1.1 – Cadre théorique

6Selon Stinchcombe (1965), les jeunes entreprises souffrent du « handicap de la nouveauté » (liability of newness), c.-à-d. que leur taux de mortalité est significativement plus élevé que celui des entreprises plus matures, en raison de leur manque de capacités vitales et d’avantages positionnels (Le Mens et al., 2011). Les entreprises plus anciennes sont plus routinières et ont plus de processus formalisés, ainsi qu’un accès plus facile aux ressources financières (Sørensen et Stuart, 2000) leur octroyant une meilleure performance économique que celle des jeunes entreprises (Coad, 2018).

7Les entreprises ayant réussi à survivre les premières années font face au « handicap de l’adolescence » (liability of adolescence) (Brüderl et Schüssler, 1990). Plus précisément, elles sont confrontées au problème de la transformation stratégique, c’est-à-dire que leur routine peut devenir un handicap lorsque l’environnement concurrentiel évolue (Aldrich et Auster, 1986). On présume alors une relation en forme de U inversé entre la PE et son âge (Brüderl et Schüssler, 1990).

8Enfin, le « handicap d’obsolescence » (liability of obsolescence) prend pour postulat que certaines entreprises sont plus sujettes à l’inertie et à « l’ossification bureaucratique » à mesure qu’elles vieillissent, et ce en raison de leur manque d’adaptation à leur environnement en mouvement (Barron et al., 1994). Par conséquent, la PE est supposée décroître avec l’âge de l’entreprise (Barron et al., 1994)

1.2 – Relation théorique entre âge et performance économique

9Coad et al. (2013) ont regroupé ces handicaps en fonction de trois dimensions. Premièrement, selon la perspective fondée sur la sélection (p. ex. Jovanovic, 1982), « l’effet de sélection » fait que les entreprises les plus faibles sont éliminées au profit des entreprises plus solides. Par conséquent, le nombre d’entreprises diminuant au cours du processus de sélection, les entreprises pérennes jouissent d’une meilleure rentabilité à mesure qu’elles avancent en âge, même si le niveau de productivité des activités reste constant (Coad et al., 2013).

10Ensuite, au fil du temps, la performance des entreprises tend à s’améliorer grâce : (a) au perfectionnement des pratiques (par ex. commerciales) ; (b) à la réduction des coûts ; et (c) à l’optimisation des processus (notamment industriels). Par conséquent, selon Arrow (1962), les entreprises deviennent de plus en plus agiles et efficaces dans leur processus de production, ce qui a pour effet d’accroître leur rentabilité. En revanche, les entreprises plus jeunes peuvent souffrir du handicap de la nouveauté. Garnsey (1998) considère que ces entreprises sont en quête de nouveaux processus ou mécanismes pour résoudre les problèmes qu’elles rencontrent à mesure que le processus d’apprentissage évolue au fil du temps. Pour pallier les difficultés auxquelles elles sont confrontées, il faut du temps et de la main-d’œuvre ce qui, in fine, grève la performance des jeunes entreprises.

11Enfin, l’âge peut avoir un effet négatif sur la PE en raison de l’effet « d’inertie ». En substance, l’inertie correspond à la capacité de l’organisation à changer aussi rapidement que son environnement. Avec l’âge, les entreprises plus matures voient leur immobilisme s’accentuer : elles deviennent alors inertes et inflexibles. Barron et al. (1994) affirment que ces dernières sont touchées par les handicaps de l’adolescence (c’est-à-dire qu’elles ne sont plus en phase avec l’évolution de leur environnement) et de la sénescence (liability of senescence) ou, autrement dit, de l’« ossification bureaucratique » (lourdeurs bureaucratiques). À l’inverse, les entreprises plus jeunes ont la capacité de mettre en œuvre de nouvelles stratégies, d’innover ou de pénétrer de nouveaux segments de marché. Par conséquent, l’inertie a un effet négatif sur la performance des entreprises plus matures.

