Programmes cadres de recherche et développement technologique de l’Union Européenne

Théorie de la formation des réseaux et déterminants des choix de collaborations

De nombreux travaux aussi bien empiriques que théoriques sont venus compléter ces analyses en s’intéressant à la formation du réseau et plus précisément aux déterminants qui incitent les agents à collaborer en matière de R&D. L’article de C. D’Aspremont et A. Jacquemin (1988) a ouvert la voie à de tels travaux. Les auteurs ont ainsi montré dans le cas d’un duopole que les 24 firmes avaient intérêt à collaborer. Le modèle est construit en deux étapes. A la première étape, les firmes choisissent un niveau d’effort en R&D . Ce niveau impacte sur le coût de production. A la seconde étape, les firmes choisissent les quantités produites pour le marché. Au cours de ces deux étapes, les décisions peuvent se prendre de manière coordonnée afin de maximiser le profit joint. On parle dans ce cas de comportement de collusion. Ces décisions peuvent également être prises de manière non coordonnée. Dans ce cas, chaque firme prend la décision qui maximise son propre profit sans égard pour le profit de son concurrent. C. D’Aspremont et A. Jacquemin montrent alors qu’il est préférable pour les entreprises de coopérer en R&D que les firmes collaborent ou non à la seconde étape. Ils mettent en évidence le fait que que l’intensité des externalités accroît l’intensité de la collaboration en R&D. Ce travail se focalise sur les situations de duopole. Or, de nombreux marchés sont en situation d’oligopoles (avec un nombre d’agents supérieur à deux). Dans ce cas, les collaborations bilatérales ont des effets d’externalités sur les firmes non impliquées dans la collaboration. D’où l’intérêt des travaux prolongeant le travail de C. D’Aspremont et A. Jacquemin. Il s’agit dans ce cas de s’intéresser à la formation de coopérations de manière plus globale en cherchant à modéliser la formation de réseau au sein d’un ensemble d’agents. Il existe en fait différentes approches sur la formation des réseaux en fonction du cadre choisi. Une distinction importante existe entre liens coopératifs et liens non coopératifs. Dans le premier cas, les agents joignent leur effort dans un but commun ou parce qu’il est mutuellement bénéfique pour les agents de collaborer. Les agents acceptent donc mutuellement de collaborer l’un avec l’autre. Dans ce cas, les agents sont souvent liés par des contrats mais ce n’est pas une obligation. Les raisons qui incitent deux agents à collaborer peuvent être diverses (partage des coûts, compétences complémentaires, atteinte d’une masse critique, bénéfice mutuel pour l’image, partage des moyens de production, échange de chercheurs,. . .). Dans le second cas, la décision de former un lien avec un autre agent ne requiert pas l’accord des deux parties (Bala et Goyal, 2000). Ce cadre permet ainsi de modéliser des situations d’intelligence économique dans lesquelles un agent peut créer des liens à l’insu des autres, par exemple des cas d’espionnage industriel (Billand et Bravard, 2004). Dans le cas des PCRDT, les liens coopératifs sont la forme la plus à même de modéliser les situations d’interactions au sein des réseaux. Concernant les liens coopératifs, Goyal et Joshi dans leur article “Unequal Connections” (2006) proposent une modélisation capable de couvrir un grand nombre de situations en termes de formation de réseau parmi lesquelles les réseaux de collaborations inter-firmes. En effet, ils présentent un modèle dans lequel la fonction de profit des agents est relativement générale. A partir des fonctions de profit individuel, ils construisent des fonctions de gain marginal Analyse des réseaux sociaux et appréhension des PCRDT 25 individuel qui dépendent de deux arguments : d’une part, du nombre de liens de l’agent qui forme le lien et, d’autre part, du nombre de liens du partenaire potentiel et/ou de l’ensemble des agents dans le réseau. A partir de là, ils modélisent deux situations bien distinctes selon l’hypothèse que l’on retient sur les externalités. Il crée ainsi deux jeux distincts. Dans le premier