Mercredi 27 septembre 2006

Ateliers concomitants

• Séance C1 Comprendre les conséquences de l’innovation
• Séance C2 Nouveaux indicateurs des politiques de science et technologie
• Séance C3 Transferts de connaissances intégrés : dimension spatial

Séance C2 Nouveaux indicateurs des politiques de science et technologie

• Indicateurs pour les systèmes d’innovation complexes – une perspective indépendante de l'échelle
• Construction d’un système d’indicateurs scientométriques à plusieurs niveaux
• Indicateurs du rattrapage en science et technologie par les pays d’Asie de l’Est : Analyse composite de publications scientifiques et de données sur le dépôt de brevets
• Indicateurs fondés sur les systèmes d’innovation : Relations entre l’innovation, le capital humain et les technologies de l’information et des communications

Indicateurs pour les systèmes d’innovation complexes - une perspective indépendante de l'échelle

Note biographique

Les recherches de Sylvan Katz portent sur l’application des connaissances acquises grâce à l’étude de systèmes et de réseaux complexes à l’élaboration d’indicateurs aptes à refléter la complexité des systèmes scientifiques et d’innovation.

Résumé

On recourt, pour comparer les différents systèmes d’innovation, à des indicateurs de performance tels que la richesse nationale (PIB par habitant), l’intensité de la R‑D (DBRD/PIB) et l’impact scientifique (citations/article). Ces indicateurs sont basés sur des rapports ayant pour dénominateur des mesures de base telles que la population, le PIB, les DBRD et le nombre d’articles ou de documents publiés. Souvent, ces indicateurs servent à classer, à l’intention des décideurs, les acteurs d’un système d’innovation. On en trouve un exemple avec le tableau des indicateurs de S et T qu’utilise l’Espace européen de la recherche pour comparer la performance des états membres.

On présume qu’un indicateur de performance basé sur le rapport entre deux mesures de base est normalisé par le biais de son dénominateur. Autrement dit, si le dénominateur représente une taille (p. ex., le PIB, la population ou le nombre d’articles), on présume que le rapport sera normalisé par rapport à la taille.

Katz (2000; 2005a) a démontré que, lorsqu’elle est mesurée par le nombre de citations, c, la reconnaissance scientifique reçue par un groupe est corrélée par une loi de puissance à la taille du groupe mesurée par le nombre d’articles, p. Entre 1981 et 1994, chaque fois qu’un groupe doublait le nombre d’articles scientifiques qu’il publiait, la reconnaissance qu’il recevait augmentait de 2.4 (21,27) fois, soit c α p1,27. Il découle des propriétés des lois de puissance que c/p α pn-1 , donc c/p α p0,27 ; il s’ensuit que la mesure de l’impact scientifique (citations/articles) est aussi fonction de la taille du groupe (nombre d’articles).  L’impact scientifique n’est pas normalisé par rapport à la taille des groupes. Il ne devrait pas être utilisé pour comparer des groupes de tailles différentes.

On a aussi démontré l’existence d’un lien entre deux autres mesures couramment utilisées — l’intensité de la R‑D et la richesse nationale — et la taille des provinces canadiennes et des pays européens (Katz 2005b). Il existe des corrélations obéissant à une loi de puissance entre la DBRD et le PIB, et entre le PIB et la population a) dans le temps et b) entre les membres d’un système d’innovation, à des moments donnés. À l’instar de l’indicateur utilisé pour mesurer l’impact scientifique, les indicateurs de performance faisant appel à la richesse nationale et à l’intensité de la R‑D ne sont pas normalisés par rapport à la taille.

L’auteur de l’article soutient que, si les systèmes d’innovation sont effectivement des systèmes complexes, on devrait observer des corrélations d’échelle entre les mesures principales (Amaral; Ottino 2004; Newman 2003). Ces relations peuvent servir à élaborer des indicateurs de performance indépendants de l’échelle qui ont été normalisés par rapport à l’échelle, ou corrigés de la corrélation d’échelle entre le numérateur et le dénominateur. Des indicateurs de performance indépendants de l’échelle peuvent être utilisés pour comparer des groupes de tailles très différentes.

Les classements des provinces et des pays dans le cadre des systèmes d’innovation canadiens et européens à partir des mesures conventionnelles de la richesse nationale seront comparés aux classements obtenus à l’aide de mesures de la richesse nationale ajustées en fonction de l’échelle. Il sera démontré que l’évaluation d’ensemble d’un système d’innovation présente une différence subtile, et pourtant profonde, selon que l’on utilise l’une ou l’autre des méthodes. La différence peut influencer les décideurs chargés d’élaborer les politiques publiques qui se répercutent sur les systèmes d’innovation.

