Selon le baromètre trimestriel des défaillances et sauvegardes d’entreprises en France réalisé par le cabinet Altares, le nombre de procédures prononcées cet été par les tribunaux a été de 10 501, soit le meilleur niveau atteint (à 196 près) depuis fin 2007, pas très loin du plus bas jamais constaté en 2006 (avec un total de 9 907 jugements en trois mois), soit encore une baisse de 9,2 % par rapport au troisième trimestre 2018.
Et pourtant ? L’évaluation d’une entreprise et le risque de défaillance qui peut en découler sont encore trop souvent estimés sur la base d’analyses exclusivement financières, analyses qui négligent les risques liés au comportement opérationnel de ladite entreprise. Alors qu’il existe des méthodologies s’appuyant sur le capital immatériel des entreprises, celles-ci restent généralement peu utilisées dans le monde de la finance car difficiles à mettre en œuvre, de par leur nature subjective. De plus, ces analyses sont majoritairement tournées vers la valorisation, sans démarche d’évaluation de la probabilité du risque de défaillance.
Pourquoi est-il donc si important de conjuguer analyse financière et analyse opérationnelle pour pouvoir mesurer la pérennité d’une entreprise, qui plus est dans le secteur du Numérique ?
L’analyse financière traditionnelle des déterminants de la défaillance repose principalement sur l’analyse des données comptables et financières. Elle vise à apprécier la solidité de l’entreprise et à mesurer le risque financier à travers l’examen des données bilancielles.
Pourtant, ces informations financières peuvent, dans certains cas, ne pas représenter fidèlement la situation réelle de l’entreprise à un instant T. Pourquoi ?
- Parce que les dirigeants recourent parfois à des opérations de ‘window dressing’, afin de présenter une image plus favorable de leurs comptes.
- Mais aussi parce qu’un certain nombre de menaces internes et/ou externes peuvent faire planer un risque sur la survie de l’entreprise, sans pour autant impacter ses résultats au moment de l’analyse.
Or, la défaillance financière est toujours le résultat d’une défaillance économique, qui elle-même résulte, la plupart du temps, d’une défaillance opérationnelle.
Ceci explique pourquoi les principaux standards de notation des entreprises dans le domaine de l’IT ne constituent pas aujourd’hui, dans bien des cas, des outils pertinents de prédiction du risque de défaillance des entreprises.
Dans le domaine de l’informatique, essentiellement régi par le mode ‘as a service’*, la relation client-fournisseur est gouvernée par un ensemble de règles de bonnes pratiques reposant sur des standards articulés autour de la gouvernance et du management de l’entreprise, mais n’incluant pas d’outils de prédiction d’éventuels risques de défaillance.
Ces standards sont :
- Le standard eSCM-CL (eSourcing Capability Model for Client Organizations), volet ‘client’ du référentiel eSCM, qui a été conçu en 2002 par l'université Carnegie-Mellon/ItSQC pour améliorer la relation entre clients et fournisseurs dans le cadre de la fourniture de services utilisant les technologies de l'information.
- Le standard CobiT (Control Objectives for Information and related Technology), développé en 1994 (et publié en 1996) par l’ISACA (Information Systems Audit and Control Association), qui constitue un cadre de contrôle visant à aider le management à gérer les risques (sécurité, fiabilité, conformité) et les investissements. La version 4 de CobiT est apparue en France en 2007.
- Le modèle CMMI (Capability Maturity Model + Integration) initialement développé par le Software Engineering Institute de l'université Carnegie-Mellon pour appréhender et mesurer la qualité des services rendus par les fournisseurs de logiciels informatiques du département de la Défense des États-Unis) et qui constitue un ensemble structuré de bonnes pratiques destiné à appréhender, évaluer et améliorer les activités des entreprises d'ingénierie.
- La norme ISO 9001, qui définit une série d'exigences concernant la mise en place d'un système de management de la qualité dans un organisme, quels que soient sa taille et son secteur d'activité.
