Telechargé par touahri anas

mesurer le rendement de l innovation

publicité
Economie et statistique
Mesurer le rendement de l'innovation
Monsieur Bruno Crépon, Monsieur Emmanuel Duguet, Monsieur Jacques Mairesse
Citer ce document / Cite this document :
Crépon Bruno, Duguet Emmanuel, Mairesse Jacques. Mesurer le rendement de l'innovation. In: Economie et statistique,
n°334, 2000. pp. 65-78;
http://www.persee.fr/doc/estat_0336-1454_2000_num_334_1_7532
Document généré le 23/05/2016
Zusammenfassung
Die Rentabilität der Innovation, das heißt die Produktivitätsge-winne der Unternehmen, die der
Forschung zuzuschreiben sind, kann nach zwei Methoden bewertet werden. Bei der ersten - der
traditionelleren - wird eine bestimmte Anzahl angemeldeter Patente herangezogen; sie ist jedoch
unzulänglich, da die Entscheidung, eine Innovation patentieren zu lassen, je nach Unternehmen
sehr unterschiedlich ist. Die zweite Methode - die jüngere - gibt eine zusätzliche und
zufriedenstellendere Messung der Innovation, da der Anteil der weniger als fünf Jahre alten
Produkte am Umsatz der Unternehmen gemessen wird. Diese Methode hat den Vorteil, daß
sowohl die Innovationen als auch die Verbesserungen, ja sogar die Produktbeschränkungen
berücksichtigt werden. Insgesamt können mit diesen beiden Messungen die bedeutenden
Produktivitätsgewinne, die der Forschung im verarbeitenden Gewerbe zu verdanken sind, in
vergleichbaren Proportionen erklärt werden. Allerdings ermöglicht der zweite Ansatz eine bessere
Berücksichtigung der Effekte bestimmter Variablen, wie des Nachfrageimpulses oder der Dynamik
der Technologie. Da es sich um qualitativere Messungen handelt, würden sie zumindest genauso
die Entscheidung der Unternehmen, Forschung zu betreiben, und den Betrag der Summen, die sie
hierfür zu verwenden bereit sind, wie ihre Größe, ihren Marktanteil oder ihre Diversifizierung
erklären.
Résumé
Évaluer le rendement de l’innovation, c’est-à-dire estimer les gains de productivité des entreprises
imputables à la recherche, peut se faire de deux façons. La première, plus traditionnelle, utilise le
nombre de brevets déposés, mais reste insuffisante car la décision de breveter une innovation
varie beaucoup d’une entreprise à l’autre. La seconde, plus récente, donne une mesure
complémentaire et plus satisfaisante de l’innovation en mesurant la part des produits de moins de
cinq ans dans le chiffre d’affaires des entreprises. Elle a l’avantage de prendre en compte à la fois
les innovations mais aussi les améliorations voire les imitations de produits. Globalement, ces
deux mesures permettent d’expliquer dans des proportions comparables les gains importants de
productivité dus à la recherche dans l’industrie manufacturière. Cependant, la seconde approche
permet de mieux prendre en compte les effets de variables comme l’impulsion de la demande ou
la dynamique propre de la technologie. Plus qualitatives, elles expliqueraient au moins autant la
décision des entreprises de faire de la recherche et le montant des sommes que celles-ci sont
disposées à y consacrer que leur taille, leur part de marché ou leur diversification.
Abstract
The return on innovation, i. e. corporate productivity gains from research, can be estimated in two
ways. The first, more traditional method draws on the number of patents filed. However, it is
inadequate since the decision to patent an innovation varies a great deal from one firm to the next.
The second, more recent method provides a complementary and more satisfactory measurement
of innovation by determining the share of products less than five years old in corporate turnovers.
This has the advantage of taking into account both product innovations and improvements or
imitations. On the whole, these two measurements can be used to explain substantial productivity
gains due to manufacturing industry research in comparable proportions. The second approach,
however, takes better account of the effects of variables such as demand stimuli and the specific
technology dynamic. As they are more qualitative, they are deemed to explain at least as much a
firm’s decision to carry out research and the sums that they are willing to invest therein as their
size, their market share and their diversification.
Resumen
Medir el rendimiento de la innovación, o sea evaluar las ganancias de productividad de las
empresas debidas a la investigación puede llevarse a cabo de dos maneras. Una, más tradicional,
se basa sobre la cantidad de patentas depositadas, pero es todavía insuficiente ya que la decisión
de patentar una innovación varía mucho según la empresa. Otra, más reciente, facilita una
medición complementaria y más satisfactoria de la innovación al medir la proporción de los
productos de menos de cinco años en el volumen de negocios de las empresas. Tiene la ventaja de tomar
en cuenta a la vez las innovaciones, las mejoras e incluso las imitaciones de los productos. Globalmente,
estas dos mediciones permiten explicar en unas proporciones idénticas las fuertes ganancias de
productividad debidas a la innovación en la industria manufacturera. Sin embargo, el segundo enfoque
permite considerar con más eficacia los efectos de unas variables como el impulso de la demanda o la
dinámica propia de la tecnología. Siendo más cualitativas, estas variables permiten tanto como el tamaño,
la cuota de mercado o la diversificación de las empresas, explicar su decisión de dedicarse a la
investigación y las sumas que éstas le dedican.
065-078 Mesurer rendement 05/10/2000 10:30 Page 65
ENTREPRISES
Mesurer le rendement
de l’innovation
Bruno Crépon, Emmanuel Duguet et Jacques Mairesse*
Évaluer le rendement de l’innovation, c’est-à-dire estimer les gains de productivité des
entreprises imputables à la recherche, peut se faire de deux façons. La première, plus
traditionnelle, utilise le nombre de brevets déposés, mais reste insuffisante car la décision de breveter une innovation varie beaucoup d’une entreprise à l’autre. La seconde,
plus récente, donne une mesure complémentaire et plus satisfaisante de l’innovation en
mesurant la part des produits de moins de cinq ans dans le chiffre d’affaires des entreprises. Elle a l’avantage de prendre en compte à la fois les innovations mais aussi les
améliorations voire les imitations de produits.
Globalement, ces deux mesures permettent d’expliquer dans des proportions comparables les gains importants de productivité dus à la recherche dans l’industrie manufacturière. Cependant, la seconde approche permet de mieux prendre en compte les effets
de variables comme l’impulsion de la demande ou la dynamique propre de la technologie. Plus qualitatives, elles expliqueraient au moins autant la décision des entreprises de
faire de la recherche et le montant des sommes que celles-ci sont disposées à y consacrer que leur taille, leur part de marché ou leur diversification.
* Bruno Crépon dirige la division Marchés et stratégies d’entreprises de l’Insee. Emmanuel Duguet est Professeur à l’Université de
Bretagne occidentale et membre du laboratoire EUREQua, UMR 8594 du CNRS. Jacques Mairesse est Inspecteur général de l’Insee
et membre du Crest.
Les noms et dates entre parenthèses renvoient à la bibliographie en fin d’article.
ÉCONOMIE ET STATISTIQUE N° 334, 2000 - 4
65
065-078 Mesurer rendement 05/10/2000 10:30 Page 66
C
omment évaluer les gains de productivité que
l’on peut retirer des activités de recherche et
développement ? Par rapport aux études antérieures qui consistaient à mettre les dépenses de
recherche et développement parmi les facteurs de
production, l’approche retenue ici vise à mieux
éclairer les différentes étapes du processus d’innovation. Dans une première étape, les entreprises
investissent en recherche et développement
(R&D) afin de mettre au point de nouveaux produits et processus de production. Dans un deuxième temps, les dépenses de R&D donnent ou non
des produits et procédés nouveaux. La recherche
n’est donc pas toujours couronnée de succès et
l’on peut envisager de mesurer son rendement non
pas en termes de productivité, mais en termes d’innovation. Enfin, les entreprises dont la recherche a
effectivement donné des produits et procédés nouveaux vont pouvoir améliorer leur productivité.