jeu, “Playing the field game”, la fonction de gain marginal d’un agent suite à la création d’un lien dépend du nombre de liens de ect agent et de l’ensemble des liens existants dans le réseau avant la création du lien. Ce type de jeu a été examiné par Goyal et Joshi (2003). Dans le second type de jeu, “Local spillovers game”, la fonction de gain marginal du joueur suite à la création d’un lien dépend du nombre de liens de l’agent et du nombre de liens de son partenaire potentiel avant la création du lien (Jackson et Wolinsky, 1996). De plus, Goyal et Joshi supposent que l’agent peut supprimer un ou plusieurs liens simultanément alors que la modélisation la plus courante ne permet de supprimer qu’un seul lien à la fois. Les modèles ainsi constitués permettent de modéliser différentes situations. Goyal et Joshi (2006) montrent ainsi, qu’en fonction des hypothèses retenues sur les externalités, la forme du réseau d’équilibre change (la notion d’équilibre retenue est le “pairwise stable equilibrium” 6 ). Ces modèles permettent de mettre en avant certaines formes de réseaux d’équilibre comme le réseau complet (tous les agents sont connectés), ou le réseau en forme d’étoile (un agent est connecté à tous les autres, ces derniers ne sont connectés qu’à l’agent central),. . . Ils permettent aussi bien de modéliser des situations d’oligopole (Goyal et Joshi, 2003) que des réseaux de co-auteurs (Jackson et Wolinsky, 1996 ; Goyal, van der Leij et Moraga-Gonzalez, 2006) ou de co-brevets. Ces modèles apparaissent pertinents pour modéliser des situations proches de celles des PCRDT. Toutefois, il manque un élément essentiel pour pouvoir couvrir le cas des PCRDT : la diversité des agents. Goyal, van der Leij et Moraga-Gonzalez (2006) introduisent cette diversité dans un modèle de co-auteurs en supposant qu’il existe deux types d’agents : des agents aux idée d’une qualité élevée et des agents dont les idées sont d’un niveau plus faibles. Les idées des agents de niveau élevé sont donc plus à même d’augmenter le profit des agents. Les auteurs montrent alors qu’un réseau en forme d’étoiles inter-reliées à l’équilibre est possible. Or, c’est la forme de réseau qu’ils avaient identifiés dans leur étude empirique préalable à la construction de leur modèle théorique.

Structure et positionnement au sein des réseaux de collaborations en R&D appliqués aux PCRDT 

L’objectif de cette partie est d’étudier les propriétés des réseaux formés par les collaborations au sein des Programmes Cadres de Recherche et Développement Technologique (PCRDT). Cette étude se fera à plusieurs niveaux. Tout d’abord, à un niveau macroéconomique, nous étudierons les propriétés générales du réseau. Nous chercherons à démontrer si les réseaux formés par les PCRDT possèdent des propriétés favorables à l’innovation. Puis, à un niveau microéconomique, nous étudierons la place occupée par certains agents au centre de ces réseaux de collaborations. Nous montrerons que les réseaux possèdent un certain nombre d’agents centraux qui sont des rouages essentiels pour leur bon fonctionnement. Enfin, à un niveau régional, nous mettrons en avant la prépondérance de certaines régions dans les collaborations au sein des PCRDT. Certaines régions se distinguent par des collaborations importantes dans les différents domaines technologiques étudiés, d’autres apparaissent comme des régions plus spécialisées dans un des deux domaines technologiques. Lorsque l’analyse réseau le permettra, nous chercherons à examiner dans quelle mesure les objectifs fixés aux PCRDT ont été réalisés. Nous montrerons alors dans quelle mesure l’analyse réseau est utile pour une telle évaluation. Nous nous intéressons principalement au 6 ème PCRDT9 car c’est le dernier PCRDT pour lequel nous disposons de données complètes. Ce programme cadre est le premier qui fait suite au sommet de Lisbonne en 2000, sommet qui met en avant la volonté de l’UE de construire un Espace Européen de la Recherche (EER). De plus, il se déroule dans un contexte d’adhésion de nouveaux États à l’Union Européenne. L’objectif principal du 6 ème PCRDT est : “to contribute to the creation of the European Research Area (ERA) by improving integration and coordination of research in Europe which is so far largely fragmented” (Source : Europa10). 