L`impact des LBO sur la défaillance des entreprises Le cas des PME

L’impact des LBO sur la défaillance des entreprises
Le cas des entreprises françaises (2000-2007)
Nicolas Bedu
GRETHA
Université Montesquieu Bordeaux IV
e-mail : [email protected]
Jean-Etienne Palard
IRGO
IAE de Bordeaux – Université Montesquieu Bordeaux IV
e-mail : [email protected]
1
Résumé
Cet article étudie l’incidence des opérations de Leveraged Buyouts
(LBO) sur la défaillance des entreprises françaises. Selon la théorie
de l’agence, l’augmentation du risque de défaillance, induit par la
hausse du niveau d’endettement, doit être compensé par le
renforcement du contrôle et des mécanismes de governance visant à
améliorer la performance financière et réduire in fine le risque de
faillite. L’étude empirique est construite sur un modèle
d’appariement fondé sur un échantillon initial de 626 opérations de
LBO dont 55 ont fait l’objet d’une défaillance financière entre 2000
et 2010. Les résultats des tests paramétriques et non paramétriques
montrent que le taux de défaillance des firmes reprises en LBO est
significativement plus élevé que celui des entreprises appariées dans
le modèle. Par ailleurs, le taux de défaillance est positivement
corrélé avec la performance après le LBO.
Keywords: Leveraged Buyouts (LBO), défaillance d’entreprise,
faillite, structure financière, endettement, théorie de l’agence.
Abstract
This article investigates whether Leveraged Buyout (LBO) transactions
increase or decrease the risk of financial distress of firms. According
to agency theory, the increasing risk of failure, induced by rising debt
levels, should be offset by the introduction of new governance
mechanisms that improve business performance and ultimately reduce
the risk of bankruptcy. The empirical study is based on a propensity
score matching model which focuses on an original sample of 626
LBOs with 55 operations that have experienced financial distress
between 2000 and 2010 in France. The results of the parametric and
non-parametric tests show that the failure rate is significantly higher
than the matched firms in the model. Moreover, the failure rate is
positively correlated with the performance after the LBO.
Keywords: Leveraged Buyouts (LBO), financial distress, bankruptcy,
financial structure, debt, agency theory.
2
1. Introduction
Les deux dernières décennies ont été marquées par un essor considérable des opérations à
effet de levier de type LBO (Leveraged Buy-Out) ou MBO (Management Buy-Out)1, ce
phénomène se manifestant en Europe par deux vagues successives de rachat opérées à la fin
des années 90 et au milieu des années 2000 [Andres, Betzer et al. (2007), Kaplan et
Stromberg (2009)]2. Alors que la plupart des travaux en finance ont porté sur des opérations
de LBO aux Etats-Unis de taille relativement importante (supérieur à 100 millions $), Wright,
Wilson et al. (1996) et rappellent que la grande majorité de rachat en LBO, au Royaume-Uni
comme en France, correspondent à des transactions de faible montant (rarement supérieur à
50 millions €) et à des situations spécifiques telle que la transmission d’une entreprise par son
fondateur et la cession par un grand groupe d’une filiale ou d’une activité au management en
place3.
Dans un LBO, un groupe d'investisseurs financiers privés acquiert le contrôle d’une entreprise
en finançant l’acquisition des titres de la cible principalement par endettement bancaire. Cette
opération est généralement conduite par un fonds de Private Equity, qui joue le rôle de
sponsor auprès d’autres investisseurs et élabore le montage financier. L’objectif de ce type de
montage consiste, pour le fonds de Private Equity, à profiter d’un triple effet de
levier [Demaria (2010)] : un effet de levier financier, qui repose sur l’utilisation massive de la
dette permettant de financer l’opération afin de maximiser la rentabilité des fonds propres ; un
effet de levier fiscal, en raison notamment de la déductibilité des charges d’intérêt versés par
la holding de reprise ; un effet de levier organisationnel, enfin, qui trouve ses fondements dans
la transformation de la structure de propriété et la mise en place de mécanismes de contrôle et
d’incitation nouveaux conduisant à une rupture dans les relations contractuelles entre
dirigeants et apporteurs de capitaux [Jensen (1986), Desbrières et Schatt (2002)]. Comme le
soulignent Opler et Titman (1993), l’une des questions importantes posée par ce type de
montage consiste à déterminer si l’effet de levier organisationnel permet de compenser du
1
Selon l’Association Française des Investisseurs en Capital : "un Leveraged Buyout peut être défini comme
l’achat d’une entreprise, financé partiellement par des dettes, dans le cadre d’un schéma juridique spécifique et
fiscalement optimisé où les dirigeants sont associés en partenariat avec des investisseurs professionnels
spécialisés". (Source : AFIC, Rapport d’activité 2007 disponible sur www.afic.asso.fr).
2
Le marché français du capital-investissement est particulièrement actif puisqu’il représente le deuxième marché
en Europe et le troisième au monde avec près de 2.500 opérations réalisées entre 1998 et 2009 correspondant à
environ 60 milliards d’euros investis. (Source : EVCA, Rapports d’activité annuels).
3
Concernant la cession des entreprises familiales en LBO, on peut se référer à l’étude du Center for
Management Buy Out Research :
Ball, R., Burrows, A., et al. (2008). Private Equity in Family Firms. CMBOR - Nottingham University Business
School, Nottingham, Vol. 1, 51 p.
3
risque de faillite induits par la hausse de l’endettement. Autrement dit, les entreprises
engagées dans un LBO présentent-elles un taux de défaillance plus élevé que les firmes non
engagées dans ce type de restructuration? Si oui, quelle est l’influence relative de l’effet de
levier financier par rapport à l’effet de levier organisationnel sur l’évolution du risque de
défaillance ?
Depuis les travaux fondateurs d’Altman (1968) et Gordon (1971) sur la faillite des entreprises
aux Etats-Unis, la problématique de la défaillance a fait l’objet de très nombreux
développements théoriques et empiriques dans divers domaines de recherche de l’économie et
de la finance. Les recherches sur ce thème se sont orientées vers l’analyse des déterminants de
la défaillance [Aharony, Jones et al. (1980), Purnanandam (2008)] et l’impact du contexte
réglementaire et juridique sur les faillites d’entreprises [Davydenko et Franks (2008)].
D’autres travaux ont également cherché à déterminer des modèles de prédiction de la faillite
fondés sur des techniques d’analyse discriminante [Platt et Platt (1990)] ou des modèles
algorithmiques de réseaux de neurones [Coats et Fant (1993)]4. Dans le cadre des opérations
de rachat avec effet de levier, les résultats des études empiriques, menées principalement aux
Etats-Unis et au Royaume-Uni, traitant de l’impact des LBO sur la faillite des cibles sont
globalement contradictoires.
Un première série d’études montre que les opérations de LBO présentent un risque de faillite
significativement plus élevé que les autres formes de reprise d’entreprise [Kaplan (1989),
Bruner et Eades (1992), Peck (1996), Citron et Wright (2008)]. Kaplan et Stein (1993) et
Denis et Denis (1995) observent ainsi que le risque de faillite augmente très sensiblement
après le rachat, le taux de défaillance trois ans après l’opération de LBO se situant à des
niveaux très élevés entre 20% et 36% selon le secteur d’activité et l’âge de la cible. Andrade
et Kaplan (1998) étudient quant à eux deux formes de défaillance financière : la
restructuration de la dette, d’une part, qui permet d'éviter que la situation de défaut, et la
cessation de paiement, d’autre part. Ils trouvent que le risque de défaillance est d’autant plus
faible que les coûts de faillite sont élevés et que le niveau de rentabilité financière est faible
une fois l’état de cessation de paiement déclaré. Plus récemment, sur un échantillon 21.397
transactions effectuées par des fonds de Private Equity entre janvier 1970 et juin 2007,
Strömberg (2008) observe que 570 opérations ont fait l’objet d’une liquidation judiciaire soit
4
Pour un revue de la littérature des principaux modèles prédictifs de mesure du risque de défaillance, on peut se
reporter à l’article de Refait, C. (2004). La prévision de la faillite fondée sur l'analyse financière de l'entreprise :
Un état des lieux. Economie et Prévision, Vol. 162, p. 129-147.
4
un taux de défaillance moyen de 2,3%, contre un taux de défaillance de seulement 0,6% pour
les société cotées et de 1,6% pour les obligations corporate aux Etats-Unis.
