Une étude expérimentale des formats de présentation de la performance : tableaux versus graphiques

Full text

Une ´etude exp´erimentale des formats de pr´esentation de
la performance : tableaux versus graphiques
Rahma Chekkar, Isabelle Martinez, Claire Gillet
To cite this version:
Rahma Chekkar, Isabelle Martinez, Claire Gillet. Une ´etude exp´erimentale des formats de
pr´esentation de la performance : tableaux versus graphiques. Comptabilit´e sans Fronti`eres..The
French Connection, May 2013, Canada. pp.cd-rom, 2013. <hal-01002935>
HAL Id: hal-01002935
https://hal.archives-ouvertes.fr/hal-01002935
Submitted on 7 Jun 2014
HAL is a multi-disciplinary open access
archive for the deposit and dissemination of sci-
entific research documents, whether they are pub-
lished or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est
destin´ee au d´epˆot et `a la diffusion de documents
scientifiques de niveau recherche, publi´es ou non,
´emanant des ´etablissements d’enseignement et de
recherche fran¸cais ou ´etrangers, des laboratoires
publics ou priv´es.

1
Une étude expérimentale des formats de présentation de la performance :
tableaux versus graphiques1
Rahma CHEKKAR-MANSOURI
Claire GILLET-MONJARRET
Isabelle MARTINEZ
Université de Toulouse Paul
Sabatier
Université de Montpellier 2
Université de Toulouse Paul
Sabatier
LGCO, Toulouse
MRM, Montpellier
LGCO, Toulouse
rahmachekkar@gmail.com
claire.gillet@hotmail.fr
isabelle.martinez1@univ-tlse3.fr
Résumé
Les utilisateurs sont-ils influencés par le format de présentation de la performance ? Leur
compréhension de la performance est-elle meilleure lorsque celle-ci est présentée sous forme
de graphiques ou de tableaux ? Quelle est leur perception des graphiques et des tableaux ?
Cette recherche se propose de répondre à ces questions à l’aide d’une étude expérimentale
menée auprès de 276 sujets. Les résultats révèlent que la compréhension des sujets est
influencée par le format de présentation mais également par la complexité de la tâche et
l’indicateur de performance divulgué. De plus, il existe des effets combinés entre le format et
la complexité de la tâche. Les tableaux permettent une meilleure compréhension des sujets
alors que les graphiques sont plus rapides à lire tout en étant moins précis. Globalement, plus
la complexité de la tâche augmente et moins les graphiques sont performants. Concernant
l’influence de l’indicateur de performance, le dividende par action accroît à la fois la qualité
et le temps de réponse en comparaison au résultat par action et cela quel que soit le format de
présentation. L’étude de la perception des sujets révèle par ailleurs que les tableaux sont
systématiquement mieux perçus que les graphiques au regard de la pertinence et de
l’exactitude de l'information diffusée et de la rapidité et facilité de lecture.
Mots clefs
Etude expérimentale, formats de présentation, compréhension de la performance, perception
des utilisateurs
1 Les auteurs remercient l’ANC pour son soutien financier.

2
Un nombre croissant d’entreprises utilisent dans leurs rapports annuels des formats différents,
notamment des formes visuelles, pour illustrer leurs données comptables et financières. Il
s’agit principalement de graphiques, tableaux, diagrammes ou encore de photographies. De
nombreux auteurs mettent en exergue que ces formats de présentation constituent une forme
de gestion des impressions dans le sens où ils peuvent influencer la perception des utilisateurs
(Amer 2005 ; Frownfelter-Löhrke et Fulkerson 2001 ; Hill et Milner 2003). En psychologie
sociale, la gestion des impressions est un processus orienté vers un but, conscient ou
inconscient, dans lequel des individus tentent d'influer sur les perceptions qu’ont des
personnes sur d’autres personnes, objets ou événements (Piwinger et Ebert 2001). Dans le
domaine comptable et financier, plusieurs études expérimentales ont ainsi été menées pour
apprécier l’influence de différentes formes de présentation sur la perception des utilisateurs
(Coll 1992 ; Harvey and Bolger 1996 ; Frownfelter-Lohrke and Fulkerson 1998 ; Maines and
McDainel 2000 ; Arunachalam et al. 2002 a et b ; Beattie et Jone, 2002 ; Plumlee 2002 ; Amer
2005 ; Burgess et al. 2008 ; Amer and Ravindran 2010). Dans la lignée de ces travaux, la
présente recherche se propose de répondre à la problématique suivante : les utilisateurs sont-
ils influencés par le format de présentation de la performance ? Leur compréhension de la
performance est-elle meilleure lorsque celle-ci est présentée graphiquement par rapport à une
information plus traditionnelle donnée sous forme de tableau ? Quelles sont leurs perceptions
de ces deux modes de présentation ?
Pour répondre à ces questions, une expérimentation est menée auprès de 276 sujets. L’objectif
principal de cette étude est de tester l’impact du format de présentation sur la compréhension
de la performance lorsque celle-ci est présentée selon un graphique ou un tableau. La
performance est ici appréhendée selon son acception comptable et financière et est mesurée à
partir du résultat et/ou du bénéfice par action. Outre le format de présentation, nous prenons
également en compte d’autres facteurs, tels que la complexité de la tâche et l’indicateur de
performance divulgué, qui peuvent influer sur la compréhension des sujets. Ainsi, les sujets
de l’étude sont soumis à différentes conditions expérimentales. Dans chaque plan
expérimental, ils sont invités à répondre à un ensemble de questions sur la performance. La
compréhension de la performance est mesurée par la qualité de la réponse (exacte ou
inexacte) et le temps passé pour répondre. Pour approfondir l’analyse, l’expérimentation se
conclut par la perception des sujets concernant les deux formats de présentation. Il est
demandé aux participants d’indiquer leur préférence pour les tableaux ou graphiques et de
juger, pour chaque format, quatre critères : pertinence et précision de l’information, rapidité et
facilité de lecture.
Les résultats obtenus, à partir des analyses univariées et multivariées, révèlent que la
compréhension des utilisateurs est influencée par le format de présentation, la complexité de
la tâche et l’indicateur de performance divulgué. De plus, il existe des effets combinés entre le
format et la complexité des questions et de l’information. De manière plus détaillée, il
apparaît que les graphiques améliorent le temps de réponse (ils sont plus rapides à lire) tout en
étant moins précis que les tableaux. Ces derniers permettent quant à eux une meilleure
compréhension des sujets (qualité de la réponse) et cela est particulièrement vrai dans le cas

