux autres déterminants de l’adoption de l’ABC, comme aux autres innovations en contrôle de gestion, afin d’obtenir des conclusions plus robustes que celles proposées jusqu’ici dans les revues de littérature non quantitatives sur le sujet (Gosselin 2007, Zawawi et Hoque 2010).

39Le deuxième résultat montre que parmi les trois types de diversité testés, seule la diversité de variété est associée de façon significative à l’adoption de l’ABC. Plus une entreprise fabrique et vend des produits différents, plus elle a tendance à adopter la méthode ABC. Ceci est conforme au consensus théorique sur la relation entre diversité et adoption de l’ABC. En revanche, les deux autres types de diversité (volume et customisation) ne sont pas significativement associés à l’adoption de l’ABC sur le plan statistique. Ces résultats peuvent être interprétés de la manière suivante. La diversité de volume – i.e. les différences dans les volumes fabriqués de chaque produit – ne nous semble pas être une source réelle de difficulté pour l’allocation des coûts puisque les études réalisées dans différents pays montrent que les clés de répartition généralement utilisées par les entreprises sont majoritairement de type volumique (Bhimani 1996, Lamminmaki et Drury 2001). Il est donc probable que la diversité de volume soit déjà correctement prise en compte par les systèmes utilisés dans les organisations, ce qui réduit l’intérêt d’adopter l’ABC. Concernant la diversité de customisation, il est possible que celle-ci ne soit qu’une sous-dimension de la diversité de variété. En effet, on peut imaginer que le degré de customisation soit corrélé au nombre de produits : un produit fortement customisé pour un client sera considéré comme un produit supplémentaire dans la gamme. Il serait donc souhaitable de vérifier que ces deux types de diversité, variété et customisation, sont bien des construits différents. Enfin, il est possible que le lien entre customisation et adoption de l’ABC ne soit pas significatif en raison du nombre relativement faible d’observations disponibles dans la littérature : 770 vs. 2 803 et 3 944 respectivement pour la diversité de volume et de variété.

40Le recours à la méta-analyse nous a également permis de tester l’influence de différentes variables modératrices afin d’expliquer l’hétérogénéité des résultats. Le troisième résultat de notre étude montre ainsi que seul le secteur d’activité a un effet modérateur sur la relation entre diversité des produits et adoption de l’ABC. La relation entre diversité des produits et adoption de l’ABC n’est significative qu’au sein du groupe constitué des études dont l’échantillon se limite aux entreprises industrielles. Lorsque les échantillons mélangent industrie, distribution et services, l’association entre diversité et adoption de l’ABC n’est pas significative. Ce résultat peut sembler étonnant dans la mesure où le concept de diversité des produits s’applique aussi bien dans l’industrie que dans les services ou la distribution, et que l’utilité de la méthode ABC dans un contexte de forte diversité est potentiellement la même, quel que soit le secteur d’activité. Néanmoins, il est possible que l’utilisation de l’ABC soit plus indiquée pour tenir compte d’une diversité élevée dans un milieu industriel en raison de la nature des coûts indirects à traiter (Drury et Tayles 2005). Une grande partie de ces coûts peut être liée à la consommation de ressources technologiques et par des activités dont les inducteurs sont de type transactionnel, ce qui est plus facilement pris en compte par l’ABC. À l’inverse, dans les services, une grande proportion des coûts est souvent liée aux salaires et aux temps passés sur des activités dont les inducteurs sont de type support. Ces coûts sont particulièrement difficiles à allouer de façon non arbitraire, même avec l’ABC, ce qui diminue donc fortement l’intérêt de son adoption. Néanmoins, la variante Time-Driven de la méthode ABC, le « TDABC » a justement été spécialement conçue pour remédier à ce problème d’allocation des coûts dans les activités de service (Kaplan et Anderson 2008). Il serait donc intéressant d’approfondir les recherches portant spécifiquement sur l’adoption du TDABC dans le secteur des services.

41Parmi les autres variables modératrices testées, le fait d’inclure les entreprises en phase de considération dans le groupe des entreprises adoptantes n’a pas d’impact sur la taille de l’effet entre diversité des produits et adoption de l’ABC. Ce résultat nous semble étonnant. Considérer les entreprises en phase de réflexion comme étant déjà adoptantes nous paraît abusif. Rien ne dit que ces entreprises vont finalement adopter l’ABC après réflexion. Plusieurs études montrent qu’une proportion non nulle y renonce effectivement (Bjørnenak 1997, Alcouffe et Guedri 2008). Pour mesurer l’influence d’un facteur sur la décision d’adopter une innovation, il est préférable de comparer les entreprises qui ont adopté avec celles qui ont rejeté l’adoption après considération, et de laisser de côté les entreprises en cours de considération car il est impossible de savoir dans lequel des deux groupes (adoption/rejet) celles-ci vont se retrouver une fois l’étape de considération franchie. Il est néanmoins possible que ce résultat soit dû au fait que la proportion d’entreprises en phase de considération est relativement faible dans les études de notre échantillon et que, parmi elles, seule une proportion encore plus faible n’adoptera pas l’ABC. Les entreprises abusivement considérées comme adoptantes représenteraient ainsi une faible part de l’échantillon total, expliquant que cette variable modératrice ne soit pas significative dans nos résultats.

42Enfin, nos résultats montrent que le fait de situer l’étude au niveau de l’entité opérationnelle ou de l’entreprise dans sa globalité n’a pas d’impact significatif sur la taille d’effet entre diversité des produits et adoption de l’ABC. Comme pour l’inclusion de la considération dans l’adoption, ce résultat nous paraît surprenant. Il vient contredire les arguments avancés par certains auteurs (Krumwiede 1998, Al-Omiri et Drury 2007, Al-Sayed et Dugdale 2015) justifiant de situer l’étude au niveau de l’entité opérationnelle par le fait que la diversité des produits peut très bien être différente entre deux entités d’une même organisation, et que l’adoption de l’ABC peut également se faire au sein d’un périmètre organisationnel restreint. Ces deux variables pouvant prendre des valeurs différentes d’une entité à l’autre au sein d’une même organisation, il serait plus logique d’étudier leur relation entité par entité, et non pas organisation par organisation. Les résultats ne valident pas ce raisonnement, ce qui nous amène à inciter les recherches futures à se pencher sur cette question.

5.2 – Vers une résolution du paradoxe des innovations en contrôle de gestion

43Cet article nous a permis de soulever un certain nombre de points qui nous semblent justifier une relecture du paradoxe de l’ABC et des innovations en contrôle de gestion. Ce paradoxe repose sur l’apparente contradiction entre les faibles taux de diffusion des innovations en contrôle de gestion constatés dans la littérature et les promesses de ces innovations pour répondre aux besoins grandissants des organisations en matière de pilotage. Poole et Van de Ven (1989) proposent quatre stratégies pour aborder les paradoxes en management et tirer des contributions théoriques. L’une des stratégies consiste à introduire une nouvelle façon de définir les concepts afin de résoudre le paradoxe. Nous pensons qu’il est possible de mobiliser cette stratégie pour résoudre le paradoxe des innovations en contrôle de gestion et contribuer ainsi de manière importante à la littérature sur les innovations en contrôle de gestion. La résolution du paradoxe passe selon nous par une meilleure spécification des facteurs d’adoption ainsi que par une nouvelle façon d’appréhender les concepts d’adoption et de succès de la diffusion.

44Un paradoxe est constitué de deux propositions contradictoires (Poole et Van de Ven 1989) [6]. Les deux propositions constituant le paradoxe des innovations en contrôle de gestion s’énoncent ainsi : a) les innovations en contrôle de gestion répondent aux besoins des organisations, elles devraient donc être adoptées et b) la diffusion des innovations en contrôle de gestion est un échec, leur taux de diffusion est faible.