A l’inverse, d’autres études établissent que les opérations à fort effet de levier ne sont pas
économiquement plus risquées que d’autres formes de rachat. L’étude de Wright, Wilson et
al. (1996) montre, par exemple, que le taux de faillite des firmes reprises en LBO qui se situe
à 3,1% n’est pas significativement plus élevé que le taux de faillite moyen des PME
britanniques (2,1%). Easterwood (1998) observe aussi que l’augmentation du risque de
défaillance dans les opérations de LBO n’est pas corrélée avec le niveau d’endettement mais
plutôt avec le poids des désinvestissements nécessaires pour générer de la trésorerie à court
terme. Halpern, Kieschnick et al. (2009) ajoutent également que la baisse du risque de
défaillance des firmes reprises en LBO s’explique davantage par la structuration de la dette
(dette senior vs dette subordonnée) que par le niveau d’endettement ou les changements postacquisition opérés en matière de gouvernance et de fonctionnement opérationnel. Plus
récemment, l’article de Tykvova et Borell (2012) montre à partir d’un échantillon de 1 862
opérations de LBO réalisées au sein de 15 pays européens que le risque de défaillance n’était
pas statistiquement plus élevé par rapport aux sociétés comparables n’ayant pas fait l’objet de
ce type de rachat.
L’objectif de cet article consiste à analyser la défaillance des opérations de LBO sur un
échantillon original de PME françaises au cours de la période 2000-2007. Comme le
rappellent Desbrières et Schatt (2002), le contexte français du capital-investissement est
particulier dans le sens où ce type de montage est avant tout utilisé dans le cadre de la
transmission de PME, principalement familiales, alors que dans le modèle anglo-saxon, les
cessions de filiales de groupes industriels sont majoritaires. Le second apport de la recherche
est d’étudier si les différentes formes de rachat d’entreprises avec effet de levier (MBO, MBI,
LBU,…) ont la même incidence sur taux de défaillance et la probabilité de faillite que le LBO
classique. Sur le plan méthodologique, l’originalité de ce travail consiste à utiliser les
derniers développement des modèles d’appariement qui ont notamment été utilisés par
Boucly, Sraer et al. (2009) pour analyser l’effet des LBO sur l’emploi en France. La
défaillance a été définie de manière stricte en considérant l’ensemble des entreprises sous
LBO ayant fait l’objet d’une ouverture de redressement ou de liquidation judiciaire directe
dans les 3 ans suivant l’opération de rachat, les données ayant été obtenues à partir du fichier
défaillance d’Altares5.
5
Dans la définition d’Altares, « les suites de procédures, à savoir les liquidations judiciaires ou plans de
redressement jugés après l’ouverture d’un redressement judiciaire ne sont pas prises en compte dans la base. Ne
5
L’article est organisé de la manière suivante. La première section est consacrée au cadre
théorique et à la présentation des hypothèses de recherche. La deuxième section porte sur la
description de l’échantillon des LBO et la troisième sur la méthodologie relative aux modèles
d’appariement. La quatrième section présente les résultats concernant les déterminants de la
faillite des LBO.
2. Revue de la littérature théorique et empirique
Dans le cas d’une reprise ou d’une transmission d’entreprise, le montage LBO engendre deux
effets a priori opposés sur l’évolution du risque de défaillance. D’une part, le risque de
défaillance et les coûts de faillite devraient augmenter en raison du poids des charges
financières induit par l’accroissement du niveau d’endettement [Halpern, Kieschnick et al.
(2009)]. A l’inverse, le rôle joué par le fonds de Private Equity, dans la modification des
mécanismes de gouvernance et de contrôle, doit permettre de réduire les coûts d’agence tout
en améliorant la performance opérationnelle à long terme [Jensen (1986), Kaplan et Schoar
(2005)]. Ainsi, l’augmentation de la rentabilité économique doit compenser l’accroissement du
risque lié à la structure financière fortement endettée du montage [Citron et Wright (2008),
Bancel (2009)].
2.1 LBO, levier financier et risque de défaillance
D’après les fondements de la théorie financière, le risque de défaillance augmente avec l’effet
de levier financier en raison de la hausse de l’endettement et des charges financières qui
pèsent sur le niveau des dividendes et de la trésorerie versés par la cible à la holding de
reprise. Plus le montant de la dette augmente, plus la probabilité que la holding ne soit pas en
mesure d’honorer ses échéances de remboursement s’accroit, dès lors que le niveau des freecash-flows est insuffisant. Dans les modèles développés par Bolton et Freixas (2000) et
Purnanandam (2008), l’augmentation du risque de faillite se traduit par une hausse du coût du
capital et corrélativement par une baisse du nombre de projets à VAN positive affectant la
rentabilité de la firme à long terme. Le modèle de Bolton et Scharfstein (1996) montre, par
ailleurs, que la combinaison des différents titres de dette, d’une part, ainsi que le nombre et la
sont pas davantage retenues les cessations amiables d’activité. Les défaillances sont comptabilisées à la date du
jugement, et non à la date de publication de l’information ».
Source :
6
concentration des créanciers, d’autre part, a un effet significatif sur le coût de démantèlement
ce qui impacte directement la probabilité de défaillance. Kaplan et Stein (1993) confirment
empiriquement ces résultats : les LBO financés par de la dette privée senior sont moins
susceptibles de faire faillite que ceux financés par de la dette obligataire convertible. A partir
d’un échantillon de 41 LBO réalisés sur des filiales de sociétés US cotées ayant réalisé 134
opérations de désinvestissements entre 1989 et 1992, Easterwood (1998) observe que le taux
de faillite est négativement corrélé avec le montant des actifs désinvestis par rapport à l’actif
total. On peut supposer :
H1 : Le taux de défaillance des entreprises reprises en LBO est plus élevé que celui des firmes
comparables n’ayant pas fait l’objet d’un LBO.
A l’inverse, les théoriciens de l’agence soulignent que le LBO entraîne une rupture positive
dans les relations entre dirigeants et apporteurs de capitaux. Ce type de montage révolutionne
les mécanismes de contrôle, de gouvernance et d’incitation au sein de l’entreprise ce qui
permet de compenser la hausse du risque de faillite induite par l’accroissement du niveau
d’endettement. Selon Jensen (1989), ces mécanismes sont en effet conçus pour réduire les
coûts d’agence et mieux gérer l’asymétrie d’information entre dirigeants et actionnaires,
d’une part, et entres actionnaires et créanciers, d’autre part. Les travaux empiriques de Opler
(1993) ou Billett, Jiang et al. (2010) montrent notamment que la mise en place d’outils
incitatifs en matière de financement LBO, tels que les obligations convertibles ou la dette
mezzanine, et l’introduction de clauses coercitives (covenants) dans les contrats de dette
réduisent de près de 30% le risque de défaillance. Wilson, Wright et al. (2010) ont analysé les
caractéristiques de l’ensemble des entreprises ayant fait l’objet d’une faillite au Royaume-Uni
entre 1995 et 2009. Certes, le taux de faillite des PME reprises en LBO est en moyenne deux
fois supérieur (4,8%) à celui des autres PME britanniques (2,1%), mais cette différence
s’explique principalement par le poids dans l’échantillon des premiers LBO réalisés au début
des années 90 dont les niveaux d’endettement nets étaient très élevés. Les opérations de
LBO/MBO réalisés post-2003 ne sont en effet économiquement pas plus risquées que les
autres formes de rachat d’entreprise. D’où, la proposition de l’hypothèse suivante :
H2a : Le taux de défaillance des cibles reprises en LBO est positivement corrélé avec le
niveau d’endettement après l’opération.
7
H2b : Le taux de défaillance des firmes reprises en LBO est négativement corrélé avec le
niveau de la trésorerie avant l’opération.
2.2 LBO, levier organisationnel et risque de défaillance
D’après la théorie de l’agence, la modification de la structure de propriété et l’instauration de
mécanismes de gouvernance et de contrôle plus efficaces doivent permettre aux nouveaux
actionnaires d’agir sur le levier organisationnel de manière à réduire les coûts d’agence et
accroître la rentabilité économique de la cible après son rachat. Certes, Jensen (1989) souligne
que l’endettement entraîne une augmentation du risque de défaillance et des coûts de faillite à
court terme. Mais à moyen terme, ce type de montage permet de réduire le risque de
défaillance dans le mesure où la dette joue le rôle de catalyseur dans la réussite du projet et
fait porter sur le management la nécessité de générer une rentabilité économique suffisante
pour rembourser la dette à l’échéance. Dans ce contexte, l’étude de Bruner et Eades (1992)
sur la faillite de la compagnie Revco en 1992 montre que la liquidation de cette société,
spécialisée dans la distribution de médicaments aux Etats-Unis, s’explique davantage par une
mauvaise structuration de l’endettement entre la dette senior et la dette subordonnée plutôt
que par un niveau d’endettement trop élevé au regard des capacités de remboursement du
Groupe Revco lors de sa restructuration. L’étude montre notamment que le LBO a permis
d’améliorer la rentabilité économique mesurée par le ROCE6, trois années après l’annonce de
l’opération grâce à la diminution des stocks et à la cession des points de vente les moins
rentables. Ces premiers résultats ont été validées par de nombreuses études empiriques à
l’instar des travaux de Bruton, Keelsc et al. (2002) qui montrent sur un échantillon de 39
opérations effectuées sur des cibles US que la surperformance des sociétés reprises en LBO
n’est pas corrélé avec leur performance avant l’opération de LBO alors que la performance est
positivement corrélée avec le pourcentage de contrôle détenu par les fonds de Private Equity
dans la holding de reprise.