C’est dans cette dernière étape que l’on mesure le
rendement de l’innovation, c’est-à-dire cette partie
de la recherche qui a mené à des gains significatifs
de productivité. Le rendement de la recherche
résulte donc de deux processus : le premier est
représenté par le lien recherche-innovation et le
second par le lien innovation-productivité. Le
Schéma
Le modèle
modèle présenté ici peut donc être vu comme un
approfondissement des modèles traditionnels où la
productivité est reliée directement à la recherche.
Mais ce modèle ne peut être utile qu’à la condition
de disposer de mesures d’innovation, c’est-à-dire
de l’output de la recherche. Au niveau individuel,
de telles données ne sont disponibles que depuis
peu dans l’industrie manufacturière française,
notamment à partir de l’exploitation de l’enquête
Innovation du Sessi (cf. encadré).
La valeur ajoutée produite par employé, c’est-àdire la productivité, est obtenue d’une part via les
facteurs de production traditionnels que sont le
capital physique et les différentes qualifications
de la main-d’œuvre et, d’autre part, par l’innovation (cf. schéma). L’effet de l’innovation sur la
production est similaire au terme de progrès technique habituellement rencontré dans la littérature,
à cette différence près que chaque entreprise possède un terme de progrès technique qui dépend de
sa propre politique d’innovation. L’innovation
prend elle-même sa source dans un capital de
connaissances, non observable, qui provient des
investissements réalisés en recherche et développement.
Part de Marché
Diversification
Recherche et
Développement
Impulsion
du marché
Dynamique de
la technologie
Capital de connaissances
technologiques
Taille
Secteur
d’activité
Innovations
Brevets
Productivité
Capital physique
Qualifications
66
ÉCONOMIE ET STATISTIQUE N° 334, 2000 - 4
065-078 Mesurer rendement 05/10/2000 10:30 Page 67
Encadré
LES SOURCES UTILISÉES ET LA CONSTRUCTION
DE LA BASE DE DONNÉES
Les informations utilisées combinent de nombreuses
sources de données individuelles sur l’industrie manufacturière. On peut distinguer les données comptables
(quantitatives) et les données de l’enquête Innovation
(qualitatives).
Les déclaration des bénéfices industriels
et commerciaux (BIC)
Variables : EMP, CAP, P et IND
Les fichiers BIC regroupent les données des déclarations de bénéfices industriels et commerciaux des
entreprises, notamment les données du bilan et du
compte de résultat. Les variables retenues dans l’étude
sont les suivantes :
– l’emploi, mesuré par l’effectif moyen de l’entreprise
(demi-somme de l’effectif au 1er janvier et au 31 décembre) ;
– la valeur ajoutée hors taxe ;
– les données servant à la construction des séries de
capital physique ;
– l’activité principale exercée au niveau 40 de la NAP.
L’Enquête sur la structure des emplois (ESE)
Variables : PI et PA
Le personnel peut être ventilé par qualification. Nous
avons retenu la part des ingénieurs et du personnel
administratif dans l’emploi de l’entreprise. Pour plus de
détails, se reporter à Crépon et Mairesse (1993).
Les données de branche de l’Enquête annuelle
d’entreprise (EAE)
Variables : DIV et PM
L’EAE fournit également des données de branche. On
dispose, notamment pour chaque entreprise, du chiffre
d’affaires ventilé entre les différentes branches où elle
intervient selon la décomposition de la NAP 600. Ces
informations nous ont permis de calculer, pour chaque
entreprise, le nombre d’activités industrielles équivalent
à l’indice d’Herfindahl de concentration des ventes
au sein de chaque entreprise, et la part de marché
moyenne des entreprises diversifiées. La construction
détaillée de ces indicateurs se trouve dans Crépon,
Duguet et Kabla (1996).
Les données de recherche et développement
Variable : K
Chaque année le ministère de la Recherche et de la
Technologie effectue une enquête auprès des entreprises sur les moyens qu’elles consacrent à la
recherche et au développement. Elle fournit de nombreuses informations sur la ventilation de ces dépenses
de recherche (recherche fondamentale, recherche
ÉCONOMIE ET STATISTIQUE N° 334, 2000 - 4
appliquée et développement ou dépenses en biens
d’investissement, coût salarial et consommations intermédiaires) ainsi que des renseignements sur les
sources de financement de la recherche. On retient ici
les dépenses totales de recherche et développement
qui comprennent aussi bien les dépenses internes de
recherche que les dépenses externes. Un capital de
recherche est calculé sur la base des dépenses de
recherche déflatées des entreprises depuis 1974 selon
la méthode de l’inventaire permanent. Nous utilisons un
taux de dépréciation annuel de 15 % et une hypothèse
de croissance pré-observatoire de 5 % pour les entreprises présentes dans l’enquête depuis 1974 (1). Ces
dépenses sont déflatées par un indice de valeur calculé
à partir de la décomposition des dépenses internes de
recherche entre consommations intermédiaires,
salaires et biens d’investissements (cf. tableau) (2).
Les données de brevets européens
(EPAT – European PATent)
Variable : BREV
Il s’agit d’une base de données qui, jusqu’à une date
récente, ne pouvait pas être fusionnée avec les autres
bases de données en raison de l’absence de numéro
SIREN. Elle recense les brevets déposés auprès de
l’Office Européen des Brevets par les entreprises françaises. Un travail spécifique a donc été réalisé à la
division Marchés et stratégies d’entreprises de l’Insee
par J.-C. Bussy, C. Carpentier, P. Corbel et I. Kabla pour
« siréniser » cette base de données (se reporter à
Bussy, Carpentier et Kabla, 1994) (3). Nous avons simplement utilisé le nombre total de brevets déposés
entre 1986 et 1990.
L’enquête Innovation du Sessi
Variables : INO, DP et TP
Cette enquête est un supplément à l’EAE, réalisée par
le ministère de l’Industrie en 1991. Le champ couvert
est celui des entreprises de plus de 20 salariés de l’industrie manufacturière, soit près de 25 000 entreprises.
Elle porte sur la période allant du 1er janvier 1986 au
31 décembre 1990. Elle est composée de six parties :
les types d’innovations technologiques réalisées par
l’entreprise, les rôles respectifs du marché et de la
dynamique propre de la technologie dans la détermination des innovations technologiques, les sources de
l’innovation, l’appréciation par l’entreprise de la position
de son activité dans son secteur, la part des ventes
➜
1. Le choix du taux de dépréciation n’a que très peu d’incidence sur l’estimation de l’équation de brevets. Pour une estimation de cette relation sous différentes hypothèses de dépréciation, voir Duguet (1996, chap. 2).
2. Pour plus de détails sur le calcul de ce déflateur, se reporter
à Duguet (1996, chap. 2).
3. Siréniser : ajouter le numéro SIREN (Système Informatique de
Répertoire des ENtreprises) à une base de données. Il s’agit d’un
code national d’identification qui permet de recouper de façon
fiable les données provenant de différentes enquêtes d’entreprise.
67
065-078 Mesurer rendement 05/10/2000 10:30 Page 68
Les déterminants de la recherche
propres à l’entreprise…
Les deux premières relations, la décision de faire
de la recherche et le montant investi en recherche,
se rattachent à la littérature économétrique en économie industrielle (Cohen et Levin, 1989). Le
capital de recherche et développement est expliqué par la taille de l’entreprise, sa part de marché
et sa diversification.
L’effet de la taille se justifie par l’existence de
coûts fixes irrécouvrables de R&D qui favorise
les grandes entreprises dans cette activité de
recherche, notamment en raison de leur plus
grande surface financière (Sutton, 1991 ; Cohen
et Klepper, 1996). Les grandes entreprises amortissent leurs dépenses de R&D sur un plus grand
nombre d’unités vendues.
