Études des mécanismes et des stratégies pour favoriser le développement de la propriété intellectuelle des technologies vertes pour les startups au Canada
Notice bibliographique
Résumé
Ce mémoire se penche sur les mécanismes et stratégies visant à promouvoir le développement de la propriété intellectuelle (PI) des technologies vertes pour les startups au Canada. Dans un contexte où ces entreprises jouent un rôle clé dans la transition vers une économie plus verte, il est crucial de comprendre les défis et opportunités associés à la gestion de leur PI qui est un levier essentiel pour protéger les résultats de la recherche et stimuler l’innovation. Cette étude adopte une méthodologie mixte, combinant des approches quantitative et qualitative. Dans un premier temps, une revue documentaire approfondie est menée afin d’analyser les dynamiques en matière d’innovation verte et les politiques gouvernementales. Par la suite, une analyse quantitative des dépôts de brevets est effectuée. Celle-ci s’appuie sur une labellisation automatisée par intelligence artificielle (IA) afin de classifier leurs impacts environnementaux, ce qui permet d’identifier les tendances technologiques et les types d’innovations émergentes dans le secteur cleantech. En parallèle, des entretiens semistructurés sont réalisés auprès de représentants de startups cleantech canadiennes, dans le but d’explorer leurs stratégies de PI, les obstacles rencontrés et leur perception des soutiens publics, tels que les brevets verts ou les subventions. Les résultats de cette recherche visent à identifier les meilleures pratiques en PI verte, tout en soulignant les lacunes des mécanismes existants. À terme, ce travail propose des recommandations concrètes pour renforcer l'efficacité des stratégies de PI des startups canadiennes dans le secteur des technologies propres, tout en offrant des pistes d’amélioration. Ce mémoire contribuera à éclairer les pratiques en matière de PI verte, consolidant ainsi le rôle des startups cleantech dans la lutte pour les pratiques écoresponsables en favorisant une innovation verte.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,009 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».