Évaluation de l'innovation générée par la demande dans les écosystèmes médicaux et universitaires – DInnAMICS

Le projet a combiné des approches quantitatives et qualitatives. La partie quantitative du projet s'est appuyée sur une infrastructure unique de données à micro-échelle construite en recueillant des informations pour l'Université de Strasbourg, l'une des plus grandes universités françaises axées sur la recherche, entourée d'un écosystème de recherche, d'activités industrielles de haute technologie et de transfert de technologie, ainsi que de ses équipements scientifiques de pointe. Plusieurs données bibliométriques (Web of Science, arXiv, ...) et indicateurs (impact, nouveauté, originalité, ...) ont complété l'analyse de la diffusion de la technologie - par exemple, l'IA/ML - dans les sciences. Une enquête qualitative, à travers deux études de cas approfondies, a complété l'analyse empirique, ajoutant cohérence et substance aux résultats. Une première étude de cas portant sur l'Université de Strasbourg ; une seconde étude de cas sur les innovations médicales dans deux instituts de premier rang de l'écosystème universitaire : l'Institut de Recherche contre les Cancers de l'Appareil Digestif (IRCAD) et l'Institut de Chirurgie Guidée par l'Image (IHU). Les parties quantitatives et qualitatives ont été complétées par des modèles à base d'agents (ABM) permettant une modélisation théorique et des simulations des dynamiques observées.

Le projet propose une nouvelle vision du rôle socio-économique de la recherche académique en se concentrant sur (i) l'impact de l'approvisionnement des universités sur l'innovation ; (ii) la diffusion et l'impact de l'IA/ML dans la science. Nous avons montré que l'innovation peut résulter de l'interaction entre des demandes spécifiques et des solutions conçues pour surmonter les contraintes technologiques, et que la demande des universités est particulièrement importante pour l'innovation. Nous avons également montré que certaines technologies d'IA/ML remodèlent rapidement les pratiques scientifiques et que ces technologies peuvent être classées comme «méthode générale d'invention«, avec un fort impact sur la découverte scientifique, en particulier dans le domaine des sciences de la santé. Le projet a donné lieu à plusieurs articles dans des revues à comité de lecture, a renforcé le partenariat entre les membres et a donné lieu à un certain nombre d'activités de sensibilisation du grand public,

Le projet ouvre la porte à de futures recherches. Par exemple, en ce qui concerne l'impact de l'IA/ML, nos études ne nous permettent pas de généraliser en dehors des sciences médicales, mais elles jettent les bases pour une littérature socio-économique en émergence. De même, nos résultats peuvent rouvrir des réflexions sur la valeur du travail, dont l'utilité marginale, lorsqu'elle est combinée aux données et aux technologies basées sur l'IA, pourrait devenir infinie si l'on adoptait un cadre néoclassique. Ou encore des questions liées à la valeur et au stockage des données : même si elles sont reproductibles à l'infini, leur stockage physique soulève des préoccupations d'ordre environnemental telles que la consommation d'énergie. À cet égard, les données pourraient représenter la «nouvelle terre« en tant que moyen de production, avec des rendements décroissants inhérents au stockage.

Bianchini, S., Llerena, P., & Patsali, S. (2019). Demand-pull innovation in science: Empirical evidence from a research university’s suppliers. Research Policy, 48, 100005.

Bianchini, S., Müller, M., & Pelletier, P. (2022). Artificial intelligence in science: An emerging general method of invention. Research Policy, 51(10), 104604.

Patsali, S., Pezzoni, M., & Krafft, J. (2023). Healthcare Procurement and Firm Innovation: Evidence from AI-powered Equipment (No. 2023-05). Groupe de REcherche en Droit, Economie, Gestion (GREDEG CNRS), Université Côte d'Azur, France.

Borsato, A., & Lorentz, A. (2023). The Kaldor–Verdoorn law at the age of robots and AI. Research Policy, 52(10), 104873.

Borsato, A., & Lorentz, A. (2023). Data production and the coevolving AI trajectories: an attempted evolutionary model. Journal of Evolutionary Economics, 33(5), 1427-1472.

Patsali, S. (2024). University procurement-led innovation: Sources, procedures, and effects. Some field-study evidence. Technovation, 130, 102901.

Un consensus entre économistes et praticiens reconnaissent l'importance des connaissances accumulées par les universités pour la croissance économique. Ces connaissances nourrissent les découvertes à l'origine d'innovations radicales. Les canaux par lesquelles les connaissances générées par l'université créent de la valeur sont traditionnellement examinés sous l'angle de la commercialisation des résultats de la recherche ou l'entrepreneuriat académique. Cette approche n'en présente qu'une vision limitée et ne tient pas compte de la diversité des mécanismes de diffusion des activités académiques. Ce projet cherche à compléter cette conception de la contribution des universités au processus d'innovation en intégrant l'impact de la demande universitaire sur les capacités d'innovation des entreprises en amont de la chaîne de valeur scientifique. Cette nouvelle perspective considère les scientifiques comme des utilisateurs-experts, supportant les coûts d'apprentissage associés au développement de ces technologies.
L'étude quantitative au cœur de ce projet repose sur une base de données micro unique collectée sur l'Université de Strasbourg et ses pratiques. Son importance, son excellence scientifique, un écosystème riche en activités de recherche, d'industrie de pointe et de transfert technologique et l'importance de ses équipements scientifiques de pointe en font un sujet idéal pour ce projet. La base de données rassemble tous les achats effectués par tous ses laboratoires sur quatre ans. Chaque fournisseur basé en France peut être mis en correspondance avec les enquêtes communautaires sur l'innovation, les données comptables et leur production de brevets. Une telle base de données nous permet d'exploiter un large éventail de mesures de l'activité innovatrice pour comparer les performances des fournisseurs de l'université faces aux autres entreprises. Nous envisageons ensuite l'étude de l'impact économique régional de la demande universitaire contribuant par là même aux débats sur les retombées locales des activités universitaires. Enfin, la base de données nous permettra d'étendre nos résultats à d'autres collaborations académiques et entreprises françaises déposant des brevets sur les instruments et équipements de recherche et évaluer l'impact des collaborations académiques sur les performances innovantes.
Une étude qualitative, basée sur deux études de cas vise à compléter l'analyse empirique précédente et les résultats obtenus. Dans la continuité de l'exercice précédent, une première étude centrée sur l'Université de Strasbourg devra isoler les canaux par lesquels elle influence l'activité d'innovation de ses fournisseurs. Une deuxième étude porte sur les innovations médicales et l'influence de deux instituts de premier plan de l'écosystème strasbourgeois: l'Institut de Recherche contre le Cancer Digestif et l'Institut de Chirurgie Guidée par l'Image situés au cœur du campus médical dans lequel interagissent établissements médicaux, de recherche et d'éducation et des incubateurs. Les statuts juridiques particuliers de ces deux instituts les libèrent des contraintes des marchés publics bénéficiant ainsi d'interactions moins restrictives avec leurs fournisseurs.
Une contribution théorique dans la lignée de ces travaux empiriques complète le projet. Si les théories traditionnelles de l'innovation négligent l'influence de la demande sur le processus d'innovation, la littérature évolutionniste sur l'innovation propose une approche des systèmes économiques comme des systèmes complexes et évolutifs qui formalise explicitement les interactions entre les dynamiques de demande et de technologie. Dans un tel cadre, la nature et la structure de la demande façonnent les trajectoires technologiques tandis que la demande s'adapte aux innovations technologiques. Nous utiliserons un tel cadre pour analyser l'impacte de différents scénarios de régulation de la demande des scientifiques et de politiques scientifique et technologique.