3
de questions complexes. Globalement, plus la complexité de la tâche augmente et moins les
graphiques sont performants. Par ailleurs, le dividende par action accroît à la fois la qualité et
le temps de réponse en comparaison au résultat par action et cela quel que soit le format de
présentation. Pour finir, l’étude de la perception des sujets au regard des quatre critères
(pertinence et exactitude de l'information, rapidité et facilité de lecture), révèle que les
tableaux sont systématiquement mieux perçus que les graphiques.
Le présent article comprend quatre sections. Après avoir présenté la littérature sur le sujet et
formulé les hypothèses de recherche (1), le design expérimental est décrit (2). Font suite une
présentation (3) et discussion (4) des résultats.
1. Revue de la littérature et formulation des hypothèses
Cette section est consacrée au management des impressions (1.1) et à une présentation
synthétique des travaux comparatifs entre tableaux et graphiques (1.2). Les hypothèses sont
au final formulées (1.3).
1.1 Le management des impressions
Les théories du management des impressions rendent compte d’un ensemble de stratégies plus
ou moins conscientes qu’un individu va développer pour contrôler l’image qu’il donne de lui
à une audience durant une interaction (Schenkler 1980). Ainsi, le management des
impressions renvoie à la volonté de contrôler les images projetées dans des mécanismes
d’interactions sociales, réelles ou imaginaires. C’est le sociologue Goffman qui initie les
premiers travaux sur le management des impressions. Selon Goffman (1973, p.12), « tout
acteur doit agir de façon à donner, de manière intentionnelle ou non, une expression de lui-
même, et les autres à leur tour doivent en retirer une certaine impression ».
Dans le contexte organisationnel, Gardner et Martinko (1988) sont les premiers auteurs à
s’intéresser au management des impressions. Comme tout individu, les dirigeants d’entreprise
souhaitent maîtriser les impressions qu’ils suscitent. A travers des tentatives, conscientes ou
inconscientes, ils souhaitent ainsi contrôler l’image de leur entreprise qu’ils projettent
(Gardner et Martinko 1988). Ce contrôle peut notamment apparaitre lorsque les entreprises
choisissent de sélectionner les informations à diffuser au public de telle manière qu’elles
influencent les perceptions qu’auront les lecteurs de la performance organisationnelle
(Godfrey et al. 2003). Les entreprises utilisent diverses stratégies de gestion des impressions
dans un objectif de maintien ou d’amélioration de leur image (Elsbach et Sutton 1992 ; Ginzel
et al. 1992 ; Elsbach 1994 ; Livesey et Kearins 2002 ; Cho 2009). A cet effet, ils peuvent
manipuler les informations diffusées au public par le biais des formats de présentation (Merkl-
Davis et Brennan 2007). De telles manipulations se retrouvent fréquemment dans les rapports
annuels des entreprises (Neu 1991).

4
Le rapport annuel étant un document important de la communication financière, les
entreprises utilisent plusieurs types de présentations visuelles pour impressionner et parfois,
manipuler les lecteurs (Neu 1991 ; Maton 2006 ; Beattie et Jones 2008). Les rapports annuels
incluent des récits mais également des informations présentées sous forme visuelle (tableaux,
graphiques ou photographies) permettant aux lecteurs d’estimer la situation financière de
l'entreprise (Penrose 2008). Ainsi comme le précisent Beattie et Jones (2008), les
présentations visuelles sont aujourd’hui de plus en plus utilisées et constituent une partie
intégrante de la stratégie de communication des entreprises. Or, de manière paradoxale, la
littérature comptable et financière s’est intéressée que très récemment aux formats visuels,
notamment via les graphiques (Penrose 2008 ; Beattie et Jones 2008).
1.2 Les présentations visuelles de la performance : graphiques versus tableaux
Les graphiques constituent un outil de communication puissant, fournissant une représentation
visuelle et rapide de l’information financière (Beattie et Jones 2002). Ils sont en effet utilisés
pour aider les utilisateurs à percevoir rapidement les tendances des données clés. Les études
antérieures ont montré que les graphiques sont à même de faciliter la prise de décision
lorsqu’ils sont correctement conçus (Bertin 1983 ; Henry 1995 ; Kosslyn 1989, 1994 ; Tufte
1983, 1990, 1997). Ainsi, dans le cadre de la gestion des impressions, les entreprises peuvent
utiliser les graphiques de manière opportuniste pour présenter une image de leur performance
meilleure que celle correspondant à leur situation réelle (Beattie et Jones 2008).
En plus des graphiques, les rapports annuels sont souvent illustrés de tableaux comprenant des
données numériques. Plusieurs études se sont donc intéressées à la comparaison des
présentations graphiques et tabulaires (De Sanctis 1984 ; Jarvenpaa et Disckson 1988 ; Vessey
1991 ; Coll 1992 ; Coll et Coll 1993). La problématique générale est d’apprécier les effets des
deux formats de présentation sur la qualité de la prise de décision des utilisateurs. Les
résultats en la matière ne sont pas homogènes. Feliciano et al. (1963), Benbasat et Schroeder
(1977) et Tullis (1981) concluent à la supériorité des graphiques sur les tableaux alors que
Nawrocki (1972), Wainer et Reiser (1976), Ghani (1981), Lucas (1981) et Remus (1984)
rapportent l’inverse. Quant aux travaux de MacDonald-Ross (1977), Ives (1982), DeSanctis
(1984), Dickson et al. (1986), aucune forme de présentation ne semble dominer.
De manière générale, il apparaît que les tableaux permettent d’apprécier avec plus de
précision la performance alors que les graphiques permettent une évaluation plus rapide et
synthétique des données (Jarvenpaa et Dickson 1988 ; Coll 1992). Ainsi, les graphiques ont
pour avantage une réponse plus rapide face à un problème à résoudre, sans que cette réponse
soit nécessairement juste (De Sanctis 1984). Quant aux tableaux, leur principal avantage
réside dans la précision et la possibilité de comparer des données. Selon Beattie et Jones
(2008), la littérature fait apparaître que les entreprises choisissent d’utiliser des graphiques
plutôt que d’autres formats dont les tableaux pour plusieurs raisons. Tout d’abord, les
graphiques permettent de présenter les informations de manière plus flexible, ils sont
également plus accrocheurs notamment en raison des couleurs utilisées (Leivian 1980). Les
graphiques font appel au sens visuel et permettent une lecture des données plus directe, claire

5
(Kosslyn 1989 ; Ackerman 1991) et rapide (Smith et Bain 1987). Enfin, la mémorisation des
données est plus importante lorsque celles-ci sont présentées sous forme graphique et
picturale que sous forme quantitative et chiffrée (Leivian 1980 ; Smith et Bain 1987).
Cependant, de nombreux auteurs soutiennent l’idée que la précision dans l’analyse de
l’information diffusée est meilleure lorsque les rapports annuels contiennent une combinaison
de graphiques et de tableaux (Schmid and Schmid 1979 ; Jarret 1983 ; Tufte 1983).
La question de la supériorité d'un format de présentation et de son influence sur les
utilisateurs peut être étudiée au regard d'autres facteurs qui interagissent avec le format de
présentation (Blocher et al. 1986 ; Davis 1989 ; Coll 1992 ; Frownfelter-Lohrke 1998). Il
s’agit du niveau de complexité de la tâche (Blocher et al. 1986 ; DeSanctis et Jarvenpaa 1989
; Carey et White 1991). Blocher et al. (1986) ont examiné la différence entre les graphiques et
les tableaux en fonction de la complexité des tâches. Les graphiques semblent plus adaptés à
de faibles niveaux de complexité alors que les tableaux le sont pour des niveaux de
complexité élevée. Ainsi, Blocher et al. (1986) concluent que le format graphique aboutit à
une prise de décision plus précise pour des tâches de faible complexité. A contrario, Remus
(1984) montre que l'utilisation de tableaux produit de meilleures performances que
l'utilisation graphique sur une tâche de faible complexité, tandis que le graphique est plus
performant sur une tâche de plus grande complexité. Hwang et Wu (1990) mettent en exergue
que les graphiques sont plus efficaces que les tableaux dans le cadre de tâches de complexité
moyenne. Cependant, les auteurs concluent que pour des tâches de difficultés extrêmes
(simples ou complexes), les graphiques et les tableaux ne peuvent influencer l'efficacité de la
décision des utilisateurs de l’information.
Pour Frownfelter-Lohrke (1998), il convient toutefois de dissocier les différents composants
de la complexité de la tâche. En effet, la définition de la complexité de la tâche n’étant pas
consensuelle, la plupart des chercheurs s’entendent sur ce que sont les composants d’une
tâche (Frownfelter-Lohrke 1998). Pour Campbell (1988), les composants de la complexité de
la tâche font référence aux questions et aux informations nécessaires pour effectuer une tâche.
Ainsi, la complexité des informations et la complexité des questions permettent de définir la
complexité de la tâche (Davis 1989). L’information correspond à un ensemble de variables
quantitatives ou qualitatives présentées à l’utilisateur (Davis 1989). Il peut s’agir de l’année(s)
d’étude, du nom de l’entreprise(s) ou encore de la mesure(s) de la performance. La question
correspond à une interrogation posée à l’utilisateur qui dépend des informations précédentes.
Elle est décrite en termes de quantité d’informations qui doivent être examinées pour y
répondre et le niveau de complexité dépend de celle-ci (Davis 1989). Selon Davis et al. (1985)
et Addo (1989), la complexité de la question est également fonction du temps nécessaire pour
apporter une réponse correcte. Quatre niveaux de complexité de tâche sont définis par Davis
(1985) : l’identification (par exemple l’identification d’une ligne sur un graphique ou dans un
tableau), le balayage (par exemple la localisation des points les plus élevés sur une ligne dans
un graphique ou un tableau), la comparaison (par exemple en comparant deux quantités) et
l’estimation (par exemple, d’une différence entre deux nombres). Davis (1989) montre que les
tableaux sont des formes de présentation efficientes en présence d’un haut niveau de