Haut de la page

Construction d’un système d’indicateurs scientométriques à plusieurs niveaux

Note biographique

Hiroyuki Tomizawa est directeur du service de recherche en analyse et évaluation technoscientifiques au National Institute of Science and Technology Policy (NISTEP), ministère de l’Éducation, de la Culture, des Sports, des Sciences et de la Technologie [MEXT].

Takayuki Hayashi est chercheur associé au deuxième groupe de recherche théorique du National Institute of Science and Technology Policy [NISTEP] et professeur agrégé à la National Institution for Academic Degrees and University Evaluation [NIAD].

Résumé

On s’est servi d’indicateurs bibliométriques pour soumettre utilement à une mesure quantitative la production en recherche scientifique. Ceux‑ci nous renseignent sur certains aspects seulement des activités relevant de l’entreprise scientifique, mais ils sont sans égaux pour la richesse de l’information qu’ils nous livrent.

Il reste que les indicateurs macrobibliométriques n’ont habituellement trouvé leur place dans la politique scientifique que comme indicateurs de taille de la production en recherche et que leur riche potentiel n’a pas été exploité au maximum. Un facteur qui empêche une application plus diversifiée des indicateurs bibliométriques est la simple hypothèse voulant qu’ils ne puissent révéler rien de plus que la taille de la production des chercheurs. En d’autres termes, ils sont considérés comme favorisant une réflexion unilatérale où l’accent se met sur le nombre de publications produites (plus il y en a, mieux on s’en porte).

En scientométrie, qui est l’analyse quantitative de l’activité scientifique, la bibliométrie a joué un rôle de premier plan et elle a surtout dégagé diverses possibilités à un microniveau. La microbibliométrie s’est attachée non seulement à la productivité scientifique, mais aussi à l’interdépendance et au dynamisme qui viennent aussi caractériser l’entreprise scientifique. Est-il possible d’intégrer la macrobibliométrie qui considère l’ensemble de la recherche scientifique dans un pays à la microbibliométrie qui regarde divers aspects de l’entreprise scientifique? Nous avons voulu élaborer une base de données pour une analyse structurelle multiniveau où les macrodonnées sur la situation globale au Japon se trouveraient liées à des microdonnées sur la contribution qu’apportent à la recherche scientifique tous les instituts et autres organismes que compte ce pays. Dans cette base de données, il y a intégration horizontale des données bibliométriques au triple niveau macro, méso et micro. Ce fonds d’information a aussi son intégrité à soi, puisque la somme des microdonnées donne les macrodonnées. Avec cette base de données, il sera possible d’analyser non seulement les tendances externes de la production d’études scientifiques au Japon, mais aussi l’évolution structurelle de la production nationale en recherche scientifique.

Nous avons aussi entrepris d’inclure dans ce fonds d’information des données statistiques individuelles sur les travaux de R‑D. Par là, il est possible d’établir un système d’indicateurs scientométriques qui procure une information multiniveau, tout en faisant le lien entre ce qui entre dans la recherche et ce qui en sort. En utilisant ce système, nous pouvons, par exemple, soumettre à une analyse les instituts où se sont concentrées les ressources de recherche depuis 10 ans, ainsi que les résultats de cette concentration sous forme de produits de la recherche.

En un sens, l’élaboration d’une telle base de données pourrait se ramener à une réorganisation des données qui existent, mais en nous dotant d’une nouvelle méthode d’agrégation des données à divers niveaux, nous visons à rendre compte quantitativement du phénomène de l’interdépendance, trait essentiel de l’entreprise scientifique; grâce à de tels efforts, nous devrions pouvoir de plus en plus assurer l’analyse structurelle d’un système national de recherche indispensable à la politique des sciences et de la technologie.

Haut de la page

Indicateurs du rattrapage en science et technologie par les pays d’Asie de l’Est : analyse composite de publications scientifiques et de données sur le dépôt de brevets

Note biographique

Poh Kam Wong est professeur agrégé à l’école commerciale et directeur du centre d’entrepreneuriat à l’Université nationale de Singapour. Il a un baccalauréat, une maîtrise ès sciences et un doctorat du MIT. Il a publié de nombreux articles et compte une vaste expérience comme expert-conseil en ce qui touche la stratégie d’innovation, la politique scientifique et technologique et l’entrepreneuriat technologique.

