Ce chapitre s’appuie sur les définitions et concepts présentés dans les précédents chapitres pour fournir des indications sur les méthodologies de collecte des données relatives à l’innovation des entreprises. Ces indications s’adressent aux producteurs de statistiques sur l’innovation et aux utilisateurs avertis qui ont besoin de comprendre comment les données sur l’innovation sont générées. Tout en reconnaissant qu’il existe d’autres sources potentielles, il s’intéresse principalement à l’utilisation d’enquêtes sur l’innovation des entreprises pour recueillir des données portant sur différents aspects des activités et des résultats afférents à l’innovation au sein des entreprises, parallèlement à d’autres informations contextuelles. Les orientations formulées ici couvrent le cycle complet de collecte des données, notamment la définition des objectifs et de la portée des enquêtes sur l’innovation des entreprises ; la détermination de la population cible ; la conception du questionnaire ; les procédures d’échantillonnage ; les méthodes de collecte des données et les protocoles d’enquête ; le traitement des données à l’issue des enquêtes ; et la diffusion des produits statistiques.
Manuel d’Oslo 2018
Chapitre 9. Méthodes de collecte des données sur l’innovation des entreprises
Abstract
9.1. Introduction
9.1. Ce chapitre fournit des indications sur les méthodologies de collecte des données relatives à l’innovation des entreprises. Comme précisé au chapitre 2, les principes méthodologiques applicables au recueil des données sur l’innovation constituent une part essentielle du cadre de mesure de l’innovation. Les données sur l’innovation peuvent être obtenues par des approches objet, qui exploitent les annonces de nouveaux produits parues en ligne ou dans les revues professionnelles (Kleinknecht, Reijnen et Smits, 1993), et les évaluations des innovations réalisées par des experts (Harris, 1988). Parmi les autres sources d’information, on peut citer : les rapports annuels et les sites web des entreprises ; les enquêtes sociales sur le niveau d’études des salariés ; les rapports destinés aux organisations régionales, nationales et supranationales qui financent la recherche et le développement expérimental (R-D) ou l’innovation ; ceux destinés aux organisations qui décernent des prix à l’innovation ; les bureaux de transfert de connaissances des universités, qui collectent des données sur les travaux de recherche contractuels financés par les entreprises et la cession sous licence de la propriété intellectuelle des établissements universitaires ; les registres des entreprises ; les sources administratives ; et les enquêtes sur l’entrepreneuriat, la R-D et l’utilisation des technologies de l’information et des communications (TIC). Nombre de ces sources actuelles ou potentielles présentent les caractéristiques des données massives, à savoir qu’elles sont trop volumineuses ou trop complexes pour être gérées à l’aide des outils et techniques classiques.
9.2. Bien qu’elles soient utiles à différentes fins, ces sources de données présentent toutes des limites. Nombre d’entre elles ne couvrent pas l’innovation de façon représentative au niveau sectoriel ou national car leurs données reposent sur une autosélection : elles ne comprennent en effet que celles des entreprises qui choisissent d’annoncer publiquement un produit, de solliciter un financement pour leurs travaux de R-D, ou d’acquérir sous licence des connaissances cédées par des universités. Les informations fournies par les registres des entreprises et par les enquêtes sociales et celles sur l’entrepreneuriat et la R-D sont souvent incomplètes, n’abordant qu’une facette de l’innovation. Les rapports annuels et les sites web des entreprises non plus n’assurent pas une couverture cohérente des activités d’innovation, encore que les techniques d’extraction de données à partir des pages web, qui permettent d’automatiser les recherches relatives aux activités d’innovation figurant dans les documents publiés en ligne, puissent constituer à l’avenir une source de plus en plus précieuse de données sur l’innovation. À cela s’ajoutent deux autres limites : aucune de ces sources ne fournit des données cohérentes et comparables sur l’ensemble des stratégies et des activités d’innovation menées par toutes les entreprises, comme on l’a vu aux chapitres 3 et 8, et nombre de ces sources ne peuvent pas être reliées avec exactitude à d’autres sources. À l’heure actuelle, le seul moyen d’obtenir un ensemble complet de données cohérentes et susceptibles d’être reliées consiste à mener une enquête spécifiquement axée sur l’innovation, à partir d’un registre d’entreprises.
9.3. Le but d’une enquête sur l’innovation des entreprises est de recueillir des données de qualité sur le sujet auprès de répondants qualifiés, tels que les dirigeants d’entreprise ou des cadres supérieurs. Divers facteurs influent sur la réalisation de ce but, parmi lesquels la couverture de la population cible, la fréquence de collecte des données, la conception du questionnaire et la rédaction des questions ainsi que leur mise à l’essai, l’élaboration du cadre d’échantillonnage, les méthodes utilisées pour réaliser l’enquête (y compris l’identification d’un répondant approprié au sein de l’unité interrogée) et le traitement ultérieur des données recueillies. Tous ces sujets intéressent non seulement les offices statistiques nationaux (OSN), mais aussi les organisations internationales et les chercheurs qui souhaitent collecter des données sur les activités d’innovation au moyen d’enquêtes, puis les analyser.
9.4. Les enquêtes sur l’innovation des entreprises conduites par les OSN dans le cadre de la production des statistiques nationales sur les entreprises doivent suivre les pratiques nationales en matière de conception des questionnaires et des enquêtes. Les recommandations formulées dans le présent chapitre portent sur les meilleures pratiques, qui devraient être à la portée de la plupart des OSN. Les enquêtes effectuées en dehors des cadres statistiques officiels, par des organisations internationales ou des universitaires, par exemple, gagneront à suivre les recommandations de ce chapitre (OCDE, 2015). Il est possible cependant que des restrictions juridiques ou des contraintes de ressources compliquent la tâche des organisations, rendant difficile l’application de toutes les bonnes pratiques.
9.5. La décision relative aux types de données à collecter lors d’une enquête devrait être prise en consultation avec les utilisateurs de ces données, tels que les analystes des politiques, les dirigeants d’entreprise et les consultants, et les universitaires, entre autres. Les enquêtes menées par les offices statistiques nationaux intéressant principalement les responsables de l’élaboration et de l’analyse des politiques, le choix des questions devrait être arrêté après consultation des services et organismes publics responsables de l’innovation et du développement des entreprises. Les enquêtes élaborées par des universitaires pourraient aussi tirer profit de consultations menées auprès des pouvoirs publics ou d’entreprises.
9.6. La ou les finalité(s) de la collecte de données – constituer des indicateurs nationaux ou régionaux, ou nourrir des travaux de recherche, par exemple – aura(auront) une forte incidence sur les choix méthodologiques retenus pour l’enquête. Dans le cas d’indicateurs établis à l’échelle nationale, l’échantillon pourra être plus réduit, alors qu’il faudra l’élargir si les utilisateurs ont besoin de données sur des sous-groupes de population, sur des panels sondés dans le cadre d’enquêtes longitudinales, ou sur des phénomènes rares liés à l’innovation. L’objet de l’enquête influera également fortement sur les types de questions à faire figurer dans le questionnaire.
9.7. Le présent manuel suggère plus de questions sur l’innovation qu’il n’est possible d’en inclure dans une seule enquête. Les chapitres 3 à 8 et le chapitre 10 recommandent les questions essentielles pour une collecte régulière et des questions supplémentaires à ajouter de façon occasionnelle dans les questionnaires d’enquête sur l’innovation. Les questions occasionnelles fondées sur les recommandations supplémentaires ou sur d’autres sections du manuel peuvent être insérées dans des modules ponctuels qui ciblent des sujets particuliers ou dans des enquêtes spécialisées, menées séparément. Les recommandations formulées dans le présent chapitre s’appliquent aux enquêtes complètes sur l’innovation, aux enquêtes spécialisées et aux modules sur l’innovation intégrés dans d’autres enquêtes.
9.8. Ce chapitre aborde les méthodes d’enquête de bonne pratique de façon plus détaillée que les précédentes éditions du manuel. Nombre de lecteurs des offices statistiques nationaux connaissent bien ces pratiques et n’ont aucun besoin de conseils détaillés sur bien des points, mais cette édition est conçue pour aider, outre les OSN, d’autres producteurs et utilisateurs de données d’innovation dans le monde. Certains membres de ces organisations pourraient donc trouver dans ce chapitre des précisions utiles à leur travail. Parmi les autres sources de principes directeurs génériques applicables aux enquêtes auprès des entreprises, citons Willeboordse (dir. pub.) (1997) et Snijkers et al. (dir. pub.) (2013). L’édition en ligne de ce manuel est complétée par des liens vers des pratiques d’enquête actuelles ou récentes et vers des exemples d’expérimentation de nouvelles méthodes de collecte de données (http://oe.cd/oslomanual).
9.9. Le présent chapitre est organisé de la façon suivante : la section 9.2 traite de la population cible et d’autres caractéristiques fondamentales des enquêtes sur l’innovation. La conception du questionnaire et la rédaction des questions sont abordées à la section 9.3. Quant aux sections suivantes, elles examinent un certain nombre d’aspects méthodologiques, notamment concernant l’échantillonnage (section 9.4), les méthodes de collecte des données (section 9.5), le protocole d’enquête (section 9.6) et le traitement des données post-enquête (section 9.7). Le chapitre se conclut par un bref examen des questions liées à la publication et à la diffusion des résultats des enquêtes sur l’innovation (section 9.8).
9.2. Population et autres caractéristiques fondamentales d’une enquête
9.2.1. Population cible
9.10. Le secteur des entreprises, défini au chapitre 2 et dans OCDE (2016), constitue la cible des enquêtes sur l’innovation des entreprises. Il comprend :
Toutes les sociétés résidentes, y compris les entreprises légalement constituées en société, indépendamment du lieu de résidence de leurs actionnaires. En font partie les quasi-sociétés, c’est-à-dire les unités capables de dégager un profit ou une autre forme de gain financier pour leur(s) propriétaire(s), reconnues par la loi comme des entités juridiques distinctes de leur(s) propriétaire(s) et créées dans le but de mener des activités de production marchande à des prix économiquement significatifs. Cela inclut les sociétés financières et non financières.
Les succursales d’entreprises non résidentes non constituées en société et considérées comme résidentes du fait qu’elles mènent dans la durée des activités de production sur le territoire économique.
Toutes les institutions sans but lucratif résidentes qui sont des producteurs marchands de biens ou de services ou qui servent les entreprises. En font partie les établissements de recherche indépendants, les centres de soin et autres établissements dont l’activité principale consiste à produire des biens et des services vendus à des prix fixés de manière à couvrir la totalité du coût économique afférent. Cela comprend également les entités contrôlées par des associations professionnelles et financées par des contributions et cotisations.
9.11. Le secteur des entreprises comprend à la fois les entreprises privées (qu’elles soient cotées en bourse et fassent appel à l’épargne publique, ou non) et les entreprises contrôlées par l’État (désignées par l’expression « entreprises publiques »). L’assignation d’une entreprise publique au secteur des entreprises ou au secteur des administrations publiques dépend de la part de ses activités marchandes. Si son activité principale est la production de biens ou de services qu’elle vend à des prix économiquement significatifs, l’entité est considérée comme une entreprise.
9.12. Conformément à la définition qu’en donne le Système de comptabilité nationale (SCN) (CE et al., 2009), la résidence de chaque unité est le territoire économique avec lequel elle possède la relation la plus étroite et sur lequel elle mène des activités économiques pendant une année ou plus. Un territoire économique peut correspondre à n’importe quelle juridiction ou zone géographique pour laquelle des statistiques sont requises – pays, état ou province, ou région, par exemple. Les entreprises possèdent normalement un centre d’intérêt économique dans le pays dans lequel elles sont juridiquement constituées et enregistrées. Elles peuvent être résidentes d’un pays différent de celui de leurs actionnaires, et les filiales peuvent être résidentes d’un pays autre que celui de leur société mère.
