Navigation – Plan du site

AccueilNuméros18-2Les dessous de l’évaluation des e...

Les dessous de l’évaluation des entreprises high tech

Dark Side of High Tech Firm Valuation
Safwan Mchawrab, Michel M. Albouy, Marine Kergoat et Stephane Dubreuille

Résumés

Évaluer une entreprise « classique » dont les activités sont bien connues ainsi que ses marchés est déjà une tâche délicate, mais s’agissant d’entreprises high tech la difficulté est décuplée. Cette recherche analyse les apports et les limites des trois méthodes de valorisation (Multiples, DCF, Schwartz et Moon). Elle permet de souligner d’une part l’incapacité de ces méthodes à justifier la valeur boursière de ces entreprises. D’autre part, elle met en évidence la complémentarité entre ses méthodes et la nécessité d’une démarche multi méthodes afin d’avoir une meilleure compréhension des déterminants clés de la valeur.

Haut de page

Texte intégral

Les auteurs tiennent à remercier sincèrement les rapporteurs qui nous ont permis d’améliorer sensiblement cet article. Ils remercient également Mustapha Belkhouja et Francois Desmoulins Lebeault pour leur aide.

Introduction

1Le 18 mai 2012, Facebook était introduit sur le NASDAQ à New York au prix de 38 dollars l’action ce qui valorisait le réseau social à plus de 100 milliards de dollars, soit plus de 100 fois son résultat net. Au cours de la première journée plus de 573 millions d’actions furent échangées, soit un volume de transaction représentant 21 % de l’indice composite du NASDAQ. Facebook venait de battre le record établi lors de l’introduction en bourse de General Motors. C’est dire l’engouement provoqué sur les marchés par cette introduction en bourse. Mais, en septembre 2012 l’action Facebook touchait son point le plus bas à 17 dollars, soit une chute de 55 % pour ne retrouver son prix d’introduction que fin juillet 2013.

2Douze ans auparavant, la bulle des valeurs Internet avait propulsé les marchés à des niveaux inconnus. C’est ainsi que l’indice CAC 40 avait tutoyé les 7000 points (6944 exactement) le 4 septembre 2000, un niveau jamais égalé depuis. La mode, à l’époque, était de valoriser les entreprises à l’aide de multiples comme par exemple le nombre d’abonnés pour les opérateurs mobiles ou le nombre de visiteurs pour les sites Internet. C’est ainsi que France Télécom a racheté Orange en mai 2000 pour 50 milliards d’euros, un chiffre qui avait été jugé excessif par la communauté financière. Cette acquisition surpayée ainsi que son montage financier ont failli mettre à terre l’opérateur historique français. Ces deux exemples pris à des époques différentes montrent combien la valorisation des entreprises de haute technologie demeure une question dont les enjeux et les conséquences peuvent être considérables.

3Évaluer une entreprise « classique » dont les activités sont bien connues ainsi que ses marchés est déjà une tâche délicate, mais s’agissant d’entreprises high tech la difficulté est décuplée. En effet comme le précise Michel Levasseur (2005), la valeur de ces entreprises repose plus sur une promesse d’activité que sur un ensemble d’actifs opérationnels, d’où l’impossibilité d’avoir recours à des méthodes patrimoniales fondées sur la valorisation des actifs diminuée de celle des dettes. Les difficultés de valorisation des firmes high tech viennent essentiellement du fait que leurs activités sont nouvelles et que leurs « business models » sont difficiles à appréhender. Face à ces nouveaux marchés, toutes les hypothèses sont possibles entraînant par la même un large spectre de valorisations. A cela s’ajoute le risque technologique qui rend parfois obsolète ou moins attractif des produits que l’on pensait pourtant solidement implantés sur leur marché. L’exemple de BlackBerry est à cet égard édifiant. Cette entreprise qui a pourtant été pionnière dans les téléphones intelligents (Smartphones) se retrouve aujourd’hui dépassée par ses concurrents et traverse des difficultés financières. On pourrait également citer le cas de Nokia.

4Trois grands types de méthodes peuvent être utilisés pour valoriser des entreprises high tech : les comparables, l’actualisation des cash flows futurs et les options réelles. L’objectif de cet article est de montrer que ces approches sont complémentaires pour apprécier la valeur et qu’elles permettent de révéler les hypothèses sous-jacentes aux valorisations de sociétés composées essentiellement de capital immatériel. Il s’agit également de montrer les limites de ces méthodes s’agissant d’entreprises pour lesquelles on dispose de peu d’information et qui se caractérisent par une très grande incertitude sur le futur.

5Cet article est divisé en trois sections. La première présente et discute les fondements des trois méthodes citées ci-dessus à la lumière des recherches actuelles. La seconde expose la méthodologie de la recherche utilisée : échantillon, modèles et variables utilisés. La troisième est consacrée à l’analyse des résultats et leur discussion. Notre travail de recherche propose une étude comparative des méthodes de valorisation appliquées aux entreprises du secteur des technologies de l’information et de la communication.

1. Les méthodes d’évaluation des entreprises high tech

6Trois principales méthodes peuvent être utilisées pour évaluer des entreprises high tech : l’utilisation de comparables, l’actualisation des cash flows futurs et les modélisations reposant sur le cadre théorique des options réelles. Cette dernière méthode est nettement moins utilisée dans la pratique que les deux premières même si les caractéristiques des entreprises high tech justifient l’intérêt des options réelles. Ainsi, sur la base d’un échantillon de 228 entreprises introduites sur Euronext Paris entre 1990 et 1999, Roosenboom (2012) rapporte que les principales méthodes retenues pour valoriser les introductions en bourse sont les multiples et les DCF (Discounted Cash-Flow).

7L’objet de cette section est de présenter brièvement ces familles de méthodes et surtout de mettre l’accent sur leurs avantages et leurs faiblesses.

1.1. Les approches analogiques

8Dans l’approche analogique, l’entreprise vaut ce que des entreprises comparables valent à travers des transactions effectivement réalisées sur des marchés organisés. La pertinence de la méthode des comparables boursiers est liée à la capacité de définir un échantillon de sociétés véritablement similaires en termes de secteur d’activité, de diversification géographique, de contrôle de capital, de marges, de rentabilité ou encore de croissance. La fiabilité de la valeur estimée dépend ainsi de l’homogénéité des entreprises de l’échantillon. Par ailleurs, le concept d’entreprises comparables est contestable puisque deux entreprises ne sont jamais similaires, que ce soit en termes d’activité, de perspectives de croissance et de risques. Dans le cas de l’IPO de Facebook, la méthode des multiples a été utilisée bien que peu d’entreprises étaient vraiment comparables au réseau social.

9Les comparables les plus fréquemment utilisés sont les multiples du résultat net (PER ou price to earnings ratio), du chiffre d’affaires (price-to-sales ratio), du résultat opérationnel (price-to-EBIT ou EBITDA) ou de la valeur comptable (price-to-book). L’approche par les comparables est l’outil le plus populaire auprès des praticiens (Block 1999) en raison de :

- la qualité des statistiques et des bases de données boursières et financières ;

- la relative objectivité des résultats obtenus ;

- et de la facilité d’application et de calcul.

10De ce fait, cette approche est largement utilisée par les praticiens dans les processus d’IPO et plus spécifiquement le multiple PER (Kim et Ritter 1999). Cette approche est également très populaire auprès des chercheurs dans leur étude des valorisations ex-ante et ex-post IPO (Liu et al. 2002, Ritter et Welch 2002, Purnanandam et Swaminathan 2004, Mills 2005, Roosenboom 2007). Au titre des avantages des méthodes utilisant des comparables citons la facilité de compréhension par les dirigeants des sociétés et par les investisseurs. Ce point ne doit pas être sous-estimé, surtout au regard des méthodes reposant sur l’actualisation des flux futurs ou a fortiori les options réelles qui nécessitent un grand nombre de données et d’hypothèses sur le futur. De plus, la précision et la justesse de ces méthodes ne cessent de s’améliorer suite à des meilleures pratiques d’identification du multiple et de sélection des entreprises similaires (Boatsman et Baskin 1981, Alford 1992, Bhojraj et Lee 2002).

11Naturellement, les valorisations obtenues avec les méthodes analogiques sont très instables dans le temps en raison de la volatilité des cours en bourse utilisés comme références de calcul dans les multiples. Il est possible d’y remédier en utilisant le cours moyen observé sur une longue période, mais cela ne garantit pas forcément une « meilleure » évaluation. Cette approche rencontre d’autres limites, notamment dans le choix de l’échantillon et également le choix du multiple de valorisation.

12La sélection des entreprises à retenir dans l’échantillon est une étape complexe et délicate. L’exemple avancé par Hotlthausen et Zmijewski (2012) est une parfaite illustration. Considérer PepsiCo Inc, comme une entreprise similaire et comparable à Coca Cola et par ailleurs l’inclure dans l’échantillon afin de procéder à une valorisation par analogie de Coca Cola semble logique. Or, l’analyse approfondie du modèle économique des deux entreprises mondiales démontre une distinction importante au niveau des sources de revenus et par conséquence une différence significative au niveau du multiple VE/EBITDA entre les deux entreprises (une différence médiane de 34 % entre 2007 et 2011). En effet, une partie des revenus générés par Coca Cola provient de la vente des boissons non alcooliques (soda) mais également de la vente de jus concentrés et des sirops. Quant à PepsiCo, ses revenus sont générés en partie par la vente des boissons non alcooliques (soda) mais une partie importante provient de la vente des amuse-bouche (snack products). D’autant plus, la comparabilité entre les deux entreprises pourtant jugées similaires d’un point de vue économique, peut parfois s’avérer inadéquate pour des raisons liées à des différences au niveau des normes comptables appliquées par ces mêmes entreprises (Barth et al., 2014).