9Une présentation plus détaillée du 6 ème PCRDT, qui précise notamment les différentes thématiques, types d’agents et instruments, est jointe en annexe A.1 10Site internet : www.europa.eu. 35 Nous nous intéresserons seulement aux projets de collaborations qui se déroulent dans le cadre des 7 priorités thématiques retenues par l’Union Européenne. Ce choix s’explique par le fait que l’essentiel des moyens mis en œuvre par l’UE dans le cadre des PCRDT est utilisé pour soutenir les projets collaboratifs qui se déroulent dans ces priorités thématiques. En ne prenant en compte que les collaborations qui se déroulent dans les 7 priorités thématiques, on limite le biais que pourrait entraîner la prise en compte de dispositifs incitatifs spécifiques. Par exemple, en dehors de ces 7 priorités thématiques, il existe un dispositif qui favorise les collaborations entre PME (projets de recherche coopératif CRAFT ou projets de recherche collectif). Prendre en compte les collaborations qui se déroulent dans ce dispositif entraînerait une sur-représentaion des PME dans les collaborations et rendrait difficile une étude des déterminants des choix de collaboration (cf. partie 2) du fait que les incitations à collaborer au sein des thématiques sont différentes de celles qui gouvernent le choix de participer à ce programme spécifique. Il est difficile d’étudier l’ensemble des collaborations présentes dans les 7 priorités thématiques. Pour notre part, nous nous intéresserons seulement à deux domaines technologiques de la priorité thématique “Information Society Technology” (IST) : le domaine des Télécommunications et le domaine de l’Electronique-Microélectronique. Cette priorité est celle qui capte la plus grande partie des financements. En effet, 3,95 milliards d’euros sont alloués à la thématique IST sur les 12,4 alloués aux 7 priorités thématiques (soit 32% du budget alloué aux thématiques). Les domaines Télécommunications et l’Électronique-Microélectronique sont les domaines dans lesquels on recense le plus de participations. Retenir deux domaines différents autorisent des comparaisons entre leurs réseaux respectifs et permet d’examiner l’existence de connections entre des domaines différents. Cette restriction implique cependant que les conclusions en termes de réalisations des objectifs des PCRDT ne seront que partielles et valables uniquement sur les domaines étudiés. Les apports méthodologiques sont eux applicables à tout programme cadre d’incitation à coopération par financement de projets collaboratifs. L’ensemble des informations dont on dispose pour construire les réseaux et mener notre étude empirique est présenté en annexe A.2. La principale difficulté réside dans l’identification de l’ensemble des agents qui participent aux 6 ème PCRDT. Pour pouvoir construire les réseaux de collaborations, les deux informations obligatoires sont l’ensemble des projets et l’ensemble des agents qui participent à chacun des projets. Au sein des programmes cadres, de nombreux agents participent à plusieurs projets. Il est primordial de pouvoir identifier clairement ces agents car ce sont eux qui, en reliant les projets, définissent le niveau de connexion globale des réseaux. Cette identification est un processus long et difficile d’autant plus que pour pouvoir évaluer de 36 manière plus précise les PCRDT et réaliser une étude économétrique (partie II), il est nécessaire de posséder plusieurs types d’informations sur chaque agent au delà de son simple nom11 . La partie 1 suit le plan suivant. Le chapitre 1 est consacré à la présentation des outils de l’analyse réseau qui semblent les plus pertinents pour caractériser les réseaux de collaborations des PCRDT et évaluer dans quelle mesure les programmes cadres remplissent leurs objectifs. Après avoir présenté rapidement certaines notions de base (section 1.1), nous présenterons les différentes représentations possibles. Parmi ces représentations, nous en choisissons une