Yuen-Ping HO

Résumé

La compétitivité croissante des économies de l’Asie de l’Est en science et en technologie suscite de plus en plus d’attention. Au moyen de données sur les publications scientifiques visées par le SCI et le SSCI, King (2004) et la Fondation nationale des sciences (NSF) (2005) ont fait ressortir la part croissante que certaines économies de l’Asie de l’Est détiennent non seulement des sorties totales de publications scientifiques, mais également du nombre de citations dans les articles de revue et du nombre d’articles dans des revues hautement citées. Dans le présent document, nous prolongeons ces analyses préalables de trois façons. Premièrement, nous appliquons des mesures semblables aux données de l’USPTO sur le dépôt de brevets afin d’élaborer des indicateurs comparatifs internationaux de la quantité et de la qualité des sorties technologiques nationales et nous examinons la sensibilité de l’indicateur qualitatif aux variations de la définition du nombre élevé de citations (de la tranche supérieure de 1 % à la tranche supérieure de 10 %). Deuxièmement, nous combinons des mesures scientifiques et technologiques pour calculer un certain nombre de ratios composites indiquant l’importance relative que les pays accordent à la science par rapport à la technologie. Troisièmement, nous étendons l’analyse à un certain nombre de domaines scientifiques et technologiques particuliers où les pays visés de l’Asie de l’Est ont fait le rattrapage le plus rapide.

Par l’intégration des données sur les indicateurs des sorties scientifiques et technologiques, et par l’examen des indicateurs quantitatifs aussi bien que qualitatifs, notre analyse composite permet d’étendre les constatations antérieures de plusieurs façons. En particulier, nous constatons des variations systématiques de la dynamique du développement de la S‑T parmi les trois groupes distinctifs d’économies asiatiques : les trois économies nouvellement industrialisées (ENI) de l’Asie de l’Est (Taïwan, la Corée et Singapour); les deux grands géants que sont la Chine et l’Inde; enfin, les économies de l’ANASE moins Singapour (« ANASE‑S »). Bien que les trois groupes aient vu leur part du total mondial des sorties scientifiques et technologiques augmenter au fil du temps, ce sont les ENI qui ont affiché la croissance la plus rapide. En deuxième lieu, bien que les trois groupes aient mis l’accent sur une croissance quantitative d’abord, et sur une amélioration qualitative par la suite, ce sont encore une fois les ENI qui ont amélioré le plus rapidement la qualité de leurs sorties scientifiques et technologiques. Ainsi, du point de vue quantitatif aussi bien que qualitatif, il y a un écart scientifique et technologique croissant entre les ENI et les économies de l’ANASE‑S : ces premières rattrapent la moyenne de l’OCDE (sur le plan des intensités, c.‑à‑d. des sorties par habitant), alors que ces dernières restent loin derrière. En troisième lieu, alors que la Chine et l’Inde ont vu leurs sorties scientifiques croître beaucoup plus rapidement que leurs sorties technologiques, ces dernières augmentent plus rapidement en quantité et en qualité que ces premières dans les ENI. Dans l’ensemble, comparativement au groupe des économies avancées de l’OCDE le long des deux dimensions des forces scientifiques et technologiques, on constate que les ENI de l’Asie de l’Est mettent un accent relativement plus élevé sur la technologie que la science, alors que c’est l’inverse en Chine et en Inde (et dans beaucoup d’autres pays en développement). Malgré un éventuel biais d’effet d’échelle attribuable à l’utilisation des données de l’USPTO sur le dépôt de brevets en tant qu’indicateur comparatif international des sorties technologiques nationales, cette constatation est conforme aux études qualitatives antérieures sur les caractéristiques des systèmes d’innovation nationaux des ENI de l’Asie de l’Est selon lesquelles ces pays mettent dès le départ un accent stratégique sur les applications technologiques. Enfin, il y a des indications selon lesquelles les caractéristiques distinctives susmentionnées du développement de la S‑T dans les ENI de l’Asie de l’Est sont encore plus accentuées dans les secteurs scientifiques et technologiques particuliers où elles ont fait le plus de progrès – le génie électronique et la science-technologie de l’information et des communications.