H3 : Le taux de défaillance des entreprises performantes reprises en LBO est inférieur au taux
de défaillance des entreprises peu performante.
6
ROCE : return on capital employed.
8
H4a : Le taux de défaillance des entreprises reprises en LBO est négativement corrélé avec le
niveau de rentabilité économique avant (t-1) et après la défaillance (en t+1 et t+3).
H4b : Le taux de défaillance des entreprises reprises en LBO est négativement corrélé avec le
niveau de rentabilité financière avant (t-1) et après la défaillance (en t+1 et t+3).
2.3 LBO, structure de reprise et risque de défaillance
Dans le cadre d’une opération de LBO, Wright, Wilson et al. (1996) montrent que le mode de
rachat et la structure du montage juridique utilisé a également une influence significative sur
la performance de l’opération et l’évolution du risque de défaillance. Sur un échantillon de
114 opérations de LBO, ils trouvent que les firmes restructurées dans le cadre d’une opération
de Management Buy Out (MBO) sont globalement plus performantes présentent un taux de
faillite significativement plus faible que les firmes reprises dans le cadre d’un LBO classique
(sans programme d’incitation du management) ou d’un LBU. Ils observent également que le
risque de faillite est négativement corrélé avec le pourcentage de contrôle détenu par le
management dans la nouvelle structure de contrôle. Andrade et Kaplan (1998) expliquent ce
résultat par le fait que la structure MBO permet de réduire davantage les coûts d’agence grâce
à une meilleure implication du management dans les décisions tout en s’appuyant sur les
compétences des fonds de Private Equity en tant que nouvel actionnaire de référence. Opler et
Titman (1994) montrent ainsi que le fonds joue un rôle particulier dans la structuration et la
négociation du financement avec les partenaires financiers. Ils observent que le coût de la
dette est plus faible lorsqu’un fonds de Private Equity structure l’opération de LBO, que dans
le cas où aucun fonds n’intervient.
Par ailleurs, Citron et Wright (2008) observent que la structure financière des holdings de
reprise dans le cadre d’un MBO est moins endettée que dans d’autres formes de
restructurations. A partir d’un échantillon de 72 opérations à fort effet de levier (HLT7) lors de
la première vague de LBO entre 1985 et 1990, Halpern, Kieschnick et al. (2009) ont analysé la
performance et le risque de chaque opération en fonction du type de montage utilisé. Ils
observent que les opérations de MBO sont globalement moins endettées et utilisent des des
contrats d’endettement moins risqués et dont les clauses sont moins restrictives que d’autres
formes de restructuration qui vont privilégier de la dette subordonnée ou mezzanine.
7
HLT : Highly Levered Transactions.
9
H5 : Le risque de défaillance des entreprises reprises en MBO est plus faible que celui des
entreprises ayant fait l’objet d’une autre forme de rachat avec effet de levier.
3. Méthodologie de recherche et sélection de l’échantillon
Pour évaluer l’impact d’un LBO sur la défaillance d’une entreprise, la méthodologie de
recherche est basée sur un modèle d’appariement par score de propension. Ce modèle permet
d’identifier les entreprises ayant fait l’objet d’une défaillance, suite à un LBO, en les
comparant à un échantillon de contrôle constitué de sociétés dont les caractéristiques sont très
proches de l’échantillon initial au moment du LBO8. Dans ce type d’étude, le choix d’un
modèle d’appariement rigoureux est primordial compte tenu des résultats contradictoires
concernant l’impact du LBO sur le risque de faillite.
3.1 La méthodologie des modèles d’appariement par score de propension (ASP)
Les modèles d’appariement par score de propension (ASP) ont été développés par Rosenbaum
et Rubin (1983), grâce aux travaux précurseurs de Rubin (1974). Initialement, cette
méthodologie a d’abord été utilisée dans les recherches médicales et pharmaceutiques afin
d’étudier l’effet d’une thérapie ou d’un médicament sur une population. Cette technique a été
reprise, depuis, dans de très nombreux travaux en économie publique et en économie du
travail [Pearl (2009)] afin d’identifier l’effet d’un événement sur l’évolution des
caractéristiques d’une population, et plus récemment en finance d’entreprise dans les
recherches sur les LBO [Le Nadant et Perdreau (2006), Tykvova et Borell (2012)].
L’objectif des modèles de type ASP est de mesurer l’effet d’un traitement, c’est-à-dire
l’impact d’un évènement spécifique, sur les caractéristiques d’un individu statistique en
identifiant les individus qui ont vécu ou non cet évènement. Cette méthode permet de
construire de manière robuste un groupe de contrôle dont les caractéristiques mesurables sont
extrêmement proches du groupe d’étude. Elle repose sur une intuition fondamentale, à savoir
que le fait de recevoir un traitement ne résulte pas d’un processus de sélection aléatoire mais
dépend des caractéristiques initiales de chaque individu « traité ». Le score de propension
correspond ainsi à une variable qui résume les caractéristiques initiales liées à l’indication du
8
D’un point de vue méthodologique, il s’agit d’éliminer les biais de sélection pouvant limiter la portée des
résultats obtenus sur l’analyse de la défaillance des entreprises sous LBO mise en évidence dans d’autres études.
10
traitement, la variable d’intérêt représentant la caractéristique potentiellement affectée par le
traitement. Dans cette étude, la variable de traitement correspond à la mise en œuvre d’un
LBO et la variable d’intérêt est représentée par la défaillance ou non de l’entreprise.
D’un point de vue méthodologique, cette proposition peut être déterminée de la manière
suivante : pour une entreprise i, la probabilité d’être sous LBO ( Z = 1 ) est donnée par ses
caractéristiques initiales ( X i ) :
e(x i ) = P(Z i = 1 / X i = x i )
Pour une valeur de e(xi), les entreprises sous LBO et les entreprises de contrôle auront
globalement les mêmes caractéristiques. Par ailleurs, dans le cadre d’un LBO, il apparaît
pertinent de considérer que les entreprises ciblées le soient sur la base de caractéristiques
observables. En effet, ces sociétés sont sélectionnées par les fonds de Private Equity à partir
de leur rentabilité observable et/ou de leur performance potentielle. En d’autres termes, il
s’agit d’affecter aux entreprises d’intérêt, i.e. les entreprises sous LBO, des entreprises de
contrôle, i.e. des entreprises qui ne sont pas sous LBO, mais dont les caractéristiques étaient
très proches avant le traitement. Le groupe de contrôle ainsi construit constitue une « image »
de ce que seraient devenues les entreprises sous LBO si elles n’avaient pas été rachetées9.
L’objectif n’est pas tant d’expliquer de manière exhaustive le fait d’être ciblée pour une
entreprise que d’affecter à chaque entreprise sous LBO des entreprises de contrôle qui avaient
une probabilité similaire d’être ciblée. Plus précisément, un appariement de qualité est
conditionné par l’existence pour chaque entreprise d’une ou plusieurs entreprises de contrôle
ayant des valeurs identiques pour les caractéristiques observables mobilisées pour expliquer le
fait de recevoir le traitement (hypothèse de support commun aux deux groupes). Par
extension, il convient de disposer du nombre le plus important possible d’entreprises pouvant
servir d’entreprises de contrôle afin de satisfaire l’hypothèse de support commun10.
La méthode ASP se fonde, enfin, sur une hypothèse d’indépendance conditionnelle entre le
traitement et les résultats observés pour la variable d’intérêt. Autrement dit, on doit considérer
que le fait d’être sous LBO pour une entreprise est indépendant de sa défaillance potentielle
9
De manière générale, il convient de distinguer pour les entreprises des deux groupes les effets observés (effets
du LBO pour les sociétés ciblées et effets de l’absence de LBO pour les sociétés non ciblées) des effets non
observés résultant de situations hypothétiques non observées (effets du LBO pour les ciblées si elles n’avaient
pas été ciblées et effets du LBO pour les non ciblées si elles avaient été ciblées).
10
Une des limites principales de l’ASP est de considérer que le fait de recevoir un traitement ne se fonde que sur
des caractéristiques observables ou que les caractéristiques inobservables sont données comme identiques pour
l’ensemble des individus. Par exemple, cette méthode ne permet pas de tenir compte de caractéristiques telles
que les relations entre le dirigeant de l’entreprise ciblée et l’acheteur, la volonté ou la réticence du cédant à
vendre son entreprise à un fonds de capital investissement, les raisons de la cession de l’entreprise cible, etc.
Néanmoins, il paraît pertinent de considérer que les informations comptables de la cible sont prépondérantes
dans la décision de LBO.