45Le deuxième résultat de cet article souligne que parmi les différents types de diversité des produits, seule la diversité de variété est significativement associée à l’adoption de l’ABC. Ce résultat permet de mieux préciser le type d’organisations auxquelles l’ABC s’adresse et nous incite à modifier la proposition a) du paradoxe appliqué à l’ABC. Cette proposition devient ainsi : l’ABC répond aux besoins des organisations ayant une variété élevée de produits, elle devrait être adoptée par ces organisations [7]. Il s’ensuit que la proposition b) du paradoxe n’est plus forcément en contradiction avec la proposition a) ainsi reformulée car les organisations avec une variété de produits élevée ne représentent qu’une sous-partie de la population totale des organisations. Un taux de diffusion global de 15 % présenté comme un « échec » pourrait finalement se révéler être un « succès » s’il correspond en fait à 60 % des organisations avec une variété de produits élevée. En d’autres termes, l’évaluation du succès ou de l’échec de la diffusion d’une innovation est relative. Nous proposons dorénavant de l’évaluer en prenant un taux de diffusion calculé avec comme dénominateur uniquement les organisations les plus susceptibles de tirer avantage de l’adoption de l’innovation en question, plutôt que d’utiliser l’ensemble des organisations d’un échantillon ou d’une population. Ce premier argument justifie à nos yeux que la littérature sur les innovations en contrôle de gestion reconsidère la nature paradoxale de leur diffusion et se libère autant que possible du biais « pro-innovation » (Rogers 1995) qui la pousse souvent à considérer que toutes les innovations en contrôle sont bonnes à adopter pour toutes les organisations.

46Une deuxième façon de résoudre le paradoxe consiste à modifier la façon de définir et d’opérationnaliser l’adoption des innovations en contrôle de gestion. La grande majorité des études modélisent l’adoption soit comme un processus en plusieurs étapes, soit comme un phénomène binaire (adoption/non-adoption). Comme nous l’avons vu dans notre revue de littérature, les études qui utilisent un modèle en plusieurs étapes finissent le plus souvent par réduire le phénomène à deux étapes dans leurs tests statistiques. La mesure d’un taux de diffusion reposant sur cette représentation binaire de l’adoption est pauvre en information et ne reflète que très imparfaitement la complexité du phénomène. Elle ne prend pas en compte le fait qu’une innovation peut être utilisée à des degrés variés et de différentes manières. Askarany et Yazdifar (2011) montrent par exemple que les taux de diffusion de l’ABC en Australie, en Nouvelle-Zélande et au Royaume-Uni sont plus élevés lorsqu’on interroge les organisations sur leur façon d’utiliser les principes de l’ABC plutôt qu’en leur demandant de façon binaire si elles ont adopté cette méthode. Cette question est d’autant plus prégnante que la définition des innovations en contrôle de gestion est souvent floue.

47Il n’est pas évident de répondre à la question « qu’est-ce qu’un système ABC ? » ou « qu’est-ce qu’un Balanced Scorecard ? ». En l’absence de définition connue et reconnue de la grande majorité des praticiens, il est tout à fait possible qu’une organisation utilise une innovation sans le savoir et qu’elle se déclare comme « non adoptante » dans une enquête de diffusion. L’entreprise étudiée par Jorgensen et Messner (2010) utilise par exemple de nombreux outils de contrôle de gestion stratégique sans jamais les appeler ainsi. Plusieurs consultants interrogés par Alcouffe (2004) déclarent ne pas mentionner le terme « méthode ABC » lorsqu’ils la mettent en place chez leurs clients. L’inverse est également possible : il se peut que certains répondants aux enquêtes déclarent avoir adopté l’ABC sans qu’il soit possible de l’établir avec certitude en l’absence de définition standard.

48Cette seconde série d’arguments justifie à nos yeux que l’on reconsidère la proposition b) du paradoxe car il est possible que les taux de diffusion des innovations en contrôle soient plus élevés qu’il n’y paraît [8]. En outre, le fait que les résultats de notre méta-analyse montrent que l’inclusion de la considération dans l’adoption n’a pas d’impact sur la relation entre diversité des produits et adoption de l’ABC nous amène à penser que la mesure de l’adoption sous forme d’étape est sans doute moins pertinente que celle qui prendrait en compte le degré d’utilisation de l’innovation. Il serait intéressant de tester cette hypothèse. Ceci nous amène à la troisième partie de la discussion qui correspond aux pistes de recherche futures.

5.3 – De nouvelles pistes pour la recherche sur les innovations en contrôle de gestion

49Les systèmes ABC adoptés dans les organisations peuvent prendre différentes formes mais cette variété n’est que rarement prise en compte par la littérature. Ce constat est généralisable à l’ensemble des innovations en contrôle de gestion (Günther et Gäbler 2014). Or, la non-prise en compte des degrés variés et des différentes formes d’utilisation de ces innovations est non seulement source d’hétérogénéité dans l’étude de leurs facteurs d’adoption (cf. §5.1.) mais conduit également à considérer à tort que leur diffusion est paradoxale (cf. §5.2.). Il nous parait donc souhaitable d’inviter les recherches futures à approfondir notre connaissance des différentes formes que peuvent prendre les innovations en contrôle de gestion une fois adoptées et mises en œuvre, ainsi que leurs différentes utilisations.

50L’approfondissement de cet axe de recherche passe en priorité par la réalisation d’études de cas approfondies qui permettront d’élaborer de meilleures hypothèses que celles pour l’instant testées sur de grands échantillons. Nous nous joignons ainsi à Nixon et Burns (2012) qui constatent que de telles études sont encore trop rares. Dans le cas de l’ABC, des recherches exploratoires (Gosselin et Mévellec 2003, Mévellec 2003, Bertrand et Mévellec 2008) ont par exemple montré que les systèmes mis en œuvre pouvaient varier quant à l’introduction de la transversalité au niveau des activités et/ou des processus, mais on ne sait encore que peu de choses sur les facteurs qui poussent les organisations à faire de tels choix.

51Une seconde piste de recherche concerne la diversité des produits et son lien avec l’adoption des innovations en contrôle de gestion. En précisant la relation entre diversité et adoption de l’ABC, notre étude permet de suggérer aux recherches futures d’utiliser en priorité la diversité de variété comme variable de contrôle ou modératrice dans l’étude d’autres facteurs d’adoption. Il serait par ailleurs intéressant de vérifier empiriquement que l’adoption de l’ABC a bien un effet positif sur la performance des organisations à forte diversité de variété. Ceci ne se limite d’ailleurs pas à l’ABC (Ittner et al. 2002, Zawawi et Hoque 2010) et constitue une direction intéressante à suivre pour l’ensemble des études sur les conséquences de l’adoption des innovations en contrôle de gestion.

52La production de nouvelles connaissances relatives aux conséquences de l’adoption des innovations en contrôle de gestion permettrait également de confirmer ou d’infirmer la proposition a) du paradoxe, à savoir que celles-ci répondent correctement aux besoins des organisations qui les adoptent. Des résultats négatifs, bien que probablement insatisfaisants aux yeux d’une grande partie de la communauté, permettraient de résoudre le paradoxe.

53Par ailleurs, nous pensons que la relation entre l’adoption des innovations en contrôle de gestion et la diversité des produits mérite d’être mieux théorisée et davantage explorée empiriquement. La diversité est un concept complexe et multi-dimensionnel, comme nous l’avons constaté dans notre méta-analyse. Il serait par exemple intéressant d’approfondir les premiers travaux sur le lien entre la diversité de customisation et l’adoption des outils de contrôle de gestion stratégique dans les processus de développement de nouveaux produits (Bouwens et Abernethy 2000, Abernethy et al. 2001). L’étude de Jorgensen et Messner (2010) montre par exemple que les outils de contrôle de gestion jouent un rôle fondamental dans les décisions d’allocation de ressources et le management opérationnel des activités de développement de nouveaux produits. On peut donc supposer que l’adoption d’innovations en contrôle de gestion influence la diversité des produits d’une organisation alors que les études sur les facteurs d’adoption partent du postulat inverse. Les études futures gagneraient à envisager une relation à double sens entre diversité des produits et l’adoption des innovations en contrôle de gestion.

