Académique Documents
Professionnel Documents
Culture Documents
R&D, Externalités de
Connaissance et Innovation:
Etude Quantitative
1
Partie Théorique
2
Relation entre ce chapitre et le cours de
Macroéconomie
• Il est toujours judicieux de chercher le lien de causalité entre les différents agrégats économiques
ainsi que les facteurs qui causent les problèmes économiques afin de déterminer des solutions
• En effet, si nous démontrons la relation entre les variables indépendantes (R&D, Investissement,
etc..) et la variable dépendante (brevets) il est évident que l’analyse de ces agrégats dans la
détermination d’une politique d’investissement peut devenir de plus en plus utile
• La dégringolade de l’économie tunisienne au cours des dernières années nous pousse à
déterminer les causes à travers l’utilisation d’un modèle économique
3
I. Les Systèmes Territoriaux d’Innovation (STI)
• Que nous parlons de districts technologiques (Antonelli, 1994), milieux innovateurs (Ratti et al. 1997),
technopoles, parcs scientifiques (Monck et al., 1988), clusters ; un consensus reconnaît à ces "modèles
d’innovations territoriaux" leur importance dans la mise en évidence du rôle clé des régions dans la
dynamique d’innovation
• Les districts industriels : Marshall (1890) articule la notion de district industriel définit comme "un
système productif géographiquement localisé, caractérisé par un grand nombre de firmes qui sont impliquées aux
différents stades de production d’un produit homogène de manière diverses" (Pyke et Sengenberger, 1990)
• Le technopole : ou parc technologique est une forme spécifique de district industriel classique. Il est
caractérisé par
…………………………………………………………………………………………………………………
……………... Le technopole est appelé aussi parc scientifique dans la mesure où il permet de rassembler
des firmes de haute technologie au sein d’une aire géographique donné. En outre, il facilite les relations
d’échange entre les acteurs notamment les firmes, les laboratoires de recherche et les réseaux de
coopération. Le concept de technopole repose principalement sur l’hypothèse selon laquelle la proximité
géographique facilite la communication entre les différents acteurs du district.
4
• Les clusters : font référence aux vertus du regroupement et de l’interconnexion de différentes
firmes au sein d’un même espace géographique: La route 128 et la Silicon-Valley (Saxienian, 1994)
représentent les cas les plus illustratifs au sein desquels se trouvent co-localisées de nombreuses
entreprises high tech et pour lesquelles les auteurs suggèrent que la concentration de la R&D
industrielle et la combinaison de connaissances tacites et codifiées, jouent un rôle majeur.
• Le pôle de compétitivité : Cette politique publique est fondée sur le même principe de
regroupement d’acteurs économiques (entreprises, centres de recherche, sociétés de services,
structures publiques de valorisation, etc.) localisés sur un même territoire, mais sans être
nécessairement des regroupements sectoriels. Nous les définissons comme suit : un pôle
est par définition « une combinaison géographique donnée d’entreprises, de centre de formation
et d’unités publiques ou privées engagés dans une synergie autour de projets communs
innovants ».
5
II. Définition de l’Investissement Immatériel
6
III. Définition des dépenses en R&D
• La R&D
……………………………………………………………………………………………………………………….
• L’activité de R&D englobe trois sous-activités :
- la recherche fondamentale: une recherche théorique sans objectif d’application ou d’utilisation postérieure
- la recherche appliquée: contrairement à la recherche fondamentale qui ne cherche que la production de
nouvelles connaissances générales, a pour objectif de regrouper les travaux scientifiques et de les appliquer afin
de résoudre des problèmes spécifiques d’usage pratique
- le développement expérimental: qui est fondé sur des connaissances existantes, consiste en la fabrication
de nouveaux produits et dispositifs et à l’amélioration de certains procédés
Récemment, les études théoriques et empiriques s’accordent à montrer que la R&D d’une entreprise ou d’une région peut
avoir des effets positifs sur la productivité d’une autre entreprise ou région. Certains auteurs montrent même que les
connaissances découlant de la recherche fondamentale, de la recherche appliquée et du développement technologique (Jaffe,
1989), autrement dit, toute activité de R&D peuvent être source d’externalités (Frascati, 2002).
7
8
IV. Les brevets
• Le brevet joue plusieurs rôles qui justifient sa perpétuelle utilisation au cours du temps:
1.le brevet joue un rôle de publication dans la mesure où toute innovation brevetée est nouvelle
et a une application industrielle.
Ceci accroît la réputation de son détenteur et indique à la communauté scientifique et technologique
que l’entreprise qui brevette est compétente dans un domaine particulier
Le brevet permet donc à des partenaires potentiels de s’identifier dans un contexte où la
multiplicité des acteurs et des informations rend les contacts difficiles.