6
complexité des informations et des questions. A l’inverse, les graphiques ne sont appropriés
que pour un niveau inférieur de complexité.
1.3 Hypothèses
Notre recherche consiste à étudier la compréhension qu’ont les utilisateurs de la performance
lorsque celle-ci est divulguée sous forme de tableau ou sous forme de graphique. Dans quel
cas, sont-ils plus aptes à juger la performance des entités considérées ? Pour répondre à notre
problématique, trois séries d’hypothèses de recherche sont formulées quant à l’influence du
format de présentation de la performance, de son éventuelle interaction avec la complexité de
la tâche et avec l’indicateur de performance divulgué dans le graphique ou le tableau.
Format de présentation de la performance
De nombreux auteurs ont étudié l’impact du format de présentation sur la prise de décision
(Blocher and al. 1986 ; Davis 1989 ; Vessey 1991 ; Coll 1992; Harvey and Bolger 1996 ;
Frownfelter-Lohrke 1998 ; So and Smith 2002). La perception qu’ont les utilisateurs de la
performance d’une entreprise semble différer selon le format de présentation (Huang et al.,
2008). D’une part, les graphiques permettent aux utilisateurs de mieux visualiser les données,
ce qui rend le processus de communication plus immédiat et améliore la compréhension de
l’information financière grâce à l’utilisation du sens visuel qui fait appel à des compétences
spatiales plutôt que linguistiques (Ackerman 1991 ; Beattie et Jones 2000). Les graphiques
permettent également de mieux mémoriser les informations (Tufte 1983). Cependant, ils
peuvent servir à manipuler les impressions du lecteur et en ce sens constituent un outil de
management des impressions (Carswell 1991). D’autre part, les tableaux présentent également
plusieurs avantages : ils aident à la compréhension des lecteurs et sont plus précis (Ghani
1981 ; Lucas 1981 ; Ives, 1982 ; DeSanctis 1984 ; Javenpass and Dickson 1988).
Ainsi, les études précédentes ont montré que le format de présentation affecte de manière
significative la compréhension des utilisateurs de l’information. Cependant, les résultats de
ces études sont très mitigés et par manque d’homogénéité, nous ne précisons pas le sens de la
relation. L’hypothèse relative au format de présentation est formulée de la manière suivante :
H1 : La compréhension des utilisateurs est influencée par le mode de présentation (graphique
ou tableau) de la performance.
Complexité de la tâche
A la suite des premières études sur le format de présentation et de leurs résultats mitigés,
d’autres recherches se sont intéressées à l’étude de l’influence de la complexité de la tâche sur
la compréhension des utilisateurs de l’information et à sa combinaison avec le format de
présentation (Blocher and al. 1986 ; DeSanctis and Jarvenpaa 1989 ; Carey and White 1991 ;
Coll 1992 ; Roszana 1998). Vessey (1991) met en évidence le lien direct entre la complexité

7
de la tâche et le format de présentation. Davis (1989) montre que le format de présentation
graphique aboutit à une prise de décision sur la performance meilleure pour les tâches peu
complexes. Selon Blocher et al. (1986), la qualité de la décision des utilisateurs de
l’information diffère selon le format de présentation et la complexité de la tâche effectuée.
Ainsi, les auteurs mettent en exergue que les graphiques sont meilleurs pour des niveaux de
complexité faibles et à contrario que les tableaux sont meilleurs pour des niveaux de
complexité élevés. En fait, les avantages des formats de présentation dépendent de la
complexité de la tâche (Wainer et al. 1982). Les hypothèses relatives au niveau de complexité
de la tâche sont formulées de la manière suivante :
H2 : La compréhension des utilisateurs est influencée par le niveau de complexité de la tâche
H3 : Il existe une interaction entre la complexité de la tâche et le format de présentation.
Indicateur de performance
La complexité de plus en plus importante de l’environnement des affaires amène les
gestionnaires à s’appuyer sur plusieurs mesures de performance pour évaluer les entreprises
(Addo 1994). Celles-ci peuvent ainsi informer les utilisateurs quant à leur performance en
diffusant, à travers différents formats de présentation, des informations financières ou extra-
financières. Concernant les variables financières, les plus fréquentes sont le chiffre d’affaire,
le bénéfice net, le bénéfice par action (EPS) et le dividende par action (DPS) (Beattie and
Jones 1992, 2002a ; Mather et al. 1996). L’utilisation d’une variété d’indicateurs dans les
rapports annuels nous conduit à penser que le type d’indicateur divulgué peut influencer la
lecture et la compréhension de la performance. Nous formulons donc deux hypothèses
relatives aux indicateurs de performance :
H4 : La compréhension des utilisateurs est influencée par l’indicateur de performance
divulgué dans le tableau ou le graphique
H5 : Il existe une interaction entre l’indicateur et le format de présentation de la performance
Pour tester nos hypothèses, une étude expérimentale est menée auprès de 276 sujets. Celle-ci
est maintenant exposée.
2. Méthodologie
L’objectif principal de l’étude expérimentale est de tester l’impact des formats de présentation
de la performance (tableau/graphique) sur la compréhension des utilisateurs. Le design
expérimental (2.1) et l’opérationnalisation des variables (2.2) sont décrits.

8
2.2 L’expérimentation
Les sujets soumis à l’étude expérimentale sont au nombre de 2762. Il s’agit d’étudiants en
management en master 1 et 2 (27 %) ou licence (73 %) de deux universités françaises. Ils sont
majoritairement de genre féminin (59 %). L’expérimentation s’est faite sur la base du
volontariat.
Le design comprend trois plans expérimentaux intra-sujets. Un groupe unique de participants
est constitué (tous les participants sont soumis aux mêmes conditions expérimentales). L’objet
de l’expérimentation est de conduire les sujets à juger/apprécier la performance d’une ou de
plusieurs entités à l’aide de tableaux et/ou de graphiques. Pour ce dernier format, nous
utilisons des graphiques en colonne. Ce choix repose sur les travaux de Beattie et Jones
(2002) qui montrent que les types de graphiques les plus utilisés dans les rapports annuels
pour présenter des données financières sont les graphiques en colonne. Ils représentent
environ 85 % de l’ensemble des graphiques « financiers » présents dans un rapport annuel. De
plus, pour Beattie and Jones (1997), ces graphiques sont particulièrement adaptés à une
présentation des données en séries temporelles.
Le premier plan expérimental teste l’impact du format de présentation sur la compréhension
des sujets. Les participants répondent à des questions sur la performance et mesure leur temps
de réponse sur la base soit de tableaux, soit de graphiques (cf exemple en annexe).
Le deuxième plan expérimental prend en compte l’impact de la complexité de la tâche et de
son interaction avec le format. Dans ce cas, les conditions expérimentales varient en fonction
des niveaux de complexité des informations divulguées et des questions posées.
Le troisième plan vise à intégrer l’effet du type d’indicateurs de performance affiché dans les
tableaux et les graphiques. A l’instar de Pennington et Tuttle (2009), nous utilisons comme
indicateur de performance, le bénéfice par action (noté EPS) ou le dividende par action (noté
DPS).
2.2 L’opérationnalisation des variables
La compréhension des utilisateurs est mesurée à partir de deux variables : la qualité et le
temps de la réponse. Chaque participant répond à un ensemble de questions sur la
performance sur la base soit de tableaux soit de graphiques. A chaque question posée, il doit
cocher une seule réponse et il n’existe qu’une réponse juste. Un score de réponse correcte est
donc calculé : 0 pour une réponse fausse et 1 pour une réponse juste. Ainsi, la première
variable mesure la qualité de la réponse des utilisateurs (notée QUAL). La deuxième variable
est le temps de réponse mesuré en secondes pour chaque question posée (notée TPS).
2 Ont été exclus les sujets dont les réponses n’ont pu être codées.