54Enfin, le niveau moyen de diversité des produits n’est sans doute pas le même d’un secteur d’activité à l’autre (Messner 2016) et n’a pas les mêmes conséquences en termes de contrôle de gestion que l’on se situe dans l’industrie ou les services (Modell 1996, Malleret 2006). Il serait intéressant pour les recherches futures sur les innovations en contrôle de gestion de se pencher sur cette question, d’autant plus que les résultats de notre méta-analyse montrent que la relation entre diversité des produits et adoption de l’ABC n’est significative qu’au sein des études qui se limitent aux entreprises issues d’un secteur de l’industrie. Là aussi, il serait intéressant d’explorer cette question à travers des études de cas approfondies.

Conclusion

55La littérature sur les innovations en contrôle de gestion constitue un courant majeur de recherche qui n’a cessé de se développer depuis une trentaine d’année. Bien qu’ayant produit de nombreuses connaissances, cette littérature abondante souffre de deux lacunes majeures. La diffusion des innovations en contrôle de gestion serait paradoxalement faible et les études sur les facteurs d’adoption ont pour le moment échoué à construire une base de connaissance solide et cumulative dans le temps (Atkinson et al. 1997). En comblant ces deux limites à travers la mise en œuvre d’une méta-analyse de la relation entre diversité des produits et adoption de l’ABC, cet article représente une contribution importante à la littérature. Le traitement de ce cas emblématique de la littérature nous a permis de mettre en exergue l’état de la connaissance, ses limites et les opportunités de recherches futures. En outre, sur le plan managérial, nous avons tenté d’éclairer les praticiens sur le type de diversité des produits qui justifie le plus la mise en œuvre de la méthode ABC.

56Comme toute recherche, cet article présente des limites. Premièrement, en raison de l’information parfois limitée des études intégrées dans la méta-analyse, seules les erreurs d’échantillonnage et les biais de publication ont pu être contrôlés. L’imperfection de la validité des construits n’a par exemple pas pu être corrigée. De plus, d’autres facteurs de confusion peuvent exister (taille de l’entreprise, formation des dirigeants, etc.) mais n’ont pu être intégrés à l’analyse par manque d’informations disponibles dans les articles synthétisés. Deuxièmement, la méta-analyse quantitative réalisée ne permet pas, par construction, d’intégrer les résultats des études de cas menées sur le sujet. Comme nous l’indiquons dans les pistes de recherche futures, de telles études qualitatives sont nécessaires pour produire de nouvelles connaissances sur l’hétérogénéité des innovations en contrôle de gestion. Troisièmement, le sens de causalité entre diversité des produits et adoption de la méthode ABC ne peut être évalué par une méta-analyse quantitative reposant sur des études en coupe transversale. Des recherches futures s’appuyant sur des études de cas, éventuellement longitudinales, sont donc nécessaires pour déterminer dans quelle mesure la diversité favorise l’adoption ou, au contraire, dans quelle mesure l’adoption encourage (ou décourage) la diversité des produits. Il est en effet possible que l’adoption de l’ABC, en rendant visible le coût des différentes formes de diversité, encourage les entreprises à réduire cette dernière.

Remerciements

Les auteurs remercient Marie Boitier, Delphine Gibassier, Lambert Jerman, Jérémy Morales, les participants au 37e congrès annuel de l’AFC (Clermont-Ferrand 2016) ainsi que les réviseurs anonymes pour leurs commentaires et suggestions. Les auteurs remercient également l’Association Francophone de Comptabilité pour son soutien financier.

Annexe 1

Caractéristiques des 24 études intégrées dans la méta-analyse

Auteurs Revue classée CNRS Pays Taille d’échantillon Type de diversitéa Considération incluse dans l’adoption Niveau d’analyse Secteur d’activité Modèle par étape Taille d’effet (g de Hedges)b Écart-type Poids (inverse de la variance) Sens de la relation Ahmadzadeh et al. (2011) Non Iran 57 Variété Non Entreprise Tous Oui 0,175 0,191 27,45 + 57 Volume Non –0,177 0,130 59,21 – 57 Support Non –0,034 0,160 38,86 – 57c Moyenne Non –0,012 0,304 10,86 – Al-Omiri et Drury (2007) Oui Royaume-Uni 153 Volume N/A Entité op. Tous Oui –0,018 0,097 106,06 – 153 Support N/A –0,134 0,104 92,05 – 153 Moyenne N/A –0,076 0,171 34,32 – Al-Sayed et Dugdale (2015) Oui Royaume-Uni 152 Composite N/A Entité op. Industrie Oui 0,082 0,163 37,44 + Bjørnenak (1997) Oui Norvège 53 Variété Non Entreprise Industrie Oui 1,607 0,315 10,11 + 53 Customisation Non –3,050 0,403 6,16 – 53 Moyenne Non –0,721 0,282 12,58 – Brierley (2011) Non Royaume-Uni 186 Customisation Non Entité op. Industrie Oui –0,195 0,340 8,63 – 169 Customisation Non –0,204 0,341 8,59 – 73 Customisation Non –0,318 0,353 8,02 – Brown et al. (2004) Oui Australie 150 Composite Oui Entité op. Tous Oui 0,046 0,021 2 376,41 + 150 Composite Oui 0,018 0,026 1 451,40 + 46 Composite Non 0,103 0,160 39,13 + Charaf et Bescos (2013) Non Maroc 62 Composite Non Entreprise Tous Oui 0,460 0,314 10,17 + Chen et al.(2001) Non Hong-Kong 90 Variété Oui Entreprise Tous Oui 0,526 0,291 11,82 + 90 Customisation Oui 0,414 0,290 11,88 + 90 Moyenne Oui 0,470 0,291 11,85 +

Notes :
a. Certains articles testent séparément l’association entre adoption de l’ABC et plusieurs types spécifiques de diversité. Le tableau 1 donne ainsi le détail des tailles d’effet par type de diversité. Lorsque l’étude ne mesure pas la diversité de façon composite, nous avons fait la moyenne arithmétique des tailles d’effet des différents types de diversité pour l’inclure dans la méta-analyse principale.
b. Lors du codage des articles, le d de Cohen a été calculé à partir des informations statistiques disponibles en suivant les procédures de Lipsey et Wilson (2001), puis transformé en g de Hedges en le multipliant par le facteur de correction J suivant : equation im6

, avec df le degré de liberté de l’étude (Borenstein et al. 2009). La variance de g est alors calculée telle que : V_g = J² × V_d.
c. Les lignes en gras représentent les tailles d’effet retenues pour chaque étude dans la méta-analyse principale.
d. La moyenne arithmétique de la taille d’effet a été calculée sur les 5 mesures de diversité de l’article même si l’une d’entre elle portait sur un échantillon de 59 entreprises et non 61.

Chongruksut et Brooks (2005) Non Thaïlande 61 Complexité Oui Entreprise Tous Oui 0,770 0,265 14,25 + 61 Variété Oui 0,434 0,259 14,95 + 59 Variété Oui 0,027 0,292 11,73 + 61d Moyenne Oui 0,410 0,261 14,64 + Clarke et al. (1999) Oui Irlande 204 Variété Non Entreprise Industrie Oui 0,646 0,417 5,74 + 204 Variété Oui 0,311 0,218 21,02 + Dahlgren et al. (2001) Non Suède 145 Variété Non Entreprise Industrie Oui 0,202 0,204 23,96 N/A 145 Customisation Non 0,251 0,204 23,92 N/A 145 Complexité Non 0,186 0,204 23,98 N/A 145 Volume Non 0,171 0,204 23,99 N/A 145 Moyenne Non 0,203 0,204 23,96 N/A Groot (1999) Non Pays-Bas 116 Variété Oui Entreprise Industrie Oui 0,135 0,212 22,16 + 116 Variété Non 0,071 0,315 10,07 + Ismail et Mahmoud (2012) Non Égypte 82 Composite Non Entreprise Industrie Oui 0,221 0,709 1,99 + Ittner et al.(2002) Oui États-Unis 2 328 Variété Non Entité op. Industrie Non 0,093 0,064 244,65 + 2 328 Volume Non –0,068 0,056 322,71 – 2 328 Moyenne Non 0,012 0,047 448,06 + Jusoh et Miryazdi (2015) Oui Iran 188 Variété Oui Entreprise Industrie Oui 0,118 0,066 226,53 + 188 Variété Non 0,372 0,123 66,10 + 188 Variété Non 0,329 0,143 49,06 + Kallunki et Silvola (2008) Oui Finlande 105 Customisation Non Entreprise Tous Non –0,004 0,217 21,30 – 105 Variété Non 0,093 0,217 21,28 + 105 Moyenne Non 0,045 0,217 21,30 + Khalid (2005) Non Arabie Saoudite 39 Variété Non Entreprise Tous Oui 0,921 0,466 4,60 + Krumwiede (1998) Oui États-Unis 225 Composite Non Entité op. Industrie Oui 0,513 0,103 93,61 + Maelah et Ibrahim (2007) Non Malaisie 108 Composite Non Entreprise Industrie Non 0,564 0,355 7,95 +