13En ce qui concerne le choix du multiple à mobiliser, le multiple du chiffre d’affaires est considéré comme une donnée plus fiable et homogène que le bénéfice, car moins manipulable. Il présente l’avantage d’être applicable aux entreprises en difficulté, aux start-up ou entreprises cycliques. Son inconvénient majeur est d’ignorer la capacité bénéficiaire de l’entreprise et sa structure des coûts qui influence considérablement la performance actuelle et future. Cette limite peut être corrigée par l’utilisation du multiple du résultat opérationnel. De son côté, le price to earnings ratio (PER) ne permet pas de valoriser les sociétés non profitables et il est très volatil et manipulable par le management dans la mesure où les bénéfices le sont. Enfin, la méthode du price to book - appropriée pour la valorisation d’entreprises financières compte tenu de la liquidité de leurs actifs - présente pour les sociétés high tech les mêmes inconvénients que l’approche patrimoniale car elle ignore la valeur des actifs intangibles.

14Au-delà de ces remarques, il est à noter qu’en utilisant des comparables, on introduit dans le processus de valorisation la « folie » éventuelle du marché. Ainsi au plus haut de la bulle Internet en 2000 c’est grâce à l’utilisation de ces multiples que des sociétés ont pu s’introduire à des prix défiant toute raison. Cela revient à supposer qu’en toutes circonstances le marché a toujours raison et qu’il intègre parfaitement toutes les informations disponibles comme l’affirme l’efficience semi-forte de Fama (1970). Or, les expériences vécues ces dernières années sur les marchés tendent à relativiser cette hypothèse. Ainsi, Shiller (1981) estime que les cours en bourse varient trop pour être expliqués par les dividendes.

15Au total, utiliser de telles méthodes permet certes de justifier une valorisation à l’égard de tiers mais ne permet pas d’évaluer l’entreprise sur ses propres caractéristiques ou fondamentaux.

1. 2. Les approches actuarielles

16Cette famille de méthodes repose sur l’idée que la valeur d’un actif est égale à la somme actualisée des revenus futurs générés par cet actif. Les modèles utilisés vont de l’actualisation des dividendes à l’actualisation des free cash-flows.

1.2.1. L’actualisation des dividendes

17Selon cette méthode, la valeur d’une action (P0) est égale à la somme actualisée à l’infini des dividendes (Dt) au taux de rentabilité (r) ajusté pour le risque :

Image 1000000000000097000000409C280C7C.jpg

18A partir de cette équation générale il est permis de développer différents modèles. Ainsi, en supposant que les dividendes croissent au taux g constant, Gordon et Shapiro (1956) montrent que la valeur de l’action se résume à :

Image 100000000000007200000030D48C09B4.jpg

19L’ennui avec cette approche est que la plupart des entreprises high tech ne versent pas de dividendes. Ainsi, lors de son IPO, Facebook a clairement prévenu les investisseurs qu’ils ne devaient attendre aucun dividende dans le futur : « We do not intend to pay dividends for the foreseeable future ». Dans ces conditions, impossible de valoriser les actions d’une telle entreprise avec des méthodes reposant sur l’actualisation des dividendes futurs.

  • 1 Pour une démonstration de ce modèle, voir M. Albouy, Décisions financières et création de valeur, 2(...)

20Même le modèle de Bates1 (1962), fréquemment utilisé pour valoriser les sociétés de croissance est difficilement applicable aux sociétés high tech dans la mesure où elles ne versent pas de dividendes. Ce modèle permet de tester rapidement le cours des actions de sociétés de croissance et d’expliquer leur price to earnings ratio (PER). Le modèle de Bates peut s’exprimer de la façon suivante :

Image 10000000000001070000005503336353.jpg

21Avec :

- d : le taux de distribution des bénéfices, supposé constant de t = 1 à n ;

- g : le taux de "super croissance" de t = 1 à n ;

- ri : le taux de rentabilité requis sur l’action i ;

- PERt : le price to earnings ratio à la date t ;

22L’application du modèle de Bates au cas de Facebook permet de se faire une idée de la croissance implicite de l’action permettant de justifier un prix de 38 dollars. Avec les données figurant dans le tableau et en appliquant la formule de Bates, il faudrait une croissance de 53 % par an pendant 5 ans pour justifier le prix d’introduction ! Un tel chiffre, même s’il repose sur des hypothèses discutables, notamment un PER à l’horizon de 20, permet de voir que le prix offert nécessite un certain optimisme.

Tableau 1 – Données et hypothèses pour Facebook (2012)

Taux de distribution des bénéfices : d

0 %

Durée de la croissance exceptionnelle (années) : n

5

PER à la date horizon

20

Bénéfice par action actuel

$ 0,46

Coût du capital : r

15 %

1.2.2. L’actualisation des free cash-flows

23L’évaluation de l’entreprise par l’actualisation des flux de trésorerie disponibles (free cash-flows) consiste à considérer l’entreprise comme un projet d’investissement. Partant de l’excédent brut d’exploitation prévisionnel corrigé par les variations du besoin en fonds de roulement et les investissements à réaliser, il est possible de calculer sur une période prévisionnelle les flux de trésorerie après impôt qui seront générés par l’entreprise. L’horizon des prévisions (de 5 à 7 ans généralement) dépend de la « visibilité » de l’activité de l’entreprise, une tâche redoutable s’agissant d’entreprises high tech. A cela s’ajoute la difficulté de donner une valeur de l’entreprise à la fin du business plan. Cette valeur terminale est généralement estimée en utilisant la formule de Gordon et Shapiro (actualisation à l’infini du dernier free cash-flow avec un taux de croissance constant). En actualisant les flux de trésorerie disponibles et la valeur terminale au coût du capital on obtient la valeur actuelle de l’entreprise. En déduisant de cette valeur le montant des dettes financières nettes on obtient la valeur des fonds propres.

24Pour son introduction en bourse, en plus des multiples, Facebook a utilisé la méthode des DCF pour déterminer la valeur de ses actions. Le coût du capital utilisé était de 15 % et une croissance perpétuelle de 5 % a été utilisée pour la détermination de la valeur terminale.

25Quant aux avantages de la méthode actuarielle, son fondement théorique constitue son principal atout. En d’autres termes, cette méthode est qualifiée dans le monde académique de « fondamentale » puisqu’elle intègre dans sa démarche les principaux déterminants de la valeur : les investissements, la valeur temps des flux et le risque. Pierre (2004) justifie le succès de cette méthode par la solidité de ses fondements théoriques et par sa flexibilité par rapport à d’autres méthodes (DDM, Multiples,…). Le concept fondamental qui sous-tend l’actualisation repose sur la création de valeur générée par tout investissement qui dégagera à l’avenir une rentabilité supérieure à l’espérance exigée par les apporteurs de fonds. De plus, cette méthode permet une modélisation du comportement futur de l’entreprise par la possibilité de l’analyse de sensibilité de la valeur qu’elle offre. Malgré la dominance de l’approche analogique chez les praticiens, plusieurs études (Mills 2005, Roosenboom 2007, Roosenboom 2012) ont montré que les praticiens dans les IPOs utilisent également l’approche actuarielle et plus spécifiquement le DCF.

26Si cette méthode est théoriquement fondée, elle comporte plusieurs limites comme la nécessité de formuler de nombreuses hypothèses sur l’activité future de l’entreprise, le poids souvent déterminant de la valeur terminale dans la valorisation et la forte sensibilité du modèle aux hypothèses retenues. Néanmoins, le grand intérêt de cette méthode est d’obliger l’investisseur à traduire concrètement en termes chiffrés ses différentes hypothèses et prévisions qui restent trop souvent implicites. Ce faisant, il est possible de faire des simulations et de répondre à des questions comme quelle croissance des ventes et quelles évolutions des coûts permettent de justifier une telle valorisation ?

1.3. Les approches par les options réelles

27Une des limites des DCF est d’ignorer la valeur des options contenues dans le modèle économique de l’entreprise. Or, s’agissant d’entreprises high tech, cette non prise en compte peut conduire à une sous-évaluation. L’approche par les options réelles s’est développée initialement avec la prise en compte de la flexibilité stratégique dans les décisions d’investissement et plus particulièrement la possibilité de différer un projet d’investissement, de l’abandonner, de le reporter, d’échelonner dans le temps la décision de réinvestissement, etc. (Dixit et Pyndick 1994, Trigeorgis 1998).

28La notion d’option réelle est apparue à la fin des années 1970, suite en particulier aux travaux de Black et Scholes (1973) d’une part, et de Merton (1973) d’autre part, qui apportèrent les premiers modèles permettant de valoriser une option financière. Myers (1977) utilisa ces travaux pour établir une analogie entre une opportunité de croissance et une option sur action, et pour proposer une méthode de valorisation de cette option réelle. Depuis, la notion d'option réelle connaît un succès croissant.

29Le terme « option réelles » désigne la valeur explicite des opportunités liées à la modification de décisions, en conséquence de la résolution du paramètre d’incertitude. De plus, l’approche optionnelle met en relief les opportunités importantes qu’une entreprise peut choisir d’exploiter ou non. Elle souligne ainsi la valeur liée aux investissements précoces. Un investissement en recherche et développement par exemple, dont la valeur actuelle nette est très faible voire négative, peut constituer une plate-forme pour d’autres investissements potentiellement favorables.

30Par ailleurs, les dirigeants réagissent aux événements et modifient leur stratégie en exploitant les informations complémentaires. Cette flexibilité est absente des modèles actuariels standards qui proposent une valorisation sur la base d’un scénario unique pour les flux financiers futurs. La flexibilité qui traduit le pilotage d’un investissement en fonction des événements informationnels s’apparente à une option (Perez, 2007).