9
Concernant les variables explicatives (facteurs expérimentaux), sont pris en compte le format
de présentation, la complexité de la tâche et l’indicateur de performance. Le facteur
« format » (FORM) prend en compte 2 modalités : 1 pour graphique ; 2 pour tableau.
La complexité de la tâche est mesurée par deux variables : complexité des informations
(COMPI) et complexité de la question (COMPQ). Chaque complexité comprend trois
niveaux: faible (1) / moyen (2) / élevé (3).
A l’instar de Davis (1989), la complexité des informations est définie par rapport à la quantité
d’informations.
- Le niveau faible correspond à une présentation (graphique / tableau) d’un seul
indicateur de performance (EPS ou DPS) pour 1 entreprise sur 5 ans.
- Le niveau moyen est une présentation (graphique / tableau) d’un indicateur de
performance (EPS ou DPS) pour 4 entreprises sur 5 ans.
- Le niveau élevé est une présentation (graphique / tableau) de deux indicateurs de
performance (EPS et DPS) pour 4 entreprises sur 5 ans.
La complexité des questions est définie par le type d’interrogation posée à l’utilisateur :
identification, comparaison et estimation (Davis 1985).
- Dans le niveau faible, le sujet doit répondre à des questions sur la performance visant à
identifier une donnée (performance la plus forte ou la plus basse) sur un graphique ou
un tableau.
- Dans le niveau moyen, le sujet doit comparer deux données (variation de performance
la plus forte ou la plus basse) à partir d’un graphique ou d’un tableau.
- Quant au niveau élevé, le sujet doit mesurer une différence entre deux données
(évaluer la variation de performance) à partir d’un graphique ou un tableau.
Le facteur « indicateur de performance» (INDIC) fait référence au type d’indicateurs
divulgués dans les graphiques et les tableaux Deux modalités existent : dividende par action
ou DPS (1) / bénéfice par action ou EPS (2).
Des variables de contrôle sont également intégrées à l’analyse. Elles sont propres aux sujets :
genre (féminin/masculin), niveau d’études (licence/master) et expérience professionnelle
(stage ou/et contrat de travail dans le domaine comptabilité/finance). Ces variables sont toutes
dichotomiques.
3. Les résultats
Les résultats portant sur la compréhension de la performance sont présentés : l’analyse
descriptive (3.1), l’influence des facteurs expérimentaux (3.2) et l’influence des interactions
entre facteurs (3.3).

10
3.1 Analyse descriptive
L’analyse descriptive est menée en deux temps. Tout d’abord, le pourcentage de réponses
exactes est étudié en fonction des différents facteurs expérimentaux (format, complexité de la
tâche et indicateurs). L’association entre QUAL et les facteurs expérimentaux est appréciée
par le test du Khi-deux. Ensuite, des statistiques descriptives (moyenne et écart-type) sont
calculées pour la variable temps (TPS) avec des tests paramétriques de Student de
comparaison des moyennes.
Le tableau 1 présente le taux de réponses justes par facteurs expérimentaux.
Tableau 1 : Pourcentage de réponses exactes selon les facteurs expérimentaux
Facteurs expérimentaux
Modalités
Taux de réponses exactes
Khi-deux
FORM
Tableau
Graphique
79,2%
61,6%
184,432 ***
COMPI
Faible
Moyen
Fort
75,8%
70,4%
65%
46,938***
COMPQ
Faible
Moyen
Fort
91,5%
65%
54,6%
576,751***
INDIC
DPS
EPS
81,4%
61,6%
232,443***
Nombre d’observations
Pourcentage total de réponses correctes
Pourcentage total de réponses incorrectes
4968
70,4%
29,6%
Sur les 4968 réponses valides (276 répondants), 70,4 % sont des réponses justes contre 29,6
% de réponses fausses. Il semble donc qu’en majorité les sujets répondent correctement aux
questions sur la performance qui leur ont été posées. Concernant l’impact du format de
présentation de la performance, on constate que le taux de réponses exactes est plus important
avec les tableaux (79 %) qu’avec les graphiques (62 %). A ce stade, il semblerait donc que la
compréhension de la performance soit meilleure lorsque les répondants évaluent la
performance à partir des tableaux. Ceci semble aller dans le sens d’une plus grande précision
des tableaux (Jarvenpaa et Dickson 1988 ; Coll 1992). Le Khi-deux étant statistiquement
significatif, on peut déduire qu’il existe une association entre la qualité de la réponse et le
format de présentation de la performance.
Outre le format de présentation de la performance, la complexité de la tâche constitue un autre
facteur susceptible d’influencer la qualité des réponses. Cette complexité est décomposée en
deux éléments mesurant la complexité de l’information (COMPI) et la complexité de la
question (COMPQ). Les Khi-deux sont statistiquement significatifs et révèlent une
association entre QUAL et les deux composantes de complexité COMPI et COMPQ. Comme
attendu, on constate que le taux de réponses exactes diminue avec le niveau de complexité
(COMPI et COMPQ). Toutefois, il convient de noter que l’accroissement du degré de
complexité de la question se traduit par une forte diminution du nombre de réponses justes. Le