Malmi (1996) Non Finlande 271 Variété Non Entité op. Industrie Oui 0,292 0,157 40,48 + Nguyen et Brooks (1997) Non Australie 120 Complexité Oui Entreprise Industrie Oui 0,475 0,222 20,22 + 120 Complexité Oui 0,451 0,222 20,26 + 120 Variété Oui 0,326 0,221 20,44 + 120 Volume Oui 0,255 0,221 20,51 + 120 Complexité Oui 0,113 0,220 20,61 + 120 Moyenne Oui 0,324 0,361 7,66 + Pavlatos et Paggios (2009) Non Grèce 85 Variété Non Entreprise Services Oui 0,165 0,254 15,55 + Rbaba’h (2013) Non Jordanie 82 Variété Non Entreprise Industrie Non 0,001 0,003 134 105,22 + Schoute (2011) Oui Pays-Bas 191 Composite Non Entreprise Industrie Oui 0,428 0,192 27,17 + 191 Customisation Non –0,027 0,191 27,54 – 191 Composite Non 0,201 0,191 27,44 + 178 Globale Non 0,448 0,238 17,73 + 178 Customisation Non –0,243 0,237 17,85 –

Annexe 2

Précisions méthodologiques sur les traitements mis en œuvre

57Les méta-analyses réalisées dans cette étude ont été effectuées avec les macros « MeanES.ado » et « MetaF.ado » pour Stata de David Wilson (disponibles à l’adresse suivante : http://mason.gmu.edu/~dwilsonb/ma.html) et avec les packages de méta-analyse de Stata 13. Le travail de codage des articles a été préalablement effectué sur Excel, une première fois individuellement par deux chercheurs de l’équipe, et une seconde fois collectivement afin de résoudre l’ensemble des disparités révélées lors du premier codage.

58Les études sur la relation entre diversité des produits et adoption de la méthode ABC reposent sur la comparaison d’échantillons indépendants d’entreprises « adoptantes » et « non adoptantes ». La statistique de taille d’effet pertinente pour cette méta-analyse est une différence de moyenne standardisée (Lipsey et Wilson 2001, Cooper et al. 2009). Deux statistiques sont disponibles dans la littérature, le d de Cohen et le g de Hedges qui corrige le premier d’une surestimation de valeur absolue dans le cas de faibles échantillons (Cooper et al. 2009).

59Pour chaque étude incluse, le d de Cohen et sa variance ont été calculés pour chaque mesure de diversité en suivant les procédures de conversion décrites par Lipsey et Wilson (2001) en fonction des statistiques disponibles [9]. Le d de Cohen et sa variance ont ensuite été corrigés pour obtenir le g de Hedges servant de taille d’effet pour la méta-analyse. Pour le calcul de la taille d’effet moyenne, chaque étude se voit attribuer un poids égal à l’inverse de la variance de sa taille d’effet pour privilégier les études dont les résultats sont plus précis en raison d’une taille d’échantillon plus importante. Pour évaluer la significativité de la taille d’effet moyenne, un test z est calculé tel que equation im10 , avec equation im11 la taille d’effet moyenne et equation im12 son écart-type. Cohen (1988) observe qu’une taille d’effet basée sur une différence de moyenne standardisée (comme le d ou g) est considérée comme petite si elle est inférieure à 0,2, moyenne si elle est autour de 0,5 et grande si elle est supérieure à 0,8 (Lipsey et Wilson 2001).

60Afin de n’avoir qu’une seule taille d’effet par étude (unité statistique indépendante), nous avons calculé la moyenne arithmétique des tailles d’effet lorsque les (différentes) mesures de diversité portaient sur le même échantillon comme préconisé par Schmidt et Hunter (2015) [10] (par ex. pour Ahmadzadeh et al. 2011). Dans les autres cas, nous avons retenu les tailles d’effet correspondant au plus grand échantillon de l’étude (par ex. pour Brierley 2011), à un modèle multivarié plutôt qu’univarié (par ex. pour Brown et al. 2004) et à l’inclusion des entreprises en train de considérer l’adoption de l’ABC dans le groupe des entreprises « adoptantes » (par ex. pour Clarke et al. 1999, Groot 1999, Jusoh et Miryazdi 2015). L’annexe 1 présente en gras les tailles d’effet retenues pour la méta-analyse principale.

61La taille d’effet moyenne, son écart-type et son intervalle de confiance – résultat principal de la méta-analyse – peuvent être estimés par deux modèles : un modèle à effets fixes ou un modèle à effets aléatoires. Si les tailles d’effet sont homogènes, c’est-à-dire qu’elles découlent de la taille d’effet d’une seule et même population, alors le modèle à effets fixes peut être envisagé. Dans le cas d’une hétérogénéité des tailles d’effet, il convient de privilégier le modèle à effets aléatoires. Ce dernier permet de limiter les biais dans l’estimation de cette taille d’effet moyenne en tenant compte des erreurs d’échantillonnage des études incluses, ainsi que d’autres sources de variation supposées aléatoirement distribuées (Lipsey et Wilson 2001). Deux mesures de l’hétérogénéité sont utilisées dans la littérature. La première est basée sur une statistique Q suivant un chi-deux à k − 1 degrés de liberté, avec k le nombre d’études incluses dans une méta-analyse. Dans le cas d’un petit nombre d’études, une statistique I² est parfois préférée et calculée telle que equation im13 .

62Plusieurs facteurs de confusion comme les biais de publication et les effets de petits échantillons (small-study effects) sont susceptibles de menacer la validité d’une méta-analyse qui doit être ajustée le cas échéant (Rücker et al. 2011). Les biais de publication résultent de la non-prise en compte de toutes les études sur le sujet dans la mesure où : (1) au moment de la méta-analyse, certaines études ne sont pas encore publiées en raison des délais de publication (pipeline bias), (2) il est difficile d’accéder à certaines études existantes en raison de leur langue de publication ou de leur disponibilité, (3) seules (ou majoritairement) les études ayant des résultats significatifs sont publiées et (4) seules (ou majoritairement) les études appliquant certaines méthodes de recherche sont publiées. Les effets de petits échantillons, quant à eux, impliquent que certaines études incluses dans la méta-analyse reportent des effets forts et significatifs qui ne sont dus qu’à la faible qualité du protocole de recherche, à des analyses inappropriées ou même à de la fraude (Egger et al. 1997, Sterne et al. 2011). Nous avons testé l’existence de ces facteurs de confusion dans la section consacrée aux résultats.

63Afin de déterminer d’autres causes d’hétérogénéité inter-études, nous avons utilisé un test ANOVA méta-analytique. Ce test consiste à décomposer la variance totale (la statistique Q) de la méta-analyse en variance inter-études et variance intra-études en fonction d’une variable susceptible d’expliquer l’hétérogénéité. Si la variable en question explique l’hétérogénéité, la variance inter-études résultant de sa prise en compte doit tendre vers zéro et ne pas être significative. Ceci implique que la variance totale est expliquée en majorité par la variance intra-études, l’hétérogénéité étant alors contrôlable par le modèle à effets aléatoires. Nous avons effectué ce test ANOVA méta-analytique sur cinq variables susceptibles de causer l’hétérogénéité de la méta-analyse globale (cf. tableau 3).