1.3 – Résultats empiriques existants

12Les études empiriques examinant la relation entre l’âge de l’entreprise et sa performance sont peu nombreuses. Ceci est quelque peu surprenant compte tenu de l’importance du sujet (Coad, 2018).

13À partir d’un échantillon d’entreprises indiennes, Majumdar (1997) fait valoir que la performance d’une entreprise est significativement influencée par son âge, notamment pour les plus grandes. Toutefois, ce lien ne peut être examiné sans prendre en compte le contexte institutionnel dans lequel opère une entreprise.

14À partir d’un vaste échantillon d’entreprises américaines, Loderer et Waelchli (2010) constatent une relation négative et significative entre l’âge de l’entreprise et sa rentabilité. Plus précisément, les entreprises cotées depuis 15 ans, ou plus, sont incapables de maintenir une bonne rentabilité, contrairement aux entreprises plus jeunes.

15À partir d’un échantillon d’entreprises espagnoles, Coad et al. (2013) observent des effets, à la fois positifs et négatifs, de l’âge de l’entreprise sur sa performance. D’une part, ils relèvent que les entreprises les plus matures et les plus grandes connaissent des niveaux de performance élevés. D’autre part, ils constatent que cette relation positive se détériore avec le temps. La relation entre l’âge d’une entreprise et sa performance est donc duale au fil du temps.

16Enfin, sur la base d’un échantillon d’établissements viticoles italiens, Capasso et al. (2015) constatent que les établissements les plus anciens bénéficient d’une meilleure rentabilité que les entreprises plus jeunes. Ils affirment que l’âge des établissements viticoles (ou leur longévité) explique, de manière significative, les différences de performance observées.

1.4 – Hypothèse

17Comme le souligne Coad (2018), la littérature théorique et empirique montre que la relation entre l’âge d’une entreprise et la performance économique et financière est relativement ambiguë. Cependant, certaines tendances se dégagent : (a) il semble que les entreprises matures expérimentent une baisse significative de leur rentabilité au fil du temps, en raison de l’inertie et de l’ossification bureaucratique (Coad et al., 2013) ; (b) les jeunes entreprises semblent plus flexibles et agiles pour faire face aux changements de l’environnement, ce qui induit de meilleures performances ; (c) Majumdar (1997) a souligné que ces tendances doivent être contextualisées, dans la mesure où des facteurs institutionnels influent, de manière significative, sur la relation entre l’âge de l’entreprise et sa performance.

18Comme nous le montrerons dans les prochaines sections, les entreprises de notre échantillon et leur marché boursier sont relativement jeunes et hétérogènes. Par conséquent, nous proposons l’hypothèse selon laquelle la relation entre l’âge de l’entreprise et la performance économique et financière suit une courbe en U, c’est-à-dire qu’elle montre un effet négatif de l’âge de l’entreprise sur les PE avant que les effets positifs de l’âge de l’entreprise ne se ressentent, soit :

19Hypothèse : il existe une relation en forme de U entre l’âge et la performance économique et financière de l’entreprise.

3.1 – Échantillon

23Il est constitué des entreprises cotées sur les 4 marchés boursiers sur la période 2008-2017 : 118 entreprises et 965 observations annuelles. Les différentes données proviennent de Bloomberg, de rapports annuels ou de sites institutionnels.

3.2 – Variables

24Dépendante (PERF). Nous utilisons le Q de Tobin de Chung et Pruitt (1994) et la rentabilité des actifs (return on assets) (= résultat net / total de l’actif d’une entreprise).

25Indépendante (ÂGE). L’âge d’une entreprise (= année analysée – date de création de l’entreprise) est exprimé en valeur logarithme (Coad et al., 2013).