En revanche, la part de marché a un effet plus
ambigu : d’une part, en présence d’appropriation
parfaite, les entreprises en place ont moins intérêt à innover que les autres (Arrow, 1962), et
d’autre part, le pouvoir de marché n’est que temporaire et sert, en fait, à financer l’innovation et
Encadré (fin)
imputables à des produits technologiquement innovants
dans le chiffre d’affaires de l’entreprise et dans ses
exportations, et enfin les prévisions de l’entreprise
quant à l’introduction d’innovations dans les cinq prochaines années. Pour une présentation de l’enquête et
un exemplaire du questionnaire, se reporter à François
(1991). Nous en avons extrait les variables suivantes :
– INO : part des produits de moins de cinq ans d’âge
dans le chiffre d’affaires total en 1990 (variable Y1 de
l’enquête Innovation). Il s’agit d’une variable qualitative
qui comporte quatre modalités (cf. graphique II) :
0-10 %, 10-30 %, 30-70 % et plus de 70 %. Sa définition en 1990 impose de traiter la simultanéité de la
production et de l’innovation, ce que nous faisons en
utilisant les inputs de l’innovation comme instruments.
– DP : indicateur d’impulsion du marché (variable V1 de
l’enquête Innovation). Il est construit à partir des
réponses à la question : « Pour votre entreprise, estimez-vous que l’innovation est déterminée par l’impulsion du marché (relations avec la clientèle, concurrence) ? ». Quatre réponses sont possibles : « non »,
« un peu », « moyennement » et « beaucoup ». Nous
conservons l’information telle quelle dans les régressions en introduisant une indicatrice pour chaque
réponse possible. Toutefois, afin d’éviter une multicolinéarité parfaite avec les indicatrices sectorielles nous
enlevons la modalité la plus faible. Ceci implique que
les coefficients des trois dernières modalités se comprennent en écart par rapport aux entreprises qui ont
répondu « non » à cette question.
– TP : indicateur de dynamique de la technologie
(variable V2 de l’enquête Innovation). Il est construit de
manière similaire à l’indicateur précédent à partir des
réponses à la question : « Pour votre entreprise, estimez-vous que l’innovation est déterminée par la dynamique propre de la technologie ? ». Les quatre mêmes
réponses que pour l’impulsion du marché sont possibles, nous avons donc effectué le même traitement du
problème.
L’échantillon retenu
Nous avons retenu les entreprises présentes dans
l’EAE en 1986 et 1990, période sur laquelle porte le
questionnaire de l’enquête Innovation. De même, nous
avons conservé les entreprises répondantes à la partie
du questionnaire sur le pourcentage de produits de
moins de cinq ans d’âge dans le chiffre d’affaires, soit
4 164 entreprises de l’industrie manufacturière. Pour
une étude de la variabilité des résultats à la définition
de l’échantillon et une comparaison avec les méthodes
d’estimation utilisées par le passé sur des données
comparables, se reporter à Crépon, Duguet et Mairesse
(1998).
Déflateur des dépenses de recherche et développement
Base 100 en 1980
Année
Déflateur des dépenses
de recherche
Année
Déflateur des dépenses
de recherche
1974
49,2
1982
129,9
1975
55,5
1983
142,0
1976
62,5
1984
154,4
1977
69,5
1985
163,8
1978
76,0
1986
163,7
1979
85,7
1987
170,0
1980
100,0
1988
177,9
1981
114,9
1989
187,2
Source : calculs des auteurs.
68
ÉCONOMIE ET STATISTIQUE N° 334, 2000 - 4
065-078 Mesurer rendement 05/10/2000 10:30 Page 69
à la stimuler par la volonté de maintenir ou d’acquérir une situation de monopole (Schumpeter, 1942 ;
Scherer, 1992).
… et ceux propres à l’état du marché
et de la technologie
où R est le gain anticipé de l’investissement en
recherche, non observable, et K le capital de
recherche investi. Ces deux quantités dépendent de
la taille de l’entreprise, mesurée par l’emploi
(EMP), de sa part de marché moyenne (PM) et de
sa diversification (DIV) mesurée par le nombre
équivalent d’activités industrielles. Ces variables
sont décalées dans le temps : ainsi, la part de marché représente ici le pouvoir de marché ex ante,
avant l’innovation (1). En particulier, on s’attend à
ce que la taille joue un rôle important sur la décision de faire de la recherche si le rôle des coûts
fixes est significatif. En revanche, l’effet de la taille
sur le montant investi est plus difficile à prévoir (2).
À ces déterminants individuels, qui ont fait l’objet
de nombreuses études empiriques synthétisées par
Cohen et Levin (1989), s’ajoutent des déterminants propres à l’environnement des entreprises.
On distingue l’impulsion du marché (demand
pull) et la poussée de la technologie (technology
push) qui jouent simultanément.
L’environnement de marché et l’environnement
technologique de l’entreprise sont également pris
en compte à travers les indicateurs d’importance de
l’impulsion du marché dans la décision d’innover
(MP, « market pull ») ainsi que d’indicateurs de
l’importance de la dynamique propre de la technologie (TP, « technology push ») (cf. encadré).
Selon la première conception (Schmookler, 1966),
les besoins des consommateurs sont à l’origine du
développement des nouveaux produits et procédés. Les services liés à la clientèle et la croissance anticipée du marché stimuleraient alors l’innovation. D’après la seconde (Rosenberg, 1974), la
dynamique propre de la technologie inciterait à
développer de nouveaux produits et procédés.
L’innovation résulterait ainsi de la capacité des
services d’études techniques à exploiter les
connaissances sur lesquelles reposent les produits
et les procédés de l’entreprise. Selon les conditions de demande et technologiques propres à
chaque activité, les entreprises n’investiront donc
pas les mêmes montants en recherche. L’enquête
Innovation du Sessi permet, pour la première
fois, de faire évaluer ces deux caractéristiques par
les entreprises elles-mêmes, au lieu de se contenter d’utiliser une nomenclature d’activité
(François, 1991). L’avantage de cette mesure est
qu’elle permet de repérer les différences de pression du marché et de poussée de la technologie au
sein même des nomenclatures traditionnelles.
Un terme constant, différent pour chaque secteur
d’activité, figure dans les deux équations. Dans le
cas du montant investi en recherche, cette modélisation signifie simplement que les niveaux moyens
d’investissement en R&D sont différents d’un secteur à l’autre, toutes choses égales par ailleurs. De
tels écarts peuvent, en effet, se justifier par les différences de technologies utilisées dans les différents secteurs d’activité. Dans la décision d’investir en recherche, ces différences proviennent du
caractère de coût fixe des investissements en
R&D. On n’observe un investissement en R&D
que lorsque le gain anticipé (R) est supérieur à un
seuil qui est propre à chaque secteur d’activité. Il
en résulte des probabilités moyennes d’investir en
recherche différentes entre les différents secteurs
d’activité, toutes choses égales par ailleurs (3).
Enfin, il est également tenu compte de la corrélation entre la décision de faire de la recherche et le
montant investi dans cette activité (4).
L’effet de la diversification repose, quant à lui,
sur la plus grande facilité qu’auraient les entreprises diversifiées à trouver un débouché à leurs
innovations. Elles peuvent aussi répartir leurs
coûts fixes de recherche sur un plus grand nombre
de projets d’innovations que les autres entreprises.
La décision de faire de la recherche
et l’importance du montant investi
La décision de faire de la recherche et le montant
investi lorsque cette décision est prise sont simultanément déterminés par les relations (log-linéaires) :
ln R = fR (ln EMP, ln PM, ln DIV, MP, TP, IND)
ln K = fK (ln EMP, ln PM, ln DIV, MP, TP, IND)
ÉCONOMIE ET STATISTIQUE N° 334, 2000 - 4
1. Les variables explicatives de l’équation de recherche sont
prises en 1985, car les variables d’innovation font référence à la
période 1986-1990.
2. Une grande partie de la littérature cherche à savoir si les
dépenses de R&D augmentent proportionnellement ou plus que
proportionnellement avec la taille, et néglige le plus souvent les
déterminants de la décision de faire de la recherche. Une exception notable est l’étude de Bound et al. (1984).
3. Les variables de la clause « toutes choses égale par ailleurs »
se limitent à la liste des variables explicatives. D’autre part, la
présence de termes constants propres à chaque secteur d’activité possède l’avantage que tout effet propre à un secteur d’activité ne peut pas biaiser les résultats obtenus (on parle de
modèle à effets fixes sectoriels). Cette remarque est valable
pour toutes les estimations présentées dans cet article, y compris les relations d’innovation et de productivité.