11
conditionnellement à certaines variables observables. Dans notre cas, l’hypothèse
d’indépendance conditionnelle est valide si le fait qu’une entreprise soit ciblée et qu’une autre
ne le soit pas n’est pas le résultat d’anticipations différenciées de la défaillance des
entreprises. Ainsi, le taux de défaillances observées dans le groupe de contrôle constitue une
estimation valable du taux de défaillances potentiel des entreprises sous LBO si celles-ci
n’avaient pas fait l’objet d’un rachat. Les caractéristiques observables des entreprises doivent
alors servir à définir une probabilité prédite de recevoir le traitement pour chacune des
entreprises. Dans notre cas, elles permettront de définir la probabilité pour une entreprise
d’être sous LBO, et d’apparier les entreprises d’intérêt et celles de contrôle sur la base du
score de propension. Dans une dernière étape, il s’agira de déterminer le nombre d’entreprises
de contrôle conservées pour chaque entreprise sous LBO. Nous avons choisi la méthode de
pondération du « plus proche voisin » et retenu les 5 voisins les plus proches, i.e. les 5
entreprises de contrôle dont le score de propension est le plus proche de celui observé pour
chaque entreprise sous LBO. Compte tenu du fait que les entreprises de contrôle appariées
peuvent être relativement éloignées en termes de probabilité prédite de l’entreprise d’intérêt,
nous avons introduit un calibrage (caliper method) de 1x10-7, nettement plus restrictif que les
calibrages utilisés communément dans ce genre d’étude [Tykvova et Borell (2012)].
L’appariement entre une entreprise sous LBO et une entreprise de contrôle n’est effectué que
si la différence entre le score de propension obtenu respectivement par chaque entreprise
n’excède pas la valeur du calibrage.
3.2 La sélection de l’échantillon
La base de données a été construite en trois étapes successives. La première étape a permis de
recenser les entreprises ayant fait l’objet d’un LBO sur la période 2000 à 2007 dont le
montant de la transaction était supérieur à 5 millions d’euros. Deux bases de données ont été
mobilisées : ZEPHYR et THOMSON REUTERS, les doublons ayant été éliminées entre ces
deux bases. Cette sélection a permis de constituer une population de 1 020 opérations de LBO
pour lesquelles un transfert du contrôle majoritaire de la société cible a été identifiée (prise de
participation supérieure à 50%). Dans une deuxième étape, nous avons identifié à partir de ce
premier échantillon les firmes ayant fait l’objet d’une faillite entre 2000 et 2010 à partir des
données d’ALTARES-INSEE, base qui regroupe l’ensemble des procédures collectives
classées par établissement sur la période 1998-2010. Parmi ces 1 020 opérations, 89 sociétés
cibles ont connu une défaillance sur la période 2000-2010. Nous avons ensuite éliminé les
12
opérations de LBO pre-défaillance, c’est-à-dire les opérations qui correspondent aux sociétés
en cours de défaillance qui ont été reprises en LBO. Ce retraitement permet de satisfaire
l’hypothèse d’indépendance conditionnelle, puisque la défaillance pre-LBO peut expliquer la
reprise en LBO mais aussi une deuxième défaillance post-LBO. La population initiale a ainsi
été réduite à 997 entreprises dont 66 défaillantes sur la période, une fois nettoyée des LBO
post défaillance. Dans la troisième étape, enfin, nous avons agrégé une base de données
comptable sur la période 2000-2007 comprenant l’intégralité des entreprises présentes dans la
base DIANE (environ 1,8 millions d’entreprise) sur cette période, en intégrant également les
données sur les effectifs salariés par établissement issus des fichiers DADS. L’objectif est de
n’imposer aucune restrictions a priori sur la population des entreprises de contrôle, afin de
disposer d’une zone de support commun la plus large possible. Sur les 997 entreprises, 371
sociétés ne renseignant pas une ou plusieurs données comptables mobilisées pour
l’appariement (cf infra pour la présentation des variables) 1 an avant la transaction ou dont la
durée de l’exercice comptable est différent de 12 mois ont été éliminées. Ainsi, l’échantillon
final est composé de 626 entreprises dont 55 sociétés ont fait l’objet d’une défaillance sur la
période 2000-2010 (cf figure 1) ce qui représente un taux de défaillance de 8,8% ce qui est
légèrement supérieur au taux de faillit de 7,2% identifié par Tykvova et Borell (2012) sur un
échantillon de 1 842 LBO en Europe au cours de la période 2000-2008.
Figure 1 – Evolution des LBO ayant fait l’objet d’une défaillance en France (2000-2010)
LBO
Défaillances
2000
20
2000
2000
2001
2002
2003
2004
2005
2006
2007
Total
-
2001
41
1
2002
39
3
2003
55
2
2004
85
4
2005
150
3
2006
130
-
2007
106
12
2008
2009
2010
10
10
10
Total
626
55
2001
1
2002
3
-
2003
1
1
2004
1
2
1
2005
1
1
1
2006
-
2007
2
1
2
1
1
5
-
1
3
2
4
3
2008
1
1
6
2
10
2009
2
3
2
3
10
2010
1
2
2
3
2
10
Total
9
4
4
6
4
16
7
5
55
-
12
13
3.3 La sélection des variables
Afin de construire le groupe de contrôle de la manière la plus rigoureuse possible, cinq
variables ont été retenues dans la procédure d’appariement lors de l’exercice précédent le
LBO : le chiffre d’affaires, le résultat net de l’exercice (bénéfice ou perte), l’actif total, le
niveau du BFR et l’effectif. Cette procédure est ainsi tout à fait comparable à la méthode
d’ASP utilisée dans les études récentes traitant des conséquences économiques des LBO
[Amess, Girma et al. (2008), Le Nadant et Perdreau (2012) et Tykvova et Borell (2012)]11. Le choix
du type et du nombre de variables retenues a été déterminé par l’adéquation de trois
contraintes majeures. La première contrainte est liée à la disponibilité des informations
comptables 1 an avant le LBO car certaines données manquantes restreignent le nombre de
variables pouvant être intégrées et/ou le nombre d’entreprises pouvant être appariées.
Deuxièmement, le choix des variables doit être pertinent au regard des variables retenus par
les fonds d’investissement dans le ciblage des entreprises rachetées. Les variables
sélectionnés donnent un aperçu de la situation comptable de l’entreprise (bénéfice ou perte),
de sa taille (effectif, chiffre d’affaires), de son patrimoine (actif total) et de sa trésorerie
(BFR). Troisièmement, la faisabilité de l’appariement dépend directement du nombre de
variables utilisées : l’objectif n’est pas d’expliquer le plus précisément possible le fait d’être
racheté en LBO mais d’affecter à chaque entreprise sous LBO une ou plusieurs entreprises de
contrôle. Par conséquent, l’augmentation du nombre de variables de conditionnement réduit la
probabilité d’associer à chaque entreprise sous LBO, une ou plusieurs entreprises de contrôle
et réduit le nombre d’entreprises sous LBO que l’on souhaite observer.
A partir des variables sélectionnées, deux appariements distincts ont été effectués. Dans le
panel A « sans filtre sectoriel », les entreprises sont appariées sans tenir compte du secteur
d’activité ; dans le panel B « avec filtre sectoriel », les entreprises d’intérêt et de contrôle sont
appariées selon leur secteur d’activité (cf annexe 1). Pour contrôler l’effet des cycles
économiques, nous avons effectué les deux types d’appariement pour chaque année entre
2000 et 2007. Enfin, pour évaluer l’impact de l’endettement sur la défaillance des entreprises
sous LBO, trois variables ont été retenues : l’endettement de l’entreprise, sa capacité de
remboursement et sa solvabilité. Les variables retenues dans cette étude sont représentées
11
A titre d’exemple, Amess, Girma et al. (2008) introduisent 5 variables (le chiffre d’affaires, l’effectif, les
salaires, la productivité, l’âge de l’entreprise et un indicateur de tendance conjoncturel). Le Nadant et Perdreau
(2012) utilisent 6 variables de conditionnement (le chiffre d’affaires, le ROCE, le taux d’endettement, le niveau
d’imposition, la liquidité et le BFR). Tykvova et Borell (2012) apparient les entreprises sous LBO et les
entreprises de contrôle appartenant au même secteur d’activité (code à 1 chiffre NACE Rev.2) à partir de 2
variables que sont l’âge des entreprises et l’actif total.
14
dans la figure 2 ci-dessous et les principales statistiques descriptives des échantillons LBO et
de contrôle dans la figure 3. Nous avons également distingué deux panels (panels C et D) en
fonction de la disponibilité de l’information comptable après le LBO dans les régressions
logistiques multivariées (figure 4). Le panel C est similaire en terme de taille à l’échantillon
ASP (panels A et B), le panel D est de taille plus restreinte et comprend l’ensemble des
entreprises disposant de données comptables avant et après le LBO12.
12
Les échantillons d’entreprises sous LBO dans les régessions logistiques (figure 7) sont de tailles différentes.
Cela s’explique par la disponibilité des informations comptables.