11
pourcentage de réponses exactes à une question de faible complexité est de 91,5 %. Il passe à
65 % avec une question de complexité moyenne et à 55 % lorsque la complexité est forte.
Ainsi, on peut supposer un fort impact de la complexité de la question (COMPQ) sur la
qualité des réponses.
Enfin, un autre facteur expérimental a été pris en compte : l’indicateur de performance (DPS
ou EPS) divulgué dans les tableaux ou graphiques. Là encore, le khi-deux étant
statistiquement significatif, une association existe entre la qualité de la réponse et l’indicateur
publié. On constate que le pourcentage de réponses correctes est supérieur lorsque la
performance est jugée à partir du dividende par action (81 % contre 62 % avec le résultat par
action). Il semble donc que lorsque la performance est appréciée à partir du résultat par action,
la compréhension des sujets est moins bonne qu’avec le bénéfice par action.
Le tableau 2 présente les statistiques descriptives relatives au temps de réponse.
Tableau 2 : Statistiques descriptives du temps de réponse
Temps de réponse (en secondes)
Facteur
Modalités
Moyenne
Ecart-type
Test de Student1
Format
Tableau
Graphique
16,13
14,59
11,978
10,413
4,747***
Complexité information
Faible
Moyenne
Forte
14,15
15,29
16,64
10,218
10,687
12,565
-3,089***
-3,296***
Complexité question
Faible
Moyenne
Forte
10,00
17,65
18,43
6,839
12,473
11,574
-21,588***
-1,841
Indicateur
DPS
EPS
13,92
16,60
10,472
11,690
-8,625***
*** Statistiquement significatif à 5%. 1 Pour la complexité COMPI et COMPQ, le test de Student compare la
moyenne du temps entre les deux niveaux faibles et moyens puis entre les niveaux moyens et forts.
Les répondants passent en moyenne davantage de temps pour répondre aux questions avec les
tableaux par rapport aux graphiques (respectivement 16 et 14 secondes). Le test de Student est
statistiquement significatif au seuil de 5 %. Les graphiques permettent donc une réponse plus
rapide que les tableaux, ce qui semble cohérent avec les études qui révèlent que les
graphiques sont plus rapides et plus simples à lire comparativement aux tableaux (Jarvenpaa
et Dickson 1988 ; Coll 1992). Cependant, on constate que les graphiques, bien que permettant
une réponse plus rapide, ne conduisent pas forcément à une réponse juste (De Sanctis 1984).
En effet, la répartition des réponses exactes et inexactes selon le format de
présentation montre que 56 % des réponses justes sont associées aux tableaux contre 43,8 %
pour les graphiques et 35 % des réponses fausses se font avec les tableaux contre 65 % avec
les graphiques.
Pour la complexité des informations et des questions, le temps de réponse augmente avec les
niveaux : de 14 à 17 secondes selon les niveaux de complexité de l’information et de 10 à 18
secondes selon les niveaux de complexité des questions. Cependant, même si les répondants

12
passent moins de temps pour répondre à une question de faible complexité, le temps de
réponse est en moyenne le même pour des questions de moyenne et de forte complexité.
Enfin, la lecture d’un résultat par action (EPS) entraîne un temps de réponse en moyenne plus
long que lorsque les questions se basent sur le dividende (DPS). Ce constat est à mettre en
perspective avec le fait que le taux de réponses justes est supérieur avec le DPS par rapport à
l’EPS (tableau 1).
Pour compléter ces premiers résultats, des régressions multivariées sont maintenant menées
pour tester l’influence des facteurs expérimentaux sur la compréhension des sujets.
3.2 L’influence des facteurs expérimentaux
Deux modèles explicatifs sont mis en œuvre. Le premier repose sur une régression logistique
avec la qualité de réponse (QUAL) comme variable à expliquer. Le second est une régression
linéaire dont la variable à expliquer est le temps de réponse (TPS). Les facteurs explicatifs
sont le format de présentation (FORM), la complexité de la tâche (COMPI et COMPQ) et le
type d’indicateur de performance (INDIC). Les variables de contrôle sont le genre (GENRE),
le niveau d’études (NIV) et l’expérience professionnelle (EXP).
Le tableau 3 présente les résultats de la régression logistique.
Tableau 3 : Régression logistique avec QUAL comme variable à expliquer1
Facteurs
Variables
Modalités
Odd Ratio
Khi-deux de Wald
Expérimentaux
FORM
Tableau
Graphique
0,3595
0
211,517***
COMPI
Faible
Moyen
Fort
0,649
0,904
0
26,434***
COMPQ
Faible
Moyen
Fort
0,126
0,620
0
398,174***
INDIC
DPS
EPS
0,546
0
59,141***
Contrôle
GENRE
NIV
EXP
1,170
0,883
1,065
4,986***
2,474
0,821
Qualité d’ajustement
Déviance
767,750 ***
*** statistiquement significatif à 5% ; 1 La constante n’est pas reportée dans le tableau.
Le modèle logistique est correctement spécifié : la déviance est statistiquement significative
au seuil de 5 % indiquant que le modèle s’écarte raisonnablement du modèle saturé. La
compréhension des sujets mesurée par la qualité de la réponse est influencée par le format de
présentation (Khi-deux statistiquement significatif au seuil de 5 %). Lorsque les répondants
jugent la performance à partir des graphiques, la probabilité de répondre juste est multipliée
par 0,36 (Odd Ratio de 0,3595) par rapport au jugement de la performance à partir des
tableaux. Ainsi, la compréhension des répondants est meilleure lorsque la performance est
présentée sous forme tabulaire. Les autres facteurs expérimentaux, complexité de la tâche

13
(COMPI et COMPQ) et indicateur de performance (INDIC), influencent également la
compréhension des sujets. Lorsque COMPI passe du niveau faible au niveau fort, la
probabilité de réponses justes est multipliée par 0,65 alors qu’elle reste quasiment identique
pour les niveaux moyens et forts de COMPI (Odd Ratio de 0,904). Ceci indique une influence
négative de la complexité de l’information sur la compréhension des sujets. Il en est de même
pour la complexité des questions (COMPQ) mais dans des proportions supérieures. La
probabilité de réponses justes est multipliée par 0,126 entre les questions de faible complexité
et forte complexité. Ainsi, plus l’information et les questions sont complexes, moins la
compréhension des sujets est bonne (la probabilité de réponses correctes diminue). Enfin,
lorsque l’indicateur présenté est le résultat par action (EPS), la probabilité des réponses
exactes est moindre (Odd Ratio de 0,546) par rapport au DPS. Pour les variables de contrôle,
seul le genre est statistiquement significatif à 5% avec une meilleure compréhension pour les
sujets féminins (Odd Ratio de 1,170).
Le tableau 4 concerne les résultats du modèle linéaire avec le temps de réponse (TPS) comme
variable à expliquer.
Tableau 4 : Régression linéaire avec TPS comme variable à expliquer
Facteurs
Variables
Beta
T de Student
Expérimentaux
FORM
-1,533
-4, 996 ***
COMPI
0,472
2,484***
COMPQ
2,346
18,518***
INDIC
1,281
3,992***
Contrôle
GENRE
NIV
EXP
2,120
-0,238
-2,152
6,793***
-0,684
-6,910 ***
R2 ajusté
Test de Fischer
Test de Durbin-Watson
10,2 %
79,142***
1,486
*** statistiquement significatif à 5% ; 1 la constante n’est pas reportée dans le tableau.
Le R2 ajusté s’élève à 10,2 % et est statistiquement significatif au seuil de 5 %. Le temps de
réponse est influencé par le format de présentation de la performance, la complexité de la
tâche (COMPI et COMPQ) et l’indicateur de performance. Le coefficient de régression du
format étant négatif, on en déduit que les tableaux augmentent le temps de réponse. Ceci est
cohérent avec les statistiques descriptives selon lesquelles le temps moyen de réponse est
supérieur avec les tableaux par rapport aux graphiques (tableau 2). Quant à la complexité de
la tâche, elle augmente le temps de réponse et il en est de même avec l’indicateur résultat par
action. Ces résultats sont conformes aux statistiques descriptives (tableau 2). Pour les
variables de contrôle, le genre féminin influence positivement le temps de réponse alors qu’à
l’inverse, l’expérience professionnelle réduit le délai avec lequel les sujets répondent.
Pour résumer, la compréhension des sujets, mesurée par la qualité et le temps de la réponse,
est influencée par le format de présentation de la performance, la complexité de la tâche et
l’indicateur de performance divulguée. Les hypothèses H1, H2 et H4 sont ainsi vérifiées. La