4. On parle de modèle tobit généralisé, à la suite des travaux de
Heckman (1976). L’estimation de ce modèle est présentée dans
Gouriéroux (1989). Pour une application détaillée, se reporter à
Duguet (1996, chap. 1).
69
065-078 Mesurer rendement 05/10/2000 10:30 Page 70
Deux indicateurs d’innovation
Le capital de recherche ainsi déterminé, donc
endogène dans le modèle, entre comme input dans
la « fonction d’innovation », qui relie l’input
recherche à l’output innovation. Ici, se pose un
problème de mesure de cet output. Deux indicateurs très différents permettent de mieux évaluer
la sensibilité des résultats obtenus à la mesure utilisée. Le nombre de brevets déposés est une
première mesure de l’innovation. Ses principaux
défauts sont biens connus (Levin et al., 1987 ;
Griliches, 1990) : il donne le même poids à toutes
les innovations, toutes les innovations ne sont pas
brevetées et une innovation peut donner lieu à plusieurs brevets. De plus, il ne mesure que des innovations significatives au sens où elles ont été examinées et validées par un organisme public. Pour
répondre à ces critiques, on utilise une mesure
moins restrictive de l’innovation : la part des
ventes réalisées en produits de moins de cinq
ans ou taux de renouvellement des produits.
Cette nouvelle mesure pondère les innovations
par les ventes de chaque produit et prend en
compte aussi bien les innovations réelles que les
améliorations et les imitations (5). La principale
critique que l’on peut faire à cette variable est
qu’elle ne concerne que l’innovation de produit.
Toutefois, elle est fortement corrélée à l’innovation de procédé. Comme l’ont montré Barlet et
al. (1998) à partir de la même enquête que celle
utilisée ici, un changement de produit est associé
à un changement de procédé de production dans
deux cas sur trois.
Cette variable, disponible dans l’enquête
Innovation du Sessi, est expliquée par le capital de
recherche accumulé par l’entreprise, la pression du
marché et la poussée de la technologie, soit :
ln I = fI (ln K, ln EMP, MP, TP, IND)
Examiner s’il subsiste un effet de la taille, une fois
que l’on a tenu compte de l’investissement en
recherche, permet de savoir si les petites et
moyennes entreprises sont plus productives en
matière d’innovation que les grandes entreprises,
à investissement en recherche identique.
Une vision d’ensemble
du processus innovant
La relation retenue entre productivité et innovation
est une formulation de type Cobb-Douglas augmentée
d’un terme d’innovation endogène (6). La valeur
70
ajoutée par employé est expliquée par le capital
physique (CAP), l’emploi et les qualifications du
personnel via les parts des différentes catégories
de personnel dans l’emploi total (PI pour les ingénieurs et PA pour le personnel administratif). On y
ajoute l’innovation (I ), soit :
ln P = fP (ln I, ln EMP, ln CAP, PI, PA, IND)
Ceci permet de proposer une vision d’ensemble
du processus innovant : des conditions du marché
et technologiques à l’investissement en recherche,
de l’input recherche à l’output innovation, puis de
l’output innovation aux performances des entreprises (7). La construction de la base de données
et les indicateurs utilisés sont présentés dans l’encadré. Les estimations des modèles figurent dans
le tableau 1. Les résultats sont présentés en allant
de la recherche à la productivité.
Les déterminants de la décision
de faire de la recherche...
L’impulsion du marché et la dynamique de la technologie ont un effet positif et significatif sur la
décision de faire de la recherche (8) (cf. tableau 1). De
plus, l’effet est croissant avec les modalités
« faible », « moyenne » et « forte ». Ce résultat est
d’autant plus intéressant qu’il est obtenu à effets
sectoriels constants. Ainsi, c’est au sein des secteurs d’activités définis par la NAP (9), que des différences individuelles d’opportunités innovantes
existent et expliquent des différences significatives
de participation à l’activité de recherche.
5. Elle est donc reliée au succès commercial des innovations,
ce qui implique de traiter l’endogénéité de cette variable (ce qui
est fait ici). Pour une étude économétrique plus approfondie du
succès commercial des innovations, se reporter à Barlet et al.
(1998).
6. La formulation est similaire à celle présentée dans Griliches
(1998) et propose, sur données françaises, le même type de
résultat que des formulations plus sophistiquées, de type
Translog (Crépon et Mairesse, 1993). Pour une synthèse des
résultats obtenus à partir des modèles traditionnels, qui expliquent directement la productivité par la recherche, se reporter à
Mairesse et Sassenou (1991).
7. Nous tenons compte dans nos estimations de toutes les corrélations entre les quatre perturbations de chaque système.
L’estimation a lieu en deux étapes. Premièrement, on estime la
forme réduite équation par équation ainsi que les corrélations
entre les estimateurs des paramètres de toutes les équations.
Deuxièmement, on estime la forme structurelle du modèle directement à partir des paramètres de la forme réduite, par les
moindres carrés asymptotiques avec métrique optimale. Pour
plus de détails, se reporter à Crépon, Duguet et Mairesse
(1998) et à l’annexe économétrique de Duguet et Greenan
(1997). Pour une présentation des macro-commandes SAS utilisées pour l’estimation de la forme réduite, se reporter à Crépon
et Duguet (1995).
8. La définition de la recherche utilisée ici est conforme au critère de Frascatti : l’équivalent d’au moins un employé à temps
plein affecté à la recherche et au développement.
9. NAP : Nomenclature des activités et produits (1973).
ÉCONOMIE ET STATISTIQUE N° 334, 2000 - 4
065-078 Mesurer rendement 05/10/2000 10:30 Page 71
La probabilité de faire de la recherche augmente
également avec la taille de l’entreprise, sa part de
marché et la diversification de sa production. Ces
variables sont positivement reliées au gain anticipé de l’investissement en R&D. Pour la taille,
cet effet vient vraisemblablement des coûts fixes
irrécouvrables que les grandes entreprises sont
mieux à même de financer. Pour l’impulsion de la
demande et de la technologie, on pense naturellement à la productivité des connaissances ellesmêmes et à la possibilité de les adapter au marché.
Enfin, l’influence positive de la part de marché
sur la décision de faire de la recherche ne contredit pas la position schumpeterienne, même si le
pouvoir de marché ex ante (c’est-à-dire possédé
avant l’innovation) n’apparaît pas comme le principal déterminant de la recherche.
Ces résultats peuvent être mis en perspective en
les comparant avec ceux obtenus par les études
antérieures, essentiellement sur données américaines, et résumés dans les faits stylisés de Cohen
et Klepper (1996). La croissance de la probabilité
de faire de la recherche avec la taille correspond
bien au premier résultat de Cohen et Klepper.
Toutefois, les conditions de demande et technologiques auxquelles l’entreprise fait face, ainsi que
son pouvoir de marché, sont tout aussi importants
que la taille lorsqu’elle doit décider d’investir ou
non en recherche. Ainsi, une entreprise bénéficiant d’un faible pouvoir de marché et d’une
taille moyenne n’investira en recherche que si les
opportunités de demande et de technologie sont
fortes dans son activité. Inclure les indicateurs de
l’enquête Innovation dans l’équation de
recherche permet, d’une certaine façon, de réintégrer les PME dans le modèle et de mieux expliquer leurs performances qu’avec les modèles traditionnels qui incorporent seulement la taille et
une mesure du pouvoir de marché.
... et ceux du montant investi
Les indicateurs d’impulsion de la demande et de
poussée de la technologie, tirés de l’enquête
Innovation, expliquent également les fortes différences de montants investis en R&D. La deuxième
colonne du tableau 1 donne les déterminants du
montant investi en recherche et développement (ou
capital de R&D) par employé. La taille n’influence
pas significativement ce rapport, ce qui correspond
au deuxième résultat de Cohen et Klepper (1996),
alors que la diversification et la part de marché ont
un effet significativement positif. Ainsi, les petites
entreprises n’investissent pas proportionnellement
plus que les grandes en recherche, toutes choses
égales par ailleurs. De plus, on retrouve un effet de
ÉCONOMIE ET STATISTIQUE N° 334, 2000 - 4
type schumpeterien (10), puisque la part de marché
est associée à la fois à une plus grande participation
à la recherche formelle et à de plus forts montants
investis en recherche par employé.