9.13. Les principales caractéristiques de la population cible à prendre en compte pour constituer un échantillon ou établir un recensement sont le type d’unité statistique, le secteur correspondant à la principale activité de l’unité, la taille de l’unité et sa localisation géographique.
9.2.2. Unités statistiques et unités déclarantes
9.14. Les entreprises organisent leurs activités d’innovation à différents niveaux afin d’atteindre leurs objectifs. Les décisions stratégiques relatives au financement et à l’orientation des efforts d’innovation sont souvent prises au niveau de l’entreprise. Elles peuvent aussi être prises à l’échelon du groupe d’entreprises, indépendamment des frontières nationales. Il est possible également que le directeur d’une entité d’un niveau inférieur à celui de l’entreprise (établissement ou unité d’activité économique, ou UAE) prenne des décisions quotidiennes entrant en ligne de compte dans l’innovation.
9.15. Ces décisions dépassent parfois les frontières nationales, en particulier dans le cas d’entreprises multinationales (EMN). Cela complique les choses lorsqu’on veut déterminer et interroger les personnes décisionnaires, surtout si les offices statistiques nationaux ou d’autres organismes de collecte de données n’ont autorité pour recueillir l’information qu’auprès des unités nationales.
Unités statistiques
9.16. Une unité statistique est une entité au sujet de laquelle des informations sont collectées et des statistiques compilées. En d’autres termes, il s’agit de l’unité institutionnelle sur laquelle on souhaite collecter des statistiques sur les activités d’innovation. Une unité statistique peut être une unité d’observation – sur laquelle on a obtenu des informations et compilé des statistiques – ou une unité d’analyse – créée par fractionnement ou regroupement des unités d’observation à l’aide d’estimations ou d’imputations, de façon à obtenir des données plus précises ou plus homogènes qu’il ne serait possible autrement (Nations Unies, 2007 ; OCDE, 2016).
9.17. La nécessité de définir les unités statistiques s’impose lorsqu’on est en présence d’entités économiques complexes et de grande envergure dont les activités relèvent de différentes classes sectorielles ou dont les unités sont situées dans différentes zones géographiques. Il existe plusieurs types d’unités statistiques, établis selon la structure du capital, les liens de contrôle, l’homogénéité de l’activité économique et le lieu d’implantation : groupe d’entreprises, entreprise, établissement (unité située en un lieu unique et menant une seule activité de production) et unité d’activité économique (partie d’une unité menant un seul type d’activité de production) (voir OCDE, 2016 : encadré 3.1, pour plus de précisions). Le choix de l’unité statistique et la méthodologie utilisée pour la collecte des données dépendent fortement de la finalité des statistiques sur l’innovation, de l’existence d’enregistrements relatifs à l’activité d’innovation dans l’unité et de la capacité des répondants à fournir les informations souhaitées.
9.18. Dans les enquêtes menées auprès des entreprises, l’unité statistique est généralement l’entreprise elle-même, que le SCN définit comme la plus petite combinaison d’unités légales jouissant d’une autonomie de décision sur le plan du financement et de l’investissement, ainsi que du pouvoir et de la responsabilité d’affecter des ressources à la production de biens et de services (CE et al., 2009 ; OCDE, 2016 : encadré 3.1).
9.19. Des variables descriptives d’identification doivent être obtenues pour toutes les unités statistiques de la population cible d’une enquête sur l’innovation des entreprises. Ces variables sont généralement disponibles dans les registres statistiques des entreprises et comprennent, pour chaque unité statistique, le code d’identification de celle-ci, sa localisation géographique, son type d’activité économique et sa taille. Des informations supplémentaires sur l’organisation économique ou juridique d’une unité statistique, ainsi que sur sa structure capitalistique et son statut d’entité publique ou privée, peuvent aider à optimiser l’efficacité et l’efficience du processus d’enquête.
Unités déclarantes
9.20. L’unité déclarante (c’est-à-dire le « niveau » de l’entreprise auprès de laquelle les données nécessaires sont collectées) varie d’un pays à l’autre (voire au sein même d’un pays) en fonction des structures institutionnelles, du cadre juridique dans lequel s’inscrit la collecte des données, des traditions et priorités nationales, des ressources allouées à l’enquête et des accords ad hoc établis avec les entreprises interrogées. À ce titre, l’unité déclarante peut différer de l’unité statistique requise. Il peut être nécessaire de regrouper, de décomposer ou de compléter (au moyen d’une interpolation ou d’une estimation) les informations fournies par les unités déclarantes pour qu’elles cadrent avec l’unité statistique visée.
9.21. Les sociétés peuvent être composées de plusieurs établissements et entreprises, mais, pour nombre de petites et moyennes entreprises (PME), l’établissement et l’entreprise sont une seule et même entité. Dans le cas des entreprises menant des activités économiques hétérogènes, il peut être nécessaire, dans l’intérêt des politiques régionales, de collecter des données à l’échelle de l’unité d’activité économique ou de l’établissement. Cela étant, l’échantillonnage d’établissements ou d’unités d’activité économique nécessite une attention particulière si l’on veut éviter les doubles comptages lors de l’agrégation des données.
9.22. Lorsque l’information n’est disponible qu’aux plus hauts niveaux d’agrégation – le groupe d’entreprises, par exemple –, les offices statistiques nationaux peuvent être amenés à prendre contact avec ces unités pour obtenir des données détaillées, en demandant que les informations soient décomposées par juridiction ou par activité économique, par exemple. Cette démarche permet une meilleure interopérabilité avec d’autres statistiques économiques.
9.23. Le groupe d’entreprises peut jouer un rôle important en tant qu’unité déclarante si les questionnaires sont remplis ou les réponses approuvées par un bureau administratif central. Dans le cas des sociétés de portefeuille, plusieurs approches peuvent être envisagées : on peut leur demander de déclarer les activités d’innovation des entreprises appartenant à des secteurs spécifiques, ou bien transmettre le questionnaire, ou les sections applicables, à d’autres parties de l’entreprise.
9.24. Bien que l’intérêt stratégique ou des considérations pratiques demandent parfois que les données d’innovation soient obtenues au niveau des établissements, des unités d’activité économique et des groupes d’entreprises, il est recommandé, chaque fois que possible, de collecter les données au niveau de l’entreprise pour permettre des comparaisons internationales. En cas d’impossibilité, la collecte et la déclaration de données sur les activités et les dépenses d’innovation, ainsi que les informations relatives aux liens, doivent faire l’objet d’une attention particulière, car ces éléments ne sont pas nécessairement additifs aux différents niveaux d’agrégation, en particulier dans le cas des PME. En outre, les activités d’innovation peuvent faire partie de chaînes de valeur mondiales complexes, dans lesquelles les fournisseurs et les processus de production des biens et services sont dispersés, souvent situés dans des pays différents. Il est donc essentiel d’identifier correctement, autant que faire se peut, les unités statistiques actives dans les chaînes de valeur mondiales (voir chapitre 7) afin d’améliorer la compatibilité avec d’autres sources de données (comme les enquêtes sur l’investissement étranger et sur les échanges).
Activité économique principale
9.25. Les entreprises doivent être classées sur la base de leur activité économique principale, au moyen de la plus récente édition de la Classification internationale type, par industrie, de toutes les branches d’activité économique (CITI rév. 4) (voir Nations Unies, 2008) ou d’une classification régionale/nationale équivalente. La CITI facilite la comparabilité internationale en classant les activités économiques des différents secteurs par section, division, groupe et classe, encore que dans la plupart des cas la population cible puisse être définie à l’aide de la section et de la division. Les recommandations formulées ci-après utilisent les sections et les divisions telles que définies dans la CITI rév. 4. Elles devront être actualisées à chaque révision future de la CITI.
9.26. Lorsque l’activité économique exacte des entreprises ne peut pas être déterminée avec une certitude suffisante (quand l’information n’est pas disponible dans le registre des entreprises, qu’elle renvoie à des classifications non officielles ou qu’elle n’est vraisemblablement pas à jour, par exemple), les enquêtes sur l’innovation peuvent prévoir une question sur les principales lignes de produits fabriquées par chaque entreprise et, si possible, des questions sur l’importance relative des différentes catégories de lignes de produits (leur contribution au chiffre d’affaires par exemple). Cette information est indispensable pour affecter une activité économique à l’entreprise, à des fins à la fois de stratification, d’échantillonnage et d’analyse.
9.27. Comme on l’a noté aux chapitres 1 et 2, le présent manuel recommande de collecter les données d’innovation des entreprises dans la plupart des branches d’activité définies dans la CITI, à quelques exceptions près, abordées ci-après. Les points clés à prendre en considération, lors de la définition du champ d’application recommandé des enquêtes sur l’innovation des entreprises par activité économique, en particulier à des fins de comparaison internationale, sont la prévalence d’acteurs autres que les entreprises dans un secteur, la présence de problèmes de mesure spécifiques, comme l’instabilité des registres des entreprises, et l’existence d’une précédente expérience internationale de mesure de l’innovation dans un secteur.
9.28. Le Tableau 9.1 présente la structure générale des secteurs aux niveaux section et division de la CITI rév. 4, et recense les activités économiques dont la prise en compte dans les comparaisons internationales est recommandée, les activités économiques supplémentaires qui pourraient être utiles au niveau national et les activités économiques qu’il n’est pas recommandé actuellement d’intégrer dans les enquêtes sur l’innovation portant sur le secteur des entreprises.
9.29. Les activités économiques auxquelles il est recommandé de s’intéresser aux fins de la collecte de données nationales et des comparaisons internationales sont celles relevant des sections B à M incluses de la CITI rév. 4, à l’exception de la section I (Activités d’hébergement et de restauration). Dans ces domaines, il existe une importante expérience nationale et internationale en matière de collecte de données à des fins de statistiques comparatives.
9.30. Parmi les activités économiques supplémentaires qui méritent d’être collectées, mais qui n’ont généralement pas encore été testées au titre de comparaisons internationales, on peut citer les sections A (Agriculture, sylviculture et pêche), I (Activités d’hébergement et de restauration) et N (Activités de services administratifs et d’appui) ainsi que les divisions 95 et 96 de la section S (Activités de réparation d’ordinateurs et d’articles personnels et ménagers et Autres activités de services personnels) de la CITI rév. 4. Pour ces secteurs, la normalisation internationale des registres des entreprises est encore incomplète (surtout pour l’agriculture) et l’expérience acquise à ce jour se limite à des enquêtes dans un petit nombre de pays uniquement. Toutes les initiatives en cours devraient fournir de meilleures indications pour la mesure de l’innovation dans l’avenir.
9.31. Un certain nombre d’activités économiques ne sont pas recommandées de façon générale en vue d’une collecte de données au moyen d’enquêtes sur l’innovation des entreprises et devraient être exclues des comparaisons internationales de ce type d’innovation. Aux fins des comparaisons internationales, il n’est pas recommandé de prendre en compte les sections O (Administration publique et défense ; sécurité sociale obligatoire), P (Éducation), Q (Santé et activités d’action sociale) et R (Arts, spectacles et loisirs), ni la division 94 de la section S (Activités des organisations associatives), en raison du rôle dominant ou important que jouent les administrations publiques ou les institutions privées sans but lucratif au service des ménages dans la fourniture de ces services dans de nombreux pays. Toutefois, les nécessités de l’action publique nationale peuvent exiger que l’on étende la couverture des enquêtes nationales à des entités œuvrant dans ces branches, par exemple si une proportion notable d’entre elles sont des entreprises ou si elles peuvent prétendre à une aide publique au titre de leurs activités d’innovation.