14
question qui se pose désormais est de savoir s’il existe une possible interaction entre ces
différents facteurs.
3.3 L’influence des interactions entre facteurs
Pour tester l’influence des possibles interactions entre le format et la complexité de la tâche
ainsi qu’entre le format et l’indicateur de performance, un modèle logistique est estimé avec
comme variable à expliquer la qualité des réponses (variable binaire). Le tableau 5 présente la
qualité d’ajustement du modèle ainsi que le test Khi-deux de Wald des variables explicatives.
Tableau 5 : Régression logistique avec effets d’interactions1
Facteurs
Variables
Khi-deux de Wald
Expérimentaux
FORM
114,727***
COMPI
27,748***
COMPQ
333,316***
INDIC
64,206 **
Interaction
FORM*COMPI
FORM*COMPQ
FORM*INDIC
15,093***
239,890***
0,718
Contrôle
GENRE
NIV
EXP
4,939***
2,505
0,994
Qualité d’ajustement
Déviance
500,612 ***
*** statistiquement significatif à 5% ; 1 La constante n’est pas reportée dans le tableau.
Comme avec le modèle sans interaction, les facteurs expérimentaux et le genre des sujets
s’avèrent statistiquement significatifs. Se rajoutent ici deux interactions significatives : le
format avec la complexité des informations et le format avec la complexité des questions.
Ceci indique que les niveaux de complexité ont une influence différenciée sur la qualité des
réponses en fonction du format de présentation de la performance. L’hypothèse 3 est ainsi
vérifiée. En revanche, l’interaction du format avec l’indicateur de performance n’est pas
statistiquement significative et ceci conduit au rejet de l’hypothèse H5.
Pour comprendre l’influence des deux interactions significatives, il convient de recourir aux
statistiques descriptives sur le taux de réponses correctes, les Odds-Ratios ne permettant pas
dans ce cas de faire cette analyse. Le tableau 6 présente ces statistiques.
Tableau 6 : Pourcentage de réponses exactes
Tableaux
Graphiques
COMPI
Faible
81,6%
70%
Moyen
79%
62%
Fort
77%
53%
COMPQ
Faible
92%
91%
Moyen
80%
64,9%
Fort
65,2%
29,2%

15
Concernant la complexité de l’information (COMPI) et de son interaction avec le format, son
influence négative sur la compréhension des sujets est d’autant plus forte que la performance
est présentée sous forme graphique. Quant à la complexité de la question, il apparaît que seul
le niveau fort interagit avec les formats. Lorsque la question est fortement complexe, les
tableaux induisent 65 % de réponses justes alors que les graphiques sont associés à un très
faible taux de réponses correctes (inférieur à 30 %). Ainsi, avec une question de complexité
faible ou moyenne, le format de présentation importe peu, le taux de réponses correctes étant
quasiment identique entre les tableaux et les graphiques. En revanche, les tableaux sont
préférables avec une question de complexité forte. Ces résultats sont en accord avec ceux de
Davis (1989) et Blocher et al. (1986) qui montrent que les tableaux sont meilleurs pour des
tâches de forte complexité. En revanche, on ne vérifie pas que les graphiques sont meilleurs
avec des tâches de faible complexité.
4. Discussion
Pour discuter les résultats précédents, une analyse complémentaire sur la perception qu’ont les
sujets de chaque format de présentation est tout d’abord menée (4.1). Une synthèse conclut
cette section (4.2).
4.1 Analyse complémentaire : l’étude de la perception des utilisateurs
A la fin de l’expérimentation, les participants sont invités à indiquer leur préférence pour un
format de présentation (tableau ou graphique) et apprécier sur des échelles de Likert la façon
dont ils perçoivent les tableaux et graphiques. Pour chaque format, quatre critères de
perception sont définis : la pertinence et la précision de l’information divulguée ; la rapidité et
la facilité de lecture. Le tableau 7 synthétise les résultats obtenus.
Tableau 7 : Test de comparaison de moyennes pour échantillons appariés
Tableau
Graphique
Nombre de sujets
276
276
Pertinence de l’information
Moyenne
Ecart-type
5,50
1,590
4,71
1,730
T de Student
6,344***
Précision de l’information
Moyenne
Ecart-type
6,13
1,747
3,34
1,665
T de Student
18,614***
Facilité de lecture
Moyenne
Ecart-type
5,47
1,666
4,84
1,813
T de Student
4,132***
Rapidité de lecture
Moyenne
Ecart-type
5,20
1,696
4,68
1,939
T de Student
3,176***
*** Statistiquement significatif au seuil de 5%

16
Sur les 276 sujets de l’expérimentation, 66 % affichent leur préférence pour les tableaux
contre 34 % pour les graphiques. Lorsqu’on compare leur perception sur une échelle de
Likert, on constate que systématiquement les tableaux sont mieux perçus que les graphiques.
L’écart est particulièrement significatif au regard de la précision de l’information : les
tableaux sont jugés deux fois plus précis que les graphiques. Ce résultat est conforme à la
littérature antérieure. Par exemple, Jarvenpaa et Dickson (1988) ou Coll (1992) indiquent que
les tableaux permettent d’apprécier la performance avec plus de précision. En revanche, nos
résultats ne confirment pas l’idée que les graphiques sont plus synthétiques et permettent une
évaluation plus rapide de la performance (Jarvenpaa et Dickson 1988 ; Coll 1992). Ici, les
tableaux sont jugés plus faciles à lire et plus aptes à une prise de décision rapide. La
perception des sujets semble en opposition avec la réalité puisque le temps de réponse moyen
est plus long avec les tableaux qu’avec les graphiques (tableau 2).
4.2 Synthèse
Trois principaux résultats se dégagent de l’étude expérimentale.
Tout d’abord, la compréhension des sujets, mesurée par la qualité et le temps de réponse, est
influencée par le format de présentation de la performance : graphique ou tableau (H1
validée). Plus spécifiquement, les résultats révèlent que les sujets répondent plus vite aux
questions sur la performance lorsque celle-ci est présentée graphiquement sans pour autant
que les réponses données soient justes. Selon De Sanctis (1984), les graphiques ont pour
avantage une réponse plus rapide face à un problème à résoudre mais cette réponse n’est pas
nécessairement juste. A l’inverse, bien qu’ils prennent plus de temps pour répondre, les sujets
répondent mieux aux questions sur la performance avec des tableaux. Ils sont d’ailleurs jugés
plus précis, plus pertinents et plus faciles à lire que les graphiques. Ceci peut expliquer le fait
qu’une majorité de sujets (66 %) indiquent préférer les tableaux aux graphiques. Ces résultats
confirment que les tableaux permettent d’apprécier avec plus de précision la performance
alors que les graphiques permettent une évaluation plus rapide et synthétique des données. Il
est d’ailleurs ici intéressant de noter que les sujets estiment que la prise de décision est plus
rapide avec les tableaux alors que les régressions révèlent bien une influence négative des
graphiques sur le temps de réponse. Pour résumer, les graphiques permettent une lecture plus
rapide des données, même si les sujets pensent le contraire, tout en n’améliorant pas la qualité
des réponses (le taux de réponses exactes est de 62 % avec les graphiques contre 79 % avec
les tableaux). Ceci semble aller dans le sens d’une plus grande précision des tableaux
(Jarvenpaa et Dickson 1988 ; Coll 1992). Les tableaux améliorent la qualité des réponses et
donc la compréhension des sujets alors que les graphiques contribuent à la rapidité des
réponses.
Ensuite, l’étude expérimentale révèle l’influence sur la compréhension des sujets de la
complexité de la tâche, mesurée à travers l’information et la question (H2 validée). Une tâche
de complexité élevée réduit la compréhension. De plus, des effets d’interaction sont mis en
exergue entre le format de présentation de la performance et la complexité de la tâche (H3