64En effet, l’un des apports des designs méta-analytiques est de permettre la découverte des variables modérant la relation d’intérêt (Shadish et Sweeney 1991, Steel et Kammeyer-Mueller 2002, Cortina, 2003). Cette découverte est possible par la réalisation de méta-analyses en sous-groupes ou, de façon plus pertinente (Steel et Kammeyer-Mueller 2002), par des méta-régressions (moindres carrés pondérés). Comme nos variables modératrices potentielles sont majoritairement des variables catégorielles ou dichotomiques, il n’est pas possible de recourir aux méta-régressions. Nous avons ainsi basé nos tests concernant les variables modératrices sur des méta-analyses en sous-groupes dont les résultats sont présentés en section 4.

Annexe 3

Graphique en forêt de la méta-analyse globale

65Les tailles d’effet de chaque étude (g de Hedges) sont représentées par les points noirs. Les lignes noires horizontales représentent l’intervalle de confiance à 95 % de la taille d’effet et le carré gris le poids de l’étude dans l’échantillon total (en %). La taille d’effet moyenne est représentée par la ligne verticale discontinue et son intervalle de confiance par le losange au bas du graphique.

Bibliographie

NB : Les études incluses dans la méta-analyse sont précédées d’une étoile.
Abernethy, M. A., Lillis, A. M., Brownell, P., Carter, P. (2001). Product diversity and costing system design choice: field study evidence. Management Accounting Research 12 (3): 261-279.
Abrahamson, E. (1991). Managerial fads and fashions: the diffusion and rejection of innovation. Academy of Management Review 16 (3): 586-612.
*Ahmadzadeh, T., Etemadi, H., Pifeh, A. (2011). Exploration of factors influencing on choice the activity-based costing system in Iranian organizations. International Journal of Business Administration 2 (1): 61-70.
Alcouffe, S. (2004). La diffusion et l’adoption des innovations managériales en comptabilité et contrôle de gestion : le cas de l’ABC en France. Doctorat en sciences de gestion, Paris : Ecole des Hautes Etudes Commerciales.
Alcouffe, S. (2006). La recherche sur les innovations managériales en comptabilité et contrôle de gestion : proposition d’un modèle théorique intégrant les perspectives de diffusion, d’adoption et de mise en œuvre de l’innovation. In L’appropriation des outils de gestion ; Vers de nouvelles perspectives théoriques ? (Ed, Grimand, A.). Saint-Etienne : Publications de l’Université de Saint-Étienne, 217-237.
Alcouffe, S., Berland, N., Levant, Y. (2003). Les facteurs de diffusion des innovations managériales en comptabilité et contrôle de gestion : une étude comparative. Comptabilité – Contrôle – Audit 9 (numéro spécial): 7-26.
Alcouffe, S., Berland, N., Levant, Y. (2008). Actor-networks and the diffusion of management accounting innovations: a comparative study. Management Accounting Research 19 (1): 1-17.
Alcouffe, S., Galy, N., Gaté, L. (2016). Une méta-analyse qualitative de la littérature sur les déterminants de l’adoption de l’activity-based costing (méthode ABC). 37^e congrès annuel de l’Association Francophone de Comptabilité, Clermont-Ferrand.
Alcouffe, S., Guedri, Z. (2008). Le rôle des canaux de communication et des caractéristiques perçues de l’innovation dans le processus d’adoption de la comptabilité par activités (méthode ABC). Comptabilité – Contrôle – Audit 14 (numéro spécial): 39-66.
Alcouffe, S., Malleret, V. (2004). Les fondements conceptuels de l’ABC « à la française ». Comptabilité – Contrôle – Audit 10 (2): 155-178.
Alcouffe, S., Mévellec, P. (2012). Analyse de la littérature sur l’ABC et proposition d’une taxinomie. 33^e congrès annuel de l’Association Francophone de Comptabilité, Grenoble.
*Al-Omiri, M., Drury, C. (2007). A survey of factors influencing the choice of product costing systems in UK organizations. Management Accounting Research 18 (4): 399-424.
*Al-Sayed, M., Dugdale, D. (2015). Activity-based innovations in the UK manufacturing sector: extent, adoption process patterns and contingency factors. British Accounting Review 48 (1): 1-21.
Askarany, D., Yazdifar, H. (2011). An investigation into the mixed reported adoption rates for ABC: evidence from Australia, New Zealand and the UK. International Journal of Production Economics 135 (1): 430-439.
Atkinson, A., Balakrishnan, P., Booth, J., Cote, T., Groot, T., Malmi, T., Roberts, H., Uliana, E., Wu, A. (1997). New directions in management accounting research. Journal of Management Accounting Research 9 (1): 79-108.
Banker, R. D., Johnson, H. H. (1993). An empirical study of cost drivers the US airline industry. The Accounting Review 68 (3): 576-601.
Becker, S. D., Wald, A., Gessner, C., Gleich, R. (2015). Le rôle des attributs perçus dans la diffusion des innovations dans la comptabilité analytique. Le cas de la comptabilité par activités. Comptabilité – Contrôle – Audit 21 (1): 105-137.
Begg, C. B., Mazumdar, M. (1994). Operating characteristics of a rank correlation test for publication bias. Biometrics 50 (4): 1088-1101.
Ben Ismail, N., Alcouffe, S., Chelli, M. (2015). La diffusion, l’adoption et la mise en œuvre des innovations en contrôle de gestion : une revue de la littérature. 36^e congrès annuel de l’Association Francophone de Comptabilité, Toulouse.
Berland, N., Joannides, V., Levant, Y. (2015). Quand des justifications similaires sont utilisées pour promouvoir le budget… et sa remise en cause. Finance Contrôle Stratégie 18 (4): 49-81.
Berland, N., Piot, C. (2014). La recherche en CCA : en quête de synthèses ? Comptabilité – Contrôle – Audit 20 (3): 7-14.
Bertrand T., Mévellec P. (2008). ABC/M et transversalité : choix de conception et impacts potentiels. Comptabilité – Contrôle – Audit 14 (1): 7-32.
Bescos, P.-L., Mendoza, C. (1994). Le management de la performance, Paris : Editions Comptables Malesherbes.
Bhimani, A. (1996). Management accounting: European perspectives, Oxford: Oxford University Press.
Bijmolt, T. H. A., Pieters, R. G. M. (2001). Meta-analysis in marketing when studies contain multiple measurements. Marketing Letters 12(2): 157-169.
Birkinshaw, J., Hamel, G., Mol, M. J. (2008). Management innovation. Academy of Management Review 33 (4): 825-845.
Birkinshaw, J., Mol, M. J. (2006). How management innovation happens. MIT Sloan Management Review 47 (4): 81-88.
Bisbe, J., Batista-Foguet, J.-M., Chenhall, R. (2007). Defining management accounting constructs: a methodological note on the risks of conceptual misspecification. Accounting, Organizations and Society 32 (7-8): 789-820.
*Bjørnenak, T. (1997). Diffusion and accounting: the case of ABC in Norway. Management Accounting Research 8 (1): 3-17.
Bonache, A., Maurice, J., Moris, K. (2010). A best evidence synthesis on the link between budgetary participation and managerial performance. Journal of Applied Economic Sciences 5 (2): 35-48.
Bonache, A., Maurice, J., Moris, K. (2012). Participation budgétaire et performance managériale : lien non significatif et contingences. Comptabilité – Contrôle – Audit 18 (2): 125-184.
Borenstein, M., Hedges, L. V., Higgins, J., Rothstein, H. R. (2009). Introduction to meta-analysis. Chichester, UK: John Wiley & Sons, Ltd.
Bouquin, H. (2011). Comptabilité de gestion, 6^e édition, Paris: Economica.
Bouquin, H., Nikitin, M. (2003). Les innovations managériales. Comptabilité – Contrôle – Audit 9 (numéro spécial): 3-5.
Bourguignon A., Malleret, V., Norreklit, H. (2002). L’irréductible dimension culturelle des instruments de gestion : l’exemple du tableau de bord et du balanced scorecard. Comptabilité – Contrôle – Audit (numéro spécial): 7-37.