Tableau 9.1. Traitement des activités économiques aux fins des comparaisons internationales de l’innovation des entreprises
Fondé sur les sections et divisions de la CITI rév. 4 des Nations Unies
9.32. Les autres sections qu’il est recommandé d’exclure sont dominées par des acteurs menant des activités non marchandes et sortent donc du champ d’application du présent manuel. Ce sont les sections T (Activités des ménages privés employant du personnel domestique ; activités non différenciées de production de biens et de services des ménages privés pour usage propre) et U (Activités des organisations et organismes extra-territoriaux).
Taille de l’unité
9.33. Bien que les plus grandes entreprises mènent généralement une activité d’innovation de plus grande envergure et en fassent plus fréquemment état, des unités de toutes tailles peuvent être actives sur le terrain de l’innovation et devraient être prises en compte dans les enquêtes sur l’innovation des entreprises. Les plus petites entités commerciales, toutefois, et notamment celles qui exercent de façon largement informelle (qui ne sont pas légalement constituées en société, sont exemptées de déclaration ou ne déclarent pas certaines taxes, entre autres), ont davantage de risque de ne pas figurer dans les registres statistiques des entreprises. Le poids relatif de ce type d’unités peut être plus élevé dans les pays qui se trouvent aux premiers stades du développement. Il peut donc être délicat de comparer les données issues de pays qui enregistrent différemment les petites entreprises et où la part de la production générée dans l’économie informelle varie. L’interprétation correcte des données d’innovation des entreprises récemment créées constitue un autre défi, comme souligné au chapitre 3, car ces unités exercent un grand nombre d’activités qui peuvent être jugées nouvelles.
9.34. Il est donc recommandé, aux fins des comparaisons internationales, de limiter l’étendue de la population cible à l’ensemble des unités statistiques employant au moins dix personnes et d’utiliser des catégories de taille reposant sur l’effectif moyen. Selon l’intérêt et les ressources des utilisateurs, les enquêtes peuvent aussi prendre en compte des unités employant moins de dix personnes, en particulier dans les secteurs de la haute technologie et des services à forte intensité de savoir. Il est probable en effet que ce groupe comprenne de jeunes entreprises innovantes et des unités issues de l’essaimage, qui toutes présentent un intérêt considérable en termes d’action des pouvoirs publics (voir chapitre 3).
9.2.3. Établissement de liens entre les données
9.35. Les offices statistiques nationaux utilisent fréquemment le registre officiel des entreprises pour définir l’échantillon sur lequel portera l’enquête sur l’innovation, mais aussi celles sur la R-D et sur les TIC, ou encore l’enquête statistique générale auprès des entreprises. Il devient dès lors possible de relier l’enquête sur l’innovation aux autres enquêtes afin d’obtenir des données d’intervalle sur plusieurs variables d’intérêt, comme la R-D, les TIC, l’emploi, le chiffre d’affaires, les exportations ou les investissements. Au fil des ans, un nombre croissant d’offices statistiques nationaux se sont servis des liens entre les données pour éliminer en partie la nécessité de collecter certains types de données dans l’enquête sur l’innovation, encore que le lien entre les données ne soit possible que lorsque les enquêtes à relier utilisent la même unité statistique, laquelle est généralement l’entreprise pour les OSN.
9.36. L’établissement de liens entre les données peut alléger la charge de travail des répondants, ce qui se traduit par des taux de réponse plus élevés, et améliorer la qualité des données d’intervalle, obtenues au moyen d’enquêtes obligatoires sur la R-D et auprès des entreprises. Pour autant, certaines questions doivent être reprises dans une enquête sur l’innovation lorsque les répondants ont besoin d’un repère pour répondre à d’autres questions, ce repère servant soit à réveiller leur mémoire, soit à donner une base de référence au calcul de sous-catégories ou de proportions. Ainsi, les questions sur les dépenses d’innovation devraient s’accompagner d’une question sur les dépenses de R-D à titre de référence, et les questions sur le nombre (ou la proportion) de salariés possédant différents niveaux d’instruction devraient suivre une question sur le nombre total de salariés. Une fois l’enquête terminée, on peut, pour effectuer certaines analyses, substituer aux valeurs recueillies sur la R-D, l’emploi ou d’autres variables des valeurs issues des enquêtes sur la R-D et des enquêtes auprès des entreprises, si l’analyse indique que cela améliorera l’exactitude.
9.37. L’autre possibilité offerte par la capacité de combiner données administratives et données d’enquête consiste à préremplir les questionnaires d’innovation en ligne à l’aide des données issues d’autres sources sur le chiffre d’affaires, l’emploi, les dépenses de R-D, les demandes de brevet, etc. Les répondants disposent alors de points de référence immédiats et voient leur charge de travail réduite. Les données préremplies peuvent parfois ne pas être à jour, ce qui constitue un inconvénient, même s’il peut demeurer utile de préremplir le questionnaire à partir de données plus anciennes pour la première année de la période d’observation. Les répondants devraient en outre avoir la possibilité de corriger les erreurs détectées dans les données préremplies.
9.38. Après un délai suffisant (au moins une année après l’enquête sur l’innovation), les liens avec les données statistiques structurelles des entreprises sur les variables économiques sont utiles pour permettre aux chercheurs d’induire des liens de causalité entre activités d’innovation et résultats. Les résultats pertinents comprennent les variations dans la productivité, l’emploi, les exportations et le chiffre d’affaires.
9.39. Une sélection de questions relatives à l’innovation peut éventuellement être ajoutée à l’occasion dans d’autres enquêtes pour aider à améliorer, actualiser et gérer la base de sondage sur l’innovation.
9.2.4. Fréquence de collecte des données
9.40. La fréquence des enquêtes sur l’innovation dépend de considérations pratiques ainsi que des besoins des utilisateurs aux échelons international, national et régional. Des aspects tels que le coût, la lenteur du rythme d’évolution de nombreuses variables, le poids que de fréquentes enquêtes font peser sur les personnes interrogées, et les problèmes qu’entraîne le chevauchement des périodes d’observation entre deux enquêtes consécutives influent sur la fréquence de collecte recommandée. L’importance de l’innovation au regard de la croissance économique et du bien-être suscite, de la part des pouvoirs publics, une demande de données plus fréquemment actualisées, collectées annuellement, en particulier lorsque les activités d’innovation sont susceptibles de changer rapidement. Des enquêtes par panel annuelles peuvent aussi faciliter l’analyse de la structure des décalages entre intrants et extrants de l’innovation, ou des effets de l’innovation sur les performances économiques (voir chapitre 11).
9.41. Il est recommandé de réaliser des enquêtes sur l’innovation à intervalle d’un à trois ans. Lorsque l’enquête a une périodicité de deux ou trois ans, une enquête plus courte ne collectant que les variables clés de l’innovation peut être menée en alternance, si les ressources le permettent. La prudence est de mise toutefois lorsque l’on compare les résultats des enquêtes courtes et longues, car la longueur peut avoir une incidence sur les réponses (voir section 9.3 ci-après). Il est également possible d’obtenir des informations sur l’innovation à partir de l’internet ou d’autres sources les années où aucune enquête sur l’innovation n’est effectuée. Les utilisations possibles d’autres sources de données sur l’innovation dans les années sans enquête doivent encore être étudiées en détail.
9.2.5. Périodes d’observation et de référence
9.42. Pour que les réponses soient comparables, les enquêtes doivent préciser la période d’observation sur laquelle portent les questions sur l’innovation. La période d’observation correspond au laps de temps couvert par la majorité des questions d’une enquête. Pour réduire autant que possible le biais de remémoration, la période d’observation recommandée ne doit pas excéder trois ans. La période de référence correspond à la dernière année de la période d’observation totale de l’enquête et constitue la période d’observation effective pour la collecte de données d’intervalle telles que les dépenses ou le nombre de personnes employées. Les périodes de référence et d’observation sont identiques dans les enquêtes qui utilisent une période d’observation d’un an.
9.43. La durée de la période d’observation limite la définition de l’innovation, et donc la part des unités déclarées comme innovantes (voir chapitre 3). Ainsi, le choix d’une période d’observation peut influer sur les comparaisons entre des groupes d’unités (des branches d’activité, par exemple) qui produisent des biens ou des services dont les cycles de vie diffèrent (les innovations seront probablement plus fréquentes dans les secteurs où les produits ont un cycle de vie court). Ce phénomène a une incidence sur l’interprétabilité des données et impose de normaliser comme il convient l’ensemble des enquêtes nationales (voir chapitre 11).
9.44. Dans certains cas, les problématiques d’interprétation font pencher pour une période d’observation plus longue. Ainsi, si un projet d’innovation s’étale sur plusieurs années, une période d’observation courte pourrait conduire à attribuer à des années différentes les activités et résultats d’innovation, comme le recours à la coopération, la perception de financements publics ou les ventes des nouveaux produits. Cette manière de procéder pourrait gêner certaines analyses pertinentes sur les schémas d’innovation et les effets de celle-ci.
9.45. Le souci de la qualité des données conduit en revanche à privilégier une période d’observation plus courte, de façon à réduire les erreurs de remémoration. C’est ce qui se produit, par exemple, lorsque les répondants oublient de faire état d’un événement ou lorsqu’ils pensent à tort qu’un événement s’est produit durant la période d’observation alors qu’il y était antérieur, créant des erreurs de télescopage.
9.46. Les gains en qualité de données qui découlent de périodes d’observation courtes et les avantages potentiels de plus longues périodes d’observation en matière d’interprétation peuvent se combiner si l’on constitue un panel longitudinal reliant les entreprises sollicitées lors d’enquêtes transversales successives sur l’innovation (voir sous-section 9.4.3 ci-après). Ainsi, si les données sous-jacentes ont une période d’observation d’un an, le statut des entreprises au regard de l’innovation sur une période de deux ou trois ans peut être calculé de façon efficace à partir des données des entreprises ayant fait l’objet d’observations sur deux ou trois périodes d’observation annuelles consécutives. Des traitements et des hypothèses supplémentaires seront nécessaires pour gérer les cas où l’on ne dispose pas d’observations répétées pour toutes les entreprises de l’échantillon, en raison, par exemple, d’une diminution des effectifs ou de l’utilisation de méthodes d’échantillonnage visant à réduire la charge imposée à certains types de répondants (tels que les PME). L’un des arguments forts en faveur de la conception d’une enquête par panel longitudinal est que cela accroît l’éventail des analyses possibles pour établir des liens de causalité entre les activités et les résultats de l’innovation (voir sous-section 9.4.3 ci-après).
9.47. Les périodes d’observation plus longues que la fréquence de collecte des données peuvent gêner la comparaison des résultats issus d’enquêtes consécutives. Dans ce cas, en effet, il peut être difficile de déterminer si la variation des résultats dans le temps est principalement due aux activités d’innovation de la période écoulée depuis l’enquête précédente ou à celles de la période de chevauchement des enquêtes. Cela pourrait donner lieu à l’établissement d’une corrélation sérielle erronée.
9.48. Au moment de la publication du présent manuel, la période d’observation utilisée par les pays est comprise entre un et trois ans. Cela réduit la comparabilité internationale d’indicateurs clés tels que l’incidence de l’innovation et le taux de collaboration avec d’autres acteurs. Il n’existe actuellement aucun consensus sur la durée optimale de la période d’observation générique (hormis une durée maximale de trois ans), mais la convergence vers une période d’observation commune améliorerait grandement la comparabilité internationale. Il est donc recommandé de mener, en concertation, des expérimentations supplémentaires sur les effets des différentes durées d’observation et sur l’utilisation de données de panel pour remédier aux problèmes d’interprétation. Les résultats de telles expérimentations aideraient à atteindre un accord international sur la durée optimale de la période d’observation.
9.3. Rédaction des questions et conception du questionnaire
9.49. Les chapitres 3 à 8 du présent manuel définissent différents concepts et caractéristiques de l’innovation des entreprises à des fins de mesure. Ces concepts et caractéristiques doivent être traduits en questions susceptibles de générer des données utiles à l’appui de l’analyse empirique, comme l’indique le Graphique 9.1.