15
16
ASP, tests univariés
LBO_AV_DEF
DEF_t+1
DEF_t+2
DEF_t+3
DEF_t+4
DEF_t+5
RN_t-1_LBO
CA_t-1_LBO
EFF_t-1_LBO
ACTIF_t-1_LBO
BFR_t-1_LBO
Tests multivariés
DEF
BFR_t-1_LBO
ROA_t-1_LBO
ROCE_t-1_LBO
ROE_t-1_LBO
ROA_t+1_LBO
ROCE_t+1_LBO
ROE_t+1_LBO
SOLV_t+1_LBO
DETTE_t-1_LBO
DETTE_t+1_LBO
CF_DETTE_t+1_LBO
MBO
AGE
VAR_RN_t-1_LBO
VAR_CA_t-1_LBO
VAR_EFF_t-1_LBO
Description de la variable
Défaillance du LBO
Défaillance du LBO 1 an après
Défaillance du LBO 2 ans après
Défaillance du LBO 3 ans après
Défaillance du LBO 4 ans après
Défaillance du LBO 5 ans après
Résultat net 1 an avant LBO
Chiffres d'affaires 1 an avant LBO
Effectif 1 an avant LBO
Total de l'actif net 1 an avant LBO
BFR 1 an avant LBO
Description de la variable
Défaillance de l'entreprise
BFR en jours 1 an avant LBO
ROA 1 an avant LBO
ROCE 1 an avant LBO
ROE 1 an avant LBO
ROA 1 an après LBO
ROCE 1 an après LBO
ROE 1 an après LBO
Solvabilité 1 an après LBO / GEARING 1 an après LBO
Endettement 1an avant LBO
Endettement 1 an après LBO
Capacité de remboursement 1 an après LBO
Age de l'entreprise
Management Buy-Out
Variation du résultat net 1 an avant le LBO
Taux de croissance du chiffre d'affaires 1 an avant LBO
Taux de croissance de l'effectif 1 an avant LBO
Mesure de la variable
Dummy : 1 si entreprise sous LBO, 0 si entreprise de contrôle
Dummy : 1 si défaillance 1 an après LBO, 0 sinon
Dummy : 1 si défaillance 2 ans après LBO, 0 sinon
Dummy : 1 si défaillance 3 ans après LBO, 0 sinon
Dummy : 1 si défaillance 4 ans après LBO, 0 sinon
Dummy : 1 si défaillance 5 ans après LBO, 0 sinon
Résultat net 1 an avant LBO
Chiffres d'affaires 1 an avant LBO
Effectif 1 an avant LBO
Total de l'actif net 1 an avant LBO
BFR 1 an avant LBO
Mesure de la variable
Dummy : 1 si défaillance, 0 sinon / Période : 2001-2010
BFR t-1 / CA t-1
Résultat de l'exercice t-1 / Total actif t-1
Résultat d'exploitation t-1 / Total actif écoomique t-1
Résultat de l'exercice t-1 / Capitaux propres t-1
Résultat de l'exercice t+1 / Total actif t+1
Résultat d'exploitation t+1 / Total actif économique t+1
Résultat de l'exercice t+1 / Capitaux propres t+1
Dette t+1 / Capitaux propres t+1
Dette t-1 / Total actif t-1
Dette t+1 / Total actif t+1
Cash-Flows t+1 / Dette t+1
Nombre d'années depuis la création de l'entreprise
Dummy MBO : 1 si MBO, 0 si autre type de LBO
Dummy : 1 si croissance du bénéfice entre t-2 et t-1 avant LBO)
(CAn-1 LBO - CAn-2 LBO) / CAn-2 LBO
(EFFECTIFn-1 LBO - EFFECTIFn-2 LBO) /EFFECTIFn-2 LBO
Figure 2 – Description et mesure des variables utilisées l’ASP et dans les tests multivariés
17
Entreprises de contrôle
Panel B après ASP
Entreprises LBO
Panel B après ASP
Entreprises de contrôle
Panel A après ASP
Entreprises LBO
Nom de la variable
Nombre d'entreprises de contrôle
Nombre d'entreprises de contrôle avec défaillance
RN_t-1_LBO
BFR_t-1_LBO
CA_t-1_LBO
EFF_t-1_LBO
ACTIF_t-1_LBO
Nom de la variable
Nombre d'entreprises LBO
Nombre d'entreprises LBO avec défaillance
RN_t-1_LBO
BFR_t-1_LBO
CA_t-1_LBO
EFF_t-1_LBO
ACTIF_t-1_LBO
Nom de la variable
Nombre d'entreprises de contrôle
Nombre d'entreprises de contrôle avec défaillance
RN_t-1_LBO
BFR_t-1_LBO
CA_t-1_LBO
EFF_t-1_LBO
ACTIF_t-1_LBO
Nom de la variable
Nombre d'entreprises LBO
Nombre d'entreprises LBO avec défaillance
RN_t-1_LBO
BFR_t-1_LBO
CA_t-1_LBO
EFF_t-1_LBO
ACTIF_t-1_LBO
Panel A après ASP
Entreprises LBO
Nom de la variable
Nombre d'entreprises LBO
Nombre d'entreprises LBO avec défaillance
RN_t-1_LBO
BFR_t-1_LBO
CA_t-1_LBO
EFF_t-1_LBO
ACTIF_t-1_LBO
Panel A et B avant ASP
85 582
206 233
668 894
2 929
825 597
Max
Nombre d'observations
Moyenne Médiane Ecart-type
2822
162
2822
827
219
4 526
2822
8 727
2565.5
20 590
2822
27 277
9 462
56 321
2822
137
52
255
2822
26 927
7 491
81 590
Nombre d'observations
Moyenne Médiane Ecart-type
580
55
580
1 167
661
6 468
580
8 692
3 047
16 654
580
29 062
11 526
52 135
580
145
52
260
580
31 936
10 720
79 588
Max
Max
-64 717
96 947
-32 946
375 581
-539
919 251
0
3 677
18 2 070 392
Min
-72 833
60 421
-19 105
193 000
0
668 894
0
2 668
27 1 269 478
Min
Nombre d'observations
Moyenne Médiane Ecart-type
Min
Max
2663
106
2663
742
315
8 580 -168 032
295 152
2663
7 015
2 303
15 562 -55 852
251 428
2663
24 972
8 463
61 432
0 1 452 143
2663
114
33
442
0
16 760
2663
25 493
6 689
124 616
14 5 285 037
Nombre d'observations
Moyenne Médiane Ecart-type
Min
566
55
566
1 013
642
8 610 -104 158
566
7 680
2 783
17 221 -19 032
566
25 699
11 183
47 546
0
566
144
49
288
0
566
28 221
9 615
67 758
27
Nombre d'observations
Moyenne Médiane Ecart-type
Min
Max
626
55
626
2 895
702
32 596 -214 991
647 267
626
11 504
3 107
27 704 -20 207
329 210
626
36 529
12 145
78 044
0
692 310
626
212
54
917
0
20 482
626
61 364
11 862
264 198
27 4 432 551
Figure 3 – Statistiques de l’échantillon LBO et de l’échantillon de contrôle
BFR_t-1_LBO
ROA_t-1_LBO
ROCE_t-1_LBO
ROE_t-1_LBO
ROA_t+1_LBO
ROCE_t+1_LBO
ROE_t+1_LBO
Panel D
SOLV_t+1_LBO
DETTE_t-1_LBO
DETTE_t+1_LBO
CF_DETTE_t+1_LBO
AGE
VAR_CA_t-1_LBO
VAR_EFF_t-1_LBO
Nom de la variable
BFR_t-1_LBO
ROA_t-1_LBO
ROCE_t-1_LBO
ROE_t-1_LBO
Panel C
DETTE_t-1_LBO
AGE
VAR_CA_t-1_LBO
VAR_EFF_t-1_LBO
Nom de la variable
Nombre
Moyenne Médiane Ecart-type
Min
Max
d'observations
452
12 490
3 282
29 998 -20 207 329 210
452
0,07
0,07
0,15
-1,04
0,79
452
0,16
0,13
4,00 -73,35
30,86
451
7,08
0,19
151,86 -105,78 3 223,00
450
0,09
0,08
0,19
-1,21
1,28
449
0,19
0,13
0,58
-5,78
4,63
452
-0,49
0,19
10,01 -198,17
6,54
432
6,64
1,27
72,97 -15,46 1 487,33
436
0,52
0,52
0,35
0,00
5,40
431
0,52
0,55
0,25
0,00
1,47
405
0,68
0,20
6,89
-2,86
138,17
452
27
18
26
1
187
425
0,59
0,06
6,78
-1,00
130,61
428
0,19
0,01
1,93
-1,00
32,38
Nombre
Moyenne Médiane Ecart-type
Min
Max
d'observations
36
8 537
2 673
14 136
-77 73 358
35
-0,04
0,01
0,28
-1,20
0,45
35
-0,01
0,02
0,33
-1,40
0,68
36
6,31
0,08
27,75
-1,90 158,63
35
-0,05
-0,02
0,15
-0,50
0,29
35
-0,75
0,00
2,99
-15,90
0,48
36
4,00
0,05
24,55
-6,88 147,00
35
-62,27
1,02
377,34 -2 230,50 27,38
35
0,59
0,64
0,40
0,00
1,68
34
0,65
0,64
0,37
0,00
1,74
30
0,00
0,01
0,24
-0,51
0,88
36
24
19
21
0
87
32
0,30
0,04
1,51
-0,97
7,85
30
-0,09
-0,03
0,24
-0,99
0,24
Max
-1 100 73 358
-1,20
0,45
-3,01
0,76
-22,84 158,63
0,00
2,02
0
101
-0,97
7,85
-0,99
0,80
Min
LBO
Nombre
Moyenne Médiane Ecart-type
Min
Max
d'observations
571
11 979
3 261
28 737 -20 207 329 210
571
0,06
0,07
0,22
-3,61
0,79
571
0,15
0,13
3,57 -73,35
30,86
570
5,67
0,18
135,08 -105,78 3 223,00
551
0,52
0,53
0,34
0,00
5,40
570
26,06
18
24
1
187
530
0,66
0,07
6,72
-1,00
130,61
539
0,16
0,01
1,74
-1,00
32,38
Défaillances
Nombre
Moyenne Médiane Ecart-type
d'observations
55
6 579
2 503
11 801
53
-0,05
0,01
0,27
53
-0,06
0,02
0,53
54
3,79
0,09
23,06
53
0,67
0,68
0,43
55
25
17
23
47
0,27
0,03
1,29
46
-0,02
-0,02
0,26
Figure 4 – Statistiques des échantillons des régressions logistiques multivariées
18
19
4.