31Ainsi, la démarche optionnelle demeure un outil de compréhension et d’analyse de l’écart qui existe souvent entre valeur boursière et valeur fondamentale. Kester (1984) a valorisé des entreprises du secteur des technologies de l’information aux Etats-Unis, parmi lesquelles IBM, Microsoft, Motorola, Apple, et a mis en évidence des différences significatives entre les valeurs intrinsèques et les valeurs boursières. Il a justifié ces écarts par des options liées aux opportunités d’expansion, de développement technologique et de renforcement de la marque. De ce fait, les options réelles relatives à des opportunités représentent une valeur ajoutée que la méthode traditionnelle est incapable d’incorporer. En adoptant l’approche optionnelle, la valeur de l’entreprise devient la somme de deux entités de valeurs (Boyer et Gravel, 2005) :

- La valeur des futurs flux de trésorerie actualisés.

- La valeur des opportunités de croissance.

32Quant à la quantification de la valeur optionnelle, plusieurs méthodes et techniques de valorisation existent. Les méthodes les plus répandues sont : la programmation dynamique, les équations différentielles et la simulation. Ces méthodes mobilisent des calculateurs ayant pour objectif de valoriser la prime de l’option : le modèle binomial élaboré par Cox et al. (1979) pour la méthode de programmation technique, le modèle de Black et Scholes (1973) pour la méthode des équations différentielles et la Simulation de Monte Carlo relative à la méthode des simulations.

33Selon Copeland et al. (2000), le développement de la théorie des options constitue une véritable innovation dans le domaine de l’évaluation des entreprises en intégrant le caractère ambigu (incertitude) et dynamique (flexibilité) des projections financières. En d’autres termes, l’approche optionnelle encourage l’expérimentation et l’exploration proactive et dynamique de l’incertitude. Cette vision de l’incertitude demeure ainsi une révolution dans la manière de pensée de l’équipe dirigeante de l’entreprise. De plus, cette approche permet d’intégrer la dimension stratégique de certains projets tout en combinant l’analyse quantitative par analogie à l’option financière, à l’analyse qualitative stratégique des décisions d’investissements. Ainsi, à travers cet outil, il demeure possible de corriger et par la suite rationaliser certaines décisions influençant le futur de l’entreprise. Par ailleurs, cette approche permet une meilleure communication entre financiers et dirigeants, ce qui rend la démarche de valorisation au moins aussi utile que la valeur calculée in-fine.

34Parmi les méthodes dites « optionnelles », figurent la démarche de Rappaport et Mauboussin (2000), et le modèle de Schwartz et Moon (2000, 2001). Ces deux modèles ont combiné les approches actuarielle et optionnelle et les ont testées empiriquement sur les entreprises du secteur des technologies de l’information.

35Pour Rappaport et Mauboussin (2001), la valorisation des entreprises, qui évoluent dans un secteur à forte croissance et qui sont caractérisées par des revenus à forte incertitude, est une démarche à deux étapes. Une première consistant à calculer une valeur par la méthode actuarielle. Cette valeur sera confrontée à la valeur boursière. La deuxième étape consiste à vérifier si l’écart entre valeur actuarielle et valeur boursière peut être justifié par la méthode optionnelle, tout en supposant que cet écart représente la valeur des options réelles de croissance. Notons que cette démarche à deux étapes est conditionnée selon les auteurs par :

- la capacité du cadre managérial de l’entreprise en question à identifier et exploiter les options réelles,

- la position stratégique de l’entreprise dans son secteur,

- la capacité de l’entreprise à financer sa croissance une fois les options réelles identifiées et exploitées.

36Quant au modèle de Schwartz et Moon (2001), détaillé dans la section suivante, il s’est imposé comme le modèle novateur de référence pour la valorisation des sociétés technologiques. En modélisant de nombreuses variables, telles que les revenus, les charges variables opérationnelles, les dépenses de capital et les taux de croissance par des processus stochastiques, les auteurs valident la qualité de leur modèle théorique dans la détermination du juste prix d’Amazon (2000) et eBay (2001). Dans la première version du modèle, deux variables (taux de croissance et les charges opérationnelles) parmi une dizaine étaient indéterminées et évoluaient au cours du temps en suivant un processus stochastique, toutes les autres étant connues ou probabilisées. Une analyse de sensibilité en mobilisant la simulation de Monte Carlo a été également effectuée afin d’identifier les déterminants de la valeur. Le modèle a largement évolué dans sa deuxième version ; la valeur estimée demeure dépendante de plus de vingt paramètres. Parmi ces paramètres qui permettent de déterminer la valeur de l’entreprise figurent les ventes, les charges opérationnelles, les investissements, la trésorerie, le taux d'intérêt ou encore la volatilité. Ce modèle a également intégré la structure financière de la firme (sa position de trésorerie en tout cas) et ainsi le risque potentiel de faillite.

37Depuis, ce modèle a fait l’objet de nombreuses validations empiriques sur des entreprises de l’Internet ou innovantes, mais avec des résultats mitigés dans sa capacité à expliquer leur valorisation boursière (Baule et Tallau 2006, Baek et al 2008, Bank et Wibmer 2011, Klobucnick et Sievers 2013). A noter que Facebook n’a pas utilisé pour son IPO la méthode des options réelles pour sa valorisation.

2. La méthodologie de la recherche

38Nous présentons dans cette section l’échantillon et les méthodes théoriques de valorisation utilisées pour nos tests empiriques. La valeur estimée des sociétés est ensuite comparée au prix (cours) sur le marché afin de déceler la différence entre ces deux variables.

2.1. Échantillon

39Nous avons retenu 15 entreprises du secteur des technologies de l’information : 9 entreprises ont été évaluées sur la période 1998-2011, une entreprise sur la période 2000-2011, 4 entreprises sur la période 2001-2011 et une entreprise sur la période 2004-2011 (Tableau 2).

40Les entreprises considérées comme technologiques d’après les classifications sectorielles de Bloomberg et Value Line sont celles qui opèrent dans la production et la distribution des technologies de l’information et des télécommunications (matériels, logiciels, services et conseils technologiques), dans l’industrie internet (produits et services en ligne, fournisseurs d’accès et services) et le commerce électronique. Byers et al. (2011) considèrent que les technologies s’appliquent aux matériels, processus, outils, services et méthodes avec des finalités industrielles ou commerciales.

Tableau 2 – Caractéristiques des entreprises technologiques de l’échantillon (N =15)

Période d’étude

Ticker Bloomberg

Entreprise

Classification sectorielle

2001-2011

ACN

Accenture

Services IT

2001-2011

ADBE

Adobe

Logiciels et Informatiques

1998-2011

AMZN

Amazon.com

Plateforme commerciale

1998-2011

APPL

Apple

Ordinateurs et périphériques informatiques

2001-2011

CSCO

Cisco

Réseaux et périphériques informatiques

1998-2011

DELL

Dell

Ordinateurs et périphériques informatiques

1998-2011

EBAY

eBay

Plateforme commerciale

2004-2011

GOOG

Google

Moteur de recherche

1998-2011

IBM

IBM

Ordinateurs et périphériques informatiques

1998-2011

INTC

Intel

Périphériques informatiques

1998-2011

MSFT

Microsoft

Logiciels et Informatiques

1998-2011

ORCL

Oracle

Logiciels et Informatiques

1998-2011

YHOO

Yahoo

Moteur de recherche

2000-2011

HPQ

Hewlett-Packard

Ordinateurs et périphériques informatiques

2001-2011

LXK

Lexmark

Ordinateurs et périphériques informatiques

Notes : Le tableau ci-dessus présente la liste des 15 entreprises retenues de l’échantillon, la période d’étude de chacune, le « ticker » utilisé dans la base de données Bloomberg ainsi que le secteur dans lequel l’entreprise est classée par cette même base de données.

41Les entreprises de notre échantillon ont été sélectionnées afin de couvrir le spectre des différents métiers du secteur des technologies de l’information : matériels informatiques, logiciels, périphériques, services, moteur de recherche, plateforme commerciale et multimédia. En plus, nous avons ciblé dans chacun de ces secteurs, les acteurs majeurs qui sont cotés, qui disposent d’historique suffisamment exploitable et dont la valeur lors de l’IPO respective a interpellé à la fois les milieux académiques et les milieux praticiens.

42Au total, 712 observations ont servi à l’analyse des écarts entre les valorisations intrinsèques et boursières.

2.2. Méthodes et variables de valorisation

43Afin d’analyser la performance de méthodes de valorisation, leurs apports et surtout leur limites, trois méthodes ont été mobilisés.

  • 2 Standard and Poor’s Information & Technology Index

44La première méthode de valorisation porte sur l’utilisation du multiple du chiffre d’affaires. Gray et Vogel (2012) ont confirmé le chiffre d’affaires comme facteur clé de la détermination du cours en bourse d’une entreprise. Le multiple de marché a été évalué sur l’indice technologique S&P IT2. Sur la base des 76 entreprises composant l’indice, la moyenne du ratio capitalisation boursière sur chiffre d’affaires a été calculée chaque année et appliquée aux revenus réalisés par les 11 entreprises de notre échantillon :

Image 100000000000008600000036FDC62867.jpg

45La seconde est un DCF (Discounted Cash-flow) basé sur l’actualisation au coût moyen pondéré du capital (k) annuel des free cash-flow prévisionnels (FCF).

Image 100000000000014D00000077DE4AE6E5.jpg

46avec P0, la valeur de l’action de l’entreprise analysée, FCFt, les flux de trésorerie disponibles, kt, le coût moyen pondéré du capital annuel, g, le taux de croissance soutenable de long terme et D0, la dette financière nette. Les FCF ont directement été projetés sur la base d’hypothèses de croissances annuelles différentes. Les taux de croissance ont été évalués par des analyses historiques et concurrentielles. La période prévisionnelle explicite est de 10 ans avant d’atteindre la période de maturité où la croissance devient constante et égale aux prévisions de la Banque Mondiale (proche de 2 %). La valorisation de sortie est estimée par la formule de Gordon & Shapiro. Le coût moyen pondéré du capital varie chaque année en fonction de la performance du S&P 500, des rendements des bons du trésor américain, des betas qui convergent vers 1 à l’approche de la phase de maturité, des ratios d’endettement ciblés et des spreads de crédit.