Par ailleurs, les méthodes de mesure du risque de défaillance des entreprises font, depuis de nombreuses années, l’objet de nombreux travaux de recherche et d’analyse avec :
- Des modèles reposant sur des démarches d’analyse macro-économique. A titre d’exemple, Cathy DOLIGON propose un modèle sous forme vectorielle à correction d’erreur en vue de mettre en relation, d’une part, l’évolution du PIB et, d’autre part, le nombre de créations d’entreprises avec le nombre de défaillances d’entreprises constatées en vue de qualifier l’influence de ces deux facteurs sur les défaillances. Le modèle ainsi proposé permet de mettre en évidence une corrélation entre la variation du PIB et le nombre de défaillance d’entreprises à court terme et à long-terme, une corrélation entre le nombre de création d’entreprises et le nombre de défaillances constatées. Ce type de modèle, qui intéresse les décideurs politiques, est toutefois inadapté en tant qu’outil macroéconomique à l’analyse individuelle d’une entreprise.
- Des modèles reposant sur une analyse strictement comptable et financière. Ces analyses reposent sur la constatation que la plupart des entreprises ayant déposé leur bilan ont connu des difficultés dans les trois à cinq ans qui ont précédé cet échec et que le risque de défaillance serait donc inscrit dans les comptes de l'entreprise. Sur la base de ce présupposé, de nombreuses méthodes de scoring ont été modélisées, consistant à déterminer une fonction linéaire de ratios choisis permettant de différencier les entreprises saines des futures entreprises défaillantes. Les résultats obtenus par ce type d'analyse permettent, d'une part, de décrire de façon synthétique les caractéristiques des entreprises défaillantes et, d'autre part, de prédire le risque de défaillance que court une entreprise donnée. Parmi les modèles proposés, peuvent être notamment citées :
- la fonction de Conan et Holder établie en 1978 à partir de l'observation de 31 ratios observés sur un échantillon de 190 PME, dont la moitié avaient connu une défaillance
- la fonction de la Centrale des Bilans de la Banque de France élaborée à partir de l'étude des ratios utilisés par la banque de France dans son dossier analyse. Ces ratios ont été calculés entre 1975 et 1980 à partir d’un échantillon de 3000 entreprises industrielles de moins de 500 salariés et classées en entreprises normales et défaillantes.
- Des modèles prenant en compte d’autres facteurs que la seule analyse financière, notamment ceux découlant des travaux de J-C. TEURLAI et L. LELOGEAIT.
Le modèle de J-C. TEURLAI conclut au rôle prépondérant joué par le profil du créateur et les caractéristiques de l’entreprise sur ses chances de survie. Si ces travaux ont permis de mettre en évidence l’importance d’inclure des critères qualitatifs dans l’analyse du risque de défaillance, le modèle proposé n’a pas d’ambition prédictive et ne repose que sur l’analyse des situations passées. Et le bien-fondé de son application à une économie nouvelle doit-il encore être vérifié…
Les travaux menés par L. LELOGEAIS semblent, quant à eux, plus pertinents par rapport à l’objectif visé. Se basant sur les données issues de l’enquête SESAME (1999 et 2000) menée par l’INSEE, l’auteur a sélectionné (parmi les 500 variables contenues dans l’étude) les variables les plus pertinentes pour la prédiction du risque de défaillance des entreprises. Les variables suivantes ont ainsi été sélectionnées selon la méthode Disqual (suivie d’une analyse discriminante de Fischer) : croissance de l’activité, degré de satisfaction par rapport aux objectifs recherchés, positionnement concurrentiel en termes de maîtrise des coûts de revient, taux d’utilisation de l’outil productif, disponibilité des lignes de crédit confirmées et non utilisées à court-terme, niveau d’endettement de la société et appartenance à un groupe.
Sur la base de ces variables, l’auteur a construit un score de défaillance en vue de la prédiction du risque de défaillance à trois ans. L’application du modèle de scoring a permis de classer les entreprises étudiées selon cinq catégories, de ‘très risqué’ à ‘très favorable’. La comparaison des résultats théoriques et des défaillances constatées conforte la pertinence du modèle : les entreprises classées ‘très risquées’ ont présenté un taux de défaillance constaté de 17,4%, contre 0,1% pour les entreprises classées ‘très favorables’.
Jusqu’en 2015, l’ensemble des publications techniques en la matière n’ont donc pas permis d’établir un modèle d’analyse de défaillance des entreprises ‘pluri-critères’.