9.50. La traduction des notions théoriques en pratique peut entraîner un certain nombre d’erreurs, qu’il est possible de réduire au minimum en soignant la conception du questionnaire et la rédaction des questions. Le présent manuel ne donne pas d’exemple complet de questions car il est probable que la formulation de celles qui seront finalement posées changera selon le contexte, lui-même variable d’un pays à l’autre et à l’intérieur d’un même pays. En revanche, les sections qui suivent donnent des principes directeurs de bonne pratique pour la rédaction des questions et la présentation du questionnaire. Ces aspects peuvent en effet améliorer la qualité des données obtenues, accroître les taux de réponse et renforcer la comparabilité entre différentes méthodes d’enquête (voir sous-section 9.5.4 ci-après).
9.51. La rédaction des questions et la présentation du questionnaire dépendent de la possibilité d’obtenir des données à partir d’autres sources (qui rend certaines questions inutiles) et du choix de la méthode d’enquête (voir section 9.5 ci-après). Ainsi, les questions présentées sous forme de tableau ou de matrice sont difficiles et chronophages à poser oralement lorsque l’enquête est réalisée par téléphone, mais sont faciles à comprendre dans le cas d’une présentation visuelle, quand le questionnaire est affiché en ligne ou envoyé par courrier. Ces différences dans les méthodes d’enquête doivent être prises en considération lorsqu’on en emploie plusieurs.
Graphique 9.1. De la théorie de l’innovation aux données d’innovation
Source : D’après Snijkers et Willimack (2011), « The missing link: From concepts to questions in economic surveys ».
9.3.2. Rédaction des questions
Adaptation et traduction des questions
9.52. Toutes les questions doivent être soigneusement adaptées et traduites, de sorte que les répondants les interprètent conformément aux définitions et aux concepts du présent manuel. Tout d’abord, nombre de concepts et de définitions ne peuvent pas être transcrits littéralement sous forme de questions. Il est parfois nécessaire, par exemple, de formuler plusieurs questions pour obtenir des données qui rendent compte d’un même concept (voir chapitre 3). Ensuite, les termes clés doivent être adaptés pour correspondre à la langue utilisée par les répondants dans différents contextes culturels, régionaux et nationaux (Harkness et al. [dir. pub.], 2010). Ainsi, l’Australie et le Canada utilisent le terme anglais « business » pour désigner une entreprise, et non « enterprise », car ce dernier terme n’est pas d’usage courant dans ces pays et pourrait donc être mal compris. Les termes « enterprise » ou « business » pourraient aussi être source de confusion pour les répondants d’un établissement ou d’une unité d’activité économique.
9.53. Les questions de traduction sont particulièrement importantes dans le cas des enquêtes sur l’innovation concernant plusieurs pays, ou des pays dans lesquels on parle plusieurs langues, car même des différences mineures entre questionnaires nationaux peuvent amoindrir la comparabilité des résultats. Ces différences peuvent provenir de la traduction, de changements dans l’ordre des questions ou encore de l’adjonction ou de la suppression de catégories ou de questions. La traduction doit tenir compte des particularités locales (telles que le système juridique et réglementaire d’un pays) pour éviter les malentendus sur les concepts et les définitions.
Intelligibilité et qualité des questions
9.54. Les questions doivent être brèves, rédigées dans un langage simple et dépourvu d’ambiguïté. Il importe d’éviter les répétitions – deux questions demandant des informations similaires, par exemple – et les questions visant à obtenir plus d’un élément d’information (souvent repérables au fait qu’elles se composent de deux propositions coordonnées par « et »). Chaque fois que possible, on reprendra les concepts et les définitions dans les questions, car les répondants lisent rarement les informations supplémentaires. On limitera au maximum l’ajout de clarifications en notes de bas de page ou accessibles au moyen de liens hypertextes pour les questionnaires en ligne.
9.55. La qualité des données peut être améliorée en évitant que le répondant ne s’essouffle et en entretenant sa motivation à fournir des réponses utiles. La longueur des questions joue sur l’essoufflement et la motivation, mais cette dernière peut être soutenue par des questions pertinentes et intéressantes pour le répondant. Ce dernier point est particulièrement crucial pour les répondants des unités qui n’innovent pas : s’ils ne trouvent pas le questionnaire pertinent et intéressant, il est peu probable qu’ils y répondent. Idéalement, toutes les questions doivent être intéressantes pour toutes les unités, quel que soit le secteur (Tourangeau, Rips et Rasinski, 2000).
9.56. Le terme satisficing en anglais (« effort minimum » en français) désigne les comportements que peuvent adopter les répondants pour réduire le temps et les efforts mobilisés pour répondre à un questionnaire en ligne ou en version papier. De fait, les répondants peuvent abandonner l’enquête avant d’avoir répondu à l’ensemble des questions (abandon prématuré), sauter des questions, donner une catégorie de réponse identique pour l’ensemble des sous-questions d’une question (non-différenciation) – par exemple en répondant « relativement important » à toutes les sous-questions d’une question en tableau –, ou encore survoler le questionnaire pour gagner du temps (Barge et Gelbach, 2012 ; Downes-Le Guin et al., 2012). Les principales stratégies permettant de réduire au maximum ce type de comportement consistent à veiller à ce que les questions présentent un intérêt pour tous les répondants et à concevoir un questionnaire aussi concis que possible. Les réponses non différenciées peuvent être réduites en limitant à sept le nombre de sous-questions présentées dans un tableau (Couper et al., 2013). Les questions en tableau qui nécessiteraient plus de sept sous-questions peuvent être décomposées en plusieurs sous-groupes. Ainsi, une question appelant dix sous-questions peut être organisée autour d’un premier thème traité en six sous-questions, puis d’un second thème avec quatre sous-questions.
Catégories de réponses nominales et ordinales
9.57. Les questions catégorielles (ou qualitatives) peuvent utiliser des catégories de réponses nominales (« oui » ou « non ») ou ordinales (échelle d’importance ou de fréquence). Les catégories de réponses nominales sont simples et fiables, mais ne fournissent que peu d’information ; les catégories de réponses ordinales peuvent quant à elles présenter un certain degré de subjectivité. Les deux types de questions peuvent nécessiter une réponse de type « je ne sais pas » ou « sans objet ».
9.3.3. Conception du questionnaire
9.58. Le questionnaire devrait être le plus bref possible, présenter une structure logique et s’accompagner d’instructions claires. Dans les enquêtes facultatives, le taux de réponse totale (pourcentage de l’échantillon ayant rempli intégralement le questionnaire) est d’autant plus faible que le questionnaire est long. La qualité des réponses baisse également à mesure que l’on s’approche de la fin d’un long questionnaire (Galesic et Bosnjak, 2009). Les facteurs de mise en œuvre d’une enquête qui influent sur le taux de réponse totale sont abordés à la section 9.6 ci-après.
9.59. La compréhension et la disposition à répondre des personnes interrogées peuvent varier selon la présentation du questionnaire, les bonnes pratiques en la matière étant similaires, que le questionnaire soit imprimé ou affiché en ligne. Dans le cas de questionnaires imprimés, les instructions quant à l’enchaînement des questions et au saut de questions conditionnelles doivent être parfaitement visibles. La présentation doit être conforme aux préférences nationales en matière de tailles de police et de proportion d’espace vide sur une page. Les instructions doivent être répétées chaque fois que nécessaire pour améliorer la probabilité que les répondants les suivent.
Filtres
9.60. Les filtres et les instructions indiquant de sauter certaines questions permettent de diriger les répondants vers différentes parties d’un questionnaire en fonction des réponses qu’ils apportent à des questions filtres. Les filtres peuvent être utiles pour alléger la charge de travail des répondants, notamment lorsque les questionnaires sont complexes. À l’inverse, ils les poussent parfois à fournir un effort minimum (satisficing), c’est-à-dire à répondre « non » à une question filtre de façon à s’éviter les questions conditionnelles.
9.61. Il est possible de réduire le besoin de filtres et d’instructions de saut de questions, par exemple, en rédigeant des questions auxquelles toutes les unités peuvent répondre, quel que soit leur statut au regard de l’innovation. On peut ainsi recueillir des informations complémentaires utiles pour l’action publique et pour l’analyse des données. Les filtres sont toutefois nécessaires dans certaines situations, comme lorsqu’une série de questions ne s’applique qu’aux répondants faisant état d’au moins une innovation de produit.
9.62. Le format en ligne permet de passer automatiquement certaines questions selon la réponse apportée à la question filtre, mais la crainte est alors que les répondants ne donnent des résultats différents selon qu’ils remplissent le questionnaire en ligne ou sur papier. Dans ce dernier cas, en effet, ils peuvent lire les questions sautées et changer leur réponse à la question filtre s’ils jugent finalement que les questions qu’ils allaient passer les concernent. Lorsqu’on utilise à la fois des questionnaires numériques et imprimés, on peut mettre les questions passées en grisé dans le questionnaire en ligne de façon qu’elles restent lisibles pour les répondants. Cette technique est susceptible d’améliorer la comparabilité avec la version imprimée. Si les paradonnées – à savoir les données relatives au processus mis en œuvre pour mener à bien une enquête – sont collectées lorsque l’enquête s’effectue en ligne (voir section 9.5 ci-après), le chemin suivi par chaque répondant au fil du questionnaire peut être évalué pour déterminer si les zones grisées ont eu un effet sur le comportement (si les répondants sont revenus en arrière pour modifier une réponse précédente, par exemple).
Ordre des questions
9.63. La façon dont un répondant comprend une question peut être influencée par les éléments d’information glanés dans les questions précédentes. Ajouter ou supprimer une question peut donc avoir une incidence sur les réponses qui suivent et réduire la comparabilité avec de précédentes enquêtes ou avec des enquêtes menées dans d’autres juridictions.
9.64. Les questions portant sur les activités applicables à toutes les unités, quel que soit leur statut au regard de l’innovation, doivent précéder celles sur l’innovation et ne doivent pas faire référence à l’innovation. Cela s’applique à d’éventuelles questions sur les capacités des entreprises (voir chapitre 5).
9.65. Autant que possible, les questions doivent être organisées par thème, de façon à regrouper celles qui abordent un sujet similaire. Ainsi, les questions relatives aux activités d’acquisition de connaissances et de collaboration à des fins d’innovation doivent être situées au même endroit. Les questions sur la contribution d’acteurs externes à un type particulier d’innovation (de produit ou de procédé) doivent se trouver dans la section correspondant à ce type d’innovation.
9.3.4. Questionnaires abrégés
9.66. Pour beaucoup de petites unités et d’unités appartenant à des secteurs où l’activité d’innovation est faible, répondre à un questionnaire complet sur l’innovation peut constituer un gros travail par rapport à leur activité d’innovation, d’où des taux de réponse bas. Le cas échéant, des questionnaires d’enquête réduits à un noyau de questions essentielles peuvent s’avérer utiles. Des questionnaires abrégés peuvent également être utilisés pour sonder des unités qui n’ont pas fait état d’activités d’innovation dans les enquêtes précédentes sur l’innovation. Cela étant, des recherches empiriques réalisées en Belgique (Hoskens et al., 2016) et dans divers pays en développement (Cirera et Muzi, 2016) révèlent des différences notables dans la part d’entreprises innovantes selon que les unités ont répondu à des questionnaires abrégés ou complets, les taux d’entreprises innovantes les plus élevés ressortant des questionnaires abrégés. Ces résultats portent à croire que les comparaisons de données sur l’innovation issues de questionnaires abrégés et complets pourraient être influencées par des paramètres de conception qu’il convient de prendre soigneusement en compte.