À notre avis, notre analyse composite fait ressortir un certain nombre d’incidences normatives sur les politiques. Premièrement, à mesure que les pays en développement entreprennent de rattraper les pays les plus avancés en S‑T, ils doivent mettre l’accent sur la qualité plutôt que sur la quantité. Deuxièmement, l’expérience des ENI de l’Asie de l’Est semble indiquer que les responsables de l’élaboration des politiques dans les pays en développement doivent accorder plus d’attention au développement de capacités d’innovation technologiques qui leur permettront de rivaliser sur les marchés internationaux, au lieu de simplement s’attacher au perfectionnement des effectifs en S‑T. Troisièmement, même parmi les pays avancés, il peut être utile d’utiliser nos indicateurs composites de l’importance relative accordée à la science par rapport à la technologie et à la qualité par rapport à la quantité en tant qu’indicateurs repères pour comparer et expliquer l’orientation relative de la politique scientifique et technologique des différents pays.

Haut de la page

Indicateurs fondés sur les systèmes d’innovation : relations entre l’innovation, le capital humain et les technologies de l’information et des communications

Note biographique

Monica Salazar postule un doctorat à l’Université Simon Fraser. Elle est bachelière en économique de l’Université Rosario (Bogota, Colombie). Elle a obtenu une maîtrise en évolution technique et stratégie industrielle du programme PREST de l’Université de Manchester (Royaume-Uni). Elle a travaillé pour le Colombian Institute for the Development of Science and Technology et les services de planification nationale.

Résumé

Dans les pays industrialisés comme dans les pays en développement, on a acquis une riche expérience qui permet d’expliquer les mécanismes de l’innovation et le mode d’incidence du milieu sur le rendement en innovation. Toutes ces connaissances n’ont pas encore pénétré dans la sphère de la politique publique; les artisans des politiques et les organismes gouvernementaux devraient en tirer parti et améliorer de ce fait la conception des enquêtes, des indicateurs et des politiques sur l’innovation. Nul doute que l’analyse des systèmes d’innovation a su jeter les bases d’une meilleure compréhension du phénomène de l’innovation. Voici certains des fondements conceptuels de cette démarche analytique :

• Les entreprises n’innovent pas seules, elles créent des réseaux d’innovation et s’appuient sur divers organismes et institutions auxiliaires.
• L’apprentissage est interactif et cumulatif et intervient au plus haut point dans le processus d’innovation.
• L’interaction se situe au cœur de ce processus.
• Les démarches évolutives jouent un grand rôle.
• L’innovation s’opère en contexte institutionnel, politique et social.
• L’innovation est imbriquée dans les relations sociales.
• La capacité d’innovation est soutenue par des collectivités locales partageant des connaissances et un ensemble de règles, de conventions et de normes.

Le caractère systémique de l’innovation évoque plusieurs choses. Il nous parle de rendement et d’interaction systémiques, ainsi que l’explique McKelvey : « Le concept de SNI exprime l’idée d’une interaction systématique qui ne peut simplement se ramener aux activités d’entreprises en particulier ou au système de R‑D en place, ni d’ailleurs à une question de concurrence entre entreprises ou établissements (McKelvey, 1991 : 136‑137). » On doit se demander si les enquêtes sur l’innovation aident ou non à caractériser les systèmes complexes d’innovation en place et si elles rendent compte de la diversité des interactions entre les intervenants.

Il semblerait que les indicateurs de rendement sur l’innovation PPT notamment – qui est le point de mire des enquêtes sur l’innovation? – qui visent à mettre en comparaison les entreprises, les secteurs, les régions et les pays ne suffisent pas à caractériser le mouvement d’innovation. Comment pouvons-nous évaluer les capacités, les attitudes, les possibilités et les activités en innovation? Nous devons nous doter d’indicateurs plus fins qui mesurent la capacité d’innovation des entreprises et l’incidence sur cette capacité des conditions économiques, sociales et culturelles et des conditions ambiantes en général.

Cette communication vise à dégager des points communs aux indicateurs de l’innovation, de la société du savoir ou de l’information et des grappes sectorielles de R‑D. Il s’agit avant tout de proposer de nouveaux indicateurs pour la mesure du rôle et de l’incidence du capital humain dans une société ou une économie du savoir.

Dans l’ordre de mon exposé, j’expliquerai d’abord le modèle logique, puis livrerai un certain nombre d’observations sur les biais et les lacunes de la mesure de l’innovation. Dans une troisième section, je traiterai de la question du capital humain en m’attachant à la façon dont diverses pratiques de gestion des ressources humaines influent de près sur l’innovation et l’adoption des TIC. Dans une dernière section, je parlerai du besoin de mettre plus l’accent sur les politiques systémiques de l’innovation (Guy et Nauwelaers, 2003; Smits et Kuhlmann, 2003) et de l’adaptation des indicateurs de l’innovation au défi qu’impose cette orientation.