Résultats
A partir de la base de données LBO et de l’échantillon de contrôle construit par la méthode
ASP sur la période 2000-2010, les hypothèses ont été testées en utilisant des tests univariés
paramétriques et non paramétriques classiques et des régressions logistiques multivariées.
4.1 Résultats des tests univariés
Les résultats des tests paramétriques univariés unilatéraux (figure 5) montrent que le taux de
défaillance moyen des entreprises sous LBO est globalement plus élevé que le taux de
défaillance moyen de l’échantillon de contrôle (dont les caractéristiques en termes de taille, de
secteur d’activité et de rentabilité sont parfaitement comparables). Le taux de défaillance
annuel moyen à trois ans (entre t+1 et t+3) est ainsi de 1,83% par an pour l’échantillon LBO
contre 0,66% pour l’échantillon de contrôle. Les résultats montrent plus spécifiquement que
seules les variables DEF_t+2 et DEF_t+3 sont statistiquement significatives au seuil de 1%,
DEF_t+4 et DEF_t+5 n’étant significatives qu’au seuil de 10%. Si on contrôle par
l’appartenance au même groupe d’activité, seules DEF_t+2 et DEF_t+3 sont significatives.
Autrement dit, les LBO font davantage défaillance dans les deux et trois premières années
suivant le rachat alors qu’au-delà de trois ans, le taux de défaillance se stabilise par rapport
aux autres entreprises.
20
Figure 5 – Tests paramétriques univariés
Panel A
"sans filtre sectoriel"
DEF_t+1
DEF_t+2
DEF_t+3
DEF_t+4
DEF_t+5
Nb d'observations
* Significatif au seuil de 10%
** Significatif au seuil de 5%
*** Significatif au seuil de 1%
Panel B
"avec filtre sectoriel"
DEF_t+1
DEF_t+2
DEF_t+3
DEF_t+4
DEF_t+5
Nb d'observations
* Significatif au seuil de 10%
** Significatif au seuil de 5%
*** Significatif au seuil de 1%
Echantillon de contrôle
sans filtre sectoriel
Dummy LBO = 0
Moyenne
0,00526
0,00939
0,00526
0,01089
0,00451
2 663
Ecart-type
0,00140
0,00187
0,00140
0,00201
0,00130
2 663
Echantillon de contrôle
avec filtre sectoriel
Dummy LBO = 0
Moyenne
0,01134
0,00921
0,01276
0,01276
0,00638
2 822
Ecart-type
0,00199
0,00180
0,00211
0,00211
0,00150
2 822
Echantillon de LBO
sans filtre sectoriel
Dummy LBO = 1
Moyenne
0,00707
0,02297
0,02474
0,01767
0,00883
566
Ecart-type
0,00352
0,00630
0,00653
0,00554
0,00393
566
Echantillon de LBO
avec filtre sectoriel
Dummy LBO = 1
Moyenne
0,00690
0,02241
0,02414
0,01724
0,00862
580
Ecart-type
0,00344
0,00615
0,00637
0,00541
0,00384
580
Test unilatéral de différence de moyenne
Entreprises de contrôle vs Entreprises LBO
-
Moyenne
0,00181
0,01358
0,01948
0,00678
0,00433
Ecart-type
0,00345
0,00499
0,00429
0,00506
0,00335
Z-Value
- 0,52520
- 2,72069***
- 4,53879***
- 1,34057*
- 1,29204*
Test unilatéral de différence de moyenne
Entreprises de contrôle vs Entreprises LBO
-
Moyenne
0,00444
0,01320
0,01138
0,00448
0,00224
Ecart-type
0,00467
0,00485
0,00549
0,00527
0,00374
Z-Value
0,95239
- 2,71990***
- 2,07444**
- 0,85169
- 0,60018
4.2 Résultats des tests non paramétriques
Les résultats des tests non paramétriques (figure 6) sont similaires à ceux obtenus à partir des
tests paramétriques. Il ressort en effet que seules les variables DEF_t+2 et DEF_t+3 sont
significatives respectivement au seuil de 1% et de 5%. Ainsi, les entreprises rachetées en LBO
ont un taux de faillite globalement plus élevé deux ans et trois ans après leur rachat que les
entreprises comparables. On peut donc en affirmer que la variable de traitement, c’est-à-dire
le LBO, dans la procédure de construction de la méthode ASP a bien un effet significatif sur
la variable d’intérêt, le taux de défaillance. Les tests de robustesse qui intègrent un filtre
sectoriel ne modifient pas ces premiers résultats. Les tests univariés permettent donc de
conclure que l’hypothèse H1 semble vérifiée.
21
Figure 6 – Tests non paramétriques
Tests de Wilcoxon sans filtre sectoriel
Valeur observée
du T de Wilcoxon
DEF_t+1
915 454
DEF_t+2
924 325
DEF_t+3
928 769
DEF_t+4
919 198
DEF_t+5
917 352
Nb d'observations
3 229
* Significatif au seuil de 10%
** Significatif au seuil de 5%
*** Significatif au seuil de 1%
Espérance
du T de Wilcoxon
914 090
914 090
914 090
914 090
914 090
3 229
Variance
du T de Wilcoxon
6 746 941
14 154 824
10 462 556
14 522 767
6 374 095
3 229
Z-Value
- 0,52512
- 2,72028***
- 4,53814***
- 1,34037
- 1,29184
Tests de Wilcoxon avec filtre sectoriel
Valeur observée
du T de Wilcoxon
DEF_t+1
983 234
DEF_t+2
997 673
DEF_t+3
996 184
DEF_t+4
990 540
DEF_t+5
988 705
Nb d'observations
3 402
* Significatif au seuil de 10%
** Significatif au seuil de 5%
*** Significatif au seuil de 1%
Espérance
du T de Wilcoxon
986 870
986 870
986 870
986 870
986 870
3 402
Variance
du T de Wilcoxon
14 579 244
15 780 104
20 164 729
18 573 689
9 350 491
3 402
Z-Value
0,95226
- 2,71950***
- 2,07415**
- 0,85156
- 0,60009
4.3 Résultats des régressions logistiques multivariées
Afin de mesurer les déterminants de la défaillance des firmes reprises en LBO, des
régressions logistiques ont été réalisées à partir des données issues de l’échantillon des 626
firmes reprises en LBO. La variable DEFt a été codée 0, lorsque la société reprise en LBO
n’avait pas fait l’objet d’un état de cessation de paiement de la part du tribunal de commerce
au cours des 5 ans suivant le rachat, et codée 1, lorsque l’entreprise sous LBO avait fait l’objet
d’un redressement judiciaire ou d’une liquidation directe. Différentes tests présentés dans la
figure 6 ont été réalisés en prenant en compte les variables observables comptables et
financières avant le LBO (t-1) et après le LBO (t+1). L’objectif est d’identifier si la
défaillance s’explique par une modification de la rentabilité et/ou de la trésorerie que l’on
peut situer avant le LBO ou au contraire par une transformation de la rentabilité et/ou de la
trésorerie après le rachat.