9.3.5. Combinaison des enquêtes sur l’innovation avec d’autres enquêtes auprès des entreprises
9.67. Plusieurs offices statistiques nationaux ont combiné leurs enquêtes sur l’innovation avec d’autres enquêtes menées auprès des entreprises, en particulier celles sur la R-D, du fait de la parenté conceptuelle et empirique entre R-D et innovation. En principe, plusieurs types d’enquêtes peuvent être combinés avec celles sur l’innovation, en associant des questions sur l’innovation et d’autres sur les caractéristiques des entreprises, les TIC ou les pratiques en matière de gestion des connaissances.
9.68. Cette approche présente plusieurs avantages :
Une enquête combinée réduira la charge de travail demandée aux répondants des unités déclarantes si elle permet d’éviter des questions en double et qu’elle est donc plus courte et moins difficile que les enquêtes séparées.
Une enquête combinée permet des analyses de la relation entre l’innovation et d’autres activités, comme l’utilisation des TIC, au sein de l’unité interrogée, ce qui présente un avantage si les enquêtes séparées ne peuvent pas être reliées ou si l’enquête sur l’innovation et les autres enquêtes utilisent des échantillons différents.
Une enquête combinée permet de réduire les coûts d’impression et d’envoi des questionnaires par voie postale, ainsi que les coûts de suivi inhérents à tous les types d’enquête.
9.69. La réalisation d’enquêtes combinées peut aussi présenter des inconvénients :
Les taux de réponse totale tout comme les taux de réponse partielle peuvent décliner si le questionnaire combiné est beaucoup plus long que les questionnaires séparés. Ce problème risque particulièrement de se poser dans le cas d’enquêtes facultatives.
Si les sujets sont suffisamment distincts et intéressent des domaines fonctionnels différents dans l’entreprise, il peut être nécessaire de contacter plusieurs personnes au sein de l’organisation – surtout si elle est de grande taille – pour réunir les réponses à l’ensemble des questions.
Combiner une enquête sur l’innovation avec une enquête sur la R-D peut entraîner des erreurs dans l’interprétation des questions sur ces deux thèmes. Certains répondants dont l’unité ne fait pas de R-D pourraient supposer à tort que la R-D est nécessaire à l’innovation ou qu’ils ne sont invités à déclarer que les innovations fondées sur la R-D. Cela peut diminuer l’incidence observée de l’innovation, comme l’ont rapporté certains pays qui ont expérimenté des enquêtes combinées sur la R-D et l’innovation (l’incidence observée de la R-D reste inchangée) (Wilhelmsen, 2012, par exemple). En outre, certains répondants pourraient déclarer à tort des dépenses d’innovation comme étant des dépenses de R-D.
Les cadres d’échantillonnage de l’enquête sur l’innovation et des autres enquêtes auprès des entreprises peuvent différer. Si la combinaison associe des enquêtes sur l’innovation et la R-D, l’échantillon constitué pour l’innovation peut inclure par exemple des secteurs (et de petites unités) qui ne sont habituellement pas couverts par les enquêtes sur la R-D.
9.70. Compte tenu de ce qui vient d’être dit, les principes directeurs à respecter si l’on souhaite combiner une enquête sur l’innovation avec une ou plusieurs enquête(s) auprès des entreprises sont les suivants :
Une enquête combinée sur la R-D et sur l’innovation doit réduire le risque de confusion entre les concepts de la part des unités qui ne mènent pas d’activités de R-D en scindant le questionnaire en deux sections distinctes et en plaçant celle relative à l’innovation en premier.
Des sections séparées doivent être utilisées lorsque l’on combine des questions sur l’innovation avec d’autres types de questions, sur les TIC ou les caractéristiques de l’entreprise, par exemple. Les questions qui s’appliquent à toutes les unités doivent précéder celles sur l’innovation.
Dans le cas d’une enquête combinée sur la R-D et l’innovation, il est possible de réduire encore les problèmes relatifs aux concepts en veillant à ce que la section relative à la R-D ne soit envoyée qu’aux unités susceptibles d’exercer ce type d’activités.
Pour éviter une baisse des taux de réponse, la longueur de l’enquête combinée doit être comparable à la somme des longueurs des enquêtes séparées, surtout s’il s’agit d’enquêtes facultatives.
Les comparaisons des résultats relatifs à l’innovation tirés d’enquêtes combinées avec ceux tirés d’enquêtes distinctes sur l’innovation doivent être établies avec circonspection. La méthode d’enquête doit aussi être décrite en détail, en précisant notamment les étapes destinées à réduire la confusion entre les concepts.
9.71. Dans ces conditions, le présent manuel recommande, en règle générale, de ne pas combiner des enquêtes sur la R-D et sur l’innovation, compte tenu des inconvénients évoqués précédemment, comme le fait que cette association pourrait porter certains répondants à croire que l’innovation va nécessairement de pair avec la R-D. Bien que cela n’ait pas été testé, il semble à ce stade que la combinaison d’une enquête sur l’innovation avec d’autres types d’enquêtes, sur les stratégies des entreprises ou sur leurs caractéristiques par exemple, pose moins de problèmes.
9.3.6. Mise à l’essai du questionnaire
9.72. Les enquêtes sur l’innovation font l’objet de mises à jour régulières qui visent à les adapter aux défis connus et à faire en sorte qu’elles répondent aux nouveaux besoins des utilisateurs. Il est vivement recommandé d’expérimenter toute nouvelle question et tout changement de présentation des questionnaires à l’aide de tests cognitifs réalisés lors d’entretiens en face-à-face avec des répondants recrutés dans la population cible de l’enquête.
9.73. Ces tests, mis au point par des psychologues et des chercheurs spécialisés dans les enquêtes, consistent à collecter des informations verbales sur des réponses à des enquêtes. Ils sont utilisés pour évaluer la capacité d’une question (ou d’un groupe de questions) de mesurer les constructions comme attendu par les chercheurs et à déterminer si les répondants sont à même de fournir des réponses raisonnablement précises. Les éléments factuels recueillis au moyen des entretiens cognitifs servent à améliorer les questions avant l’envoi du questionnaire à l’ensemble de l’échantillon (Galindo-Rueda et Van Cruysen, 2016). Les tests cognitifs ne sont pas indispensables pour les questions et les aspects de la présentation qui ont déjà été mis à l’épreuve, à moins que ceux-ci n’aient été prévus pour une langue ou un pays différents. On trouvera des descriptions de la méthode de test cognitif dans Willis (2015, 2005).
9.74. Il n’est pas nécessaire de sélectionner les répondants de manière aléatoire pour les tests cognitifs, mais deux répondants au moins doivent être choisis pour chaque combinaison possible des trois sous-groupes suivants de la population cible : unités innovantes et non innovantes, unités de service et unités manufacturières, et unités appartenant à deux catégories de taille – petite/moyenne (employant de 10 à 249 personnes) et grande (employant 250 personnes ou plus). On sélectionne ainsi 16 répondants au total. Deux sessions de test cognitif (ou plus) peuvent être nécessaires, la deuxième permettant de tester les rectifications apportées aux questions à l’issue de la première session.
9.75. Outre ces tests cognitifs, il est recommandé de réaliser une enquête pilote sur un échantillon constitué de manière aléatoire à partir de la population cible lorsqu’un questionnaire a été modifié de façon substantielle : ajout d’un grand nombre de questions nouvelles, ou association de nouvelles questions et d’une révision d’ampleur de la présentation du questionnaire. Les enquêtes pilotes peuvent aider à optimiser le flux de questions à l’intérieur du questionnaire et fournir des informations précieuses sur les taux de non-réponse partielle, les éventuelles incohérences et la variance de variables spécifiques, ce qui est utile pour décider des tailles d’échantillon (voir aussi sous-section 9.4.2 ci-après).
9.4. Échantillonnage
9.4.1. Base de sondage
9.76. Les unités incluses dans l’échantillon d’une enquête ou dans un recensement sont choisies dans la base de sondage. Lorsqu’on prépare une enquête, la population cible prévue (toutes les entreprises d’au moins 10 salariés, par exemple) et la base de sondage doivent être aussi proches que possible. Dans la pratique, la seconde peut différer de la première. La base de sondage (un registre des entreprises, par exemple) pourrait comprendre des unités qui n’existent plus ou qui ne font plus partie de la population cible et, à l’inverse, ne pas comprendre des unités qui font partie de la population cible, et ce du fait de retards dans la mise à jour du registre. Ce dernier peut ne pas recenser les petites entreprises dont les effectifs progressent rapidement.
9.77. La base de sondage doit être celle de l’année de référence de l’enquête sur l’innovation. Les changements qui touchent les unités durant la période de référence peuvent avoir des incidences, qu’il s’agisse de changements dans les classifications industrielles (codes CITI), de la création de nouvelles unités ou encore de la fusion, de la scission ou de la cessation d’activité de certaines unités.
9.78. Les offices statistiques nationaux puisent généralement dans un registre des entreprises à jour, mis en place à des fins statistiques, pour établir le cadre d’échantillonnage. D’autres organisations désireuses de mener des enquêtes sur l’innovation peuvent ne pas avoir accès à ce registre. La solution de substitution consiste à utiliser des registres d’entreprises gérés par des sociétés privées, mais ceux-ci sont souvent moins à jour que les registres officiels et peuvent donc contenir des erreurs dans le code CITI attribué et le nombre de personnes employées. La représentativité d’un registre privé peut aussi être moindre si les données qu’il contient proviennent d’un questionnaire proposé aux entreprises ou si le registre ne couvre pas certains secteurs. Lorsque le cadre d’échantillonnage a été constitué sans le secours d’un registre officiel des entreprises, les questionnaires d’enquête doivent toujours prévoir des questions permettant de vérifier la taille et le secteur de rattachement de l’unité répondante. Les unités qui ne remplissent pas les conditions requises pour l’échantillon doivent alors être exclues lors de la vérification des données.
9.4.2. Recensement ou enquête par sondage
9.79. Un recensement produit des données plus fidèles qu’une enquête réalisée sur un échantillon, mais il n’est généralement ni possible ni souhaitable de sonder la totalité de la population cible, et un échantillon bien construit constitue souvent un mode de collecte plus efficient qu’un recensement. Les enquêtes par sondage doivent toujours avoir recours à un échantillonnage probabiliste (avec des probabilités connues) pour sélectionner les unités à interroger.
9.80. Le recensement peut être nécessaire en raison d’une obligation légale ou de la taille réduite de la base de sondage dans l’une des strates d’échantillonnage. Dans les petits pays ou dans des secteurs particuliers, un échantillonnage adéquat peut donner, dans certaines strates, un échantillon d’une taille proche de celle de la base de sondage. Si tel est le cas, un recensement dans cette strate donnera de meilleurs résultats pour un surcoût limité. Il est également possible d’utiliser le recensement dans la strate la plus pertinente au regard de l’action publique, celle des grandes unités responsables d’une large part des dépenses de R-D du pays ou celle de secteurs prioritaires, par exemple. L’approche couramment adoptée consiste à recourir à l’échantillonnage pour les PME et au recensement pour les grandes entreprises.
Échantillonnage stratifié
9.81. Un échantillon aléatoire simple (un seul taux de sondage pour toutes les unités sondées d’une population cible) ne constitue pas une méthode efficiente d’estimation de la valeur d’une variable au niveau de confiance souhaité pour toutes les strates, car il faudra un échantillon important pour fournir la puissance suffisante dans les strates qui ne comptent que quelques unités ou dans lesquelles les variables étudiées sont moins présentes. Il est donc plus efficient d’utiliser des taux de sondage différents selon les strates définies par la taille des unités et l’activité économique.
9.82. La taille optimale d’échantillon pour des enquêtes portant sur des échantillons stratifiés dépend du niveau de précision souhaité pour les estimations et du degré de combinaison des variables individuelles dans les résultats présentés. La taille de l’échantillon doit en outre être ajustée pour tenir compte du taux anticipé de non-réponse à l’enquête, du taux anticipé d’erreur de classification des unités et d’autres défauts de la base de sondage utilisée pour l’échantillonnage.