Pour preuve, la publication en 2014 par S. Ben Jabeur et Y. Fahmi d’un modèle d’analyse de la situation financière des PME, appliqué sur un échantillon de 800 entreprises françaises, corroborait les résultats des modèles antérieurs, en concluant sur la nécessité d’améliorer les résultats de l’analyse purement financière, en introduisant de nouveaux critères.
DANS UN UNIVERS DRIVE PAR L’INVESTISSEMENT, exægis APPORTE UNE RÉPONSE NOUVELLE AUX RISQUES ENCOURUS PAR LES ENTREPRISES DE l’IT EN MODE ‘AS A SERVICE’
Alors que la plupart des travaux engagés jusqu’à ce jour ont démontré leurs limites prédictives, ils n’ont, par ailleurs, pas été menés sur des entreprises de l’IT fonctionnant en mode ‘as a service’, notamment celles qui financent leur chiffre d’affaires.
C’est pourquoi exægis travaille depuis des années à la mise au point d’un outil prédictif du risque de défaillance des entreprises adapté au monde de l’IT.
Cet outil conjugue analyse financière et analyse opérationnelle, complété par un outil de veille au service de l’analyste, scrutant avec l’aide de l’intelligence artificielle tous les signaux d’évolution opérationnelle et faibles de défaillance. Au-delà des évolutions bilancielles, il permet de comprendre et d’identifier, sur la base de l’observation des meilleures pratiques, les comportements vertueux, mais également ceux qui sont critiques et perfectibles et qui peuvent impacter, à plus ou moins court terme, la pérennité de l’organisation évaluée.
Les chapitres étudiés recensent 150 points d’attention ayant chacun, isolément ou agrégés, un impact sur le succès ou la défaillance de l’organisation. Au nombre de 7, ils couvrent les domaines suivants : relation client (du marketing à l’administration des ventes) ; gestion de la production des services ; gestion de la qualité ; gestion des ressources humaines ; gestion des menaces ; intégration et réversibilité ; management et pilotage. En fonction du stade de développement des comportements de l’entreprise, le référentiel évolue et au regard des réponses et de leur corrélation, des facteurs de risque aggravés peuvent apparaitre qui, couplés à l’analyse financière, permettront d’identifier clairement des points de fragilité à venir.
Par exemple, les chapitres d’études relatifs au développement des ventes et de leur administration et contrôle, corrélés avec la gestion des risques d’entreprise et du management, peuvent mettre en lumière des croissances mal maitrisées ou, pour le moins, à maitriser. Selon l’orientation prise par le dirigeant, les fragilités bilancielles peuvent être minorées ou au contraire accrues. Concrètement, il a été observé une très forte corrélation entre la dégradation des comptes et diverses dépendances ou dispositifs observés dans l’analyse opérationnelle, par exemple défauts de contrôle, gestion des sous-traitants, protection de la propriété intellectuelle ou de la sécurité, tant physique que cyber. Ces observations ont permis, à l’occasion du dernier ‘back testing’ réalisé par exægis, d’afficher un taux de fiabilité de plus de 90% à trois ans.
Gageons que celui-ci ne se dégrade pas !
Références :
L’enchainement de défaillance de l’entreprise : une réconciliation des approches organisationnelles et financières, Comptabilité et environnement, Nathalie Crutzen, Didier Van Caillié,
Statut de la faillite en théorie financière : approches théoriques et validations empiriques dans le contexte français. Économies and finances. Université de Toulon et du Var ; Université de Sousse, 2011 ; Sami Ben Jabeur.
Le rôle des variables qualitatives dans la détection précoce du risque de défaillance, Laurence Lelogeais, Banque de France ;
Prédiction du risque de défaillance des entreprises - Capacité à utiliser les ratios financiers – Application du modèle linéaire de Brunswick, Fekih Ahmed Chiraz (Faculté des sciences économiques et de gestion de Mahdia) & Fedhila Hassouna (Faculté des sciences juridiques, économiques et de gestion de Jendouba) ;
Les modèles de prévision de la défaillance des entreprises françaises : une approche comparative, Sami Ben Jabeur & Youssef Fahmi, 2014-317
A propos de l’auteur
Après avoir obtenu son diplôme de l’INSEEC Bordeaux en 1988, Laurent Briziou rejoint le groupe Société Générale, dans sa filiale ECS, où il occupe plusieurs fonctions commerciales : Ingénieur Commercial, Directeur d’Agence, Directeur Régional, et Directeur Commercial UK puis Grands Comptes en France.