Les indicateurs de l’enquête Innovation apportent
également un résultat intéressant : alors que la
poussée de la technologie a une forte influence sur
les montants investis par employé (+ 60 % pour la
modalité « moyenne » et + 90 % pour la modalité
« forte »), l’impulsion de la demande n’a pas d’effet significatif. Ce dernier résultat, contre intuitif,
trouve tout son sens si on le rapproche de la structure du modèle présenté ici : la demande joue sur
le gain anticipé de l’investissement en recherche
(c’est-à-dire sur la décision) mais pas sur le montant investi. Tout se passe donc comme si, une fois
la décision de faire l’investissement prise, les
conditions technologiques prenaient le pas sur les
conditions de marché. Il existe un moyen de vérifier partiellement cette conjecture en recherchant
un éventuel effet positif de la demande sur l’output
de la recherche (l’innovation), ce que nous trouverons effectivement plus loin.
Le rôle propre
de la poussée technologique
Quelle est l’importance relative des écarts dus aux
différences de poussée technologique par rapport
aux effets mieux connus de la part de marché et de
la diversification ? On peut répondre à cette question en évaluant le supplément de part de marché
ou de diversification qu’il faudrait à une entreprise pour compenser les différences de poussée de
la technologie.
À partir de la deuxième colonne du tableau 1, ces
variations peuvent être quantifiées. D’une part, la
différence de recherche entre les entreprises qui
bénéficient d’une poussée moyenne de la technologie et celles qui n’en bénéficient pas ou faiblement est égale à !ln K = 0,604 (11). D’autre part,
l’écart d’investissement dû à une différence de
part de marché est égal à !ln K = 0,356 x !ln PM.
En égalisant ces deux quantités, on trouve donc
qu’il faudrait à une entreprise une part de marché
exp (0,604 / 0,356) = 5,45 fois plus forte pour
compenser un passage d’une faible poussée de la
technologie à un effet moyen. En d’autres termes,
10. Dans la littérature appliquée les « effets schumpeteriens »
désignent les effets positifs de la taille et du pouvoir de marché
sur l’innovation, mis en avant par J. Schumpeter (1942).
11. Le coefficient de la dynamique de la technologie n’est pas
significatif pour la modalité « faible ». Le coefficient est celui
d’une indicatrice, ce qui explique que la variable n’apparaît pas
dans la formule. De manière plus détaillée, on a :
! In K = 0,604 x ! TP = 0,604 x (1 - 0) = 0,604.
71
065-078 Mesurer rendement 05/10/2000 10:30 Page 72
tout se passe comme si les entreprises à poussée
technologique moyenne avaient une part de marché 5 fois plus grande que les entreprises à faible
poussée technologique. Pour la forte poussée
technologique (coefficient égal à 0,907), on trouve une multiplication par 13, ce qui montre que la
poussée de la technologie a une influence déterminante sur l’investissement en recherche.
Avec la même méthode, on peut évaluer
le différentiel de diversification nécessaire pour
compenser la poussée technologique : comme le
coefficient de la diversification est quasiment
égal à celui de la part de marché (0,333 contre
0,356), les différences sont du même ordre de
grandeur pour la diversification que pour la part
de marché.
Tableau 1
Estimation des modèles
Variables explicatives
Recherche-Développement
Modèle avec brevets
Modèle avec pourcentage
d’innovation
Probit
(décision)
Tobit
(montant)
Brevets par
employé
Capital de R-D par employé
(K en logarithme, endogène)
x
x
1,078*
(0,166)
x
0,304*
(0,064)
x
Nombre de brevets par employé
(BREV en logarithme, endogène)
x
x
x
x
x
x
0,089*
(0,015)
x
x
Pourcentage d’innovations
(INO en logarithme, endogène)
x
x
x
x
x
0,065*
(0,015)
Part de marché
(PM, en logarithme)
0,221*
(0,031)
0,356*
(0,053)
x
x
x
x
Diversification
(DIV, en logarithme)
0,302*
(0,103)
0,333*
(0,142)
x
x
x
x
Emploi
(EMP, en logarithme)
0,387*
(0,040)
- 0,043
(0,066)
- 0,066
(0,073)
- 0,014
0,007
- 0,002
(0,028)
(0,007)
(0,004)
Intensité capitalistique
(CAP-EMP, en logarithme)
x
x
x
0,194*
(0,007)
x
0,198*
(0,007)
Ingénieurs/Emploi
(PI, en niveau)
x
x
x
1,614*
(0,123)
x
1,649*
(0,123)
Cadres/Emploi
(PA, en niveau)
x
x
x
1,744*
(0,143)
x
1,765*
(0,142)
– faible
0,261
(0,192)
0,377
(0,308)
- 0,071
(0,332)
x
- 0,040
(0,150)
x
– moyenne
0,191
(0,170)
0,342
(0,277)
- 0,068
(0,315)
x
0,164
(0,137)
x
– forte
0,343*
(0,164)
0,412
(0,272)
0,074
(0,304)
x
0,399*
(0,133)
x
– faible
0,173
(0,120)
0,173
(0,207)
- 0,237
(0,254)
x
0,229*
(0,089)
x
– moyenne
0,322*
(0,113)
0,604*
(0,198)
- 0,540*
(0,255)
x
0,268*
(0,092)
x
– forte
0,444*
(0,117)
0,907*
(0,202)
- 0,483
(0,277)
x
0,333*
(0,105)
x
Productivité
Innovation
(%)
Productivité
Impulsion de la demande
(DP, indicatrices) :
Dynamique de la technologie
(TP, indicatrices) :
* Significatif au seuil de 5 %.
Lecture : l’estimation est réalisée par les moindres carrés asymptotiques à partir des estimateurs du maximum de vraisemblance et du
pseudo-maximum de vraisemblance de la forme réduite.
Équation de recherche : la partie « probit » de l’équation concerne la décision de faire de la recherche, la partie « tobit » concerne
le montant investi en recherche sachant la décision.
Équation de brevets : on explique le logarithme de l’espérance du nombre de brevets par employé par le logarithme de la recherche.
Les brevets entrent alors dans la fonction de production.
Équation d’innovation : on explique le logarithme du pourcentage de produits innovants par le logarithme des dépenses de recherche,
et ce pourcentage (en logarithme) entre lui-même dans la fonction de production.
Source : calculs des auteurs.
72
ÉCONOMIE ET STATISTIQUE N° 334, 2000 - 4
065-078 Mesurer rendement 05/10/2000 10:30 Page 73
Le nombre de brevets déposés :
une mesure incomplète de l’innovation
Compte tenu des différences d’investissement en
recherche, trouve-t-on un output supérieur dans
les secteurs où les opportunités sont les plus
fortes, et dans l’affirmative, de combien ? La
réponse à cette question dépend évidemment de la
mesure employée comme output de l’innovation.
L’utilisation du nombre de brevets pose ici
quelques problèmes liés à leurs défauts habituels.
La première évaluation est la plus répandue dans
la littérature (Griliches éd., 1984). Les colonnes 3
et 4 du tableau 1 donnent respectivement l’équation de brevets, reliant le nombre de brevets
déposés aux dépenses de recherche et la fonction
de production avec innovation endogène, mesurée
par les brevets.
Le nombre de brevets déposés est proportionnel au
capital de R&D (coefficient de l’emploi proche
de 0) et l’élasticité de la recherche est unitaire
(coefficient 1,078). Ce résultat, standard sur données françaises (Crépon et Duguet, 1994), contredit
le troisième fait stylisé de Cohen et Klepper (1996)
selon lequel le nombre de brevets rapporté à la
taille diminuerait avec la taille. Mais la raison de
cette différence pourrait bien provenir d’une différence de méthode d’estimation. Les études sur lesquelles se base ce fait stylisé ne portent que sur les
entreprises qui brevettent, alors qu’ici toutes les
entreprises sont retenues, conformément aux principes de l’économétrie des données de comptage.
