📄 Sciences Methods and Technologies
International Journal (SciMeTech)

Volume 2 · Special Issue (FR) · 2026
ISSN: 3085-5284
L'Intelligence Artificielle en tant que Modulateur Stratégique : Analyse Systématique de l'Impact de l'ESG sur la Politique de Dividende dans le Contexte du Développement Économique
Abdellatif CHAKIRI
Pages 83–89
⬇ Télécharger le PDF
Résumé
Cette étude analyse le rôle de l'Intelligence Artificielle (IA) en tant que modulateur stratégique dans la relation entre la performance ESG (Environnement, Social, Gouvernance) et la politique de dividende, en intégrant explicitement le niveau de développement économique comme facteur contextuel. Alors que la littérature existante documente des résultats ambigus quant à l'effet de l'ESG sur les dividendes oscillants entre logique de substitution des ressources et mécanisme de réduction du risque, ce travail propose un cadre théorique novateur dans lequel l'IA influence la qualité de l'information, la gouvernance et l'allocation du capital.

À travers une analyse systématique de la littérature fondée sur le protocole PRISMA, complétée par un modèle économétrique en données de panel, l'étude examine comment l'adoption de l'IA modifie la crédibilité et l'efficacité des stratégies ESG, et par conséquent leur traduction en politiques de distribution. Le modèle intègre des effets d'interaction entre ESG, IA et développement économique, permettant d'identifier des dynamiques différenciées entre pays développés et émergents.

Les résultats attendus suggèrent que l'IA tend à renforcer l'impact positif de l'ESG sur la politique de dividende dans les économies développées, où les infrastructures numériques et institutionnelles sont plus matures. En revanche, dans les économies en développement, l'IA pourrait favoriser une réallocation des flux de trésorerie vers l'investissement durable au détriment des dividendes à court terme. Cette recherche contribue à la littérature en finance durable en repositionnant l'IA comme un levier stratégique de gouvernance financière et offre des implications managériales et réglementaires pertinentes pour les investisseurs, dirigeants et décideurs publics.
Mots-clés : Intelligence artificielle, ESG, Politique de dividende, Gouvernance d'entreprise, Développement économique

Références

  1. Arellano, M., & Bond, S. (1991). Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations. The Review of Economic Studies, 58(2), 277-297. https://doi.org/10.2307/2297968
  2. Bhattacharya, S. (1979). Imperfect information, dividend policy, and "the bird in the hand" fallacy. The Bell Journal of Economics, 10(1), 259-270. https://doi.org/10.2307/3003330
  3. Friede, G., Busch, T., & Bassen, A. (2015). ESG and financial performance: Aggregated evidence from more than 2000 empirical studies. Journal of Sustainable Finance & Investment, 5(4), 210-233. https://doi.org/10.1080/20430795.2015.1118917
  4. Gillan, S. L., Koch, A., & Starks, L. T. (2021). Firms and social responsibility: A review of ESG and CSR research in corporate finance. Journal of Corporate Finance, 66, 101889. https://doi.org/10.1016/j.jcorpfin.2021.101889
  5. Harjoto, M. A., & Jo, H. (2015). Legal versus normative CSR: Differential impact on analyst dispersion, stock return volatility, cost of capital, and firm value. Journal of Business Ethics, 128(1), 1-20. https://doi.org/10.1007/s10551-014-2082-2
  6. Jensen, M. C. (1986). Agency costs of free cash flow, corporate finance, and takeovers. American Economic Review, 76(2), 323-329.
  7. OECD. (2023). Artificial intelligence, data and corporate governance. OECD Publishing. https://doi.org/10.1787/5c9cfa69-en
  8. Wooldridge, J. M. (2010). Econometric analysis of cross section and panel data (2nd ed.). MIT Press.
SciMeTech · Volume 2, Special Issue (FR) · 2026 · ISSN 3085-5284