Nommé Directeur Marketing du Groupe en 1995, il anime la démarche stratégique du Groupe vers l’addition du service à la location. Il prend en charge naturellement le développement des activités de services du Groupe jusqu’en 2010. En 2005, il devient Directeur Général, en charge des Services, de la Stratégie et du Développement du Groupe, puis de l’International.
Ses fonctions lui ont permis de gérer la croissance externe du Groupe ECS jusqu’en 2010 et il a ainsi procédé au rachat d’une quinzaine d’entreprises. Il a personnellement dirigé l’intégration et la fusion de 5 d’entre elles avec succès. Il est devenu au fur et à mesure de son expérience un généraliste d’entreprise et un spécialiste des risques financiers et opérationnels des entreprises du numérique, ayant mené à son terme 3 visions stratégiques et géré et internationalisé une ETI pendant 10 ans.
Depuis 2010, il développe l’agence de notation et de garantie opérationnelle du Numérique qu’il a créée : exægis, ainsi que ses filiales MARKESS by exægis et exægis Corporate Development.
*cf article exægis « Entreprise Saas : comment évaluer la santé financière de mon forunisseur ? »
Et pourtant ? L’évaluation d’une entreprise et le risque de défaillance qui peut en découler sont encore trop souvent estimés sur la base d’analyses exclusivement financières, analyses qui négligent les risques liés au comportement opérationnel de ladite entreprise. Alors qu’il existe des méthodologies s’appuyant sur le capital immatériel des entreprises, celles-ci restent généralement peu utilisées dans le monde de la finance car difficiles à mettre en œuvre, de par leur nature subjective. De plus, ces analyses sont majoritairement tournées vers la valorisation, sans démarche d’évaluation de la probabilité du risque de défaillance.
Pourquoi est-il donc si important de conjuguer analyse financière et analyse opérationnelle pour pouvoir mesurer la pérennité d’une entreprise, qui plus est dans le secteur du Numérique ?
L’analyse financière traditionnelle des déterminants de la défaillance repose principalement sur l’analyse des données comptables et financières. Elle vise à apprécier la solidité de l’entreprise et à mesurer le risque financier à travers l’examen des données bilancielles.
Pourtant, ces informations financières peuvent, dans certains cas, ne pas représenter fidèlement la situation réelle de l’entreprise à un instant T. Pourquoi ?
- Parce que les dirigeants recourent parfois à des opérations de ‘window dressing’, afin de présenter une image plus favorable de leurs comptes.
- Mais aussi parce qu’un certain nombre de menaces internes et/ou externes peuvent faire planer un risque sur la survie de l’entreprise, sans pour autant impacter ses résultats au moment de l’analyse.
Or, la défaillance financière est toujours le résultat d’une défaillance économique, qui elle-même résulte, la plupart du temps, d’une défaillance opérationnelle.
Ceci explique pourquoi les principaux standards de notation des entreprises dans le domaine de l’IT ne constituent pas aujourd’hui, dans bien des cas, des outils pertinents de prédiction du risque de défaillance des entreprises.
Dans le domaine de l’informatique, essentiellement régi par le mode ‘as a service’*, la relation client-fournisseur est gouvernée par un ensemble de règles de bonnes pratiques reposant sur des standards articulés autour de la gouvernance et du management de l’entreprise, mais n’incluant pas d’outils de prédiction d’éventuels risques de défaillance.
Ces standards sont :
- Le standard eSCM-CL (eSourcing Capability Model for Client Organizations), volet ‘client’ du référentiel eSCM, qui a été conçu en 2002 par l'université Carnegie-Mellon/ItSQC pour améliorer la relation entre clients et fournisseurs dans le cadre de la fourniture de services utilisant les technologies de l'information.
- Le standard CobiT (Control Objectives for Information and related Technology), développé en 1994 (et publié en 1996) par l’ISACA (Information Systems Audit and Control Association), qui constitue un cadre de contrôle visant à aider le management à gérer les risques (sécurité, fiabilité, conformité) et les investissements. La version 4 de CobiT est apparue en France en 2007.