9.83. La taille d’échantillon cible peut être calculée à l’aide d’un niveau cible de précision ou de confiance et des données sur le nombre d’unités, la taille des unités et la variabilité des principales variables étudiées pour la strate. La variance de chaque variable peut être estimée à partir d’enquêtes précédentes ou, pour les nouvelles variables, à partir des résultats d’une enquête pilote. En général, le taux de sondage nécessaire diminuera avec le nombre d’unités dans la population et augmentera avec la taille des unités et la variabilité de la valeur de la population et avec le taux de non-réponse anticipé.
9.84. Il est recommandé d’utiliser des taux de sondage plus élevés pour les strates hétérogènes (où la variabilité des variables étudiées est élevée) et pour les strates les plus petites. Le taux de sondage doit être de 100 % dans les strates qui ne contiennent que quelques unités, comme lorsqu’un secteur ou une région ne compte qu’un petit nombre de grandes unités. On peut également prendre en compte la taille des unités en utilisant la méthode d’échantillonnage avec probabilité proportionnelle à la taille (PPT), ce qui abaisse le taux de sondage dans les strates contenant les unités de plus petite taille. Autre solution, on peut trier les unités de chaque strate par taille ou par chiffre d’affaires et les échantillonner systématiquement. Différentes méthodes d’échantillonnage peuvent être utilisées pour différentes strates.
9.85. La stratification de la population doit aboutir à des strates aussi homogènes que possible du point de vue des activités d’innovation. Les activités d’innovation des unités pouvant varier considérablement selon le secteur et la taille de l’unité, il est recommandé de se fonder sur l’activité économique principale et la taille pour définir les strates. Il est en outre possible que la stratification par région soit nécessaire pour répondre aux besoins de l’action publique. On étudiera également la nécessité éventuelle d’une stratification fondée sur l’âge.
9.86. Pour les strates de taille constituées à partir du nombre de personnes employées, la recommandation est la suivante :
petites unités : de 10 à 49 salariés
unités moyennes : de 50 à 249 salariés
grandes unités : 250 salariés ou plus.
9.87. Selon les caractéristiques nationales, on peut aussi construire une strate pour les unités employant moins de 10 personnes et une pour celles qui emploient 500 personnes ou plus, mais les exigences de comparabilité internationale imposent de pouvoir reproduire les trois strates de taille ci-dessus.
9.88. La stratification des unités selon l’activité économique principale doit s’appuyer sur la classification CITI la plus récente ou une classification par secteur équivalente à l’échelle nationale. Le niveau de classification optimal (section, division, groupe ou classe) dépend en grande partie des considérations nationales qui influent sur le degré de précision requis à des fins de déclaration. Ainsi, une économie spécialisée dans la production de bois aura intérêt à créer une strate séparée pour cette activité (division 16 de la section C, CITI rév. 4), tandis qu’un pays où l’on mise sur le tourisme pour générer de la croissance créera plutôt des strates distinctes pour les divisions 55 (Hébergement) et 56 (Activités de services de restauration et de consommation de boissons) de la section I et la section R (Arts, spectacles et loisirs). Les strates d’échantillonnage ne doivent pas être excessivement agrégées car cela nuit à l’homogénéité au sein de chacune d’elles.
Domaines (sous-populations présentant un grand intérêt)
9.89. Certains sous-ensembles de la population cible peuvent revêtir un intérêt particulier pour les utilisateurs ou bien ceux-ci peuvent avoir besoin d’informations détaillées au niveau de secteurs et de régions. Ces sous-ensembles sont appelés des domaines (ou sous-populations). Pour que les résultats soient représentatifs, chaque domaine doit être un sous-ensemble des strates d’échantillonnage. L’approche la plus fréquente consiste à utiliser un taux de sondage élevé de façon à obtenir des résultats fiables pour les domaines. En outre, l’établissement de domaines permet de coordonner différentes enquêtes auprès des entreprises et de comparer dans le temps des unités présentant des caractéristiques similaires. Les sous-populations qui peuvent être prises en compte sont des groupements sectoriels, des classes de tailles, la région dans laquelle l’unité est implantée (état, province, zone d’administration locale, commune, zone métropolitaine, etc.), les unités menant des activités de R-D et l’ancienneté des entreprises. La stratification en fonction de l’ancienneté peut être utile aux travaux de recherche axés sur les jeunes entreprises innovantes.
9.90. L’acquisition des données préliminaires pertinentes sur les domaines peut se faire en dehors des enquêtes représentatives menées par les offices statistiques nationaux et être réalisée par des universitaires, des cabinets de conseil ou d’autres organisations utilisant des enquêtes ou d’autres méthodes décrites dans l’introduction. Les enquêtes universitaires sur les start-ups ou d’autres domaines peuvent produire de bons résultats ou constituer des expériences utiles de collecte de données, à condition qu’elles appliquent des méthodes de recherche fondées sur de bonnes pratiques.
9.4.3. Données longitudinales et enquêtes transversales
9.91. Comme nous l’avons noté précédemment, les enquêtes sur l’innovation sont couramment fondées sur la répétition d’enquêtes transversales, pour lesquelles un nouvel échantillon aléatoire est tiré à chaque fois d’une population donnée. Les enquêtes transversales sur l’innovation peuvent être conçues sous la forme d’un panel longitudinal qui permet de sonder un sous-ensemble d’unités lors de deux itérations au moins de l’enquête, au moyen d’un jeu de questions essentielles identiques. Les questions secondaires peuvent varier d’une enquête à l’autre.
9.92. Les données de panel (données longitudinales) permettent des travaux de recherche sur l’évolution, au fil du temps, des activités d’innovation au niveau microéconomique et facilitent les recherches qui visent à induire des relations de cause à effet entre activités d’innovation et résultats économiques tels que la part du chiffre d’affaires provenant de l’innovation (voir chapitre 8), en tenant compte du délai entre l’innovation et ses résultats.
9.93. Un certain nombre de procédures doivent être respectées scrupuleusement lors de l’élaboration d’une enquête par panel :
Les unités constituant le panel doivent être intégrées dans l’enquête transversale complète, de façon à réduire la charge de travail imposé aux répondants, à assurer un niveau de cohérence acceptable entre les résultats des deux enquêtes et à collecter des données transversales de bonne qualité qui serviront à élaborer des indicateurs. Un panel ne supprime pas la nécessité d’une enquête transversale.
L’analyse doit faire en sorte que la prise en compte des résultats issus du panel n’introduise pas de biais ni d’autres distorsions dans les résultats de l’enquête transversale principale.
Les panels doivent être régulièrement actualisés pour tenir compte des nouvelles entrées et de la mortalité au sein du panel (unités qui ferment ou sortent de la population cible) ainsi que de la lassitude des répondants. La mise à jour de l’échantillon doit se faire selon la même procédure de stratification que pour le panel initial.
9.5. Méthodes de collecte des données
9.94. Quatre méthodes principales peuvent être utilisées pour réaliser les enquêtes : en ligne, par voie postale, au moyen d’un entretien téléphonique assisté par ordinateur (CATI) ou lors d’un entretien individuel assisté par ordinateur (CAPI). Dans les enquêtes réalisées en ligne et par voie postale, le répondant lit lui-même le questionnaire ; la présentation du questionnaire joue donc un rôle. Dans celles menées par téléphone ou en face-à-face, tout se fait oralement, les questions étant lues au répondant ; lors d’un entretien individuel toutefois, l’enquêteur peut fournir les questions imprimées au répondant si nécessaire.
9.95. Au cours de la dernière décennie, les questionnaires envoyés par voie postale ont perdu du terrain au profit des questionnaires en ligne dans de nombreux pays. La plupart des pays qui utilisent un format en ligne comme principal mode d’enquête proposent également une solution alternative, sous la forme soit d’un questionnaire imprimable à télécharger (à l’aide d’un lien inséré dans un courriel ou proposé sur le site de l’enquête), soit d’un questionnaire imprimé adressé par voie postale.
9.96. Le choix de la méthode d’enquête à utiliser dépend du coût et des écarts éventuels dans le taux de réponse et la qualité des données. De récents travaux de recherche expérimentale ont établi qu’il y avait très peu de différences notables entre une enquête menée en ligne et une enquête papier, que ce soit dans la qualité des réponses ou dans le taux de réponse (Saunders, 2012). Il faut toutefois noter que ces travaux portaient principalement sur les ménages et n’ont que rarement évalué les enquêtes réalisées auprès des dirigeants d’entreprise. Les recherches effectuées sur les différentes méthodes d’enquête, en particulier pour les comparer aux formats en ligne, sont presque entièrement fondées sur des enquêtes menées auprès d’étudiants de l’enseignement supérieur ou de participants à des panels web commerciaux. Il serait donc utile de disposer de davantage d’études sur les effets des différentes méthodes dans le cas d’enquêtes auprès des entreprises.
9.5.1. Enquêtes par voie postale
9.97. Dans le cas des enquêtes par voie postale, un questionnaire imprimé est adressé par courrier aux répondants, accompagné d’une enveloppe affranchie portant l’adresse de l’expéditeur et permettant aux répondants de renvoyer le questionnaire rempli. Il est de bonne pratique d’appliquer le protocole suivant : envoi par courrier au répondant d’une copie imprimée du questionnaire avec une lettre d’accompagnement, suivi de deux ou trois rappels, par voie postale également, en cas de non-réponse, puis de relances par téléphone si nécessaire.
9.98. Les enquêtes distribuées par voie postale permettent aux répondants de visualiser aisément et rapidement l’ensemble du questionnaire et d’évaluer ainsi sa longueur, les thèmes abordés et sa pertinence. Un questionnaire imprimé peut facilement être partagé entre plusieurs répondants, s’il est nécessaire par exemple qu’une personne du service comptable remplisse la section consacrée aux dépenses d’innovation (voir ci-après section 9.6 sur les répondants multiples). Un questionnaire imprimé contenant des questions filtres impose aux répondants d’être attentifs aux instructions leur indiquant la question suivante à traiter.
9.5.2. Enquêtes en ligne
9.99. Dans le cas d’une enquête en ligne, il est de bonne pratique d’envoyer une lettre de présentation par voie postale pour expliquer l’objet de l’enquête, puis de faire suivre cet envoi d’un courriel contenant un lien d’accès direct à l’enquête. L’accès doit se faire à l’aide d’un identifiant et d’un mot de passe sécurisés et mettre en œuvre des méthodes modernes de protection. Le suivi comprend l’envoi de deux ou trois rappels aux non-répondants, par courrier électronique ou par voie postale, et des relances téléphoniques si nécessaire.
9.100. Les questionnaires en ligne peuvent être partagés entre plusieurs répondants s’il y a lieu, à condition que la personne initialement contactée communique l’identifiant et le mot de passe aux autres (voir section 9.6).
9.101. Les enquêtes en ligne présentent plusieurs avantages par rapport à celles acheminées par voie postale, tant sur le plan des coûts que de la qualité des données :
Le logiciel peut afficher une fenêtre contextuelle pour aviser les répondants si une question n’a pas été donnée ou contient une erreur – si une valeur excède le maximum attendu ou si un pourcentage dépasse 100 %, par exemple. Dans le cas d’une enquête par voie postale, les répondants doivent être contactés par téléphone en cas d’erreurs à rectifier, et cet entretien peut avoir lieu plusieurs semaines après qu’ils ont retourné le questionnaire. Il n’est pas rare qu’en raison du coût de ce suivi, les valeurs manquantes dans un questionnaire transmis par voie postale soient corrigées a posteriori, en procédant par imputation.
Des zones de texte contextuelles peuvent être ouvertes en regard des questions concernées pour apporter des informations complémentaires, encore qu’il soit rare que les répondants utilisent cette fonction.