De plus, en utilisant les mêmes méthodes que ces
auteurs sur le sous-échantillon des entreprises qui
brevettent, un résultat identique, c’est-à-dire la
baisse du nombre de brevets par employé avec la
taille, est obtenu (Crépon, Duguet et Mairesse,
1998). Au total, il n’y aurait donc pas de décroissance mais plutôt un problème de méthode d’estimation qui rend nécessaire l’examen de cette question sur un ensemble de données plus vaste (12).
Les indicateurs de demande comme de technologie n’auraient pas d’effet significatif sur le
nombre de brevets déposés. On trouve même un
effet négatif de la poussée de la technologie.
Toutefois, ce dernier résultat ne signifie pas que la
poussée technologique a un effet négatif sur le
nombre de brevets. Il peut refléter l’un des défauts
traditionnellement reconnus du nombre de brevets
comme mesure de l’innovation.
L’explication suivante peut être proposée.
Supposons que les entreprises ne brevettent
qu’une partie de leurs innovations (13), notée
PROP. Le nombre d’innovations est alors égal à
ÉCONOMIE ET STATISTIQUE N° 334, 2000 - 4
BREV/PROP, ce qui implique que :
ln BREV = ln PROP + ln K + b TP
où PROP est la proportion d’innovations brevetées par une entreprise. Supposons maintenant que
la proportion d’innovations brevetées dépende de
la poussée de la technologie, avec :
ln PROP = c TP
En reportant cette relation dans l’équation de brevets, l’effet estimé n’est pas l’effet de la poussée de
la technologie sur le nombre de brevets mais b + c,
c’est-à-dire son effet cumulé sur la proportion d’innovations brevetées et sur le nombre de brevets
déposés (b n’est pas négatif mais b + c l’est). Cette
extension du modèle montre donc que les entreprises qui bénéficient d’une plus grande poussée
technologique retardent ou évitent le dépôt de brevet afin de ne pas révéler d’information sensible à
leurs concurrents. L’effet négatif sur le nombre de
brevets déposés pourrait donc traduire le fait que le
brevet ne soit pas le meilleur moyen de protection
des innovations. Les entreprises préféreraient, globalement, recourir au secret de fabrication (Bussy,
Kabla et Lehoucq, 1994 ; Crampes, 1986). Cette
conclusion va dans le même sens qu’une
étude récente, réalisée à partir de l’enquête
Appropriation du Sessi, qui montre que la diffusion des informations contenues dans le brevet
semble bien être la principale cause de renonciation
au dépôt de brevet (Duguet et Kabla, 1998).
L’intégration du nombre de brevets à la fonction de
production pour mesurer les gains de productivité
(cf. tableau 1, colonne 4), donne des résultats standard, sur données individuelles, pour les facteurs de
production : des rendements d’échelle constants,
une élasticité du capital physique proche de 0,2 et
un effet positif de la qualité du travail sur la productivité (valeur ajoutée par employé).
12. En toute rigueur, il faudrait relancer des régressions sur données américaines avec le même modèle et les mêmes
méthodes d’estimation, ce qui n’a pas encore été fait. Pour les
brevets, les formes fonctionnelles utilisées à ce jour (Hausman,
Hall et Griliches, 1984) utilisent les retards des logarithmes des
investissements en recherche au lieu du logarithme du capital
de recherche. De même, aucune estimation d’un modèle à
équations simultanées, avec un traitement adéquat des biais de
sélection, ne semble avoir été effectuée sur données étrangères.
13. Le pourcentage d’innovations brevetées par les entreprises
qui font de la recherche dans l’industrie manufacturière française est, en moyenne, de l’ordre de 30 % seulement. Pour
quelques statistisques descriptives tirées de l’enquête
Appropriation et une analyse économétrique de ce problème, se
reporter à Duguet et Kabla (1998).
73
065-078 Mesurer rendement 05/10/2000 10:30 Page 74
Le coefficient trouvé pour les brevets, proche de
0,1, permet d’évaluer le différentiel de productivité en fonction du différentiel d’innovation.
D’après
la
4 e colonne
du
tableau 1,
! ln P = 0,089 x ! ln BREV. On en déduit
qu’une entreprise qui a déposé deux brevets a,
toutes choses égales par ailleurs, une productivité
de 6 % plus élevée qu’une entreprise qui n’a déposé qu’un seul brevet (14). L’écart pour un dépôt de
six brevets (qui correspond au 3e quartile,
cf. tableau 2 et graphique I) est de 17 %. Ainsi,
malgré ses défauts, le nombre de brevets déposés
peut tout de même montrer de forts écarts de performances entre les entreprises. Mais, comme on
l’a vu, le nombre de brevets déposés reste une
mesure imparfaite de l’innovation même si, au vu
de ces résultats, la seule critique que l’on puisse
faire aux brevets pour mesurer les gains de productivité est leur manque de représentativité : seulement 16 % des entreprises de l’échantillon brevettent (15). La robustesse de ces résultats doit
donc être évaluée avec une mesure a priori plus
fiable de l’innovation : la part des produits de
moins de cinq ans dans le chiffre d’affaires ou
taux de renouvellement des produits.
Une mesure plus fiable de l’innovation :
le taux de renouvellement des produits
Les résultats obtenus à partir de l’équation d’innovation sont plus satisfaisants pour les indicateurs d’impulsion du marché et de poussée de la
technologie que ceux fournis par l’équation de
brevets. Parmi ces résultats, la taille de l’entreprise n’influence pas le taux de renouvellement
des produits et l’élasticité du capital de recherche
est de l’ordre de 0,3 (cf. tableau 1, colonne 5).
Les plus fortes différences d’output innovant sont
liées au marché, et seule la modalité la plus forte
présente un effet significatif. La technologie a
également un effet significatif mais plus diffus.
Une forte impulsion du marché est associée ici à
un output innovant plus élevé de 40 %. Une poussée moyenne de la technologie donne un taux de
renouvellement des produits plus élevé de 25 %,
en termes relatifs, et une forte poussée de la technologie justifie un écart de 33 %. Dans l’ensemble, les rendements sont constants (c’est-àdire qu’il n’y a pas d’effet de la taille sur le ratio),
ce qui va dans le même sens que l’équation de brevets, mais la performance des entreprises en matière d’innovation dépend significativement des conditions individuelles d’impulsion de la demande et de
poussée de la technologie. Ce dernier point est
important : toutes les régressions éliminent les différences entre les secteurs d’activité au moyen
74
d’effets fixes. Ce résultat signifie qu’il existe bien
de fortes différences de performances à l’innovation au sein des secteurs d’activité et pas seulement
entre les secteurs « porteurs » et les autres.
L’importance de ces différences de productivité de
la recherche peut être mesurée en évaluant le capital de recherche supplémentaire qu’il faudrait
qu’une entreprise investisse pour compenser un
handicap d’impulsion de la demande ou de poussée
de la technologie (16). D’après la colonne 5 du
tableau 1, ! ln INO = 0,399 pour les entreprises qui
bénéficient d’une forte impulsion du marché et
! ln INO = 0,304 ! In K pour les différences liées
à la recherche. Des calculs similaires aux précédents impliquent que tout se passe comme si les
entreprises qui ont une forte impulsion du marché
bénéficiaient, toutes choses égales par ailleurs,
d’un capital de recherche et développement 3,7 fois
plus fort que celles qui n’ont pas d’impulsion (17).
L’impact de la poussée de la technologie est évalué
de la même manière : les entreprises qui ont une
poussée moyenne ou forte bénéficient d’un capital
de recherche équivalent respectivement à 2 et 3 fois
le capital de recherche de celles qui ne bénéficient
pas de la poussée de la technologie.
