Notice bibliographique
Résumé
Le Crdit d'impt recherche en dbat 1Sarah Guillou et Evens Salies La remise en cause du Crdit d'impt recherche (CIR) revient de faon rcurrente l'occasion des dbats plus gnraux sur les dductions fiscales accordes aux entreprises.Rcemment, ce dispositif de soutien de la R&D des entreprises a fait l'objet d'interrogations plus cibles sur son efficacit, au regard de son cot pour la collectivit qui a fortement augment depuis la rforme de 2008.Au mme moment, des dcisions de localisation de sites ddis la R&D en France par des entreprises trangres (Facebook, Intel) sont utilises comme des faire-valoir de l'utilit de la gnrosit du dispositif franais.Couvrant aujourd'hui prs de 15 000 entreprises, le CIR induit une crance sur l'tat estime 6,2 milliards d'euros en 2014, aprs plus de 5 milliards en 2013.Cette crance est quivalente 0,26 % du PIB alors qu'au Canada et aux tats-Unis, les crdits d'impts recherche quivalent 0,21 % et 0,05 % du PIB, respectivement.Si on observe une augmentation de la Dpense intrieure de R&D des entreprises (DIRDE) depuis 2008 (MENESR, 2015b), qui s'lve 31,2 milliards d'euros en 2014, la part dans le PIB de la R&D prive est toujours insuffisante relativement l'objectif europen de Lisbonne ; on peut lgitimement s'interroger sur l'impact de la gnrosit du CIR sur la DIRDE 2 .Par ailleurs, la mise en concurrence des dispositifs nationaux, alors que l'Asie est un attracteur de plus en plus puissant des dpenses en R&D, interroge sur la prennit du systme.Cette note tente de synthtiser l'tat des connaissances sur le CIR qui a fait l'objet de nombreux rapports et de plusieurs valuations sur des priodes diffrentes.Elle propose de clarifier les termes du dbat afin d'envisager le futur de ce dispositif dans un contexte qui associe une exigence de plus en plus forte de comptitivit hors-prix, des contraintes budgtaires qui renforcent la ncessit de l'valuation du dispositif et un processus d'internationalisation de la R&D. 1. Cette note a bnfici de discussions entre les membres du Dpartement Innovation et Concurrence de l'OFCE.Les auteurs remercient les chercheurs pour ces changes encourageants et moteurs, ainsi que Benot Masquin et Adric Aulbry pour leurs informations prcieuses.2. Les objectifs de Lisbonne sont dtaills plus bas.Pour des comparaisons europennes voir MENESR (2015d).f
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».