26De contrôle (CONTRÔLE) (Coad et al., 2013) : (a) la taille de l’entreprise (mesurée par le logarithme naturel des ventes) : Cooley et Quadrini (2001) montrent qu’elle est négativement corrélée avec la PE, en raison des coûts de surveillance et de la complexité de l’entreprise ; (b) l’endettement (= dette totale / total des actifs) : Jensen (1993) affirme qu’il permet de réduire les coûts d’agence provenant des free cash flows ; (c) la croissance de l’entreprise (différence entre le chiffre d’affaires t et t – 1) : Green et Jame (2013) estiment que celle-ci est un vecteur significatif de sa performance.

27Les variables Pays englobent (Boubakri et al., 2013) : la liberté économique et le développement économique (logarithme du PIB par habitant) provenant respectivement de l’Institut Fraser et de la banque mondiale.

3.3 – Modèle empirique

28Notre modèle est opérationnalisé comme suit :

29

30où ANNÉE, INDUSTRIES et PAYS (variables muettes) contrôlent les effets, respectivement, annuels, industriels (Fama et French, 1997) et pays ; et ε est le terme d’erreur.

31L’éq. [1] est estimée par la méthode des moindres carrés ordinaires avec les erreurs-types robustes et agrégés (cluster) au niveau du pays et de l’entreprise (Boubakri et al., 2013)

4.1 – Description de l’échantillon et statistiques descriptives

32Le tableau 3 présente les statistiques descriptives de nos différentes variables. L’âge moyen (médian) des entreprises de notre échantillon est d’environ 45,7 (40) ans. Elles sont relativement jeunes, si l’on considère les dates d’indépendance de ces pays [3] et les dates de création des places boursières. Le Q de Tobin et le ROA sont respectivement de 2,47 et 4,77, nous notons des variations significatives dans ces mesures de performance, ainsi que pour certaines variables de contrôle.

Tableau 3

Statistiques descriptives

Statistiques descriptives

33Non reportées dans le tableau 3, les 5 industries les plus représentées dans notre échantillon en nous basant sur la classification de Fama et French (1997) sont, respectivement, les banques (18,4%), les produits alimentaires (9,7%), les activités commerciales (8,8%), l’immobilier (5,8%) et les assurances (5,6%), soit environ 48% de notre échantillon. A l’inverse, les 3 secteurs industriels les moins représentés sont respectivement : bonbons et boissons gazeuses, produits du tabac, extraction de métaux non métalliques et industriels (? 1,1% de l’échantillon). Cela suggère l’importance que revêt le fait de contrôler le secteur industriel dans notre analyse empirique.

4.2 – Matrice de corrélation

34En général, une corrélation égale ou supérieure à 0,70 en valeur absolue peut indiquer un problème de multicolinéarité. En l’espèce, la corrélation la plus élevée en valeur absolue est celle que l’on observe entre le ROA et l’endettement (0,60 ; en gras dans le tableau 4). Ce chiffre est inférieur à la valeur absolue de 0,70. La multicolinéarité ne semble donc pas être un problème. Pour confirmer ce résultat, nous avons généré les VIF (Variance Inflation Factors). Comme le montre le tableau 4, aucune valeur n’excède 2, une valeur significativement inférieure à la valeur communément admise de 10 indiquant des problèmes de multicolinéarité (Wooldridge, 2014). Par conséquent, nous concluons que la multicolinéarité n’a aucun impact sur nos analyses futures.

Tableau 4

Matrice de corrélation

Matrice de corrélation

Les symboles ***, ** et * désignent respectivement les seuils de signification de 99%, 95% et 90%.