47La troisième approche utilise le modèle de référence de Schwartz et Moon (2001) pour la valorisation des entreprises technologiques par les options réelles :

Image 100000000000015600000021E59C8918.jpg

avec r, le taux sans risque, M, le multiple de sortie basé sur le résultat opérationnel (VE/EBITDA), R(T), le chiffre d’affaires à la date T, C(T) , les coûts à la date T et X(T) , la trésorerie nette à la date T. Dans le modèle, le taux sans risque et le multiple de sortie sont supposés constants sur la période de prévision. Le chiffre d’affaires, sa croissance annuelle et les coûts variables sont incertains et modélisés par des processus stochastiques :

Image 10000000000001630000004E7ED18B1A.jpg

48Une fois évalués par ces modèles, le chiffre d’affaires et les coûts permettent l’évaluation du résultat opérationnel pour évaluer la sortie et les free cash-flow. Les investissements dans le cycle opérationnel (variation du BFR) et dans le capital de long terme (CAPEX) sont évalués par la méthode du pourcentage des revenus. Le pourcentage retenu est évalué sur des données historiques. Le taux sans risque correspond au rendement des bons du trésor américain.

49L’annexe I reproduit à titre d’exemple les variables et les hypothèses mobilisées pour valoriser l’entreprise Amazon fin 2011 selon les trois méthodes. Le simple examen de cette annexe révèle la complexité de la démarche d’évaluation selon la méthode de DCF et surtout le modèle optionnel.

3. L’analyse des résultats et leur discussion

3.1. Méthodologie et analyse des données

  • 3  Ecart relatif = ((valeur estimée/valeur boursière) -1)

50Nous avons procédé à trois séries de tests statistiques afin d’analyser la différence entre la valeur estimée et le prix sur le marché (valeur boursière). Dans un premier temps nous avons effectué une analyse univariée en utilisant des tests d’hypothèses appliqués aux moyennes des écarts entre valeurs boursières et valeurs estimées pour chaque entreprise. L’objectif est donc de pouvoir analyser les écarts relatifs3 entre valeurs boursières et valeurs estimées par entreprise et par méthode (analyse croisée). Dans un deuxième temps nous avons réalisé une régression linéaire simple du logarithme naturel des valeurs boursières sur les logarithmes de chacune des trois valeurs estimées de l’ensemble de notre échantillon. Il s’agit donc d’analyser l’écart entre la valeur boursière et la valeur estimée par chacune des méthodes mobilisées afin d’identifier la méthode qui justifie le mieux le cours de l’action (R-deux ajusté le plus élevé). Enfin, nous avons déployé une régression multiple en données de panels avec les valeurs estimées (Multiples, DCF, Schwartz et Moon) comme variables explicatives et en utilisant les effets fixes puis les effets aléatoires « Entreprise » et « Année ». L’utilisation d’une régression en données de panel permet de traiter la présence d’hétérogénéité individuelle et chronologique inobservées. L’objectif principal est donc de mesurer la capacité des trois modèles à expliquer la valeur boursière tout en prenant en compte la diversité de l’échantillon en termes d’entreprises et d’années. Le modèle à effets fixes, également appelé modèle de covariance, permet d’apporter une qualité d’analyse supérieure au modèle classique en supposant que les effets « Année » et « Entreprise » sont des effets constants qui viennent simplement modifier les constantes du modèle selon l’année et l’entreprise. Quant au modèle avec effets aléatoires, l’hypothèse sous-jacente stipule que les effets « années » et « entreprises » sont représentés par la structure des résidus (Verbeek 2008). Enfin, le test de Hausman (1978) a été effectué afin de comparer le modèle à effets fixes à celui à effets aléatoires.

3.2. Statistiques descriptives

51Une étape préalable consiste à dresser l’analyse statistique descriptive à la fois des variables dépendantes (Valeur Boursière) et des variables indépendantes (Multiples, Discounted Cash-Flow, Schwartz & Moon). Elle est présentée dans le tableau 3. Deux résultats importants sont à relever : une valorisation négative (-4,32) avec le modèle actuariel ; une valorisation relativement excessive (1993,69) avec le modèle de Schwartz et Moon. En ce qui concerne la valorisation négative par le modèle actuariel, il s’agit de l’entreprise Amazon fin 2000. Notons que cette dernière, créée en 1994, n’a pu réaliser un premier résultat net positif que fin 2002 c’est-à-dire 8 ans après sa création. De ce fait, valoriser Amazon était un vrai puzzle puisque son modèle économique était difficilement prévisible. Par ailleurs, la marge nette moyenne de cette entreprise plusieurs années après son IPO est toujours faible (moyenne entre 2004 et 2013 de 2,98 %). Bien que les modèles traditionnels (actuariels et multiples) pour ce type d’entreprises présentent de sérieuses limites, les approches optionnelles n’ont pas réussi à s’imposer dans les milieux professionnels. A noter que le modèle actuariel a généré trois valorisations négatives pour Amazon pour les années 2000, 2001 et 2002, et une pour eBay en 1999. Quant au deuxième résultat (1993,69), il s’agit d’une valorisation relativement excessive, puisque la valeur estimée par le modèle optionnel en 2011 pour l’entreprise Amazon correspond environ à 12 fois sa valeur boursière en fin d’année ! Ce constat confirme la complexité de la démarche de valorisation d’une entreprise comme Amazon. Par ailleurs, il montre l’extrême sensibilité du modèle optionnel aux hypothèses utilisées. Ce résultat confirme les résultats empiriques de Dubreuille et al. (2010) en ce qui concerne le modèle Schwartz & Moon. Ces auteurs ont montré qu’une erreur dans l’estimation de +/- 1 % dans la croissance du chiffre d’affaires dans le modèle de Schwartz et Moon engendrait un écart de valorisation de +/- 1,2 milliards pour eBay.

Tableau 3 - Statistiques descriptives de L’échantillon

 

N

Minimum

Maximum

Moyenne

Ecart type

Prix

178

7,36

691,31

63,00

110,23

Multiples

178

1,37

229,16

52,32

55,07

DCF

178

-4,32

1574,26

97,42

199,27

Schawrtz et Moon

178

0,56

1993,69

137,52

270,56

Notes : L’échantillon est composé de 15 entreprises sur une période d’étude de 1998 à 2011. Ce qui représente 178 observations (N) par méthode de valorisation (Multiple de Chiffres d’affaires, Discounted Cash Flow, Schwartz & Moon) pour un total de 712.

3.3. Tests d’hypothèses appliqués aux moyennes des écarts entre valeurs boursières et valeurs théoriques

52Les résultats confirment la difficulté des modèles théoriques à expliquer les cours boursiers des sociétés dites technologiques (Tableau 4). Qu’ils soient fondés sur la valorisation des concurrents, la projection des fondamentaux ou la prise en compte d’options, les modèles produisent des écarts de valorisation statistiquement significatifs qui évoluent entre – 75,48 % sur Google et + 958,46 % sur Amazon. Les modèles montrent des différences importantes par rapport aux valeurs boursières avec des écarts supérieurs à 100 % pour Accenture, Amazon, Apple, Dell, HP, IBM et Lexmark. Le modèle qui tend à faire exploser les différences est le modèle de Schwartz et Moon avec des écarts moyens de + 958,46 % sur Amazon, + 427,18 % sur Apple et + 222,84 % pour HP. Ces résultats confirment à nouveau la forte sensibilité du modèle optionnel à l’estimation des paramètres. De plus, pour huit entreprises (Adobe, Amazon, Cisco, Google, Intel, Microsoft, Oracle et Yahoo), les estimations intrinsèques s’opposent en sous-évaluant et surévaluant le titre sur la même période en fonction du modèle utilisé. Ce constat révèle la subjectivité des résultats en fonction de la méthode de valorisation choisie.

53Par ailleurs, l’analyse croisée des résultats par entreprise et par modèle révèle que le modèle DCF ainsi que le modèle de Schwartz et Moon présentent chacun les écarts de valorisation statistiquement significatifs les plus faibles pour six entreprises de l’échantillon (Adobe, Cisco, Dell, HP, IBM et Yahoo pour le modèle actuariel ; eBay, Google, Intel, Lexmark, Microsoft et Oracle pour le modèle Schwartz et Moon). Quant aux écarts de valorisation statistiquement significatifs les plus importants, les résultats montrent que le modèle de Schwartz et Moon et celui des multiples ont généré chacun les écarts les plus importants pour sept entreprises (Adobe, eBay, Google, Lexmark, Microsoft, Oracle et Yahoo pour les multiples ; Accenture, Amazon, Apple, Cisco, Dell, HP et IBM pour le modèle Schwartz et Moon).

54Ces résultats confirment la grande difficulté de valoriser des entreprises high tech. Par ailleurs, ils mettent en évidence le lien étroit entre les hypothèses retenues (paramètres) dans le processus de valorisation et la valeur calculée.