17
validée). La complexité de l’information réduit la compréhension des sujets quel que soit le
format de présentation mais il apparaît que son influence est plus importante sur les
graphiques. Concernant la complexité de la question, lorsqu’elle est faible ou moyenne,
l’interaction avec le format de présentation est faible puisque le taux de réponses correctes est
quasiment identique entre les tableaux et les graphiques. En revanche, les tableaux sont
préférables avec une question de complexité forte. Ces résultats sont en accord avec ceux de
Davis (1989) et Blocher et al. (1986) qui montrent que les tableaux sont meilleurs pour des
tâches de forte complexité. Lorsque la question est de faible ou de moyenne complexité,
l’interaction avec le format est faible et dans ce cas tableaux ou graphiques semblent
équivalents. Toutefois, globalement, il apparaît que plus le degré de complexité de la tâche
augmente, moins les graphiques sont performants.
Enfin, la compréhension des sujets se trouve impacter par l’indicateur de performance (H4
validée) sans qu’il y ait une influence conjointe du format et de l’indicateur (H5 non validée).
Ainsi, quel que soit le format de présentation, le dividende par action semble préférable au
résultat par action en termes de qualité et de temps de réponse.
Conclusion
Les mérites des différents formats de présentation des données ont fait l’objet de nombreux
débats dans la littérature comptable et financière (Harvey et Bolger 1996). Pour contribuer à
ce débat dans le cas particulier de la France, une étude expérimentale a été menée afin
d’étudier les effets des formats de présentation de la performance (graphiques et tableaux) sur
la compréhension et la perception des utilisateurs. Outre le format de présentation, nous
testons l’influence sur la qualité et le temps de réponse de la complexité de la tâche effectuée
(complexités de l’information et de la question) et de l’indicateur divulgué. L’interaction entre
le format et ces deux facteurs explicatifs est également étudié.
Les sujets interrogés, au nombre de 276, sont issus de deux universités françaises. 66 %
d’entre eux affichent une préférence pour les tableaux contre 34 % pour les graphiques.
Lorsque l'on compare leurs perceptions en fonction de quatre critères (pertinence et exactitude
de l'information, rapidité et facilité de lecture), nous constatons que les tableaux sont toujours
perçus comme étant meilleurs que les graphiques. L’étude expérimentale met en exergue que
les graphiques améliorent le temps de réponse (ils sont plus rapides à lire) tout en étant moins
précis que les tableaux. Ces derniers permettent quant à eux une meilleure compréhension des
sujets (qualité de la réponse) et sont préférables aux graphiques dans le cas de tâches
complexes. Par ailleurs, l’indicateur de performance influe sur la compréhension des sujets et
cela quel que soit le format de présentation : le dividende par action accroît à la fois la qualité
et le temps de réponse en comparaison au résultat par action.
Cette étude n’est pas exemple de limites. Celles-ci ont principalement trait aux conditions
expérimentales (formats utilisés, par exemple graphique en colonne, questions posées) et aux
sujets interrogés. Sur ce dernier point, il s’agit d’étudiants et non de professionnels

18
(producteurs et utilisateurs de l’information) dont la participation est basée sur le volontariat.
Aucune récompense financière ou non financière (par exemple bonus de note) n’a par
conséquent été proposée.
Pour compléter ce travail, une voie de recherche future pourrait être d’étudier d’autres formats
de présentation tels que les formes narratives et de comparer leurs effets avec les tableaux et
les graphiques. D’autres types de graphique (par exemple des graphiques en barres, en
camembert, etc…) pourraient également être analysés. Enfin, il conviendrait d’élargir
l’échantillon de personnes interrogées de façon à considérer une variété de profils pour
accroître la validité des résultats.
Bibliographie
Ackerman, D. (1991). A Natural History of the Senses. New York: Random House.
Addo, T.B.A. (1989). Development of a valid and robust metric for measuring question
complexity in computer graphics experimentation. PHD dissertation. Indiana University
Bloomington.
Arunachalam, V., B.K.W. Pei and P.J. Steinbart. (2002). Impression management with
graphs: Effects on choices, Journal of Information Systems. 16 (2):183-202.
Amer TS. (2005). Bias due to visual illusion in the graphical presentation of accounting
information. J Inf Syst. 9(1):1-18.
Amer, T. S. and Ravindran, S. (2010). The effect of visual illusions on the graphical display
of information, Journal of Information Systems. 24 (1): 23-42.
Beattie, V., Dhanani, A. and Jones, M.J. (2008). Investigating presentational change in UK
annual reports: a longitudinal perspective, Journal of Business Communication. 45 (2):181-
222.
Beattie, V., Jones, MJ. (1992).The use and abuse of graphs in annual reports: a theoretical
framework and empirical study. Accounting and Business Research, 22 (88): 291–303.
Beattie, V. and Jones, M.J. (1997). A comparative study of the use of financial graphs in the
corporate annual reports of major US and UK companies, Journal of International Financial
Management and Accounting. 8 (1): 33-68.
Beattie, V., and Jones M.J. (2002). Measurement distortion of graphs in corporate reports: an
experimental study, Accounting, Auditing and Accountability Journal. 15(4): 546-564.

19
Beattie, V. and Jones M.J. (2008). Corporate reporting using graphs: A review and synthesis,
Journal of Accounting Literature. 27: 71-110.
Benbasat, 1. and Schroeder, R (1977). An Experimental Investigation of Some MIS Design
Variables, MIS Quarterly, 1 (1): 37-50.
Bertin, J. (1983). Semiology of Graphics. Madison, WI: University of Wisconsin Press.
Blocher, E., R. P. Moffie, and R. W. Zmud. (1986). Report format and task
complexity：Interaction in risk judgments, Accounting, Organizations and Society,11(6):457-
470.
Burgess, D. O. (2002). Graphical sleight of hand. Journal of Accountancy, 193(2): 45-51.
Burgess, D.O., Dilla, W. Steinbart, P.J., and Shank, T. (2008). Does Graph Design Matter To
CPAs And Financial Statement Readers? Journal of Business and Economics Research, 6(5):
111-124.
Carey, J. M., and White, E. M. (1991). The Effects of Graphical Versus Numerical Response
on the Accuracy of Graph-Based Forecasts. Journal of Management, 17(1): 77-96.
Carswell, C. M. (1991). Boutique data graphics：Perspectives on using depth to embellish
data displays. In Proceedings of the Human Factors Society 35th Annual Meeting, 1532-1536.
Santa Monica, CA：Human Factors and Ergonomics Society.
Cho, C.H. (2009). Legitimation strategies used in response to environmental disaster: a
French case study of Total S.A.’s Erika and AZF incidents. European Accounting Review, 18
(1): 33-62.
Coll, J. H. (1992). An experimental study of the efficacy of tables versus bar graphs with
respect to type of task. Information & Management, 23: 45-51.
Coll, R. A., & Coll, J. H. (1993). Tables and graphs: A classification scheme for data
presentation format variables and a framework for research in this area. Information
Processing Management, 29(6): 745-750.
Coll, R. A., Coll, J. H., & Thakur, G. (1994). Graphs and tables: A four-factor experiment.
Communications of the ACM, 37(4), 76-86.
Davis, L.R. (1989). Report format and the decision maker’s task: An experimental
investigation. Accounting, Organizations and Society, 14(5-6), 495-508.