Dans un questionnaire en ligne, les répondants ne peuvent pas voir toutes les questions comme c’est le cas avec un questionnaire imprimé. Le risque est donc moindre qu’ils répondent par la négative dans le seul but d’esquiver les questions de suivi. Une enquête réalisée en ligne permet donc de réduire les faux négatifs.
Le coût de l’enquête est réduit comparé aux autres méthodes car la nécessité de contacter les répondants pour corriger certains types d’erreurs est moindre, les données sont automatiquement stockées dans un fichier, la phase de vérification des données est allégée par rapport aux autres méthodes et les dépenses d’affranchissement et d’impression sont également réduites.
9.102. Le principal inconvénient d’une enquête en ligne tient au fait que certains répondants peuvent être dans l’incapacité ou peuvent refuser de remplir un questionnaire numérique. Dans ce cas, une méthode substitutive s’impose (voir sous-section 9.5.4 ci-après). Il peut aussi être nécessaire de concevoir le système en ligne de sorte que plusieurs personnes d’une unité puissent répondre à différentes sections de l’enquête.
Collecte des paradonnées dans les enquêtes en ligne
9.103. Les logiciels d’enquête en ligne offrent la possibilité de collecter des paradonnées sur les frappes au clavier et les clics de souris (pour savoir si le répondant a accédé aux menus d’aide, par exemple) et les données relatives au temps de réponse, afin de connaître le temps qui a été nécessaire pour répondre à certaines questions ou sections, ou pour remplir l’ensemble du questionnaire (Olson et Parkhurst, 2013). Les paradonnées peuvent être analysées en vue d’identifier les meilleures pratiques permettant de minimiser les comportements indésirables des répondants, tels que l’abandon prématuré ou l’effort minimum (satisficing), de repérer les questions que les répondants ont du mal à comprendre (lorsque le temps de réponse est considérablement plus long que la moyenne pour une question de même type, par exemple) et de mesurer si les répondants tardifs ont plus de risque de survoler le questionnaire pour gagner du temps, réduisant ainsi la qualité des données (Belfo et Sousa, 2011 ; Fan et Yan, 2010 ; Revilla et Ochoa, 2015).
9.104. Il est recommandé de collecter les paradonnées lorsqu’on se sert d’enquêtes en ligne afin de détecter les problèmes liés à la rédaction des questions et à la présentation du questionnaire.
9.5.3. Entretiens par téléphone et en face-à-face
9.105. Les enquêtes réalisées par téléphone ou en face-à-face utilisent des systèmes de saisie de données assistée par ordinateur. Quel que soit le mode d’entretien, les questions sont lues à la personne interrogée, ce qui peut imposer d’en ajuster le format par rapport aux enquêtes proposées par écrit, dans lesquelles le répondant peut visualiser les questions. Les enquêteurs doivent être formés aux techniques d’entretien et savoir comment répondre aux questions du répondant de façon à éviter que cette interaction ne fausse les réponses de celui-ci. Avec ces deux méthodes, les filtres sont automatiquement appliqués et le répondant n’entend pas les questions passées, encore que l’enquêteur puisse poser des questions subsidiaires pour s’assurer qu’une réponse par l’affirmative ou la négative est exacte.
9.106. La méthode CATI (entretien téléphonique assisté par ordinateur) a l’avantage de la rapidité par rapport aux autres méthodes, les résultats pouvant être obtenus en quelques semaines seulement. Les méthodes CATI et CAPI (entretien individuel assisté par ordinateur) sont susceptibles de réduire les erreurs et les valeurs manquantes, tout comme les enquêtes menées en ligne. Leur principal inconvénient par rapport à une enquête en ligne tient au surcoût lié à la nécessité de faire appel à des enquêteurs formés. Par ailleurs, contrairement aux enquêtes en ligne ou à celles diffusées par voie postale, les méthodes CATI et CAPI ne conviennent pas à la collecte de données quantitatives pour lesquelles le répondant doit rechercher les informations nécessaires à la réponse.
9.107. La principale raison d’utiliser un format CAPI est la nécessité d’obtenir des taux de réponse élevés. Ce peut être le cas dans les cultures où l’entretien en face-à-face est une marque nécessaire de respect à l’égard du répondant et dans les zones où les enquêtes en ligne ou par voie postale ne sont pas fiables.
9.5.4. Méthodes combinées d’enquête
9.108. L’utilisation combinée de plusieurs méthodes d’enquête peut accroître nettement les taux de réponse (Millar et Dillman, 2011). Lorsque c’est possible, les enquêtes doivent associer des méthodes complémentaires, visuelles (questionnaire imprimé ou en ligne) ou orales (CATI ou CAPI), car la façon dont les personnes interrogées répondent aux questions diffère selon les méthodes utilisées. Les enquêtes téléphoniques peuvent aussi permettre d’obtenir des scores plus élevés que les enquêtes en ligne ou par voie postale sur les questions portant sur des sujets socialement souhaitables (Zhang et al., 2017). L’innovation étant considérée comme socialement souhaitable, les taux d’innovation dont il est fait état dans les enquêtes réalisées selon la méthode CATI pourraient être plus élevés qu’ils ne le seraient avec les enquêtes en ligne ou par voie postale. Les effets possibles des méthodes d’enquête doivent être évalués lors du calcul des indicateurs et de la comparaison des résultats entre pays utilisant des méthodes différentes.
9.6. Protocole d’enquête
9.109. Le protocole d’enquête organise toutes les activités permettant de mettre le sondage à exécution, comme prendre contact avec les répondants, récupérer les questionnaires remplis et assurer le suivi auprès des non-répondants. Le protocole doit être décidé à l’avance et conçu de sorte que tous les répondants aient une chance égale de répondre au questionnaire, puisque l’objectif est une maximisation du taux de réponse. Il est probable toutefois que le protocole d’enquête optimal varie selon le pays.
9.6.1. Identification des répondants
9.110. Dans les enquêtes sur l’innovation, le choix du répondant (ou du service dans les grandes entreprises) le plus pertinent est capital, car les questions sont spécialisées et seules quelques personnes seront à même d’y répondre ; le plus souvent, ce ne sont pas celles qui répondent habituellement aux autres questionnaires statistiques. Dans les petites unités, les directeurs généraux sont souvent de bons répondants. Autant que possible, on sélectionnera des personnes connaissant bien le sujet pour réduire au minimum la « circulation » physique ou virtuelle du questionnaire entre différentes personnes dans l’entreprise. Cette circulation accroît la probabilité que le questionnaire soit égaré ou que nul ne se sente responsable de la bonne fin de l’opération. Dans les grandes unités, où il est peu probable qu’un seul individu puisse répondre à toutes les questions, une certaine circulation est inévitable. Il faut alors qu’une personne ou un service soit nommément responsable de l’opération et coordonne le remplissage du questionnaire.
9.6.2. Assistance aux répondants
9.111. Les enquêtes sur l’innovation contiennent des termes et des questions qui peuvent ne pas être totalement clairs pour certains répondants. Les responsables des enquêtes doivent former du personnel à répondre aux questions potentielles et lui fournir une liste de définitions de base et d’explications simples des questions.
9.6.3. Enquêtes obligatoires et facultatives
9.112. La réponse à une enquête sur l’innovation peut être facultative ou obligatoire ; dans ce dernier cas, elle peut être associée à différents niveaux de coercition. On s’attend généralement à ce que les enquêtes facultatives obtiennent des taux de non-réponse plus élevés, et le phénomène tend à s’aggraver avec la longueur du questionnaire. Il est possible de relever les taux de sondage pour tenir compte des taux de non-réponse anticipés, mais cela ne résout pas le biais susceptible de découler des différences dans les caractéristiques des unités répondantes et non répondantes, corrélées aux questions de l’enquête. Pour réduire ce biais, il faut maximiser les taux de réponse et la représentativité (voir plus loin).
9.113. Le caractère facultatif ou obligatoire d’une enquête peut aussi influer sur les résultats. Ainsi, dans une enquête facultative, la part calculée des firmes innovantes sera artificiellement majorée si les dirigeants des entreprises non innovantes sont moins susceptibles de répondre que ceux des entreprises innovantes (Wilhelmsen, 2012).
9.6.4. Non-réponse
9.114. La non-réponse totale signifie qu’une unité sondée s’abstient purement et simplement de répondre à une enquête. Cela peut arriver quand l’organisme de sondage ne réussit pas à contacter l’unité déclarante ou que cette dernière refuse de répondre. La non-réponse partielle renvoie au taux de réponse obtenu à une question en particulier ; elle équivaut au pourcentage de réponses manquantes à cette question dans l’ensemble des unités déclarantes. Les taux de non-réponse partielle sont souvent plus élevés pour les questions quantitatives que pour les questions appelant des réponses nominales ou ordinales.
9.115. Le problème des non-réponses totales ou partielles reste mineur si les réponses manquantes sont distribuées de façon aléatoire sur toutes les unités sondées et sur toutes les questions. Si les non-réponses totales sont aléatoires, la puissance statistique peut être maintenue par une augmentation du taux de sondage. Si les non-réponses partielles sont aléatoires, on peut utiliser des méthodes de pondération simple pour estimer la valeur d’une variable pour la population. Ces deux types de non-réponses peuvent toutefois présenter des biais. De fait, les dirigeants des unités non innovantes peuvent être moins susceptibles de répondre parce qu’ils estiment le questionnaire peu pertinent, ce qui entraîne une surestimation de la part des unités innovantes dans la population. Autre cas, les dirigeants des unités innovantes peuvent être moins enclins à répondre, faute de temps.
Amélioration des taux de réponse
9.116. Obtenir des taux de réponse élevés, en particulier aux enquêtes facultatives, est plus facile si l’on soigne la qualité des questions et du questionnaire (voir section 9.3) ainsi que celle du protocole d’enquête. Deux aspects du protocole peuvent avoir des effets favorables importants sur les taux de réponse : i) un bon suivi comprenant plusieurs rappels adressés aux non-répondants ; et ii) la personnalisation de tous les contacts, en utilisant le nom du répondant et en modifiant la formulation des différents courriels de rappel. La personnalisation suppose également l’envoi par la poste d’un courrier de prise de contact, lequel augmente significativement les taux de réponse comparé à un premier contact pris par courriel (Dykema et al., 2013). Le fait d’exprimer clairement l’objet de l’enquête et l’utilisation qui sera faite des données recueillies est un point critique si l’on veut susciter la confiance et la participation. Cette dernière peut encore être améliorée si les dirigeants tablent sur le fait qu’apporter des réponses fidèles et mûrement réfléchies au questionnaire peut avoir des avantages directs pour leur entreprise.
Gestion des taux de réponse totale faibles
9.117. Il n’existe aucune délimitation claire de ce que l’on considère comme des taux de réponse totale élevés, moyens et faibles. On estime au jugé qu’un taux de réponse élevé dépasse 70 % ou 80 %, un taux de réponse moyen est compris entre ce seuil et 50 %, et qu’un taux de réponse faible est inférieur à 50 %.
9.118. À moins que l’on obtienne un taux de réponse très élevé (supérieur à 95 %), les différences entre répondants et non-répondants doivent être comparées à l’aide des variables de stratification, telles que la taille de l’unité ou le secteur. Si le taux de réponse est élevé et que le recours aux variables de stratification ne fait apparaître aucune différence significative, la pondération de la population peut être calculée à partir des unités qui ont répondu. Cette procédure repose sur l’hypothèse que le comportement en matière d’innovation est identique pour les unités répondantes et non répondantes correspondant à ces caractéristiques. Des problèmes peuvent se poser quand le comportement est très hétérogène au sein des strates (entre les grandes et les très grandes entreprises par exemple).
9.119. Si le taux de réponse est moyen ou faible, il est recommandé de mener une enquête sur les non-réponses (voir sous-section 9.6.5 ci-après).