Tableau 4 – Valeurs des écarts relatifs entre les valorisations théoriques et boursières

 

Multiple du chiffre d’affaires

Discounted Cash-flow

Schwartz et Moon (2001)

 

Moyenne

Valeur-p

Moyenne

Valeur-p

Moyenne

Valeur-p

Accenture

57,43 %

91,30 %

66,52 %

81,44 %

161,80 %

86,98 %

Adobe

-43,61 %

87,71 %

30,98 %

57,69 %

-40,11 %

83,07 %

Amazon

11,31 %

20,35 %

-23,23 %

32,41 %

958,46 %

78,63 %

Apple

77,17 %

63,54 %

233,58 %

54,81 %

427,18 %

68,42 %

Cisco

-38,05 %

84,50 %

30,95 %

54,68 %

-48,45 %

83,01 %

Dell

157,84 %

80,50 %

97,10 %

57,86 %

198,95 %

78,99 %

eBay

-69,38 %

92,86 %

-3,43 %

0,01 %

-10,89 %

15,79 %

Google

-75,48 %

96,74 %

33,61 %

28,46 %

-13,62 %

26,96 %

Hewlett-Packard

178,58 %

90,87 %

136,75 %

59,68 %

222,84 %

75,59 %

IBM

58,83 %

49,49 %

58,80 %

74,21 %

101,59 %

81,14 %

Intel

-37,28 %

92,14 %

50,62 %

114,69 %

-28,75 %

73,41 %

Lexmark

164,99 %

83,54 %

85,92 %

56,87 %

80,44 %

86,88 %

Microsoft

-59,60 %

94,90 %

41,23 %

65,82 %

9,34 %

50,43 %

Oracle

-53,45 %

94,86 %

30,06 %

62,33 %

-18,27 %

49,49 %

Yahoo

-66,22 %

92,86 %

-13,34 %

26,89 %

-21,74 %

43,60 %

Notes : La moyenne représente la différence relative entre valeur estimée et valeur boursière par entreprise et par méthode de valorisation. Un t-test standard (représenté par la valeur-p) a été appliqué sur les moyennes afin de vérifier si les moyennes sont statistiquement significatives.

3.4. Analyse statistique univariée (Test de Wald) et multivariée

55Notre méthodologie suivante de l’analyse des données repose sur une analyse à la fois univariée (simple) et multivariée (multiple).

56Nous avons d’abord régressé (régression simple, Modèle 1 à 3) le logarithme du cours boursier de chaque entreprise de l’échantillon sur le logarithme des valorisations intrinsèques produites par chacun des trois modèles. Nous avons effectué par la suite une régression multiple (Modèle 4). Pour l’ensemble de notre échantillon, quatre modèles ont été testés afin de déterminer le pouvoir explicatif de chacune des méthodes de valorisation mobilisées séparément (Modèle 1-3). Nous avons testé ensuite à travers un modèle multivariée l’évolution du pouvoir explicatif d’un processus contenant les trois méthodes :

Image 1000000000000206000000617CEAAEBD.jpg

57Avec :

- Prixi,t : le cours de l’action de l’entreprise i à la fin de l’année t (variable dépendante) ;

- Multiplesi,t : la valeur estimée par la méthode des multiples (multiple du chiffre d’affaires) de l’entreprise i à la fin de l’année t (variable indépendante) ;

- DCFi,t : la valeur estimée par la méthode actuarielle de l’entreprise i à la fin de l’année t (variable indépendante) ;

- SMi,t : la valeur estimée par le modèle Schwartz et Moon de l’entreprise i à la fin de l’année t (variable indépendante) ;

- ɛi,t : le terme résiduel.

58Nous avons mobilisé le test de Wald qui permet de vérifier conjointement les deux hypothèses relatives à la pente et la constante en régressant le logarithme du cours boursier de chaque entreprise de l’échantillon sur le logarithme des valorisations intrinsèques produites par les trois modèles. Il s’agit d’examiner si conjointement, la pente est égale à 1 et la constante égale à 0 (Rosenboom, 2012).

59Nous confirmons par ce test qu’aucun des trois modèles théoriques n’est capable de prédire sans biais le cours des entreprises technologiques étudiées (Tableau 5). Les pentes et les constantes des trois modèles sont statistiquement différentes de 1 et 0.

Tableau 5 - Régression simple sur le logarithme du cours des actions

Image 10000000000002330000009A82A8DF50.jpg

Notes : La régression simple a été effectuée à trois reprises avec comme variable prédite le logarithme du prix de l’action en bourse et comme variable explicative le logarithme de la valeur estimée par chaque méthode de valorisation (Multiples, Discounted Cash Flow, Schwartz & Moon). Le nombre d’observations (N) a été réduit à 174 suite à l’exclusion de 4 valeurs estimées brutes négatives. Les résultats de test-t sont entre parenthèses.

a significatif au seuil de 0,0001 ; b significatif au seuil de 0,001 ; c significatif au seuil de 0,01 ; d significatif au seuil de 0,05 ; e significatif au seuil de 0,1

60L’examen des coefficients de détermination ajustés (R2 ajusté) indique une meilleure justification du modèle actuariel (61,8 %) par rapport aux deux autres modèles (Tableau 5). Ce résultat est conforme aux résultats de Kaplan et Ruback (1995). Ces auteurs ont montré que le modèle actuariel (DCF) apporte une performance au moins égale, voire meilleure, que celle de la méthode des comparables. Les coefficients R2 ajustés sont respectivement 54,5 % et 44,5 % pour le modèle optionnel et la méthode des multiples. Cependant, les valeurs de l’erreur standard de l’estimation des trois modèles sont toutes assez élevées. Nous avons par la suite mené un test de Fisher sur les R2 ajustés des trois modèles testés séparément afin d’identifier une quelconque supériorité entre les trois modèles (Tableau 6).

Tableau 6 – Test de Fisher sur les R2 ajustés des régressions simples

Image 10000000000001E70000007A83D25E7E.jpg

Notes : Le tableau contient les résultats de l’analyse croisée du Test de Fisher sur les R2 ajustés des modèles (1-3) ainsi que la valeur-p de chaque test. a significatif au seuil de 0,0001 ; b significatif au seuil de 0,001 ; c significatif au seuil de 0,01 ; d significatif au seuil de 0,05 ; e significatif au seuil de 0,1

61Le test de Fisher confirme le résultat des régressions simples puisque le DCF apporte une meilleure explication que la méthode des multiples au seuil de confiance de 5 % (Tableau 6). Quant au modèle de Schwartz & Moon (2001), ce dernier est mieux en termes d’explication de la valeur boursière comparé à la méthode des multiples mais à un seuil de confiance élevé (9,5 %).

62Une régression multiple (Modèle 4) a été également menée pour tester le pouvoir explicatif des trois méthodes combinées dans un seul processus de valorisation. Les résultats (Tableau 7) montrent une légère amélioration du coefficient de détermination ajusté (R2 ajusté) du processus (70,69 %) comparé à une démarche basée sur les résultats d’une seule méthode à la fois. Ces résultats sont corroborés avec les résultats de Rosenboom (2012). Ce dernier a montré que la démarche bi-modèle (modèles actuariel et multiples) permet d’apporter une meilleure estimation de la valeur boursière (Pre-IPO) utilisée par les analystes lors d’une introduction en bourse sur la place boursière parisienne.

Tableau 7 – Régression multiple des trois méthodes sur le cours de l’action en bourse

Image 10000000000001F3000001118A83941D.jpg

Notes : Le tableau résume les résultats de la régression multiple en présentant les R2 ajustés, les coefficients, les statistiques-t et la valeur-p de la constante ainsi que des trois variables explicatives (Schwartz & Moon, Multiples, DCF). La variable « Multiples » est statistiquement non significative (valeur-p =0,771836) dans ce modèle de régression multiple.

a significatif au seuil de 0,0001 ; b significatif au seuil de 0,001 ; c significatif au seuil de 0,01 ; d significatif au seuil de 0,05 ; e significatif au seuil de 0,1

63Nous avons par la suite déployé une analyse de régression en données de panel à effets fixes et à effets aléatoires pour les deux facteurs « Année » et « Entreprise ». Le modèle générale combinant les trois méthodes en données de panel s’écrit :

Image 10000000000001E40000001E4E2D54BA.jpg

64Avec :

- Prixi,t : le cours de l’action de l’entreprise i à la fin de l’année t (variable dépendante) ;

- Multiplesi,t : la valeur estimée par la méthode des multiples (multiple du chiffre d’affaires) de l’entreprise i à la fin de l’année t (variable indépendante) ;

- DCFi,t : la valeur estimée par la méthode actuarielle de l’entreprise i à la fin de l’année t (variable indépendante) ;

- SMi,t : la valeur estimée par le modèle Schwartz et Moon de l’entreprise i à la fin de l’année t (variable indépendante) ;

- Ɣi : l’effet fixe « entreprise » pour i = 1…15

- δt : l’effet fixe « année » pour t = 1999…2011

- et ɛi,t le terme résiduel.

65Le tableau 8 ci-dessous présente les résultats empiriques des différentes régressions en données de panel effectuées. Notons que nous avons régressé l’ensemble des données avec comme effets fixes les facteurs « Année » et « Entreprise » par méthode et ensuite pour les trois combinées. Nous avons ensuite réitéré les régressions en supposant des effets aléatoires. Les résultats confirment l’importance d’une démarche multi-méthodes à travers une nette amélioration du R2 ajusté pour les effets fixes (53 %) et les effets aléatoires (67 %) par rapport aux modèles mobilisant une seule méthode.

66En outre, les résultats mettent en évidence l’existence d’un effet « Année » et effet « Entreprise ». En d’autres termes, le modèle 5 requière un ajustement (représenté par la constante pour l’effet fixe, et par la structure des résidus pour l’effet aléatoire) selon l’entreprise et l’année. Ce résultat confirme la spécificité de la démarche de valorisation par entreprise et également par année. Quant à la préférence entre régression en données de panel à effets fixes et régression en données de panel à effets aléatoires, le résultat du test de Hausman est en faveur d’une régression à effets fixes au seuil de 0,0001.