- Le modèle CMMI (Capability Maturity Model + Integration) initialement développé par le Software Engineering Institute de l'université Carnegie-Mellon pour appréhender et mesurer la qualité des services rendus par les fournisseurs de logiciels informatiques du département de la Défense des États-Unis) et qui constitue un ensemble structuré de bonnes pratiques destiné à appréhender, évaluer et améliorer les activités des entreprises d'ingénierie.
- La norme ISO 9001, qui définit une série d'exigences concernant la mise en place d'un système de management de la qualité dans un organisme, quels que soient sa taille et son secteur d'activité.
Par ailleurs, les méthodes de mesure du risque de défaillance des entreprises font, depuis de nombreuses années, l’objet de nombreux travaux de recherche et d’analyse avec :
- Des modèles reposant sur des démarches d’analyse macro-économique. A titre d’exemple, Cathy DOLIGON propose un modèle sous forme vectorielle à correction d’erreur en vue de mettre en relation, d’une part, l’évolution du PIB et, d’autre part, le nombre de créations d’entreprises avec le nombre de défaillances d’entreprises constatées en vue de qualifier l’influence de ces deux facteurs sur les défaillances. Le modèle ainsi proposé permet de mettre en évidence une corrélation entre la variation du PIB et le nombre de défaillance d’entreprises à court terme et à long-terme, une corrélation entre le nombre de création d’entreprises et le nombre de défaillances constatées. Ce type de modèle, qui intéresse les décideurs politiques, est toutefois inadapté en tant qu’outil macroéconomique à l’analyse individuelle d’une entreprise.
- Des modèles reposant sur une analyse strictement comptable et financière. Ces analyses reposent sur la constatation que la plupart des entreprises ayant déposé leur bilan ont connu des difficultés dans les trois à cinq ans qui ont précédé cet échec et que le risque de défaillance serait donc inscrit dans les comptes de l'entreprise. Sur la base de ce présupposé, de nombreuses méthodes de scoring ont été modélisées, consistant à déterminer une fonction linéaire de ratios choisis permettant de différencier les entreprises saines des futures entreprises défaillantes. Les résultats obtenus par ce type d'analyse permettent, d'une part, de décrire de façon synthétique les caractéristiques des entreprises défaillantes et, d'autre part, de prédire le risque de défaillance que court une entreprise donnée. Parmi les modèles proposés, peuvent être notamment citées :
- la fonction de Conan et Holder établie en 1978 à partir de l'observation de 31 ratios observés sur un échantillon de 190 PME, dont la moitié avaient connu une défaillance
- la fonction de la Centrale des Bilans de la Banque de France élaborée à partir de l'étude des ratios utilisés par la banque de France dans son dossier analyse. Ces ratios ont été calculés entre 1975 et 1980 à partir d’un échantillon de 3000 entreprises industrielles de moins de 500 salariés et classées en entreprises normales et défaillantes.
- Des modèles prenant en compte d’autres facteurs que la seule analyse financière, notamment ceux découlant des travaux de J-C. TEURLAI et L. LELOGEAIT.
Le modèle de J-C. TEURLAI conclut au rôle prépondérant joué par le profil du créateur et les caractéristiques de l’entreprise sur ses chances de survie. Si ces travaux ont permis de mettre en évidence l’importance d’inclure des critères qualitatifs dans l’analyse du risque de défaillance, le modèle proposé n’a pas d’ambition prédictive et ne repose que sur l’analyse des situations passées. Et le bien-fondé de son application à une économie nouvelle doit-il encore être vérifié…
Les travaux menés par L. LELOGEAIS semblent, quant à eux, plus pertinents par rapport à l’objectif visé. Se basant sur les données issues de l’enquête SESAME (1999 et 2000) menée par l’INSEE, l’auteur a sélectionné (parmi les 500 variables contenues dans l’étude) les variables les plus pertinentes pour la prédiction du risque de défaillance des entreprises. Les variables suivantes ont ainsi été sélectionnées selon la méthode Disqual (suivie d’une analyse discriminante de Fischer) : croissance de l’activité, degré de satisfaction par rapport aux objectifs recherchés, positionnement concurrentiel en termes de maîtrise des coûts de revient, taux d’utilisation de l’outil productif, disponibilité des lignes de crédit confirmées et non utilisées à court-terme, niveau d’endettement de la société et appartenance à un groupe.