22
Figure 7 – Résultats des régressions logistiques sur l’échantillon total (LBO = 1)
BFR_t-1_LBO
ROA_t-1_LBO
ROCE_t-1_LBO
ROE_t-1_LBO
DETTE_t-1_LBO
ROA_t+1_LBO
ROCE_t+1_LBO
ROE_t+1_LBO
Modèle (1)1
Modèle (2)
-0,00001
(0,00001)
-1,38570*
(0,75586)
0,00358
(0,01450)
-0,00083*
(0,00045)
0,24720
(0,35581)
-0,00001
(0,00001)
-0,62494
(1,54241)
0,01193
(0,02379)
-0,00070
(0,00060)
Modèle (3)
Modèle (4)
-4,71061***
(1,54681)
-0,14903
(0,10740)
0,03558*
(0,02103)
-0,00001
(0,00001)
0,08184
(1,81870)
0,01120
(0,02934)
-0,00068
(0,00042)
0,55656
(1,03256)
-4,58017***
(2,08562)
-0,15742
(0,10564)
0,03494*
(0,01951)
0,44178
(1,36286)
-0,05027
SOLV_t+1_LBO
(0,04886)
1,86272
DETTE_t+1_LBO
(1,56401)
-1,16366*
CF_DETTE_t+1_LBO
(0,51933)
0,40283
0,43156
0,65941
0,57211
MBO
(0,35211)
(0,43707)
(0,43284)
(0,44333)
0,00417
-0,00212
-0,00117
0,00269
AGE
(0,00600)
(0,00966)
(0,00684)
(0,00713)
-0,15701
-0,01819
-0,02332
-0,07717
VAR_RN_t-1_LBO
(0,36666)
(0,50202)
(0,45086)
(0,45278)
-0,85510
-0,27938
-0,88656
-0,83775
VAR_CA_t-1_LBO
(0,84657)
(0,56992)
(0,87873)
(0,89089)
-0,40890
-1,42456**
-1,11202*
-1,09299*
VAR_EFF_t-1_LBO
(0,32262)
(0,62887)
(0,62635)
(0,61894)
-2,61351*** -3,73243*** -2,67922*** -2,91375***
CONSTANTE
(0,39427)
(1,01575)
(0,49443)
(0,77554)
Nb d'obervations
522
381
432
414
5,35%
14,77%
15,70%
15,00%
R² ajusté
1
le panel C est utilisé dans le modèle (1), le panel D est utilisé dans les modèles (2) à (7)
* Significatif au seuil de 10%
** Significatif au seuil de 5%
*** Significatif au seuil de 1%
DETTE_t-1_LBO
Modèle (5)
Modèle (6)
Modèle (7)
-4,99853**
(2,15871)
-0,12414
(0,11421)
-0,00001
(0,00001)
-0,17628
(1,84298)
0,01460
(0,03285)
-0,00084
(0,00054)
0,67273
(1,35940)
-4,75995**
(2,31069)
-0,13557
(0,11460)
-0,00001
(0,00001)
-0,10546
(1,69434)
-0,00071
(0,02014)
-0,00061
(0,00051)
0,70992
(1,40566)
-4,66141**
(2,28180)
-0,16153
(0,10949)
0,04355
(0,04311)
0,64960
(1,25742)
-0,04904
(0,04069)
1,43119
(1,44871)
0,06024
(0,52409)
0,45694
(0,46458)
-0,00228
(0,00822)
0,07802
(0,51364)
-0,44851
(0,82050)
-1,48814**
(0,61739)
-3,75765***
(0,97566)
382
17,59%
-0,04811
(0,04408)
1,42218
(1,50129)
0,03957
(0,56054)
0,42639
(0,46585)
-0,00024
(0,00881)
0,05215
(0,53494)
-0,30957
(0,67039)
-1,51536**
(0,62107)
-3,69773***
(0,99901)
381
18,14%
1,16205
(1,43859)
0,06544
(0,52264)
0,38732
(0,46526)
0,00005
(0,00872)
0,03335
(0,52860)
-0,31761
(0,67016)
-1,46516**
(0,62681)
-3,66714***
(1,00361)
381
17,20%
La défaillance des entreprises sous LBO s’explique principalement par le faible niveau
performance économique des entreprises 1 an après le LBO, la performance pre-LBO ne
semblant pas avoir d’impact sur la probabilité de défaillance. Un deuxième résultat robuste
concerne l’effet du taux de croissance de l’effectif 1 an avant le LBO (VAR_EFF_t-1_LBO)
puisque les entreprises connaissant une croissance de leur taille ont une probabilité plus faible
de connaître une défaillance. En revanche, le niveau d’endettement des entreprises cibles 1 an
après le LBO ne semble pas augmenter leur probabilité de défaillance, lorsque l’on contrôle
par le niveau d’endettement pre-LBO. L’hypothèse H2a ne semble donc pas validée en raison
23
de l’absence de corrélation entre le niveau d’endettement en t+1 après LBO et la probabilité
de connaître un redressement judiciaire. Les résultats des régressions logistiques indiquent
également qu’il faille rejeter l’hypothèse H2b puisque le niveau de trésorerie avant le LBO
n’est pas corrélé avec le niveau de défaillance.
Les indicateurs de rentabilité économique et financière mesurés 1 an avant le LBO n’ont pas
d’effet significatif sur la probabilité de défaillance. En d’autres termes, il n’est pas possible de
conclure qu’une différence de rentabilité pre-LBO entre les entreprises cibles aurait une
influence sur leur risque de défaillance. La rentabilité post-LBO semble dans une certaine
mesure ne pas avoir d’effet sur la défaillance des entreprises sous LBO. Cependant, nous
observons un résultat contre intuitif dans les modèles (3) et (4) puisque une rentabilité
financière élevée augmenterait la défaillance des entreprises cibles. Une explication possible
serait que la hausse du ROE entraine chez certains fonds un « appétit » financier plus
important dont la conséquence est de réduire les capitaux propres de la cible tout en utilisant
ses cash-flows pour rembourser la dette de la holding de reprise. La baisse du niveau des
fonds propres, avec pour conséquence une hausse mécanique du ROE, entrainerait donc une
augmentation de la probabilité de faillite.
De manière générale, ce n’est pas la transformation de la rentabilité après le rachat qui
explique la défaillance des entreprises sous LBO. Par ailleurs, la solvabilité et la capacité de
remboursement de l’entreprise cible ne semble pas diminuer sa probabilité de défaillance.
Finalement, nous ne trouvons pas que le mode de rachat impliquant le management de
l’entreprise cible diminue la probabilité pour celle-ci de connaître un redressement judiciaire.
Ce résultat robuste aux différentes spécifications va à l’encontre des résultats des études
portant sur le Royaume-Uni [Citron et Wright (2008)] ou les Etats-Unis [Halpern, Kieschnick
et al. (2009)].
5.
Conclusion et discussion
Cet article traite de l’effet des opérations de LBO sur la défaillance des entreprises françaises.
Sur la base d’un échantillon de 626 opérations de LBO entre 2000 et 2007 dont 55 ont fait
défaillance, nous montrons que le taux de défaillance est plus élevé pour les entreprises cibles
que pour les entreprises de contrôle. Ce résultat robuste conduit à deux conclusions
principales construit à partir de la méthode ASP. Tout d’abord, un LBO a un impact négatif
sur la survie des entreprises dans le cas de la France. Ensuite, l’expertise managériale des
fonds de Private Equity est remise en question puisque l’amélioration de la gouvernance de
24
l’entreprise cible suite à la prise de contrôle par un fonds ne permet pas de réduire la
probabilité de défaillance.
L’analyse des déterminants de la défaillance des firmes reprises en LBO montrent que la
performance, la rentabilité économique, la rentabilité financière et le niveau de trésorerie preLBO n’ont pas d’effets sur la probabilité de défaillance des entreprises cibles. Autrement dit,
la défaillance des entreprises reprises en LBO ne s’explique pas par sa « santé » ex ante. Ce
résultat est confirmé par le fait que la défaillance est corrélée à la performance 1 an après le
rachat. Nous pouvons donc conclure que le LBO a un effet très significatif sur la survie de
l’entreprise cible et qu’une performance élevée post-LBO permet de diminuer la probabilité
de défaillance. Cependant, cette dernière n’est pas liée au niveau d’endettement 1 an après le
LBO. Enfin, nous montrons dans le cas de la France qu’un mode de rachat impliquant le
management de l’entreprise cible (MBO) n’a pas d’incidence sur la survie de la firme.
L’ensemble des ces résultats mettent en évidence qu’un rachat de type LBO pour une
entreprise est une opération risquée pour sa survie et ce, d’autant plus que les indicateurs
traditionnels de la prévision de la faillite observés 1 an avant le rachat ne semblent pas
indiquer un risque pour l’entreprise cible. Les résultats de cet article soulèvent d’autres
questions de recherche, notamment une analyse détaillée de l’effet de l’endettement et de la
structuration de la dette sur la défaillance et des canaux de transmission de l’effet du LBO sur
la survie de l’entreprise cible.