Tableau 8 – Régressions des modèles en données de panel (effets fixes et effets aléatoires)

Image 10000000000003330000025AF8B09761.jpg

Notes : Le tableau contient les résultats de 8 régressions en données de panel à effets fixes, et ensuite à effets aléatoires. La dernière partie du tableau résume les résultats du test de Hausman. Les valeurs entre parenthèses « ( ) » représentent les statistiques-t pour la constante et les trois variables (Schwartz & Moon, Multiples, DCF) de chacune des régressions. Les valeurs entre parenthèses suivies d’une étoile « ( )* » représentent les valeurs du F-test.

La valeur représente la valeur F-test ; a significatif au seuil de 0,0001 ; b significatif au seuil de 0,001 ; c significatif au seuil de 0,01 ; d significatif au seuil de 0,05 ; e significatif au seuil de 0,1

3.5. Limites des méthodes utilisées

67Les résultats des tests statistiques montrent que les modèles théoriques, même complexes, appréhendent mal la valeur de marché des entreprises technologiques. Le marché boursier intègre des facteurs qui dépassent à la fois la réalité comptable et les fondamentaux des entreprises étudiées. Notre échantillon présente un multiple P/B (Price to Book) moyen de 4,6 confirmant que l’essentiel de la valeur n’est pas dans le bilan de l’entreprise. La valeur de ces entreprises high tech provient de nombreux facteurs comme la qualité et l’expertise du personnel (Accenture), de l’image de marque (Apple), de son pouvoir de marché (Microsoft), de ses bases de données (Amazon), de son trafic (Google) ou encore de ses logiciels (Oracle). Aucun de ces éléments immatériels ne figure explicitement au bilan. Interbrand a classé en 2013 cinq entreprises du secteur technologie parmi les 10 marques les plus chères au monde (Apple, Google, Microsoft, Intel et Samsung) avec une valeur de la marque « Apple » estimée à 98,35 milliards de dollars.

68Dans cet article, nous nous sommes intéressés aux écarts les plus importants (positifs et négatifs) entre la valeur boursière et les valeurs calculées afin de mieux comprendre les apports et surtout les limites des méthodes de valorisation utilisées.

69L’un des apports de la méthode des multiples est d’attribuer à l’entreprise étudiée une valeur fondée sur le cours de l’action des entreprises comparables. C’est l’unique méthode parmi les trois mobilisées à s’appuyer directement sur le marché. C’est également une de ses principales limites, La valeur estimée contient ainsi les biais du marché au moment de l’évaluation. Une exubérance « irrationnelle » des investisseurs peut conduire à une sur-estimation de la valeur fondamentale de l’entreprise. Inversement, utiliser les valeurs du marché dans une période baissière peut induire une sous-estimation. Le choix du multiple mobilisé (P/Sales, EV/EBIT, EV/EBITDA, PER) est un autre facteur de contingence. Ainsi, valoriser Apple avec l’indicateur P/Sales du S&P IT sur la période 1998 -2011, indique une surestimation moyenne par le marché de la valeur de l’entreprise (écart moyen : 77,17 %). En revanche, valoriser la même entreprise avec le multiple EV/EBITDA du même indice (S&P IT) indique une sous-estimation moyenne (écart moyen : -38 %). Enfin, la fiabilité de la valeur estimée par la méthode des multiples dépend de l’homogénéité des entreprises de l’indice. Or, le concept des « entreprises comparables » est purement subjectif puisque deux entreprises ne sont jamais similaires en termes de risque et de croissance (Damodaran 1999). Dans ce sens, valoriser Dell en la comparant par exemple à des entreprises telles que Google, semble incohérent en matière de risque et de croissance. Enfin, un autre biais peut se révéler quand l’échantillon contient certaines entreprises qui surperforment (ou sous-performent) largement leurs comparables. Par exemple, la valeur du multiple P/Sales de l’indice S&P IT fin 2011 (1,96) utilisé dans la démarche de valorisation chute d’environ 10 % en excluant eBay, Google et Microsoft. Kim et Ritter (1997) ont montré que le pouvoir explicatif des multiples (P/E, Market/Book Value, Price/Sales) est limité pour justifier la valorisation boursière des entreprises introduites récemment en bourse. Ces auteurs préconisent des ajustements au niveau de la croissance et la profitabilité afin que la démarche de valorisation puisse capter les facteurs idiosyncratiques de ces entreprises.

70Concernant l’approche actuarielle et plus précisément la méthode DCF, cette dernière exige au préalable une analyse financière et stratégique de l’entreprise. Elle nécessite un parcours de l’arbre stratégique de création de valeur (chaîne de valeur) et permet une meilleure compréhension des principaux éléments concourants à la création de valeur. Tous ces éléments sont nécessaires afin de porter un jugement critique et juste sur les prévisions, d’affiner le choix des méthodes et des techniques, et pour interpréter les valeurs obtenues. Cette méthode a le mérite de forcer l’évaluateur à une meilleure compréhension du modèle économique de l’entreprise et de son écosystème. C’est une méthode qui se fonde sur les variables clés de l’entreprise (EBITDA, CAPEX, Amortissements, BFR) et intègre dans sa démarche les principaux déterminants de la valeur : les investissements, la valeur temps des flux et le risque. En revanche et malgré tous ses apports, elle présente des limites qui souvent induisent des doutes sur la fiabilité de ses résultats. Parmi ces limites figurent notamment les incertitudes liées aux prévisions d’exploitation de la période de croissance stable (à perpétuité), la nécessité de formuler de nombreuses hypothèses et le poids de la valeur correspondant à la période de croissance stable. En d’autres termes, le caractère subjectif de ces hypothèses peut conduire in fine à une valorisation peu objective. Du point de vue statistique, la méthode DCF apporte une meilleure justification du cours de l’action des entreprises de notre échantillon avec un R2 ajusté plus élevé (61,8 %). Malgré ce résultat, toutes les hypothèses retenues dans le processus de valorisation peuvent être questionnées et mises en doute. Par exemple, le ratio d’endettement (Dettes Financières Nettes/Capitaux Propres) de la période terminale retenue dans le processus de valorisation de Google, d’Apple et d’Amazon est de 15 % (hypothèse retenue pour l’ensemble des entreprises et se basant sur le ratio moyen du S&P IT). Or, ces entreprises affichent des trésoreries largement positives conduisant à des dettes financières nettes négatives. De plus, Le taux de croissance moyen (période de croissance prévisionnelle) pour Apple est d’environ 12,2 % alors que son taux historique (10 dernières années) est d’environ 98,2 %.

71Pour Mills (2005), la méthode DCF peut conduire à des sur-évaluations causées par un déni et un aveuglement de la part des décisionnaires dans leurs prévisions. Ce déni est expliqué en finance comportementale (Kahneman 2003, Montier 2007) par un excès d’optimisme et de sur-confiance. La méthode DCF peut également conduire à des sous-évaluations, en particulier pour des entreprises high tech, puisqu’elle se contente d'actualiser des cash flows futurs et ignore de ce fait la valeur des options d’entreprises évoluant dans le secteur de la haute technologie.

72Le modèle de Schwartz & Moon (2001) proposé spécifiquement pour la valorisation des entreprises technologiques combine le modèle DCF et les options réelles. Un de ses principaux avantages réside dans le fait de sa capacité à mieux incorporer dans la démarche de la valorisation la forte incertitude sous-jacente à ces entreprises. Selon Philipe (2004), une de ses forces principales est le caractère compact de sa formule, qui offre une capacité calculatoire importante (calcul de sensibilités, des dates des points morts, des probabilités de faillite, etc,). Mais, c’est aussi sa faiblesse car sa sophistication mathématique le rend peu utilisé par les praticiens. De plus, Il exige la mobilisation d’une vingtaine de paramètres dont certains comme la volatilité des revenus, la volatilité de la croissance des revenus et volatilité de l’EBITDA, qui sont difficilement estimables. Par ailleurs, du fait de sa forte sensibilité à ces paramètres, une erreur d’estimation peut fournir des résultats excessivement optimistes ou pessimistes. La valeur moyenne attribuée à l’action d’Amazon en est l’illustration. Le modèle estime une valeur moyenne d’environ 10 fois son cours d’action pour la période 1998-2011. Ce résultat n’est que la conséquence d’une surestimation de la rentabilité d’exploitation (EBITDA à LT en % des revenus de 19,15 %). Or, s’agissant d’Amazon dont la stratégie consiste à maintenir une forte croissance des revenus en générant une rentabilité relativement faible (5,8 % pour les 10 dernières années) par rapport à ses comparables et surtout par rapport à son secteur (19,15 %), ce taux semble moyennement optimiste.

3.6. Démarche multi-méthodes : Processus itératif et dynamique de valorisation

73Les limites de ces méthodes ont été la source d’une série d’ajustements proposés par les milieux académiques et les milieux praticiens. Pour l’approche actuarielle par exemple, la mobilisation de nouveaux outils complémentaires (e.g., la méthode de scenarii, la simulation de Monte Carlo, l’approche optionnelle) est devenue indispensable. En effet, ces outils permettent d’améliorer, voire affiner la pertinence de cette approche (Copeland et al. 2000, Fernandez 2001). Pour les praticiens et plus spécifiquement les fonds de capital risque, la méthode dite « Venture Capital Method » est devenue très populaire. Cette méthode mobilise la méthode actuarielle pour la période prévisible et ensuite les multiples pour la période terminale (Wong 2013).