Ces résultats amènent à s’interroger sur l’origine
de ces écarts de poussée de la technologie. Une
explication possible serait que ces écarts dépendent fortement des investissements en recherche
fondamentale réalisés par le passé, généralement
financés sur fonds publics. Un plus grand nombre
d’études empiriques seront nécessaires pour examiner ce point, mais l’importance des écarts constatés
ne peut qu’inciter à les entreprendre.
La dernière colonne du tableau 1 fournit, pour les
variables de capital physique, d’emploi et de qualification des résultats comparables au modèle avec
brevets. L’élasticité de la productivité au ratio d’innovation est de 0,07 soit un peu plus faible que
pour les brevets. Il n’en demeure pas moins que ce
ratio explique des différences importantes de productivité. Pour les évaluer, un ratio de 5 % est pris
comme point de référence car il correspond au
centre de la modalité la plus faible de cette variable
14. Le calcul est le suivant : ! ln P = 0,089 x (ln 2 - ln 1)
= 0,089 x 0,693 = 0,062, ce qui correspond à un écart de productivité de 6,2 %.
15. Ceci pourrait générer des biais importants si l’on souhaitait
agréger ces gains sur l’ensemble de l’industrie, car la mesure
agrégée négligerait les gains des 84 % d’entreprises qui ne
brevettent pas.
16. Ce calcul n’a pas été fait pour les brevets car les indicateurs
correspondants ne sont pas significatifs (au seuil de 5 %).
17. Les modalités « faible » et « moyenne » de la variable
d’impulsion de demande ne sont pas significatives.
ÉCONOMIE ET STATISTIQUE N° 334, 2000 - 4
065-078 Mesurer rendement 05/10/2000 10:30 Page 75
(cf. tableau 2 et graphique II) (18). Par rapport à
cette référence, une entreprise qui possède un ratio
d’innovation de 10 % réalise un gain de productivité de près de 5 %. Si l’on prend les centres des
autres classes de cette variable, les gains sont respectivement de 9 %, 16 % et 20 % pour des ratios
de 20 %, 50 % et 85 %. Ces gains semblent légèrement plus faibles que pour les brevets, car il est
18. Le ratio d’innovation comporte quatre modalités dans l’enquête Innovation du Sessi : entre 0 et 10 %, de 10 à 30 %, de
30 à 70 % et plus de 70 %.
Graphique I
Répartition du nombre de brevets européens
déposés (1986-1990)
Graphique II
Part des ventes en produits
de moins de 5 ans (1990)
difficile pour une entreprise d’atteindre des ratios
d’innovation élevés. En effet, la moitié des entreprises possèdent un ratio compris entre 0 et 10 %
En %
50
Effectif
Simple Cumulé
40
30
20
10
0
1
2
3
4
5
6
7
8
9
Pourcentage
Simple
Cumulé
0-10%
2158
2158
51.83
51.83
10-30%
1315
3473
31.58
83.41
30-70%
581
4054
13.95
97.36
>70%
110
4164
2.64
100.00
0
>9
10
20
30
40
50
60
%
Lecture : 40 % des entreprises qui brevettent ont déposé un seul
brevet.
Champ : entreprises de 20 employés ou plus dans l’industrie
manufacturière. Ce graphique ne concerne que les 16,1 %
entreprises qui brevettent.
Source : European Patent Office (base Insee-OST).
Lecture : 2,64 % des entreprises innovantes ont réalisé plus
de 70 % de leur chiffre d’affaires de 1990 en produits nouveaux
(elles sont 110).
Champ : entreprises de 20 employés et plus dans l’industrie
manufacturière.
Source : enquête Innovation du Sessi (1991).
Tableau 2
Statistiques descriptives
Statistiques descriptives
Capital de R&D par employé (1)
(K, 1989)
Premier quartile
Médiane
Troisième quartile
%
échantillon
89,1
192,1
461,9
15,3
Nombre d’employés
(EMP, 1990)
39
69
183
100
Part de marché
(PM en %, 1988)
0,1
0,4
1,3
100
Nombre équivalent d’activités
(DIV, 1988)
1,2
1,6
2,0
29,8
1
2
6
16,1
Valeur ajoutée par employé (1)
(P, 1990)
196
243
314
100
Capital physique par employé (1)
(CAP, 1990)
123
208
353
100
Ingénieurs/Emploi
(PI en %, 1990)
2,4
3,8
6,6
79,1
Personnel administratif/Emploi
(PA en %, 1990)
1,8
3,1
5,4
72,2
Nombre de brevets européens déposés
(BREV,1986-1990)
1. En milliers de francs 1990.
Lecture (dernière colonne) : 15,3 % des entreprises innovantes sont présentes dans l’enquête Recherche, 29,8 % sont diversifiées
et 16,1 % ont déposé un brevet sur la période 1986-1990.
Champ : échantillon de 4 164 entreprises innovantes dans l’industrie manufacturière (20 employés ou plus).
Sources : European Patent Office (base Insee-OST), Insee, ministère de la Recherche et de la Technologie, Sessi.
ÉCONOMIE ET STATISTIQUE N° 334, 2000 - 4
75
065-078 Mesurer rendement 05/10/2000 10:30 Page 76
(cf. graphique II). Les trois autres cas concernent
respectivement 32 %, 14 % et moins de 3 % des
entreprises. Ceci dit, il ne faut pas perdre de vue
qu’il y a près de cinq fois plus d’innovateurs que
de déposants de brevets. Globalement, le taux de
renouvellement des produits permet bien d’expliquer des gains de productivité importants dans l’industrie manufacturière.
Une nouvelle approche complémentaire
et enrichissante
Au vu des résultats précédents, les indicateurs de
l’enquête Innovation, parfois critiqués en raison
de leur aspect qualitatif, apparaissent bien comme
des compléments irremplaçables aux statistiques
quantitatives traditionnelles. Ils véhiculent bien
une information pertinente. Ceci est particulièrement vrai de l’équation d’innovation, qui relie l’innovation à la recherche, où les brevets sont désavantagés. En revanche, les gains de productivité
expliqués par le nombre de brevets déposés ou par
le ratio d’innovation (ou taux de renouvellement
des produits) sont assez comparables (19).
Sur l’investissement en recherche, les entreprises
de plus grande taille, celles qui ont une plus grande
part de marché ou encore qui sont plus diversifiées, s’engagent plus souvent que les autres dans
des programmes de recherche formelle, ce qui
confirme bien l’existence d’effets schumpeteriens. En revanche, la taille ne joue pas sur le
montant investi en recherche par employé, seules
la part de marché et la diversification incitent à
investir de plus gros montants en recherche-développement. Mais ces variables sont loin d’expliquer toutes les différences d’investissement entre
les entreprises. L’impulsion de la demande et la
dynamique de la technologie, proche du demand
pull de Schmookler et du technology push de
Rosenberg, expliquent des différences d’investissement nettement plus fortes que la part de marché et la diversification.
L’environnement compétitif et technologique de
l’entreprise reste donc une condition essentielle
de l’investissement en recherche. Ces deux
composantes se différencient d’ailleurs par leur
effet sur la R&D : l’impulsion de la demande
n’influencerait l’investissement en recherche qu’à
travers la décision de participer à des programmes
de recherche, c’est-à-dire à travers le gain attendu
de cette activité. La technologie aurait, elle, un
effet supplémentaire direct sur le montant investi.
*
*
*
L’utilisation conjointe de nouvelles bases de données, de nouvelles méthodes économétriques et
d’un modèle global d’innovation permettent donc,
dans l’ensemble, de mieux appréhender le problème de l’évaluation du rendement de la recherche.
Ces premiers résultats gagneraient à une comparaison internationale. En effet, la plupart des pays
européens ont également réalisé des enquêtes sur
l’innovation dans les années récentes, ce qui
ouvre la possibilité d’études comparatives (20).
Toutefois, à ce jour, les études réalisées à partir de
ces enquêtes portent essentiellement sur les déterminants de l’innovation. Elles laissent néanmoins
encore sous silence les performances que l’on
peut attendre des outputs de l’innovation. Sur les
déterminants de l’innovation, les résultats sont
cependant globalement convergents entre les différents pays européens (Kleinknecht éd., 1996 ;
Annales d’Économie et de Statistique, 1998). ■
19. D’autres mesures d’innovation tirées de la même enquête
ont également été employées pour étudier les gains de productivité globale des facteurs sur données d’entreprises. On trouve
des gains de croissance de la productivité assez importants
(Duguet, 1999).