25
Annexe 1 – Filtre sectoriel à 5 secteurs
Pour l’appariement avec filtre sectoriel, nous avons regroupé les secteurs d’activité (codes
NACE REV.2 à 1 chiffre) en 5 catégories afin d’isoler l’effet du secteur de l’effet du LBO
sur la probabilité de défaillance.
NACE REV. 2
ACTIVITÉS FINANCIÈRES ET D'ASSURANCE
1
ACTIVITÉS IMMOBILIÈRES
ACTIVITÉS SPÉCIALISÉES, SCIENTIFIQUES ET TECHNIQUES
ACTIVITÉS DE SERVICES ADMINISTRATIFS ET DE SOUTIEN
2
3
COMMERCE; RÉPARATION D'AUTOMOBILES ET DE MOTOCYCLE
CONSTRUCTION
TRANSPORTS ET ENTREPOSAGE
INDUSTRIE MANUFACTURIÈRE
4
PRODUCTION ET DISTRIBUTION D'ÉLECTRICITÉ, DE GAZ, DE VAPEUR ET D'AIR CONDITIONNÉ
RODUCTION ET DISTRIBUTION D'EAU; ASSAINISSEMENT, GESTION DES DÉCHETS ET DÉPOLLUTION
ENSEIGNEMENT
SANTÉ HUMAINE ET ACTION SOCIALE
5
HÉBERGEMENT ET RESTAURATION
INFORMATION ET COMMUNICATION
ARTS, SPECTACLES ET ACTIVITÉS RÉCRÉATIVES
26
Bibliographie
Aharony, J., Jones, C., et al. (1980). An analysis of risk characteristics of corporate
bankruptcy firms using capital market data. Journal of Finance, Vol. 35, p. 10011016.
Altman, E. (1968). Financial ratios, discriminant analysis and the prediction of corporate
bankruptcy. Journal of Finance, Vol. 23, p. 589-609.
Amess, K., Girma, S., et al. (2008). What are the wage and employment consequences of
leveraged buyouts, private equity and acquisitions in the UK? Nottingham University
Business School: 25.
Andrade, G. et Kaplan, S. (1998). How costly is financial (not economic) distress? Evidence
from highly leveraged transactions that became distressed. The Journal of Finance,
Vol. 53, p. 1443–1493.
Andres, C., Betzer, A., et al. (2007). Shareholder wealth gains through better corporate
governance: The case of European LBO-transactions. Financial Markets and Portfolio
Management, Vol. 21, p. 403–424.
Ball, R., Burrows, A., et al. (2008). Private Equity in Family Firms. CMBOR - Nottingham
University Business School, Nottingham, Vol. 1, 51 p.
Bancel, F. (2009). Efficacité et ligitimité du modèle LBO. Revue Française de Gestion, Vol.
198, p. 241 à 257.
Billett, M., Jiang, Z., et al. (2010). The effect of change-in-control covenants on takeovers:
Evidence from leveraged buyouts. Journal of Corporate Finance, Vol. 16, p. 1–15.
Bolton, P. et Freixas, X. (2000). Equity, bonds and bank debt: Capital structure and
financialmarket equilibrium under asymmetric information. Journal of Political
Economy, Vol. 108, p. 987-1012.
Bolton, P. et Scharfstein, D. (1996). Optimal debt structure and the number of creditors.
Journal of Political Economy, Vol. 104, p. 1–25.
Boucly, Q., Sraer, D., et al. (2009). Job Creating LBOs, Paris, 25 p.
Bruner, R. et Eades, K. (1992). The crash of the Revco LBO: The hypothesis of inadequate
capital. Financial Management, Vol. 21, p. 35-49.
Bruton, G., Keelsc, J., et al. (2002). Corporate restructuring and performance: An agency
perspective on the complete buyout cycle. Joural of Business Research, Vol. 55, p.
709-724.
Citron, D. et Wright, M. (2008). Bankruptcy costs, leverage and multiple secured creditors :
The case of Management Buy-Out. Accounting and Business Research, Vol. 38, p. 7189.
27
Coats, P. et Fant, L. (1993). Recognizing financial distress patterns using a neural network
tool. Financial Management, Vol. 13, p. 142-155.
Davydenko, S. et Franks, J. (2008). Do Bankruptcy Codes Matter? A Study of Defaults in
France, Germany and the U.K. Journal of Finance, Vol. 63, p. 565–608.
Demaria, C. (2010). Introduction to Private Equity. Wiley, New York, 1st Edition, 244 p.
Denis, D. et
Denis, D. (1995). Causes of financial distress following leveraged
recapitalizations. Journal of Financial Economics, p.
Desbrières, P. et Schatt, A. (2002). The impacts of LBOs on the performance of acquired
firms : The French case. Journal of Business, Finance and Accounting, Vol. 29, p.
695-729.
Desbrières, P. et Schatt, A. (2002). L'incidence des LBO sur la politique d'investissement et
la gestion opérationnelle des firmes acquises : Le cas français. Finance Contrôle
Stratégie, Vol. 4, p. 79-106.
Easterwood, J. (1998). Divestments and financial distress in leveraged buyouts. Journal of
Banking and Finance, Vol. 22, p. 129-159.
Gordon, M. J. (1971). Towards a theory of financial distress. Journal of Finance, Vol. 26, p.
347-356.
Halpern, P., Kieschnick, R., et al. (2009). Determinants of financial distress and bankruptcy in
highly levered transactions. Quarterly Review of Economics and Finance, Vol. 49, p.
772-783.
Jensen, M. (1989). Active investors, LBOs and the privatization of bankruptcy. Journal of
Applied Corporate Finance, Vol. 2, p. 35-44.
Jensen, M. C. (1986). The agency costs of free cash flow: Corporate finance and takeovers.
American Economic Review, Vol. 76, p. 323–329.
Kaplan, S. (1989). The effects of management buyouts on operating performance and value.
Journal of Financial Economics, Vol. 24, p. 217-254.
Kaplan, S. et Schoar, A. (2005). Private equity performance: Returns, persistence and capital
flows. Journal of Finance, Vol. 60, p. 1791–1823.
Kaplan, S. N. et Stein, J. (1993). The evolution of buyout pricing and financial structure in
the 1980s. Quarterly Journal of Economics, Vol. 108, p. 313–357.
Kaplan, S. N. et Stromberg, P. (2009). Leveraged buyouts and private equity. Journal of
Economic Perspectives, Vol. 23, p. 121–146.
Le Nadant, A. L. et Perdreau, F. (2006). Financial profile of leveraged buyout targets: Some
french evidence. Review of Accounting and Finance, Vol. 5, p. 370-392.
28
Le Nadant, A. L. et Perdreau, F. (2012). Do Private Equity Firms Foster Innovation?
Evidence from French LBOs. Center for Research in Economics and Management
(CREM), University of Rennes et CNRS: 19.
Opler, T. et Titman, S. (1993). The determinants of leveraged buyout activity: Free-cash flow
vs. financial distress costs. Journal of Finance, Vol. 48, p. 1985–1999.
Opler, T. et Titman, S. (1994). Financial distress and corporate performance. Journal of
Finance, Vol. 59, p. 1015-1049.
Pearl, J. (2009). Understanding propensity scores matching. Causality: Models, reasoning,
and inference, Cambridge University Press. Second Edition: 345.
Peck, S. (1996). The influence of professional investors on the failure of management buyout
attempts. Journal of Financial Economics, Vol. 40, p. 267-294.
Platt, H. et Platt, M. (1990). Improving ex ante bankruptcy classification using stable
predictive variables. Journal of Business Finance and Accounting, Vol. 17, p. 31-51.
Purnanandam, A. (2008). Financial distress and corporate risk management: Theory and
evidence. Journal of Financial Economics, Vol. 87, p. 706-739.
Refait, C. (2004). La prévision de la faillite fondée sur l'analyse financière de l'entreprise : Un
état des lieux. Economie et Prévision, Vol. 162, p. 129-147.
Rosenbaum, P. et Rubin, D. (1983). The central role of the propensity score in observational
studies for causal effect. Biometrika, p. 41-55.
Rubin, D. (1974). Estimating causal effects of treatments in randomized and nonrandomized
studies. Journal of Educational Psychology, Vol. 66, p. 688–701.
Strömberg, P. (2008). The new demography of private equity. The Global Impact of Private
Equity Report 2008. J. a. G. In Lerner, A. World Economic Forum, Wiley: 3-26.
Tykvova, T. et Borell, M. (2012). Do private equity owners increase risk of financial fistress
and bankruptcy? Journal of Corporate Finance, Vol. 18, p. 138-150.
Wilson, N., Wright, M., et al. (2010). Private equity, buy-outs, leverage and failure. 2nd
ESSEC Conference on Private Equity, Paris, 53 p.
Wright, M., Wilson, N., et al. (1996). An analysis of management buy-out failure. Managerial
and Decision Economics, Vol. 17, p. 50-70.
29