74De ce fait, la démarche de valorisation ressemble plus à un processus itératif et dynamique mobilisant plusieurs méthodes à la fois (Multiples, DCF et options réelles par exemple) et permettant des allers-retours entre les différentes étapes et les hypothèses retenues. Le processus démarre par une analyse stratégique et financière afin d’établir une liste d’hypothèses concernant les paramètres de la valorisation, L’étape suivante consiste à mobiliser le modèle actuariel (DCF) afin de calculer la valeur de l’entreprise de la période prévisible (5 – 7 ans). Cette étape peut être accompagnée en parallèle par une utilisation des outils supplémentaires (telle que la simulation de Monte Carlo en utilisant Crystal Ball ou @RISK). L’objectif principal est d’intégrer l’incertitude dans le processus à travers des distributions de valeurs au lieu d’une simple mobilisation de valeurs déterministes. Notons que ces techniques permettent de mener par la suite une analyse de sensibilité et une identification des déterminants-clés de la valeur (Key Value Driver). Le résultat de cette étape peut induire un retour à la première étape du processus pour une confrontation avec l’analyse stratégique. Le but est d’analyser la pertinence du résultat de l’analyse de sensibilité à la lumière du modèle économique de l’entreprise en question et de tester la validité des hypothèses retenues. Ensuite, la valeur terminale peut être captée à travers une mobilisation classique de l’équation de Gordon et Shapiro (DCF), ou éventuellement la méthode des multiples (Venture Capital Method). Il s’agit donc d’estimer la valeur terminale sur la base d’un multiple sectoriel et/ou financier. Enfin, la dernière étape du processus consiste à confronter la valeur estimée (période prévisible et période terminale) et la valeur boursière et analyser l’écart dans une perspective optionnelle. Cette étape nécessite une démarche à la fois quantitative (afin d’estimer les paramètres qui peuvent justifier cet écart devenu ainsi la valeur de la prime des options réelles) et qualitative (afin de vérifier les conditions stratégiques et managériales permettant l’existence, l’identification et l’exercice des options réelles).

75En définitive, la valorisation d’une entreprise, quel que soit son secteur, nécessite la mobilisation de plusieurs méthodes ainsi que des outils complémentaires. Certes, ces méthodes présentent des limites qui peuvent souvent mettre en question la valeur finale. Or, l’objectif n’est en aucun cas d’attribuer une valeur chiffrée unique à une réalité complexe qu’est l’entreprise mais plutôt de pouvoir comprendre tous les aspects de ces valeurs attribuées par les différentes méthodes. De plus, l’avantage d’une démarche multi-méthodes réside dans le fait que les limites de certaines seront palliées par les avantages des autres. Le rôle principal d’un évaluateur est ainsi de pouvoir justifier la rationalité de ses hypothèses dans le contexte économique et financier de l’entreprise et de son écosystème. La finalité de la démarche (valeur estimée) demeure secondaire.

Conclusion

76Le présent article apporte un nouvel éclairage à l’utilisation des méthodes de valorisation appliquées à un secteur jusqu’alors peu étudié : le secteur des entreprises high tech. La performance de chacune des trois méthodes de valorisation pour la détermination des valeurs des entreprises high tech a été analysé : le multiple du chiffre d’affaires basé sur la valeur de marché des sociétés composant l’indice S&P IT, le modèle actuariel avec un prévisionnel des free cash-flow et enfin le modèle de Schwartz et Moon (2001) qui intègre les options réelles. Les résultats ont mis en évidence la difficulté des modèles théoriques à expliquer les valorisations boursières de ces sociétés. Bien que le modèle optionnel prenne en compte l’incertitude grâce à des processus stochastiques appliqués aux variables clés de la valorisation, il apparait à travers cette étude qu’il n’apporte pas une meilleure explication des valorisations de ces sociétés. En d’autres termes et contrairement aux tenants de ce modèle, la sophistication théorique et mathématique ne permet pas de mieux expliquer la valorisation des entreprises high tech. Il est difficile à ce jour d’expliquer les écarts observés entre valeur boursière et valeur estimée. Possiblement, ces écarts peuvent s’expliquer par la forte présence d’actifs immatériels dans les entreprises high tech, ainsi que par les comportements parfois « irrationnels » des investisseurs sur les marchés. Cette irrationalité provient de biais cognitifs et émotionnels de la part des investisseurs face à ces sociétés sur lesquelles pèse une forte asymétrie informationnelle.

77Au terme de cette recherche, nous constatons premièrement qu’aucune des méthodes testées ne permet de donner la « vraie » valeur de ces entreprises, en l’occurrence sa valeur de marché. L’introduction en bourse de l’action Twitter illustre une nouvelle fois cette difficulté. En effet, dès la clôture de sa première séance de cotation à la Bourse de New York le 7 novembre 2013, l’action grimpait de 72,7 % par rapport au prix d’introduction fixé la veille à 26 dollars.

78Deuxièmement, ces méthodes sont davantage complémentaires que concurrentes. Chacune de ces méthodes détient une part de vérité et il est de l’intérêt de l’analyste financier de les utiliser pour se forger une idée sur la valeur de l’entreprise. Ce faisant, il pourra tester de nombreuses hypothèses, se faire une opinion et décider en conséquence. Ceci étant, ne nous trompons pas : investir dans une entreprise, notamment high tech, restera toujours un pari sur l’avenir dont personne ne détient les clés.

Haut de page

Bibliographie

Alford A.W. (1992), « The Effect of the Set of Comparable Firms on the Accuracy of the Price-Earnings Valuation Method », Journal of Accounting Research, vol. 30, n° . 1, p. 94-108

Baek C., Dupoyet B.V. et Prakash A.J. (2008), « Fundamental Capital Valuation for IT Companies : A Real Options Approach », Frontiers in Finance and Economics, vol. 5, n° 1, p. 1-26.

Bank M. et Wibmer K. (2011), « Start-Up Firm Valuation : A Real-Options Approach », Midwest Finance Association 2012 Annual Meetings Paper. Available at SSRN : http://ssrn.com/abstract=1928710

Barth M. E., Landsman W. R., Young D. et Zhuang Z. (2014), « Relevance of Differences Between Net Income Based on IFRS and Domestic Standards For European Firms », Journal of Business Finance & Accounting, N° 41, p. 297–327.

Bates G. (1962), “Comprehensive Stock Value Tables”, Harvard Business Review, February, 40 (1), p. 53-67.

Baule R. et Tallau C. (2009), « Stock Price Dynamics of Listed Growth Companies - Evidence from the Options Market », Working paper, Available at SSRN : http://ssrn.com/abstract=903375.

Bhojraj S. et Lee C. M. C. (2002), « Who is My Peer ? A Valuation-Based Approach to the Selection of Comparable Firms », Journal of Accounting Research, n° 40, p. 407–439.

Black F. et Scholes M. (1973), « The Pricing of Options and Corporate Liabilities», Journal of Political Economy, vol. 81, p. 637-659

Block S. (1999), « A Study of Financial Analysts : Practice and Theory », Financial Analyst Journal, July/August, p. 86-95.

Boatsman R. et Baskin E.F. (1981), « Asset Valuation with Incomplete Markets », The Accounting Review, Vol 156, p. 38 – 52.

Boyer M., Gravel E. (2005), « Évaluation de projets, la valeur actualisée nette optimisée (VAN-O) », CIRANO Press, Working paper.

Byers T., Dorf R. et Nelson A. (2011), Technology Ventures : From Idea to Enterprises, 3rd Edition, Mcgraw Hill.

Copeland T., Koller T. et Murrin J. (2000), Valuation : Measuring and Managing The Value Of Companies, Edition John Wiley And Sons, Inc., New York.

Cox J., Ross S., Rubinstein M. (1979), « Option Pricing : A Simplified Approach », Journal of Financial Economics, vol. 7, p. 229-263.

Damodaran A. (1999), Applied Corporate Finance : A User’s Manual, John Wiley & Sons, Inc.

Dixit A., Pyndick R. (1994), Investment under Uncertainty, Princeton University Press, Princeton.

Dubreuille S., Lleo S. et Mchawrab S. (2010), « Schwartz and Moon Valuation Model : Evidence From IT Companies », Working Paper, Available At SSRN : Http://Ssrn.Com/Abstract =1871867

Fama E.F. (1970), « Efficient Capital Markets : A Review of Theory and Empirical Work », Journal Of Finance, vol. 25, n° 2, p. 383-417.

Fernandez P. (2001), « Valuing Real Options : Frequently Made Errors », Working paper, Available at SSRN : http://ssrn.com/abstract=274855

Gordon M. et Shapiro E. (1956), « Capital Equipment Analysis : The Required Rate of Profit », Management Science, vol. 3, Octobre, p. 102-110.

Gray W.R. et Vogel J. (2012), « Analyzing Valuation Measures : A Performance Horse-Race over the Past 40 Years », Journal of Portfolio Management, Fall 2012, vol. 39 (1), p. 112-121

Hausman J,A, (1978), « Specification Tests in Econometrics», Econometrica, vol 46, p, 1251-1271

Holthausen R. W. et Zmijewski M. E. (2012), « Valuation with Market Multiples : How to Avoid Pitfalls When Identifying and Using Comparable Companies », Journal of Applied Corporate Finance, n° 24, p. 26–38.

Kahneman D. (2003), « Maps of Bounded Rationality : Psychology for Behavioral Economics », The American Economic Review, vol. 93, n° 5, p. 1449-1475

Kaplan S.N. et Ruback R.S. (1995), « The valuation of cash flow forecasts : an empirical analysis», Journal of Finance, n° 50, p. 1059–1093.

Kester W.C. (1984), « Today's Options for Tomorrow's Growth», Harvard Business Review, mars-avril, p. 153-160.

Kim M. et Ritter J.R. (1999), « Valuing IPOs », Journal of Financial Economics, n° 53, p. 409–437.

Klobucnik J. et Sievers S. (2013), « Valuing High Technology Growth Firms », Working Paper, Available at SSRN : http://ssrn.com/abstract=2084180

Levasseur M. (2005), « Evaluation et coût du capital d’une start-up », Revue du Financier, n° 155, septembre-octobre, p. 13-26.

Liu J., Nissim D. et Thomas J. (2002), « Equity Valuation Using Multiples », Journal of Accounting Research, n° 40, p. 135–172.

Merton R.C. (1973), « Theory of Rational Option Pricing », Bell Journal of Economics and Management Science, n° 4, p. 141-183.