20. Il s’agit des enquêtes CIS pour « Community Innovation
Survey ».
Les auteurs remercient les deux rapporteurs anonymes ainsi que les participants aux congrès suivants :
The effects of Technology and Innovation on Firm Performance and Employment (Washington D.C., mai
1995), Journées de l’Association Française de Sciences Économiques (Caen, avril 1996), École d’Été
Méditerranéenne en Économie Industrielle (Cargèse, septembre 1996) et Econometric Society European
Meeting (Toulouse, août 1997). Cet article s’appuie sur un travail antérieur des mêmes auteurs (1998).
76
ÉCONOMIE ET STATISTIQUE N° 334, 2000 - 4
065-078 Mesurer rendement 05/10/2000 10:30 Page 77
BIBLIOGRAPHIE
Annales d’Économie et de Statistique (1998),
L’économie et l’économétrie de l’innovation,
n° 49-50.
Arrow K. (1962), « Economic Welfare and the
Allocation of Ressources for Invention », in R.
Nelson ed., The Rate and Direction of Economic
Activity, Princeton University Press.
Barlet C., Duguet E., Encaoua D. et Pradel J.
(1998), « The Commercial Success of Innovations: an Econometric Analysis at the Firm
Level », Annales d’Économie et de Statistique,
n° 49-50, pp. 458-478.
Bound J., Cummings C., Griliches Z., Hall
B.H. et Jaffe A. (1984), « Who does R&D and
who Patents? » in Z. Griliches ed., R&D, Patents
and Productivity, NBER, University of Chicago
Press.
Bussy J.-C., Carpentier C. et I. Kabla (1994),
« Les entreprises françaises à l’heure du brevet
européen », Économie et Statistique, n° 275-276,
pp. 55-70.
Bussy J.-C., Kabla I. et T. Lehoucq (1994), « La
protection technologique dans l’industrie : entre
brevet et secret, un choix stratégique », Le 4 Pages
du Sessi, n° 34.
Cohen W. et Klepper S. (1996), « A Reprise of
Size and R&D », The Economic Journal, vol.
106, July, pp. 925-951.
Cohen W. et Levin R. (1989), « Innovation and
Market Structure », in R. Schmalensee and R.
Willig eds., Handbook of Industrial Organization,
vol. 2, chapter 18, pp. 1060-1107, North-Holland.
Crampes C. (1986), « Les inconvénients d’un
dépôt de brevet pour une entreprise innovatrice »,
L’Actualité Économique, vol. 62, pp. 521-534.
Crépon B. et Duguet E. (1994), « Innovation :
mesures, rendements et concurrence », Économie
et Statistique, n° 275-276, pp. 121-134.
Crépon B. et Duguet E. (1995), Une bibliothèque
de macro-commandes pour l’économétrie des
variables qualitatives et de comptage, document de
travail du Crest, n° 9525 (disponible sur :
http://panoramix.univ-paris1.fr/CEME /DUGUET).
ÉCONOMIE ET STATISTIQUE N° 334, 2000 - 4
Crépon B. et Duguet E. (1997), « Research and
Development, Innovation and Competition: an
Application of Pseudo Maximum Likelihood
Methods to Poisson Models with Heterogeneity »,
Journal of Econometrics, vol. 79, pp. 355-378.
Crépon B., Duguet E. et Kabla I. (1996),
« A Moderate Support to Schumpeterian Conjectures from Various Innovation Measures », in
A. Kleinknech ed., Determinants of Innovation:
the Message from New Indicators, Mc Millan,
Londres.
Crépon B., Duguet E. et Mairesse J. (1998),
« Research Investment, Innovation and Productivity:
an Econometric Analysis », Economics of Innovation and New Technology, vol. 7(2), pp. 115-158.
Crépon B. et Mairesse J. (1993), « Recherche
développement, productivité et qualification », in
D. Guellec éd, Innovation, croissance et productivité, Insee Méthodes, Economica.
Duguet E. (1996), Investissement en R&D, innovation et productivité : une analyse économétrique
de l’industrie manufacturière française, Thèse de
Doctorat, Université de Paris I - Panthéon Sorbonne.
Duguet E. (1999), « Diffusion des connaissances,
innovation et croissance : une analyse économétrique du lien entre la productivité globale des
facteurs et l’innovation sur données d’entreprises »,
Les chiffres-clés de l’industrie, coll. « Analyse »,
n° 210.
Duguet E. et Greenan N. (1997), « Le biais
technologique : une analyse économétrique sur
données individuelles », Revue Économique,
48(5), pp. 1061-1089.
Duguet E. et Kabla I. (1998), « Appropriation
Strategy and the Motivations to Use the Patent
System in France: an Econometric Analysis at
the Firm Level », Annales d’Économie et de
Statistique, n° 49-50, pp. 289-327.
François J.-P. (1991), « Une enquête sur l’innovation », Courrier des Statistiques, n°57.
Gouriéroux C. (1989), Économétrie des variables
qualitatives, Economica.
77
065-078 Mesurer rendement 05/10/2000 10:30 Page 78
Gouriéroux C., Monfort A. et Trognon A.
(1984), Pseudo Maximum Likelihood Methods:
Application to Poisson Models, Econometrica,
vol. 52, n°3, pp. 701-720.
Levin R., Klevorick A., Nelson R. et Winter S.
(1987), « Appropriating the Returns from Industrial
Research and Development », Brookings Papers
on Economic Activity, 3, pp. 783-831.
Griliches Z. éd. (1984), R&D, Patents and
Productivity, NBER, University of Chicago Press.
Mairesse J. et Sassenou M. (1991), « Recherchedéveloppement et productivité : un panorama des
études économétriques sur données d’entreprises »,
in J. de Bandt et D. Foray éds., L’évaluation économique de la recherche et du changement technologique, Éditions du CNRS, Paris, pp. 61-96.
Griliches Z. (1990), « Patent Statistics as
Economic Indicators: a Survey », Journal of
Economic Literature, vol. XXVIII, pp. 1661-1707.
Griliches Z. (1998), R&D and Productivity: the
Econometric Evidence, University of Chicago Press.
Hausman J., Hall B. et Griliches Z. (1984),
« Econometric Models for Count Data with an
Application to the Patent-R&D Relationship »,
Econometrica, vol. 52, n° 4, pp. 909-938.
Heckman (1976), « The Common Structure of
Statistical Models of Truncation, Sample Selection and Limited Dependent Variables and an
Estimator for such Models », Annals of Economic
and Social Measurement, vol. 5, pp. 475-492.
78
Rosenberg N. (1974), « Science, Innovation and
Economic Growth », Economic Journal, 84,
pp. 90-108.
Scherer F. (1984), Innovation and Growth:
Schumpeterian Perspectives, MIT Press.
Scherer F. (1992), « Schumpeter and Plausible
Capitalism », Journal of Economic Literature,
vol. XXX, pp. 1416-1433.
Schmookler J. (1966), Invention and Economic
Growth, Harvard University Press.
Kleinknecht A. (1987), « Measuring R&D in Small
Firms: how much are we missing ? », Journal of
Industrial Economics, 36, pp. 253-256.
Schumpeter J. (1942), Capitalisme , socialisme
et démocratie, Payot.
Kleinknecht A. éd. (1996), Determinants of
Innovation : the Message from New Indicators,
Mc Millan, Londres.
Sutton J. (1991), Sunk Cost and Market
Structure: Price Competition, Advertising and the
Evolution of Concentration, MIT Press.
ÉCONOMIE ET STATISTIQUE N° 334, 2000 - 4
Téléchargement
Random flashcards
amour

4 Cartes mariam kasouh

Commune de paris

0 Cartes Edune

Ce que beaucoup devaient savoir

0 Cartes Jule EDOH

Le lapin

5 Cartes Christine Tourangeau

Créer des cartes mémoire