Sur la base de ces variables, l’auteur a construit un score de défaillance en vue de la prédiction du risque de défaillance à trois ans. L’application du modèle de scoring a permis de classer les entreprises étudiées selon cinq catégories, de ‘très risqué’ à ‘très favorable’. La comparaison des résultats théoriques et des défaillances constatées conforte la pertinence du modèle : les entreprises classées ‘très risquées’ ont présenté un taux de défaillance constaté de 17,4%, contre 0,1% pour les entreprises classées ‘très favorables’.
Jusqu’en 2015, l’ensemble des publications techniques en la matière n’ont donc pas permis d’établir un modèle d’analyse de défaillance des entreprises ‘pluri-critères’.
Pour preuve, la publication en 2014 par S. Ben Jabeur et Y. Fahmi d’un modèle d’analyse de la situation financière des PME, appliqué sur un échantillon de 800 entreprises françaises, corroborait les résultats des modèles antérieurs, en concluant sur la nécessité d’améliorer les résultats de l’analyse purement financière, en introduisant de nouveaux critères.
DANS UN UNIVERS DRIVE PAR L’INVESTISSEMENT, exægis APPORTE UNE RÉPONSE NOUVELLE AUX RISQUES ENCOURUS PAR LES ENTREPRISES DE l’IT EN MODE ‘AS A SERVICE’
Alors que la plupart des travaux engagés jusqu’à ce jour ont démontré leurs limites prédictives, ils n’ont, par ailleurs, pas été menés sur des entreprises de l’IT fonctionnant en mode ‘as a service’, notamment celles qui financent leur chiffre d’affaires.
C’est pourquoi exægis travaille depuis des années à la mise au point d’un outil prédictif du risque de défaillance des entreprises adapté au monde de l’IT.
Cet outil conjugue analyse financière et analyse opérationnelle, complété par un outil de veille au service de l’analyste, scrutant avec l’aide de l’intelligence artificielle tous les signaux d’évolution opérationnelle et faibles de défaillance. Au-delà des évolutions bilancielles, il permet de comprendre et d’identifier, sur la base de l’observation des meilleures pratiques, les comportements vertueux, mais également ceux qui sont critiques et perfectibles et qui peuvent impacter, à plus ou moins court terme, la pérennité de l’organisation évaluée.
Les chapitres étudiés recensent 150 points d’attention ayant chacun, isolément ou agrégés, un impact sur le succès ou la défaillance de l’organisation. Au nombre de 7, ils couvrent les domaines suivants : relation client (du marketing à l’administration des ventes) ; gestion de la production des services ; gestion de la qualité ; gestion des ressources humaines ; gestion des menaces ; intégration et réversibilité ; management et pilotage. En fonction du stade de développement des comportements de l’entreprise, le référentiel évolue et au regard des réponses et de leur corrélation, des facteurs de risque aggravés peuvent apparaitre qui, couplés à l’analyse financière, permettront d’identifier clairement des points de fragilité à venir.
Par exemple, les chapitres d’études relatifs au développement des ventes et de leur administration et contrôle, corrélés avec la gestion des risques d’entreprise et du management, peuvent mettre en lumière des croissances mal maitrisées ou, pour le moins, à maitriser. Selon l’orientation prise par le dirigeant, les fragilités bilancielles peuvent être minorées ou au contraire accrues. Concrètement, il a été observé une très forte corrélation entre la dégradation des comptes et diverses dépendances ou dispositifs observés dans l’analyse opérationnelle, par exemple défauts de contrôle, gestion des sous-traitants, protection de la propriété intellectuelle ou de la sécurité, tant physique que cyber. Ces observations ont permis, à l’occasion du dernier ‘back testing’ réalisé par exægis, d’afficher un taux de fiabilité de plus de 90% à trois ans.
Gageons que celui-ci ne se dégrade pas !
Références :
L’enchainement de défaillance de l’entreprise : une réconciliation des approches organisationnelles et financières, Comptabilité et environnement, Nathalie Crutzen, Didier Van Caillié,
Statut de la faillite en théorie financière : approches théoriques et validations empiriques dans le contexte français. Économies and finances. Université de Toulon et du Var ; Université de Sousse, 2011 ; Sami Ben Jabeur.