Bouwens, J., Abernethy, M. A. (2000). The consequences of customization on management accounting system design. Accounting, Organizations and Society 25 (3): 221-241.
Boyns, T., Berland N. (2002). The development of budgetary control in France and Britain from the 1920s to the 1960s: a comparison. European Accounting Review 11 (2): 329-356.
*Brierley, J. (2011). Why the proper definition of the ABC matters: a note. Advances in Management Accounting 19 (1): 225-249.
*Brown, D. A., Booth, P., Giacobbe, F. (2004). Technological and organizational influences on the adoption of activity-based costing in Australia. Accounting and Finance 44 (3): 329-356.
Cagwin, D., Bouwman, M. J. (2002). The association between activity-based costing and improvement in financial performance. Management Accounting Research 13 (1): 1-39.
*Charaf, K., Bescos, P.-L. (2013). The role of organizational and cultural factors in the adoption of activity-based costing: the case of Moroccan firms. Accounting and Management Information Systems 12 (1): 4-21.
*Chen, G., Firth, M., Park, K. (2001). The implementation and benefits of activity‐based costing: a Hong Kong study. Asian Review of Accounting 9 (2): 23-37.
Chenhall, R. H. (2003). Management control system design within its organizational context: findings from contingency-based research and directions for the future. Accounting, Organizations and Society 28 (2-3): 127-168.
*Chongruksut, W., Brooks, A. (2005). The adoption and implementation of activity‐based costing in Thailand. Asian Review of Accounting 13 (2): 1-17.
*Clarke, P. J., Hill, N. T., Stevens, K. (1999). Activity-based costing in Ireland. Barriers to and opportunities for, change. Critical Perspectives on Accounting 10 (4): 443-468.
Cohen, J. (1988). Statistical power analysis for the behavioral sciences, 2^e édition, Hilsdale, NJ: Lawrence Earlbaum Associates.
Cooper, H., Hedges, L. V., Valentine, J. C. (Eds.) (2009). The handbook of research synthesis and meta-analysis. New York: Russell Sage Foundation.
Cooper, R. (1987). Does your company need a new cost system? Journal of Cost Management Summer: 45-49.
Cooper, R. (1988). The rise of activity-based costing – Part two: when do I need an activity-based cost system? Journal of Cost Management Fall: 41-48.
Cooper, R., Kaplan, R. S. (1991). The design of cost management systems: text, cases, and readings. Englewood Cliffs, NJ: Prentice Hall.
Cortina, J. M. (2003). Apples and oranges (and pears, oh my!): The search for moderators in meta-analysis. Organizational Research Methods 6 (4): 415-439.
*Dahlgren, J., Holmström, M., Nehler, H. (2001). Activity-based costing – Diffusion and adoption. 24^e congrès de l’European Accounting Association, Athènes.
Datar, S. S., Kekre, S., Mukhopadhyay, T., Srinivasan, K. (1993). Simultaneous estimates of costs drivers. The Accounting Review 68 (3): 602-614.
David, A. (2013). La place des chercheurs dans l’innovation managériale. Revue Française de Gestion 235: 91-112.
Derfuss, K. (2009). The relationship of budgetary participation and reliance on accounting performance measures with individual-level consequent variables: a meta-analysis. European Accounting Review 18 (2): 203-239.
Derfuss, K. (2015). Relating context variables to participative budgeting and evaluative use of performance measures: a meta-analysis. Abacus 51 (2): 238-278.
Derfuss, K. (2016). Reconsidering the participative budgeting–performance relation: a meta-analysis regarding the impact of level of analysis, sample selection, measurement, and industry influences. British Accounting Review 48 (1): 17-37.
Drury, C., Tayles, M. (2005). Explicating the design of overhead absorption procedures in UK organizations. British Accounting Review 37 (1): 47-84.
Duval, S., Tweedie, R. (2000a). A nonparametric “trim and fill” method of accounting for publication bias in meta-analysis. Journal of the American Statistical Association 95 (449): 89-98.
Duval, S., Tweedie, R. (2000b). Trim and fill: a simple funnel-plot-based method of testing and adjusting for publication bias in meta-analysis. Biometrics 56 (2): 455-463.
Egger, M., Smith, G. D., Schneider, M., Minder, C. (1997). Bias in meta-analysis detected by a simple, graphical test. British Medical Journal 315 (7109): 629-634.
Foster, G., Gupta, M. (1990). Manufacturing overhead cost driver analysis. Journal of Accounting and Economics 12 (3): 309-337.
Gerdin, J., Greve, J. (2004). Forms of contingency fit in management accounting research: a critical review. Accounting, Organizations and Society 29 (3-4): 303-326.
Gervais. M., Levant, Y., Ducrocq, C. (2010). Le Time-Driven Activity-Based Costing (TDABC): un premier bilan à travers une étude de cas longitudinale. Finance Contrôle Stratégie 13 (1): 123-155.
Gilboa, S., Shirom, A., Fried, Y., Cooper, C. (2008). A meta-analysis of work demand stressors and job performance: examining main and moderating effects. Personnel Psychology 61 (2): 227-271.
Godowski, C. (2003). Essai sur la dynamique d’assimilation des innovations managériales. Le cas des approches par activités. Comptabilité – Contrôle – Audit 9 (numéro spécial): 71-86.
Godowski, C. (2004). La dynamique d’assimilation des approches par activités dans le secteur bancaire. Comptabilité – Contrôle – Audit 10 (2): 179-196.
Gosselin, M. (1997). The effect of strategy and organizational structure on the adoption and implementation of activity-based costing. Accounting, Organizations and Society 22 (2): 105-122.
Gosselin, M. (2007). A review of activity-based costing: technique, implementation and consequences. In Handbook of Management Accounting Research, (Eds., Chapman, C. S., Hopwood, A. G., Shields, M. D.). Oxford: Elsevier, vol. 2, 641-671.
Gosselin M., Mévellec P. (2003). Plaidoyer pour la prise en compte des paramètres de conception dans la recherche sur les innovations en comptabilité de gestion. Comptabilité – Contrôle – Audit 9 (numéro spécial): 87-109.
Gosselin, M., Ouellet, G. (1999). Les enquêtes sur la mise en œuvre de la comptabilité par activités : qu’avons-nous vraiment appris ? Comptabilité – Contrôle – Audit 5 (1): 45-57.
Gosselin, M., Pinet, C. (2002). Dix ans de recherche empirique sur la comptabilité par activités : état de la situation actuelle et perspectives. Comptabilité – Contrôle – Audit 8 (numéro spécial): 127-146.
Greenberg, P. S., Greenberg, R. H., Nouri, H. (1994). Participative budgeting: a meta-analytic examination of methodological moderators. Journal of Accounting Literature 13: 117-141.
*Groot, T. L. C. (1999). Activity-based costing in US and Dutch food companies. Advances in Management Accounting 7 (1): 47-63.
Günther, T. W., Gäbler, S. (2014). Antecedents of the adoption and success of strategic cost management methods: a meta-analytic investigation. Journal of Business Economics 84: 145-190.
Hamel, G. (2006). The why, what and how of management innovation. Harvard Business Review 84 (2): 72-84.
Harbord, R. M., Egger, M., Sterne, J. A. C. (2006). A modified test for small-study effects in meta-analyses of controlled trials with binary endpoints. Statistics in Medicine 25 (20): 3443-3457.
Hatchuel, A., Weil, B. (1992). L’expert et le système. Paris: Economica.
*Ismail, T. H., Mohamed Mahmoud, N. (2012). The influence of organizational and environmental factors on cost systems design in Egypt. British Journal of Economics, Finance and Management Sciences 4 (2): 31-51.
*Ittner, C. D., Lanen, W. N., Larcker, D. F. (2002). The association between activity-based costing and manufacturing performance. Journal of Accounting Research 40 (3): 711-726.
