L’information comptable est utilisée par les dirigeants pour justifier la réalisation des réductions d’effectifs et par les parties prenantes sociales pour juger du caractère acceptable de l’opération. Les dirigeants peuvent alors utiliser cette information pour orienter le jugement des parties prenantes sociales. Cette thèse étudie les choix comptables des dirigeants lors des réductions d’effectifs. Prenant appui sur la théorie de l’agence élargie et sur l’hypothèse des coûts politiques, nous cherchons d’abord à voir si les dirigeants ajustent les résultats à la baisse avant l’annonce d’une réduction d’effectifs. L’échantillon est composé de 123 réductions d’effectifs annoncées par 107 entreprises françaises cotées entre 2007 et 2012. Nos résultats montrent l’existence d’une gestion à la baisse des résultats avant l’annonce de ces opérations. Le contexte des réductions d’effectifs constituent donc un proxy pertinent pour tester l’hypothèse des coûts politiques. Nous examinons ensuite les facteurs explicatifs de cette gestion des résultats. La taille de l’opération ainsi que l’appartenance de l’entreprise à un secteur d’activité sensible renforcent l’adoption d’un tel comportement. Au contraire, le nombre de salariés administrateurs ainsi que le recours par le comité d’entreprise à un cabinet spécialisé de grande taille limitent ce comportement. Enfin, adoptant une vision élargie de la définition des choix comptables, nous observons s’il existe une relation entre la gestion des résultats et l’adoption de stratégies de diffusion à l’annonce des réductions d’effectifs. Nos résultats révèlent l’existence d’une relation de substitution entre ces deux outils. / Managers use accounting information to justify workforce reductions and social stakeholders use this information to judge whether these operations are socially acceptable. Managers can thus use this information to mislead the social stakeholder judgements. This dissertation aims at studying managers’ accounting choices in the context of workforce reductions. Based on the stakeholder agency theory and the political cost hypothesis, we first examine whether managers reduce reported earnings downward before workforce reduction announcements. Our sample consists of 123 workforce reduction announcements for 107 French listed firms in a six-year period 2007-2012. Our results show that firms engage in income-decreasing discretionary accruals before workforce reduction announcements. Therefore, the context of workforce reductions can be considered as a relevant proxy to test the political cost hypothesis. Second, we investigate the factors influencing managers’ accounting choices. The size of the operation and the firms’ membership to sensitive industries reinforce the adoption of this accounting behavior. By contrast, the presence of employee representative on supervisory boards and the use of an independent chartered accountant to assist the works council constrain earnings management activities. Finally, we adopt an extensive definition of accounting choices and examine the association of earnings management and disclosure strategies at workforce reduction announcements. Our findings show that there is a substitutive relationship between earnings management and disclosure strategies.

Les années récentes ont été marquées par le renforcement des réglementations en matière de diffusion de l’information sociale et environnementale. Cette thèse s’intéresse à l'information comptable à caractère environnemental (ICE) dans ce contexte en pleine évolution. Elle s’inscrit dans le cadre d’analyse de la théorie néo-institutionnelle et porte sur la notion de normativité. Trois études empiriques, traitant pour chacune d’elle une dimension du processus de diffusion de l’information sont menées. Elles sont toutes trois réalisées dans le cadre réglementaire français. Le premier article identifie comment les entreprises renseignent l’ICE et les stratégies qui en découlent face à la publication d'une nouvelle loi générale. À partir d’une analyse de contenu des rapports annuels de 96 sociétés cotées sur la période 2009-2014, les résultats montrent que l’introduction de la loi n’a pas favorisé une plus grande transparence dans l’ICE et l’on observe que les firmes qui y sont soumises choisissent différentes réponses. Le deuxième article se focalise sur les coulisses de ces stratégies de publication afin d'examiner la manière dont les producteurs de l’information s’organisent pour répondre aux règlementations auxquelles ils sont soumis. Les résultats d’une étude de 8 cas multiples montrent que deux stratégies distinctes apparaissent en fonction du type d'ICE. Le troisième article s’attache finalement à observer le comportement des utilisateurs de l’information financière en réaction aux stratégies de diffusion déployées par les entreprises. Nous observons l’évolution de leurs recommandations d’investissement et leurs perceptions quant à l’utilité perçue et la crédibilité accordée à l’ICE. À travers une étude expérimentale menée auprès de 145 participants, il s’avère que ces stratégies modifient la perception de l’utilité et de la crédibilité de cette information. L’ensemble