4.3 – Principaux résultats

35Les résultats de l’éq. [1] sont reportés dans le tableau 5. Notre hypothèse générale présume que l’âge d’une entreprise et la performance économique et financière suivent une relation en forme de U. Le modèle 1 du tableau 5 montre que l’âge de l’entreprise est négativement et significativement corrélé avec le Q de Tobin (β_Âge = -1,97 ; t = -5,21). Par ailleurs, l’effet du carré de l’âge de l’entreprise est positif et significatif (β_Âge = 0,18 ; t = 3,33) sur le Q de Tobin. Examinons à présent le modèle 2 (avec le ROA comme variable dépendante), nous constatons les mêmes résultats que précédemment, c’est-à-dire que l’âge de l’entreprise est négativement et significativement corrélé avec le ROA (β_Âge = -1,35 ; t = -3,89) et que l’effet du carré de l’âge de l’entreprise est positivement et significativement corrélé avec le ROA (β_Âge = 0,24 ; t = -2,90). Par conséquent, notre hypothèse est confirmée.

Tableau 5

Résultats

Résultats

Les symboles ***, ** et * désignent respectivement les seuils de signification de 99%, 95% et 90%.

36Concernant les variables de contrôle, nous observons des similitudes avec des études telles que celles de Majumdar (1997) ou de Capasso et al. (2015), mais également des différences significatives. Nous constatons une relation positive et significative entre la taille de l’entreprise et sa performance (β_Taille = -0,19 et t = -2,89 et β_Taille = -0,11 et t = -3,22 pour les modèles 1 et 2, respectivement). Dans la mesure où de nombreuses entreprises de notre échantillon sont relativement petites (comme l’indiquent les valeurs négatives du tableau 3 [4]), les grandes entreprises ont vraisemblablement plus de chances d’avoir une meilleure rentabilité que les plus petites. En outre, l’endettement est négativement et significativement corrélé avec la performance économique et financière (modèles 1 et 2). Selon Lamont et al. (2001), l’incapacité de certaines entreprises à obtenir un financement adéquat (incapacité à emprunter ou contraintes de crédit) fait que l’endettement réduit les performances de l’entreprise. Nos résultats sont conformes avec l’étude de Fowowe (2017), qui montre que, de manière générale, les entreprises africaines sont financièrement contraintes et que ceci pèse négativement sur leur performance. Enfin, contrairement à nos attentes, la croissance de l’entreprise n’a pas d’effet sur la performance économique et financière. Ce résultat s’explique vraisemblablement par le fait que les économies africaines sont caractérisées par une certaine instabilité politique et économique (Mobarak, 2005), rendant la trajectoire de croissance des entreprises aléatoire. Soulignons qu’aucune de nos variables Pays n’est significativement corrélée avec la performance économique et financière de l’entreprise

4.4 – Tests de sensibilité

37Comme le suggère le tableau 3, nos différentes variables contiennent a priori des variables aberrantes et extrêmes ; la moyenne est différente de la médiane pour 4 variables : Q de Tobin, la taille de l’entreprise, endettement et croissance de l’entreprise. Ceci suggère que ces variables ne suivent pas une forme de cloche. Par conséquent, ces observations pourraient fausser les résultats précédents, affecter les erreurs-types d’estimation ou les deux à la fois (Wooldridge, 2014). Il existe différents moyens de gérer ces valeurs aberrantes : on pourrait les exclure de l’éq. [1] (technique du trimmed) ou procéder à une « winsorization ». Le but est d’atténuer autant que faire se peut le poids de ces variables aberrantes et extrêmes. A la suite de Black et Khanna (2007), nous appliquons ces deux méthodes.

38Le tableau 6 ne montre que les principaux résultats associés entre l’âge de l’entreprise et la performance économique et financière, avec les 2 techniques et différentes fenêtres. Nous constatons que quelle que soit la technique pour prendre en compte les variables aberrantes et extrêmes, nos résultats précédents demeurent identiques. L’âge de l’entreprise et sa performance économique et financière suivent une courbe en U. Nos résultats ne sont pas biaisés par des variables aberrantes et extrêmes.

Tableau 6

Tests de sensibilité

Tests de sensibilité

Les symboles ***, ** et * désignent respectivement les seuils de signification de 99%, 95% et 90%.