Jorgensen, B., Messner, M. (2010). Accounting and strategizing: a case study from new product development. Accounting, Organizations and Society 35 (2): 184-204.
*Jusoh, R., Miryazdi, S. M. (2016). The influence of technological and environmental factors on the diffusion of activity-based costing in Iran. Tékhne – Review of Applied Management Studies 14 (2): 95-109.
*Kallunki, J.-P., Silvola, H. (2008). The effect of organizational life cycle stage on the use of activity-based costing. Management Accounting Research 19 (1): 62-79.
Kaplan, R. S. (1984). Yesterday’s accounting undermines production. Harvard Business Review 62 (4): 95-101.
Kaplan, R. S. (1986). Accounting lag: the obsolescence of cost accounting systems. California Management Review 27 (2): 174-199.
Kaplan, R. S., Anderson, M. (2008). TDABC : la méthode ABC pilotée par le temps. Paris: Eyrolles/Les Éditions d’Organisation.
*Khalid, A. (2005). Activity-based costing in Saudi Arabia’s largest 100 firms in 2003. Journal of American Academy of Business, Cambridge 6 (2): 285-292.
*Krumwiede, K. R. (1998). The implementation stages of activity-based costing and the impact of contextual and organizational factors. Journal of Management Accounting Research 10 (1): 239-277.
Lamminmaki, D., Drury, C. (2001). A comparison of New Zealand and British product-costing practices. The International Journal of Accounting 36 (3): 329-347.
Le Roy, F., Robert, M., Giuliani, P. (2013). L’innovation managériale. Généalogie, défis et perspectives. Revue Française de Gestion 235: 77-90.
Levant, Y., La Villarmois (de), O. (2001). Origine et développement d’une méthode de calcul des coûts : la méthode des Unités de Valeur Ajoutée. Comptabilité – Contrôle – Audit 7 (1): 45-66.
Levant, Y., La Villarmois (de), O. (2004). Georges Perrin and the GP cost calculation method: The story of a failure. Accounting, Business and Financial History 14 (2): 151-181.
Levant, Y., Zimnovitch, H. (2013). L’imputation des charges indirectes en France de 1914 aux années 1950 : l’évolution vers la simplicité. Comptabilité – Contrôle – Audit 19 (2): 13-39.
Lewis, M. W. (2000). Exploring paradox: towards a more comprehensive guide. Academy of Management Review 25 (4): 760-776.
Lipsey, M. W., Wilson, D. B. (2001). Practical meta-analysis. Thousand Oaks: Sage Publications.
Lorino, P. (1991). Le contrôle de gestion stratégique. Dunod: Paris.
*Maelah, R., Ibrahim, D. S. (2007). Factors influencing activity-based costing (ABC) adoption in manufacturing industry. Investment Management and Financial Innovations 4 (2): 113-124.
Malleret, V. (2006). La création de valeur par les services: une étude empirique dans des PMI. Finance Contrôle Stratégie 9 (3): 67-104.
Malleret, V., La Villarmois (de), O., Levant, Y. (2015). Revisiting 30 years of SMA literature: What can we say, think and do? HEC Paris Research Paper No. ACC-2015-1081.
*Malmi, T. (1996). Activity-based costing in Finnish metal and engineering industries. The Finnish Journal of Business Economics 45 (3): 243-264.
Malmi, T. (1997). Towards explaining activity-based costing failure: accounting and control in a decentralized organization. Management Accounting Research 8 (4): 459-480.
Malmi, T. (1999). Activity-based costing diffusion across organizations: an exploratory empirical analysis of Finnish firms. Accounting, Organizations and Society 24 (8): 649-672.
Messner, M. (2016). Does industry matter? How industry context shapes management accounting practice. Management Accounting Research 31 (2): 103-111.
Mévellec, P. (1990). Outils de gestion. La pertinence retrouvée, Paris: Editions Comptable Malesherbes.
Mévellec, P. (2003). Les paramètres de conception des systèmes de coûts : étude comparative. Comptabilité – Contrôle – Audit 9 (1): 95-110.
Mévellec, P. (2005). Les systèmes de coûts. Objectifs, paramètres de conception et analyse comparée, Paris: Dunod.
Mévellec, P. (2017). Les systèmes de coûts dans les organisations, Repères, Paris: La Découverte.
Modell, S. (1996). Management accounting and control in services: structural and behavioural perspectives. International Journal of Service Industry Management 7 (2): 57-80.
Mol, M. J., Birkinshaw, J. (2009). The sources of management innovation: when firms introduce new management practices. Journal of Business Research 62 (12): 1269-1280.
Mol, M. J., Birkinshaw, J. (2014). The role of external involvement in the creation of management innovations. Organizations Studies 35 (9): 1287-1312.
*Nguyen, H. V., Brooks, A. (1997). An empirical investigation of adoption issues relating to activity-based costing. Asian Review of Accounting 5 (1): 1-18.
Nixon, B., Burns, J. (2012). The paradox of strategic management accounting. Management Accounting Research 23 (4): 229-244.
*Pavlatos, O., Paggios, I. (2009). Activity-based costing in the hospitality industry: evidence from Greece. Journal of Hospitality & Tourism Research 33 (4): 511-527.
Peters, J. L., Sutton, A. J., Jones, D. R., Abrams, K. R., Rushton, L. (2006). Comparison of two methods to detect publication bias in meta-analysis. Journal of the American Medical Association 295 (6): 676-680.
Pike, R. H., Tayles, M. E., Abu Mansor, N. N. (2011). Activity-based costing user satisfaction and type of system: a research note. British Accounting Review 43 (1): 65-72.
Poole, M. S., Van de Ven, A. H. (1989). Using paradox to build management and organization theories. Academy of Management Review 14 (4): 562-578.
Raudenbush, S. W., Becker, B. J., Kalaian, H. (1988). Modeling multivariate effect sizes. Psychological Bulletin 103 (1): 111-120.
*Rbaba’h, A. (2013). The influence of company characteristics factors to activity-based costing system implementation. Journal of Education and Vocational Research 4 (2): 36-46.
Rogers E. M. (1995). Diffusion of Innovations, 4^e édition, New York: The Free Press.
Rücker, G., Carpenter, J. R., Schwarzer, G. (2011). Detecting and adjusting for small-study effects in meta-analysis. Biometrical Journal 53 (2): 351-368.
Schmidt, F. L., Hunter, J. E. (2015). Methods of meta-analysis: Correcting error and bias in research findings, 3^e édition. Thousand Oaks: Sage publications.
*Schoute, M. (2011). The relationship between product diversity, usage of advanced manufacturing technologies and activity-based costing adoption. British Accounting Review 43 (2): 120-134.
Shadish, W. R., Sweeney, R. B. (1991). Mediators and moderators in meta-analysis: There’s a reason we don’t let dodo birds tell us which psychotherapies should have prizes. Journal of Consulting and Clinical Psychology 59 (6): 883-893.
Steel, P. D., Kammeyer-Mueller, J. D. (2002). Comparing meta-analytic moderator estimation techniques under realistic conditions. Journal of Applied Psychology 87 (1): 96-111.
Sterne, J. C. A., Harbord, R. M. (2004). Funnel plots in meta-analysis. Stata Journal 4: 127-141.
Sterne, J. A. C., Sutton, A. J., Ioannidis, J. P. A., Terrin, N., Jones, D. R., Lau, J., Carpenter, J., Rücker, G., Harbord, R. M., Schmid, C. H., Tetzlaff, J., Deeks, J. J., Peters, J., Macaskill, P., Schwarzer, G., Duval, S., Altman, D. G., Moher, D., Higgins, J. P. T. (2011). Recommendations for examining and interpreting funnel plot asymmetry in meta-analyses of randomised controlled trials. British Medical Journal 343: d4002.
Zawawi, N. H. M., Hoque, Z. (2010). Research in management accounting innovations: an overview of its recent developments. Qualitative Research in Accounting & Management 7 (4): 505-568.
Zimnovitch, H. (1996). La « quarantaine » des coûts standard chez Saint Gobain : 1920-1960. Comptabilité – Contrôle – Audit 2 (1): 5-24.