Von Hippel (1988) trouve que l’entreprise utilise son portefeuille de brevet afin de mettre en place
des accords d’échange mutuel de licences. Dans les domaines où la technologie est complexe, c’est-à-
dire où la mise en place d’une innovation nécessite la combinaison de plusieurs technologies, il y a une
forte probabilité qu’un individu se retrouve bloqué et n’ait pas accès à une technologie qui lui est
nécessaire puisque cette dernière est protégée par un brevet détenu par une autre organisation.
La détention d’un brevet donne un signal sur le niveau des compétences. Il permet aux différentes
parties souhaitant collaborer, de protéger leur savoir antérieur et d’éviter d’être pillées par les
partenaires. Cette protection décroît les risques inhérents de la coopération, ce qui naturellement
accroît les incitations à participer. Il contribue à définir l’importance de chacun des collaborateurs
dans la nouvelle structure, car sans le brevet les participants auraient probablement plus de difficultés
à s’accorder sur les modalités de collaboration. Surtout, il facilite la répartition des gains de la
collaboration, en permettant le partage des dividendes des partenariats inter-organisations.
10
V. L’INNORPI
Créé en 1982 et régi par la loi n° 2009-38 du 30 juin 2009 qui abroge la loi 82-66, il est placé
sous la tutelle du Ministère chargé de l’Industrie, de l’Energie et des Mines. Il est géré par un
Conseil d’Entreprise représentant les différents ministères concernés.
11
Source: Rapport INNORPI version 2016
12
Où déposer une demande de brevet ?
La personne qui souhaite obtenir un brevet d’invention doit déposer une demande de brevet
au siège de l’INNORPI à Tunis ou auprès de l’un de ses bureaux régionaux
Une demande de brevet doit contenir:
1- Une requête :La requête est un formulaire tenu à disposition par l’INNORPI
2- Une description de l'invention
3- Une ou des revendications: La ou les revendications définissent l'objet même de
l’invention pour lequel une protection par brevet est demandée.
4- Des dessins auxquels se réfèrent la description et/ou les revendications
5- Un abrégé (résumé de l’innovation)
6- Un pouvoir : Si le déposant est représenté par un mandataire, un pouvoir doit être établi
et joint à la demande de brevet.
7- Les taxes de dépôt
13
Partie Empirique
14
Partie Empirique
Echantillon?
Individu?
Population?
Recensement?
15
1.Quelques définitions
« Individu »
Un individu en latin: « ce qui
est indivisible ».
16
1.2 L’échantillon
Le diagramme ci-après
représente la population
statistique d'une classe de 35
élèves. Supposons que l'on y
choisisse, par tirage au sort, 6
élèves. Ces 6 élèves constituent
alors un échantillon (sous-
ensemble)
17
Population x
x x x
Ensemble de référence x x x x
x x x
x x
x x x x
x x x x x
Individu x
xx xx x
x
Elément de la population x
x x x x x
x x
Echantillon x x x
x x x x
Sous-ensemble de la population.
x x
x x x
x
• Remarquons qu'un échantillon peut être considéré comme une population en elle-même, quoique
beaucoup plus petite que la population dont il est extrait.
• Dans la plupart des cas, il est difficile d’obtenir l’information à partir de la population dans son
ensemble. On utilise alors un échantillon pour tirer des conclusions sur la population
18
1.3 Données primaires & Données secondaires
Les données utilisées dans le cadre dʼune étude peuvent être de deux types :
primaires ou secondaires.
Données primaires
Elles sont spécifiques à lʼétude et permettent de donner des réponses aux questions
posées. Elles peuvent être de type qualitatif ou quantitatif selon le type dʼétude
menée. Elles peuvent aussi provenir dʼenquêtes ou sondages, dʼobservations, de
panels, dʼentretiens individuels ou de groupes
Les données secondaires
Elles sont utilisées pour identifier et mieux définir un problème, élaborer une
méthodologie de résolution, répondre à certaines questions de recherche, émettre
des hypothèses, interpréter les données primaires.
Leurs sources sont diverses :
• internes : études antérieures, rapports dʼactivité, fichier clientèle, etc.
• externes : pouvoirs publics, associations et syndicats professionnels et de banques
de données. Ex. INS, INNORPI
19
1.4 Recensement & Sondage
La collecte des données utilise en général un sondage ou un recensement
Le recensement est une collecte d’information sur la totalité des personnes concernées par l’enquête
, il est exhaustif alors que le sondage utilise la technique d’échantillonnage
Un sondage est une méthode statistique visant à évaluer les caractéristiques d’une population à
travers l’étude d’une partie seulement de cette population (échantillon) en utilisant les techniques
d’échantillonnage.