Le rôle des variables qualitatives dans la détection précoce du risque de défaillance, Laurence Lelogeais, Banque de France ;
Prédiction du risque de défaillance des entreprises - Capacité à utiliser les ratios financiers – Application du modèle linéaire de Brunswick, Fekih Ahmed Chiraz (Faculté des sciences économiques et de gestion de Mahdia) & Fedhila Hassouna (Faculté des sciences juridiques, économiques et de gestion de Jendouba) ;
Les modèles de prévision de la défaillance des entreprises françaises : une approche comparative, Sami Ben Jabeur & Youssef Fahmi, 2014-317
A propos de l’auteur
Après avoir obtenu son diplôme de l’INSEEC Bordeaux en 1988, Laurent Briziou rejoint le groupe Société Générale, dans sa filiale ECS, où il occupe plusieurs fonctions commerciales : Ingénieur Commercial, Directeur d’Agence, Directeur Régional, et Directeur Commercial UK puis Grands Comptes en France.
Nommé Directeur Marketing du Groupe en 1995, il anime la démarche stratégique du Groupe vers l’addition du service à la location. Il prend en charge naturellement le développement des activités de services du Groupe jusqu’en 2010. En 2005, il devient Directeur Général, en charge des Services, de la Stratégie et du Développement du Groupe, puis de l’International.
Ses fonctions lui ont permis de gérer la croissance externe du Groupe ECS jusqu’en 2010 et il a ainsi procédé au rachat d’une quinzaine d’entreprises. Il a personnellement dirigé l’intégration et la fusion de 5 d’entre elles avec succès. Il est devenu au fur et à mesure de son expérience un généraliste d’entreprise et un spécialiste des risques financiers et opérationnels des entreprises du numérique, ayant mené à son terme 3 visions stratégiques et géré et internationalisé une ETI pendant 10 ans.
Depuis 2010, il développe l’agence de notation et de garantie opérationnelle du Numérique qu’il a créée : exægis, ainsi que ses filiales MARKESS by exægis et exægis Corporate Development.
*cf article exægis « Entreprise Saas : comment évaluer la santé financière de mon forunisseur ? »
(adsbygoogle = window.adsbygoogle || []).push({});
Chaineum : ICO, STO Boutique
Laurent Leloup : Conseil transformation blockchain
HealthTech Finance : HealthTech Investment Banking, levée de fonds
Laurent Leloup : Conseil transformation blockchain
HealthTech Finance : HealthTech Investment Banking, levée de fonds
No Offer, Solicitation, Investment Advice, or Recommendations
This website is for informational purposes only and does not constitute an offer to sell, a solicitation to buy, or a recommendation for any security, nor does it constitute an offer to provide investment advisory or other services by FINYEAR.
No reference to any specific security constitutes a recommendation to buy, sell or hold that security or any other security.
Nothing on this website shall be considered a solicitation or offer to buy or sell any security, future, option or other financial instrument or to offer or provide any investment advice or service to any person in any jurisdiction.
Nothing contained on the website constitutes investment advice or offers any opinion with respect to the suitability of any security, and the views expressed on this website should not be taken as advice to buy, sell or hold any security. In preparing the information contained in this website, we have not taken into account the investment needs, objectives and financial circumstances of any particular investor.
This information has no regard to the specific investment objectives, financial situation and particular needs of any specific recipient of this information and investments discussed may not be suitable for all investors.
Any views expressed on this website by us were prepared based upon the information available to us at the time such views were written. Changed or additional information could cause such views to change.
All information is subject to possible correction. Information may quickly become unreliable for various reasons, including changes in market conditions or economic circumstances.
No reference to any specific security constitutes a recommendation to buy, sell or hold that security or any other security.
Nothing on this website shall be considered a solicitation or offer to buy or sell any security, future, option or other financial instrument or to offer or provide any investment advice or service to any person in any jurisdiction.
Nothing contained on the website constitutes investment advice or offers any opinion with respect to the suitability of any security, and the views expressed on this website should not be taken as advice to buy, sell or hold any security. In preparing the information contained in this website, we have not taken into account the investment needs, objectives and financial circumstances of any particular investor.
This information has no regard to the specific investment objectives, financial situation and particular needs of any specific recipient of this information and investments discussed may not be suitable for all investors.
Any views expressed on this website by us were prepared based upon the information available to us at the time such views were written. Changed or additional information could cause such views to change.
All information is subject to possible correction. Information may quickly become unreliable for various reasons, including changes in market conditions or economic circumstances.