Mots-clés éditeurs : paradoxe, méthode ABC, méta-analyse, diversité des produits, innovation

Date de mise en ligne : 17/04/2019

https://doi.org/10.3917/cca.251.0133

Notes

[1]
Le concept clé dans ce courant de recherche est celui « d’adéquation » (fit en anglais), principe selon lequel un système de calcul de coûts doit être en adéquation avec certaines variables contextuelles pour qu’une organisation soit efficiente. Deux approches du concept d’adéquation sont présentes dans la littérature : la sélection et l’interaction (Gerdin et Greve 2004). La grande majorité des études sur les déterminants de l’adoption de l’ABC – ainsi que les 24 études de notre échantillon – adopte la première approche. Ces études partent du postulat qu’il est peu probable qu’un système de calcul de coûts inefficient soit adopté et utilisé sur le long terme dans une organisation rationnelle.
[2]
Nous remercions l’un des deux réviseurs anonymes de nous avoir suggéré cette idée.
[3]
Ce graphique reporte en abscisse la taille d’effet de chaque étude et, en ordonnée avec une échelle inversée, la précision de l’étude dans la méta-analyse souvent mesurée par l’écart-type de la taille d’effet (Sterne et al. 2011). Plus une étude possède des résultats robustes, plus elle sera positionnée en haut du graphique et inversement. En l’absence de biais, le graphique est symétrique et représente un entonnoir inversé (Sterne et Harbord 2004). À cette inspection visuelle du graphique en entonnoir sont souvent associés des tests d’asymétrie (Begg et Mazumdar 1994, Egger et al. 1997, Harbord et al. 2006, Peters et al. 2006).
[4]
Cette méthode non paramétrique consiste à estimer le nombre d’études manquantes et à corriger la taille d’effet moyenne jusqu’à obtenir un graphique en entonnoir symétrique (Rücker et al. 2011).
[5]
Pour les études se concentrant sur les seules entités opérationnelles, la relation entre diversité et adoption de la méthode ABC n’est significativement positive que pour une erreur de première espèce de 10 %. Il existe peut-être une interaction entre le secteur d’activité et le niveau d’analyse. Cette interaction pourrait être détectée à l’aide d’une méta-régression mais, comme précisé à la fin de l’annexe 2, cette méthode est impossible à mettre en œuvre avec des variables catégorielles ou dichotomiques. Il faut donc rester prudent sur l’inférence que nous faisons du tableau 4 (résultat 3b).
[6]
Cette définition du concept de paradoxe a été critiquée (voir notamment Lewis 2000) car elle correspond à ce qui est généralement considéré comme une contradiction. Or, il est possible de sortir d’une contradiction en choisissant l’une des branches de l’alternative alors qu’un paradoxe enferme davantage. Nous avons néanmoins choisi d’utiliser le terme « paradoxe » dans cet article car il faisait écho à l’expression « paradoxe de l’ABC » employée dans la littérature en contrôle de gestion. Nous remercions le corédacteur en chef d’avoir attiré notre attention sur ce point.
[7]
Rappelons qu’une très large partie de la littérature sur la diffusion des innovations managériales, et y compris celle en contrôle de gestion, adopte une vision rationnelle du comportement des organisations selon laquelle l’adoption d’innovations répond à des besoins techniques. C’est le cas de l’ensemble des articles qui constituent le corpus de notre méta-analyse. Cette vision rationnelle-technique du phénomène d’adoption est forcément limitée et plusieurs recherches ont montré que d’autres formes de rationalité pouvaient intervenir (isomorphismes mimétique et coercitif, jeux d’acteurs et logiques de pouvoir, etc.).
[8]
Ceci reste à explorer empiriquement. En outre, nous parlons ici de taux de diffusion sans préjuger de l’utilisation qui est faite de la méthode ABC au sein des organisations qui l’adoptent. Comme la littérature l’a déjà souligné, il est possible que cette adoption ne soit que symbolique ou réponde à des pressions mimétiques et que l’outil adopté ne fasse pas l’objet d’une utilisation substantielle de la part des acteurs de l’organisation ou que cette utilisation se limite à un tout petit nombre d’acteurs, voire un seul.
[9]
Les calculs détaillés des tailles d’effet par article sont disponibles sur demande auprès des auteurs.
[10]
Bijmolt et Pieters (2001) préconisent d’utiliser la méthode de Raudenbush et al. (1988) consistant à considérer les multiples tailles d’effet d’une étude comme des réplications dépendantes. Ceci a pour avantage de limiter les biais et d’augmenter la puissance des tests méta-analytiques. Toutefois, l’application de cette méthode exige de disposer des corrélations entre les variables dépendantes (ici, les différents types de diversité), ce qui n’est pas le cas dans les articles de notre échantillon. Cette méthode, comme d’autres similaires, n’est malheureusement pas applicable dans le présent article.

Recherches récentes

Des idées pour vous

Recherches récentes

Des idées pour vous

Comptabilité Contrôle Audit 2019/1 Tome 25

Article de revue

La faible diffusion des innovations en contrôle de gestion est-elle vraiment paradoxale ? Une méta-analyse du lien entre diversité des produits et adoption de la méthode ABC

Citer cet article

Notes

1 – Introduction

2 – Littérature et problématique

3 – Design de recherche

3.1 – Principes de la méta-analyse

3.2 – Collecte des données

4 – Résultats

4.1 – Méta-analyse globale

Taille d’effet moyenne et intervalle de confiance de la méta-analyse globale

Taille d’effet moyenne et intervalle de confiance de la méta-analyse globale

4.1.1 – Validité de la méta-analyse globale

Graphique en entonnoir de la méta-analyse globale avec intervalle de confiance à 95 % et droite de régression d’Egger

Graphique en entonnoir de la méta-analyse globale avec intervalle de confiance à 95 % et droite de régression d’Egger

4.2 – Méta-analyses en sous-groupes

4.2.1 – Méta-analyses par type de diversité des produits

Méta-analyses par type de diversité des produits

Méta-analyses par type de diversité des produits

4.2.2 – Autres causes possibles d’hétérogénéité

Tests ANOVA méta-analytiques sur la statistique Q du modèle à effets fixes de la méta-analyse globale par variable de contrôlea,b

Tests ANOVA méta-analytiques sur la statistique Q du modèle à effets fixes de la méta-analyse globale par variable de contrôlea,b

Méta-analyses par variable expliquant l’hétérogénéité (sous-groupes, modèle à effets aléatoires)a,b

Méta-analyses par variable expliquant l’hétérogénéité (sous-groupes, modèle à effets aléatoires)a,b

5 – Discussion

5.1 – Lien entre diversité des produits et adoption de l’ABC

5.2 – Vers une résolution du paradoxe des innovations en contrôle de gestion

5.3 – De nouvelles pistes pour la recherche sur les innovations en contrôle de gestion

Conclusion

Remerciements

Caractéristiques des 24 études intégrées dans la méta-analyse

Précisions méthodologiques sur les traitements mis en œuvre

Graphique en forêt de la méta-analyse globale

Bibliographie

Notes

Domaines

Raccourcis

Domaines

Cairn.info

Langues

Retrouvez Cairn.info sur

Avec le soutien de

Accès institutions

Toutes les institutions

Tests ANOVA méta-analytiques sur la statistique Q du modèle à effets fixes de la méta-analyse globale par variable de contrôle^a,b

Tests ANOVA méta-analytiques sur la statistique Q du modèle à effets fixes de la méta-analyse globale par variable de contrôle^a,b

Méta-analyses par variable expliquant l’hétérogénéité (sous-groupes, modèle à effets aléatoires)^a,b

Méta-analyses par variable expliquant l’hétérogénéité (sous-groupes, modèle à effets aléatoires)^a,b