Politiques publiques d'innovation dans les pays aux économies avancées : les limites de l'évaluation et l'anarchie organisée des gouvernements
Bibliographic record
Abstract
Cette thèse examine les pratiques d’évaluation des politiques publiques d’innovation dans six juridictions aux économies avancées : le Canada, la France, le Québec, la Suisse, les États-Unis et le Royaume-Uni. À travers l’analyse de 301 rapports d’évaluation, l’auteur démontre que les gouvernements ne s’appuient pas sur des cadres théoriques clairs pour apprécier les efforts, ce qui nuit à la capacité de bien mesurer le retour sur investissement des mesures d’encouragement à l’innovation. Ces évaluations, souvent partielles, parfois superficielles, et basées sur des approches linéaires d’une autre époque, empêchent une bonne orchestration des politiques publiques, conduisant potentiellement à des investissements inefficaces et à des pertes pour l'État et la société en général. La recherche révèle que les méthodes actuelles d’évaluation, notamment l'utilisation d'indicateurs axés sur les intrants plutôt que sur les résultats, sont insuffisantes. L'étude souligne la fragmentation des dispositifs de soutien à l'innovation et les difficultés à identifier les dépenses budgétaires dédiées à ces initiatives. En outre, le recours massif aux crédits d’impôt et autres incitations fiscales, qui ne sont pas suffisamment valorisés dans les rapports budgétaires, complique davantage l’évaluation de leur efficacité. L’auteur conclut que pour améliorer les politiques d’innovation, il est impératif d’adopter des pratiques d’évaluation plus intégrées, transparentes, collaboratives et axées sur les résultats, telles les méthodes ayant cours en Finances publiques, notamment avec le PEFA. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : politique publique, innovation, système national d’innovation (SNI), évaluation des politiques publiques, théorie du changement, programme de services, dispositif, indicateur de performance, modèle explicatif de l’innovation, approche comparative, modèle linéaire / push model, modèle de la demande / pull model, Chain-linked model, triple / quadruple / quintuple hélice, multi-channel interactive learning model
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 | 0.058 | 0.099 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.008 |
| Science and technology studies | 0.010 | 0.020 |
| Scholarly communication | 0.031 | 0.015 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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".