20
Davis, L.R., Groomer, S.M., Jenkins, A.M., Lauer, T.W., Yoo, K. (1985). Content validation
of a metric of question complexity. Indiana University Discussion Paper n°292.
DeSanctis, G. (1984). Computer graphics as decision aids: Directions for research. Decision
Sciences, 15, 463-487.
DeSanctis, G., and S. L. Jarvenpaa. (1989). Graphical presentation of accounting data for
financial forecasting：An experimental investigation. Accounting, Organization and Society
14 (5-6), 509-525.
Dickson, G.W., DeSanctis, G. and McBride, D.J. (1986). Understanding the Effectiveness of
Computer Graphics for Decision Support: A Cumulative Experimental Approach.
Communications of the ACM, 29 (1): 40-47.
Elsbach, K.K. (1994). Managing organizational legitimacy in the California cattle industry:
the construction and effectiveness of verbal accounts. Administrative Science Quarterly. 39:
57-88.
Elsbach, K.D. and Sutton, R.I. (1992). Acquiring organizational legitimacy through
illegitimate actions: a marriage of institutional and impression management theories”,
Academy of Management Journal. 35 (4): 699-738.
Feliciano, G.D., Powers, R.D. and Bryant, E.K. (1963). The Presentation of Statistical
Information. Audio Visual Communications Review. 11 (13): 32-39.
Frownfelter CA, Fulkerson CL. (1998). Linking the incidence and quality of graphics in
annual reports to corporate performance: an international comparison. Adv Account, Inf Syst.
6:129–51.
Frownfelter CA, Fulkerson CL. (2001).The Incidece and Quality of graphics in Annual
reports: An International Comparison. The Journal of Business Communication. 38 (3): 337-
358.
Gardner W.L. and Martinko M.J. (1998) Impression management in organizations. Journal of
Management. 14 (2):321-338.
Ghani, J.A. (1981). The Effects of Information Representation and Modification of Decision
Performance, Ph.D. dissertation, University of Pennsylvania, Philadelphia, PA.
Ginzel, L.E., Kramer, R.M. and Sutton, R.I. (1992). Organizational impression management
as a reciprocal influence process: the neglected role of the organizational audience. in
Cummings, L.L. and Staw, B.M (Eds.), Research in Organizational Behavior 15, JAI Press,
Greenwich, CT, pp. 227-266.

21
Godfrey, J., Mather, P. and Ramsay, A. (2003). Earnings and impression management in
financial reports: the case of CEO changes. Abacus. 39 (1): 95-123.
Goffman, E. (1973). La mise en scène de la vie quotidienne: tome 1, la représentation de soi,
les Editions de Minuit, Paris.
Harvey, N., Bolger, F. (1996). Graphs versus tables: Effects of data presentation format on
judgmental forecasting. International Journal of Forecasting, 12: 119- 137.
Henry, G.T. (1995). Graphing Data: Techniques for Display and Analysis, Applied Social
Research Methods Series, 36. CA: Sage Publications.
Hill, W. Y., Milner, M. M. (2003). Guidelines for graphical displays in financial reporting.
Accounting Education, 12(2): 135-157.
Huang , S.Y., Chung Y.H., Cheng W.W. (2008). The effects between numerical tabulations
and graphs of financial information on the judgment of investors. Review of Business
Information Systems, 12 (4): 41-56.
Hwang M. L. and Wu B.J. (1990). The effectiveness of computer graphics for decision
support: A meta-analytic integration fo research findings. Data Base, 21, 2 and 3, 11-20.
Ives. B. (1982). Graphical User Interfaces for Business Information Systems. MIS Quarterly,
Special Issue: 15-47.
Jarett, I. M. (1983). Computer graphics and reporting financial data. New York: John Wiley.
Jarvenpaa, S. L., & Dickson, G. W. (1988). Graphics and managerial decision making:
Research based guidelines. Communications of the ACM, 31(6): 764-774.
Kosslyn, S.M. (1989). Understanding charts and graphs. Applied Cognitive Psychology. 3
(3):185-226.
Leivian, G.M. (1980). How to communicate financial data more efficiently. Management
Accounting (U.S.A.). 61 (1): 31-34.
Livesey, S. and Kearins, K. (2002). Transparent and caring corporations?. Organization and
Environment. 15 (3): 233-258.
Lucas, H.C. (1981). An Experimental Investigation of the Use of Computer-Based Graphics
in Decision Making. Management Science, 27 (7): 757-768.

22
MacDonald-Ross, M. (1977). How Numbers are Shown. Audio Visual Communications
Review, 25 (4): 359-409.
Maines, L. A., and L. S. McDaniel. (2000). Effects of comprehensive-income characteristics
on nonprofessional investors’ judgments: The role of financial statement presentation format.
The Accounting Review 75 (2): 179–207.
Mather, P., Ramsay, A. and Serry, A. (1996). The use and representational faithfulness of
graphs in annual reports: Australian evidence. Australian Accounting Review, 6: 56-63.
Maton E., (2006).Une analyse des diagrammes présents dans les rapports annuels des grandes
entreprises françaises en 1980, 1990 et 2001. Entreprises et histoire, 44: 66-86
Merkl-Davies, D.M. and Brennan, N.M. (2007). Discretionary disclosure strategies in
corporate narratives: incremental information or impression management?. Journal of
Accounting Literature, 26: 116-194.
Nawrocki, L.H. (1972). Alphanumeric versus Graphic Displays in a Problem-Solving Task,
Technical research note 227, U.S. Army Behavior and Systems Research Laboratory,
Arlington, VA.
Neu, D. (1991). Trust, impression management and the auditing profession. Critical
Perspectives on Accounting, 2 (4): 295-313.
Pennington, R., Tuttle, B. (2009). Managing Impressions Using Distorted Graphs of Income
and Earnings Per Share: The Role of Memory. International Journal of Accounting
Information Systems, 10(1): 25-45.
Penrose, J.M. (2008). Annual report graphic use: a review of the literature. Journal of
Business Communication, 45 (2): 158-180.
Piwinger, M, Ebert H. (2001). Impression Management: Wie aus Niemand Jemand wird.Iin:
Bentele, Guenther et al. (Ed.), Kommunikationsmanagement: Strategien, Wissen, Lösungen.
Luchterhand, Neuwied.
Plumlee, R. D. (2002). Discussion of impression management with graphs: Effects on
choices. Journal of Information Systems, 16(2), 203-206.
Remus, W. (1984). An Empirical Investigation of the Impact of Graphical and Tabular Data
Representations on Decision Making. Management Science, 30 (5): 553-541.
Roszana T. (1996). Chart graphics disclosure in corporate annual reports: An emerging
interest. Business dissertation submitted to MARA Institute of technology and Curtin

23
University of Technology for partial fulfillment of the requirements for the Master degree of
Accounting.
Schlenker, B. R. (1980). Impression Management: The Self-Concept, Social Identity, and
Interpersonal Relations. Monterey/California: Brooks/Cole.
Schmid, C. F., & Schmid, S. E. (1979). Handbook of graphic presentation (2nd ed.). New
York: Wiley.
Smith, L.M. and Bain, C.E. (1987). Computer Graphics for Today’s Accountant. CPA
Journal, 57, 18-35.
So, S., Smith, M. (2002). Colour graphics and task complexity in multivariate decision
making. Accounting, Auditing and Accountability Journal, 15 (4): 565–593.
Tufte, E. R. (1983). The visual display of quantitative information. Cheshire, CT: Graphics
Press.
Tufte, E. R. (1990). Envisioning information. Cheshire, CT: Graphics Press.
Tufte, E. R. (1997). Visual explanations. Cheshire, CT: Graphics Press.
Tullis, T.S. (1981). An Evaluation of Alphanumeric, Graphic and Color Displays. Human
Factors. 23 (5): 541-550.
Vessey, I. (1991). Cognitive fit: A theory-based analysis of the graphs versus tables literature.
Decision Sciences, 22(2),: 219-240.
Wainer, H. Reiser, M. (1976). Assessing the Efficacy of Visual Displays. Proceedings of the
American Statistical Association, Social Statistics Section, 89-92.
Wainer, H., Lono, M. and Groves, C. (1982). On the Display of Data: Some Empirical
Findings. Washington, DC: The Bureau of Social Science Research.

24
Annexe : Exemple de questions pour un graphique / tableau avec le niveau faible de
complexité des données