de ces résultats contribue à la compréhension de la manière dont les entreprises (et les acteurs) développent des stratégies pour s’adapter à l’introduction de nouvelles réglementations. / Corporate environmental reporting is becoming more and more widespread and regulated. This dissertation specifically focuses on environmental accounting information (EAI) in this context. Our research draws on neo-institutional theory and concerns the concept of normativity. Three empirical studies, each dealing with one dimension of the information disclosure process, are conducted. They are all carried out in the French regulatory context. The first study examines how companies disclose EAI and the strategies adopted after the adoption of a new law. Based on a content analysis of the annual reports of 96 listed companies over the period 2009-2014, the results show that the law did not favor greater transparency in the EAI and we observe that companies choose different reponses to the law. The second study focuses on behind the scenes of these strategies to identify how producers of information organize themselves to respond to the regulations they are subject to. The results of 8 case studies show that two distinct strategies appear depending on the type of EAI. The third study focuses on the users of information behavior and how they react to the firms’ disclosure strategies. We consider the point of view of financial analysts by investigating the effect of firms’ EAI disclosure strategies on investment recommendations and perceptions of this item (as regards to both the relevance and credibility of information). Through an experimental study conducted with 145 participants, it turned out that these strategies modify both the perception of relevance and credibility of information. Overall, the dissertation contributes to our understanding of how companies (and actors) develop strategies to adapt to the introduction of new regulations.

L’apprentissage adaptatif distribué sur les réseaux permet à un ensemble d’agents de résoudre des problèmes d’estimation de paramètres en ligne en se basant sur des calculs locaux et sur des échanges locaux avec les voisins immédiats. La littérature sur l’estimation distribuée considère essentiellement les problèmes à simple tâche, où les agents disposant de fonctions objectives séparables doivent converger vers un vecteur de paramètres commun. Cependant, dans de nombreuses applications nécessitant des modèles plus complexes et des algorithmes plus flexibles, les agents ont besoin d’estimer et de suivre plusieurs vecteurs de paramètres simultanément. Nous appelons ce type de réseau, où les agents doivent estimer plusieurs vecteurs de paramètres, réseau multitâche. Bien que les agents puissent avoir différentes tâches à résoudre, ils peuvent capitaliser sur le transfert inductif entre eux afin d’améliorer les performances de leurs estimés. Le but de cette thèse est de proposer et d’étudier de nouveaux algorithmes d’estimation distribuée sur les réseaux multitâches. Dans un premier temps, nous présentons l’algorithme diffusion LMS qui est une stratégie efficace pour résoudre les problèmes d’estimation à simple-tâche et nous étudions théoriquement ses performances lorsqu’il est mis en oeuvre dans un environnement multitâche et que les communications entre les noeuds sont bruitées. Ensuite, nous présentons une stratégie de clustering non-supervisé permettant de regrouper les noeuds réalisant une même tâche en clusters, et de restreindre les échanges d’information aux seuls noeuds d’un même cluster / Distributed adaptive learning allows a collection of interconnected agents to perform parameterestimation tasks from streaming data by relying solely on local computations and interactions with immediate neighbors. Most prior literature on distributed inference is concerned with single-task problems, where agents with separable objective functions need to agree on a common parameter vector. However, many network applications require more complex models and flexible algorithms than single-task implementations since their agents involve the need to estimate and track multiple objectives simultaneously. Networks of this kind, where agents need to infer multiple parameter vectors, are referred to as multitask networks. Although agents may generally have distinct though related tasks to perform, they may still be able to capitalize on inductive transfer between them to improve their estimation accuracy. This thesis is intended to bring forth advances on distributed inference over multitask networks. First, we present the well-known diffusion LMS strategies to solve single-task estimation problems and we assess their performance when they are run in multitask environments in the presence of noisy communication links. An improved strategy allowing the agents to adapt their cooperation to neighbors sharing the same objective is presented in order to attain improved learningand estimation over networks. Next, we consider the multitask diffusion LMS strategy which has been proposed to solve multitask estimation problems where the network is decomposed into clusters of agents seeking different