Régulation, politiques et innovation industrielle : approche par méthodes et implications
Bibliographic record
Abstract
De manière générale, différentes approches s’offrent aux décideurs politiques lorsqu’il s’agit de promouvoir l’innovation. Pour reprendre la distinction posée par la plupart des économistes industriels, les politiques peuvent être de nature presciptive ou incitative. A travers une série d’analyses théoriques et empiriques, cette thèse identifie plusieurs facteurs clés qui déterminent l’efficacité des politiques d’innovation, que l’approche adoptée soit de nature prescriptive ou incitative. En guise de préambule, nous soulignons que les politiques mises en oeuvre constituent un déterminant fondamental des capacités d’innovation d’une industrie, notamment parce que les incitations marchandes à engager des activités de recherche fortement exploratoires sont limitées. Par ailleurs, nous signalons que la nature des politiques susceptibles de favoriser l’innovation dépend fondamentalement des caractéristiques des industries, et même des firmes, auxquelles elles sont destinées. La mise en oeuvre de politiques (incitatives ou presciptives) efficaces requiert ainsi une compréhension approfondie du secteur d’activité que l’on souhaite promouvoir et de la nature des processus d’innovation qui impliquent notamment différents types d’investissements (à plus ou moins long terme, plus ou moins risqués et plus ou moins exploratoires). Cette thèse analyse ensuite, à travers trois études de cas, l’incidence de différentes politiques (incitatives ou presciptives) mises en oeuvre dans des contextes industriels distincts. Partant de l’hypothèse selon laquelle les politiques presciptives ont un impact bénéfique sur l’innovation et le développement technologique d’un secteur à court terme mais des effects plus incertains à long terme, nous étudions l’impact des politiques de libéralisation (ouverture à la concurrence et privatisation des opérateurs historiques) qui ont été mises en oeuvre dans le secteur des télécommunications. A travers une étude économétrique portant sur un panel de 20 pays de l’OCDE sur la période 1994-2008, nous soulignons que l’impact de la concurrence sur les décisions d’investissement s’exerce à travers deux effects : l’effet «profitabilité» et l’effet «efficacité opérationnelle». Nous soulignons par ailleurs que la relation entre intensité concurrentielle et investissement varie signicativement entre entreprises publiques et firmes privées. Dans une seconde étude, nous analysons le lien entre la propension des firmes à adopter spontanément des comportements écologiques (mesurée à partir des données du Carbon Discloser Project et du Dow Jones Sustainability Index) et la nature de leurs innovations. Ce travail fait apparaître de forte différences inter-industries et inter-entreprises mais permet de valider l'hypothèse d'une relation positive entre le niveau des investissements de R&D et la propension à adopter des comportements écologiques. Nous nous intéressons enfin à la relation entre responsabilité sociale d’entreprise et innovation. Nous utilisons pour cela le classement Vigeo que des données financières sur l’année 2009. Notre étude met en évidence une relation positive entre responsabilité sociale d’entreprise et capacité des firmes à innover. Nous interprétons ce résultat de la manière suivante : la responsabilité sociale d’entreprise conduit les firmes à réaliser des investissements non seulement de court terme mais également de long terme et à tenir compte de la complémentarité de ces investissements. La responsabilité sociale d’entreprise accroît ainsi les synergies entre les différents types d’investissement réalisés par les firmes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.019 | 0.021 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.002 | 0.010 |
| Scholarly communication | 0.010 | 0.009 |
| Open science | 0.003 | 0.004 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.015 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".