20
2. L’échantillonnage
Recensement Echantillonnage
21
Techniques d’échantillonnage
Deux grandes familles de techniques :
• techniques probabilistes (ou aléatoires)
• technique non probabilistes (ou empiriques)
Le choix peut dépendre de lʼexistence de base de sondage.
• Techniques probabilistes
Échantillon aléatoire simple : les éléments sont tirés de manière aléatoire
dans la base de sondage.
Échantillon systématique : les éléments sont tirés de manière régulière dans
la base de sondage.(ou par intervalle)
Échantillon stratifié : La population est découpée en sous-populations
(strates) homogènes. Les éléments sont sélectionnés de manière aléatoire
dans chaque strate.
Échantillon en grappes : La population est découpée en sous-populations
(grappes) hétérogènes. On sélectionne ensuite de manière aléatoire les
grappes à retenir.
22
• Techniques non probabilistes
Échantillon de convenance : le choix des individus est basé sur
des critères pratiques.
Échantillon par jugement (ou a priori) :
le choix des individus
est basé sur les compétences ou la représentativité de
lʼindividu.
Échantillon « boule de neige » : Lʼéchantillon est construit
progressivement sur proposition des individus sondés.
Échantillon par quotas : La population est décrite par quelques
caractéristiques descriptives (quotas) puis on construit un
échantillon ayant les mêmes caractéristiques.
23
Exemple dʼéchantillon par quotas simples
Une population est composée de
• 51,61 % de femmes
• 48,39 % dʼhommes
Pour un échantillon de 1000 personnes, on devra donc interroger :
• 516 femmes
• 484 hommes
24
Partie empirique :
Estimation d’une
Fonction d’Innovation
25
VI. Application : Estimation d’une fonction d’innovation
où :
- Bvt2016mesure le nombre de brevets par département
- R&D2013 mesure les dépenses en R&D par département
- div2013 est une mesure de la diversité industrielle
- Spe2013 est une mesure de spécialisation départementale
- KH2013 mesure le nombre de chercheurs par départements
26
Régression linéaire simple
• Pour décrire une relation linéaire entre deux variables
quantitatives ou encore pour pouvoir prédire Y pour une
valeur donnée de X, nous utilisons une droite de régression:
• Y = β 0 + β 1X + ε
• Puisque tout modèle statistique n’est qu’une approximation
(nous espérons la meilleure possible!!), il y a toujours une
erreur, notée ε dans le modèle, car le lien linéaire n’est jamais
parfait.
• S ’il y avait une relation linéaire parfaite entre Y et X, le terme
d ’erreur serait toujours égale à 0, et toute la variabilité de Y
serait expliquée par la variable indépendante X.
27
OLS: Méthode des moindres carrés
Y Erreur 2
Erreur 3
Erreur 1
X
Y = B 0+ B 1X + e
28
• Donc, pour une valeur donnée de X, nous aimerions estimer Y.
• Ainsi, à l’aide des données de l’échantillon nous estimerons les
paramètres β0 et β1 du modèle de régression de façon à minimiser la
somme des carrés des erreurs.
• Le coefficient de corrélation au carré est appelé coefficient de
détermination et nous indique le pourcentage de la variabilité de Y
expliquée par X:
R2 = 1 - (n-2)/(n-1){Se /Sy}2,
où Se est l’écart type des erreurs et Sy est l’écart type de Y.
32
2.1 Résultats Estimation R
> summary(reg)
Call:
Residuals:
Coefficients:
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> 33
Tableau des résultats
. reg brevet2016 diversification2013 specialisation2013 depensesenRD2013 KH2013
Ce tableau est obtenu avec le logiciel Stata, vous devez trouver le même avec R!!
34
2.2.Interprétation des résultats
- Dans la première colonne, on retrouve nos variables indépendantes.
- Les coefficients (β) sont dans la seconde colonne (note: les coefficients sont toujours exprimés dans les
unités de la variable dépendante).
La R-squared (R-carré) est la proportion de la variation de la variable indépendante qui est expliquée par
les variables dépendantes. Il est préférable d’utiliser un R-carré ajusté puisque le R-carré est affecté par le
nombre de variables indépendantes. Le R-carré est biaisé à la hausse lorsque le nombre de variables
indépendantes est élevé. La plupart du temps, Stata donne le R-carré et le R-carré ajusté.
Sinon, vous devez le calculer vous-même.
Le test de Fisher est significatif au seuil de 1%, indiquant ainsi la significativité globale des variables
explicatives.
35