et nous justifions ce choix (section 1.2.). Par la suite, nous présentons les différents indicateurs sélectionnés pour étudier les réseaux de collaborations aussi bien au niveau macroéconomique (section 1.3.) qu’au niveau microéconomique (section 1.4). Enfin, nous présentons l’approche cœur/périphérie qui apporte un complément d’analyse aux indicateurs précédemment retenus (section 1.5). Les PCRDT sont un instrument de politique économique. Il est important de montrer que l’analyse des réseaux permet d’apporter, au travers des différentes analyses que l’on pourra mener, un certain nombre d’éléments pour évaluer les PCRDT et qu’elle constitue en ce sens un outil complémentaire aux évaluations menées couramment. Les PCRDT ont déjà fait l’objet de plusieurs études et rapports qui visent à vérifier si les objectifs fixés aux PCRDT ont été atteints. Nous pouvons notamment citer les articles de Breschi et Cusmano (2004) et de Malerba, Vonortas, Breshi. et Cassi (2006). Le premier article porte sur l’ensemble des projets financés dans le cadre des 3 ème et 4 ème PCRDT. Le second utilise une approche différente car ils n’utilisent pas seulement les données propres aux PCRDT mais aussi des données sur des collaborations qui portent sur des contrats de R&D hors PCRDT et sur des citations de brevets. Les auteurs retiennent cette approche afin de voir si les agents les plus centraux de ces différents réseaux participent aux PCRDT et, inversement, si les agents centraux des PCRDT occupent une position centrale dans les autres réseaux

Définitions et apports statistiques de l’analyse des réseaux

Ce chapitre présente un certain nombre d’indicateurs issus de l’analyse des réseaux sociaux. Il n’a pas vocation à décrire l’ensemble des indicateurs réseaux existants mais ceux qui nous semblent pertinents dans la poursuite de notre objectif qui est d’évaluer la politique des PCRDT. Dans la section 1.1, nous rappelons rapidement quelques notions de base de l’analyse des réseaux sociaux qui nous seront utiles par la suite. La section 1.2 met en avant de quelle manière, à partir des données dont nous disposons, nous construisons les réseaux de collaborations et quelles sont les représentations possibles pour ces réseaux. La section 1.3 présente les indicateurs de structure nécessaires à l’étude des réseaux pris dans leur globalité. Ces indicateurs sont notamment utiles pour comparer les réseaux des deux domaines technologiques et déterminer si ces réseaux sont propices à l’innovation. La section 1.4. présente un ensemble d’indicateurs de centralité pour pouvoir étudier la position occupée par les agents au sein des réseaux. Ces indicateurs sont utiles pour déterminer quels sont les agents importants dans le fonctionnement du réseau. Enfin, la section 1.5 décrit une méthode appelée cœur/périphérie qui vise à trouver une partition de l’ensemble des agents en deux groupes. Chaque groupe ayant ses propres caractéristiques. Cette méthode est utile pour déterminer un sous-ensemble d’agents qui se distinguent par de nombreuses collaborations et qui constituent l’ossature du réseau. Les indicateurs présentés dans ce chapitre seront mobilisés dans le chapitre suivant pour montrer l’apport de l’analyse des réseaux sociaux dans l’étude des PCRDT, plus particulièrement en termes d’évaluation des PCRDT. De plus, les indicateurs de centralité seront utilisés aussi dans la partie économétrique pour la construction de variables explicatives supplémentaires (cf. partie II). Notions de bases 39 1.1 Notions de bases De manière générale, les réseaux sont représentés à l’aide de graphes composés d’un ensemble de points (d’agents dans notre cas) N et d’un ensemble de liens L. A chaque réseau est associé un graphe G(N, L). L’ensemble des graphes est noté G. Le graphe G0 (N0 , L0 ) est le sous graphe de G(N, L) induit par N0 , avec N0 ⊂ N et L 0 = {{gij = 1} ∈ L| i ∈ N0 , j ∈ N0} avec gij = 1 qui signifie que les agents i et j ont formé un lien, gij = 0 sinon. Trois graphes sont particulièrement utilisés dans l’analyse réseau : le graphe vide, le graphe complet et le graphe en forme d’étoile. Le graphe