Mills R.W. (2005), « Assessing Growth Estimates in IPO Valuations - A Case Study », Journal of Applied Corporate Finance, n° 17, p. 73–78.

Montier J., (2007), Behavioural Investing : A Practitioner’s Guide to Applying Behavioural Finance, Wiley.

Myers S.C. (1977), « Determinants of Corporate Borrowing », Journal of Financial Economics, vol. 5, p. 147 - 175.

Perez M.H. (2007), « La gestion des alliances autour de projets innovants : une approche par les options réelles », Management & Avenir, n° 12, p. 9-26.

Philippe H. (2004), Les options réelles : Modèle financier ou modèle de gestion ?, Thèse de Doctorat, Université Paris IX, 373 pages.

Pierre F. (2004), Valorisation d’Entreprise et Théorie Financière, Editions Organisations, Paris.

Purnanandam A.K. et Swaminathan B. (2004), « Are Ipos Really Underpriced ? », Review of Financial Studies, n° 17, p. 811–848.

Rappaport A. et Mauboussin M. (2000), Expectations Investing : Reading Stock Prices For Better Returns, Harvard Business School Press.

Ritter J.R. et Welch I. (2002), « A Review of IPO Activity, Pricing and Allocations », Journal of Finance, n° 57, p. 1795–1828.

Roosenboom P.G.J. (2007), « How Do Underwriters Value IPOs ? An Empirical Analysis of the French IPO Market », Contemporary Accounting Research, n° 24, p. 1217–1243.

Roosenboom P.G.J. (2012), « Valuing and Pricing Ipos » Journal of Banking and Finance, n° 36, vol. 6, p. 1653-1664.

Schwartz E.S. et Moon M. (2000), « Rational Pricing of Internet Companies », Financial Analysts Journal, vol. 56, n° 3, p. 62-75.

Schwartz E.S. et Moon M. (2001), « Rational Pricing of Internet Companies Revisited», Financial Review, vol. 36, n° 3, p. 7-26.

Shiller R. (1981), « Do Stock Prices Move Too Much to Be Justified by Subsequent Changes in Dividends ? », American Economic Review, vol. 71, Juin, p. 421-436.

Trigeorgis L. (1988), « A Conceptual Options Framework for Capital Budgeting », Advances In Futures and Options Research, vol. 3, p. 145-167.

Van de Schootbrugge E. et Wong K.M. (2013), « Multi-Stage Valuation for Start-Up High Tech Projects and Companies », Journal of Accounting and Finance, vol. 13, p. 45 - 56

Verbeek M., (2008), A Guide to Modern Econometrics, Chichester. Wiley. 3ième édition.

Haut de page

Annexe

Annexe I : Hypothèses et paramètres utilisés pour l’estimation de la valeur de l’action d’Amazon (Fin 2011)

Méthode des multiples (P/CA)

Amazon

2011

Source

Multiple (P/Sales, ou Prix de l'action/Revenus par action) - S&P IT

1,96

Bloomberg

Revens par action (USD/action)

105,66

Bloomberg

Valeur estimée de l’action (USD)

207,09

Calcul

Cours de l'action fin 2011 (USD)

173,01

Bloomberg

Méthode des DCF (flux de trésorerie actualisés)

Paramètres de la méthode DCF

Valeur

Source et Explication

Période de croissance Prévisionnelle (2012-2021)

Free Cash Flow (2011) - Milliards USD

5 082

Bloomberg

CMPC (WACC) - 2011

9,73 %

Bloomberg

Taux de croissance moyen des FCF (2012 - 2021)

8,54 %

Prévisions des analystes, Prévisions de l'entreprise, et ajustement par rapport au taux de croissance admissible calculé

Composants du CMPC (WACC) (2012-2021)

Dettes Financières/Capitaux Propres (2012 - 2021)

23 %

Ce taux évolue à partir de sa valeur en 2011 (23 %) pour tendre vers la moyenne du S&P IT en fin de cette période (15 %)

Prime du risque du marché

6,01 %

Calculé (La différence entre la moyenne du rendement de l'indice S&P 500 et le taux d'intérêt des bons de Trésors - maturité de 10 ans)

Beta Ajusté (2012-2021)

1,17

Bloomberg (Le beta évolue de sa valeur fin 2011 pour atteindre la valeur 1)

Taux sans risque

1,81 %

Taux d'intérêt des bons de Trésors - maturité de 10 ans

Taux d'impôt effectif

31,56 %

Bloomberg (Ce taux évolue pour tendre vers le taux moyen de 35 % en fin de cette période)

Taux d'intérêt sur les dettes financières

3,77 %

Bloomberg (Ce taux évolue pour tendre vers la moyenne du S&P IT 6 % en fin de cette période)

Valeur Terminale

Free Cash Flow (2021) - Milliards USD

8 815

Taux de croissance FCF

2 %

Taux de croissance (OCDE) à LT – Source : Banque mondiale

Taux d'impôt

35 %

Taux d'impôt moyen

Dettes Financières Nettes /Capitaux Propres

15 %

Moyenne de l'indice S&P IT

Prime du risque du marché

6,01 %

Calculé (la différence entre la moyenne géométrique du rendement de l'indice S&P 500 et le taux d'intérêt des bons de Trésors - maturité de 10 ans)

Beta Ajusté

1

Beta d'une entreprise en phase de maturité

Taux sans risque

1,81 %

Taux d'intérêt des bons de Trésors - maturité de 10 ans

Taux d'intérêt sur les dettes financières

6,00 %

Bloomberg

Dettes Financières (2011) - Milliards USD

1 706

Bloomberg

Trésorerie Actif (2011) - Milliards USD

9 576

Bloomberg

Valeur estimée de l'action

90,18

Cours de l'action fin 2011

173,01

Bloomberg

Modèle de Schwartz & Moon (2001)

Paramètres du modèle Schwartz & Moon (2001)

Valeur

Source et Explication

Chiffre d'affaires - 2011 (Milliards USD)

48 077

Bloomberg

Taux de croissance du Chiffre d'affaires – 2011

40,56 %

Bloomberg

Volatilité du Chiffre d'affaires

24,64 %

Volatilité historique des CA sur les 10 derniers trimestres

Volatilité du taux de croissance du Chiffre d'affaires

37,25 %

Volatilité historique du taux de croissance du CA sur les 10 derniers trimestres

EBITDA - 2011 (en % du CA)

4,05 %

Bloomberg

Volatilité EBITDA – 2011

1,12 %

Volatilité historique des CA sur les 10 derniers trimestres

Trésorerie Nette - 2011 (Milliards USD)

9576

Bloomberg

Actifs Immobilisés Net - 2011 (Milliards USD)

4417

Bloomberg

Taux de croissance du Chiffre d'affaires - Long Terme

1,99 %

Taux de croissance (OCDE) à LT - Banque mondiale

Volatilité du Chiffre d'affaires - Long Terme

18,62 %

Volatilité du chiffre d’affaires des 10 derniers trimestres (Schwartz & Moon, 2001)

Volatilité du Taux de croissance du Chiffre d'affaires - Long Terme

2,05 %

Volatilité du taux de croissance du chiffre d’affaires des 10 derniers trimestres (Schwartz & Moon, 2001)

EBITDA - Long Terme

19,15 %

EBITDA moyenne en % du Chiffre d’Affaires du S&P IT (2011)

Volatilité EBITDA - Long Terme

0,11 %

Volatilité de l’EBITDA moyenne du S&P IT sur les 10 derniers trimestres

Taux d'amortissements en % du CA – 2011

2,25 %

Bloomberg

Taux d'impot effectif – 2011

31,56 %

Bloomberg

Investissements nets /Chiffre d'affaires – 2011

5,89 %

Bloomberg

Nombre d'actions en circulation – 2011 (millions)

455

Bloomberg

Prime du risque du marché -2011

6,01 %

Calculé (la différence entre la moyenne géométrique du rendement de l'indice S&P 500 et le taux d'intérêt des bons de Trésors - maturité de 10 ans)

Beta Ajusté -2011

1,17

Bloomberg

Taux sans risque -2011

1,81 %

Taux d'intérêt des bons de Trésors - maturité de 10 ans

Multiple Valeur de l'entreprise/EBITDA (Valeur Terminale)

8

Bloomberg

Période (Nb d'années de prévision)

10

Hypothèse Schwartz & Moon (2001)

Nombre d'étape dans la simulation

4

Nombre d'Itérations

10 000

Valeur estimée de l'action (USD)

1993,69

Cours de l'action (USD) – 2011

173,01

Haut de page

Notes

1 Pour une démonstration de ce modèle, voir M. Albouy, Décisions financières et création de valeur, 2e éd., Economica, 2003 ou P. Vernimmen, Finance d’entreprise, 4e éd., Dalloz, 2000.

2 Standard and Poor’s Information & Technology Index

3  Ecart relatif = ((valeur estimée/valeur boursière) -1)

Haut de page

Pour citer cet article

Référence électronique

Safwan Mchawrab, Michel M. Albouy, Marine Kergoat et Stephane Dubreuille, « Les dessous de l’évaluation des entreprises high tech »Finance Contrôle Stratégie [En ligne], 18-2 | 2015, mis en ligne le 16 juillet 2015, consulté le 28 mars 2024. URL : http://journals.openedition.org/fcs/1641 ; DOI : https://doi.org/10.4000/fcs.1641

Haut de page

Auteurs

Safwan Mchawrab

Grenoble Ecole de Management

Michel M. Albouy

Grenoble Ecole de Management

Articles du même auteur

Marine Kergoat

Idrac - Lyon

Stephane Dubreuille

Neoma Business School

Haut de page

Droits d’auteur

Le texte et les autres éléments (illustrations, fichiers annexes importés), sont « Tous droits réservés », sauf mention contraire.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search