vide est un graphe dans lequel il n’existe aucun lien entre les agents. A l’opposé, le graphe complet est un graphe dans lequel tous les liens potentiels entre les agents sont effectifs. Enfin, un graphe en forme d’étoile est un réseau dans lequel un agent est au centre de l’étoile et possède un lien avec tous les autres agents du réseau alors que ces derniers, dit agents périphériques, possèdent un seul lien, celui qui les relie à l’agent central. Les liens présents au sein d’un réseau peuvent être : – Orientés ou non orientés. Un lien est dit orienté si le sens du lien importe dans la relation par exemple dans le cas d’un don. Dans ce cas, gij = 1 n’est alors pas équivalent au lien gji = 1. Par opposition, un lien non orienté est un lien dans lequel le sens ne compte pas, c’est notamment le cas dans une collaboration. Dans ce cas, gij = 1 et gij = 1 sont équivalents ou autrement dit gij = 1 ∈ L si et seulement si gji = 1 ∈ L. On parle alors de réseaux symétriques. – Valués. Chaque lien peut renvoyer à une valeur. Il peut par exemple s’agir de flux d’argent ou d’un comptage, si au sein d’un réseau de collaborations on compte le nombre de collaborations entre deux agents. Le cas le plus courant est d’avoir recours au cas binaire dans lequel la valeur 1 sert à marquer la présence d’un lien entre deux points et 0 l’absence de liens. – Directs ou indirects. On parle d’un lien direct entre deux agents lorsque ceux-ci possède un lien entre eux. Par exemple, entre un point i et un point j, si i et j ont un lien direct alors gij ∈ L. Il peut exister un lien indirect entre l’agent i et l’agent j s’il existe une succession de liens directs telle que gi0 i1 = gi1 i2 = gi2 i3 = · · · = gin−1 in = 1 avec i0 = I, in = j et un ensemble d’agents i2, i3, . . . , in−1. – Des boucles (ou liens réflexifs). Une boucle est un lien dont le point de départ et le point d’arrivée sont identiques. Dans le cas des réseaux de collaborations, il est impossible d’avoir ce type de liens sur données individuelles. 40 Chapitre 1. Définitions et apports statistiques de l’analyse des réseaux. Une succession d’agents et de liens commençant par un agent et finissant par un agent forme un chemin. Il existe différentes définitions d’un chemin utilisées dans l’analyse réseau. Pour notre part, nous définirons un chemin comme une succession d’agents et de liens tel que tous les agents et tous les liens sur le chemin sont distincts. Il est ainsi impossible de passer deux fois par le même agent ou de passer deux fois par le même lien. La distance d’un chemin est égal au nombre de liens qui le compose. Certains indicateurs utilisent un type de chemin particulier : le chemin géodésique. Le chemin géodésique est le plus court chemin pour relier deux agents. La distance géodésique est alors le nombre de liens sur ce chemin. 1.2 Des données de collaboration aux réseaux : le choix d’un mode de représentation L’objectif de cette section est d’expliquer comment à partir de nos données, il est possible de construire les réseaux de collaborations qui seront ensuite l’objet de l’analyse. Il existe trois représentations possibles : les “twomode networks” (sous-section 1.2.1), les “one-mode networks” (sous-section 1.2.2) et l’hypergraphe (sous-section 1.2.3) mais seulement deux sont compatibles avec une analyse réseau. Parmi ces deux représentations, nous n’en retiendrons qu’une seule pour poursuivre l’analyse. Nous montrerons que pour le type de représentation retenue, il existe deux sous-types de représentation qui permettent d’obtenir des éclairages complémentaires quant aux propriétés des réseaux de collaborations observés. Pour construire les réseaux de collaborations propres aux PCRDT, deux informations sont nécessaires : les projets et le consortium (l’ensemble d’agent) propre à chaque projet. Le coordonnateur de chaque projet peut aussi être utile comme nous le verrons par la suite. A partir de ces informations il est possible de représenter les réseaux de trois manières différentes. Pour illustrer les différentes représentations, nous nous appuierons à chaque fois sur l’exemple suivant (exemple 1) .