9.120. S’il est très faible (moins de 20 %), une enquête sur les non-réponses peut s’avérer insuffisante pour corriger un biais potentiel, à moins qu’elle ne soit de très haute qualité et qu’elle ne couvre une large part des unités qui n’ont pas répondu. On peut analyser les données pour déterminer si les taux de réponse sont acceptables dans certaines strates et mener une enquête sur les non-réponses dans ces strates. Faute de quoi, les résultats ne doivent pas être utilisés pour estimer les caractéristiques de la population cible, car la possibilité qu’ils soient faussés est importante. On peut utiliser les données pour étudier les schémas de corrélation des variables, à condition que les résultats ne soient pas généralisés à la population cible.
9.6.5. Réalisation d’enquêtes sur les non-réponses
9.121. De nombreux offices statistiques nationaux ont leurs propres règles définissant les circonstances dans lesquelles il convient de mener une enquête sur les non-réponses. Si tel n’est pas le cas, il est recommandé d’y recourir lorsque le taux de non-réponse totale dans une strate dépasse 30 %. L’enquête sur les non-réponses doit sonder 10 % au moins des non-répondants (davantage pour les petites enquêtes ou pour les strates dont la population compte peu d’unités).
9.122. Ce type d’enquête a pour objectif d’identifier les écarts notables éventuels, en termes d’activités d’innovation, entre les unités répondantes et les unités non répondantes. Pour améliorer les futures enquêtes, il est possible d’obtenir des informations sur les raisons inhérentes aux défauts de réponse. Dans l’idéal, le taux de réponse totale à l’enquête sur les non-réponses est suffisamment élevé et les réponses obtenues suffisamment fiables pour permettre l’ajustement des coefficients de pondération de la population. Cela étant, les effets de la méthode utilisée dans l’enquête sur les non-réponses (méthodes ou questionnaires différant de ceux de l’enquête principale) doivent aussi être pris en compte lors de l’ajustement des poids.
9.123. Le questionnaire d’enquête sur les non-réponses doit être court (pas plus d’une page imprimée) et ne pas prendre plus de deux ou trois minutes à remplir. Les questions essentielles doivent reprendre, mot pour mot, les questions de l’enquête principale qui appelaient une réponse par Oui ou par Non sur les résultats de l’innovation (innovations de produit et de processus d’affaires) et sur quelques-unes des activités d’innovation (R-D, activités d’ingénierie, de conception et autres travaux de création, etc.). Si les informations ne sont pas disponibles auprès d’une autre source, l’enquête sur les non-réponses doit intégrer des questions sur l’activité économique et la taille de l’unité.
9.124. Ces enquêtes sont généralement réalisées au moyen d’entretiens téléphoniques assistés par ordinateur, ce qui offre l’avantage de la rapidité et permet d’obtenir des taux de réponse élevés pour un questionnaire court, à condition que toutes les entreprises de l’échantillon puissent être contactées par téléphone. L’inconvénient d’une enquête de ce type pour faire suite à une enquête en ligne ou par voie postale est que, dans certains pays, une enquête téléphonique courte pourrait susciter davantage de réponses positives à des questions sur les activités et les résultats de l’innovation que l’enquête initiale. Les retours d’expérience à cet égard s’avèrent contrastés, différents pays ayant obtenu des résultats divergents. Il est recommandé de poursuivre les travaux de recherche expérimentale sur la comparabilité des méthodes d’enquête auprès des entreprises afin de réunir davantage d’éléments.
9.7. Traitement des données post-enquête
9.125. Le traitement des données comprend les contrôles visant à détecter les erreurs, l’imputation des valeurs manquantes et le calcul des coefficients de pondération.
9.7.1. Contrôles visant à détecter les erreurs
9.126. Comme indiqué aux sous-sections 9.5.2 et 9.5.3 qui précèdent, le recours à des enquêtes en ligne ou à des méthodes de type CATI ou CAPI permet de détecter automatiquement les erreurs potentielles et de demander immédiatement aux répondants de corriger leur réponse. Tous les types de contrôles qui suivent doivent être réalisés pour des questionnaires imprimés ; en revanche, seul le premier (unités sortant du champ de l’enquête) pourrait être nécessaire pour les questionnaires en ligne. Lorsqu’on détecte des erreurs, il convient de contacter le répondant ou l’unité déclarante dès que possible pour demander une rectification.
Unités sortant du champ de l’enquête
9.127. Il arrive que l’on reçoive des réponses de la part d’unités n’appartenant pas à la population cible, comme une unité employant moins de personnes que le minimum défini, non détenue par une entreprise ou classée dans une catégorie de la CITI non couverte par l’enquête. Ces réponses doivent être exclues avant toute analyse.
Contrôles de validation des données
9.128. Ces procédures testent si les réponses sont admissibles. Par exemple, les valeurs permises pour un pourcentage vont de 0 à 100.
9.129. Un contrôle supplémentaire de la qualité des données doit être effectué sur les données de ratio et les données d’intervalle, en particulier s’agissant des dépenses d’innovation. La bonne pratique actuelle consiste à comparer les données d’intervalle à des données provenant d’autres sources (des dépenses de R-D ou d’équipement, par exemple). En outre, les estimations de la part du chiffre d’affaires provenant de l’innovation et d’autres données d’intervalle doivent être vérifiées afin de détecter d’éventuelles valeurs aberrantes ou d’autres valeurs inattendues. Ces méthodes sont particulièrement importantes dans le cas de grandes unités qui entrent pour une large part dans le total des dépenses de R-D et d’innovation déclarées.
Contrôles des relations
9.130. Ces contrôles évaluent la relation entre deux variables et peuvent permettre de détecter des erreurs effectives ou potentielles. On parle d’erreur effective quand une relation est erronée : le total des pourcentages n’est pas égal à 100 %, par exemple, ou le nombre déclaré de personnes employées possédant un diplôme de l’enseignement supérieur est supérieur à l’effectif total. D’autres contrôles des relations détectent des erreurs possibles. Prenons le cas d’une unité employant 10 personnes, qui déclare 10 millions EUR de dépenses d’innovation : une telle situation est possible, mais peu probable.
Contrôles des erreurs de cheminement
9.131. Ces contrôles servent à vérifier si une réponse a bien été donnée à toutes les questions auxquelles la personne interrogée était censée répondre, en d’autres termes si les répondants des unités menant des activités d’innovation ont répondu à toutes les questions relatives aux dépenses d’innovation. Une erreur de ce type indique que le répondant n’a pas compris ou n’a pas suivi les instructions de filtrage.
9.7.2. Imputation des données manquantes
9.132. Le fait qu’un répondant n’ait pas répondu à une question ou qu’il ait laissé, intentionnellement ou non, plusieurs sous-questions d’une question en tableau sans réponse constitue un autre type d’erreur. Il arrive que les répondants refusent de répondre à une question s’ils considèrent qu’aucune des réponses ne correspond à leur cas ou s’ils ne connaissent pas la réponse et que le questionnaire ne prévoit pas d’option « Je ne sais pas ». Les logiciels d’enquête en ligne peuvent obliger le répondant à donner une réponse, mais cette option n’est pas recommandée dans le cas d’enquêtes facultatives car elle peut conduire le répondant à abandonner le questionnaire.
9.133. Pour réduire les coûts et la charge de travail liés aux questions sans réponse, les valeurs manquantes peuvent dans certains cas être imputées au moyen d’informations complémentaires, ce qui évite d’avoir à recontacter le répondant. L’utilisation d’informations complémentaires doit permettre une estimation plus précise des valeurs manquantes que le simple fait d’utiliser la valeur observée moyenne d’une strate. En outre, les valeurs imputées doivent toujours être signalées afin qu’elles ne soient pas utilisées comme valeurs dépendantes dans les analyses multivariées pour éviter les coefficients biaisés.
9.134. Les techniques d’imputation de type « cold-deck » permettent d’estimer les informations manquantes au moyen de données tirées d’autres enquêtes statistiques (y compris les enquêtes antérieures) ou d’autres sources connexes. Ainsi, les données relatives au nombre d’employés diplômés de l’enseignement supérieur pourraient être disponibles dans une autre enquête réalisée auprès de types d’unités similaires.
9.135. L’imputation de type « hot-deck » utilise d’autres données tirées de l’enquête sur l’innovation pour déterminer les valeurs manquantes. Le choix de la méthode hot-deck à utiliser dépend du niveau de mesure de la variable. Les données d’intervalle peuvent être imputées soit en utilisant la valeur moyenne de la variable dans la strate de l’unité répondante, soit en effectuant une régression pour prédire la valeur de la variable d’intervalle. Dans ce dernier cas, les résultats doivent être vérifiés pour détecter d’éventuelles valeurs estimées non crédibles – des valeurs négatives, par exemple.
9.136. S’agissant de valeurs nominales et ordinales, on peut recourir à l’imputation par le plus proche voisin. Cette technique consiste à déterminer un enregistrement propre (qui n’enfreint aucun contrôle d’erreur, également appelé « enregistrement donneur »), puis à utiliser la valeur de cet enregistrement en lieu et place de la valeur manquante. Les donneurs sont choisis sur la base de variables de stratification similaires ainsi que sur des variables connexes pour une comparabilité maximale. Ainsi, le donneur d’une variable ordinale manquante sur les partenaires de collaboration devra présenter un degré de similitude aussi élevé que possible pour ce qui est des variables connexes sur les sources d’information.
9.7.3. Calcul des poids
9.137. Les résultats des enquêtes par sondage doivent être pondérés pour fournir des estimations représentatives de la population cible. Il existe diverses méthodes pour ce faire. La plus simple est une pondération par la réciproque (l’inverse) du taux de sondage de la strate de chaque unité sondée, corrigée de la non-réponse totale de chaque strate, ce qui donne l’échantillon réalisé. Ainsi, si le taux de sondage est égal à 10/100, mais que 10 % des unités sondées n’ont pas répondu à l’enquête, le taux de sondage corrigé est de 9/100. Cette procédure repose sur l’hypothèse que la répartition des activités d’innovation entre les unités est identique, que celles-ci aient répondu ou non. Cette hypothèse peut être testée à l’aide d’une analyse des non-réponses ; même si elle est erronée, le biais introduit peut être ignoré tant que le taux de non-réponse totale demeure relativement faible.
9.138. Toutes les enquêtes par sondage n’utilisent pas la stratification – un recensement, par définition, n’est pas stratifié. Dans le cas d’une enquête non stratifiée, la pondération utilisera la réciproque du taux de sondage global, corrigée de la réciproque du taux de réponse total. Pour un recensement, on peut constituer des strates à l’issue de l’enquête, par taille d’entreprise, secteur, région, etc., pour déterminer les taux de non-réponse dans chacune d’elles. Il est ensuite possible de définir les variables de pondération du recensement à partir de la réciproque du taux de réponse dans chaque strate.
9.139. Les coefficients de pondération finals peuvent encore être corrigés si une enquête sur les non-réponses fait apparaître des différences statistiquement significatives entre les répondants à l’enquête initiale et les répondants à l’enquête sur les non-réponses – si, par exemple, le pourcentage des unités non innovantes ayant répondu à l’enquête première est plus faible que celui obtenu à l’enquête sur les non-réponses. Une première méthode consiste à diviser chaque strate en un certain nombre de groupes de réponses homogènes (GRH), la probabilité de réponse étant (supposée) égale au sein de chacun d’eux. Ces groupes peuvent être définis à l’aide des résultats de l’enquête sur les non-réponses. Une deuxième méthode consiste à utiliser des informations auxiliaires à l’étape de l’estimation pour réduire le biais introduit par les non-réponses ou des méthodes d’estimation avec échantillonnage en deux temps. Dans ce dernier cas, l’échantillon est scindé sur la base du phénomène pour lequel un biais de non-réponse probable a été étudié (entreprises innovantes contre entreprises non innovantes, par exemple) et des coefficients de pondération sont calculés séparément pour chaque groupe. Dans un second temps, les coefficients de pondération sont ajustés à l’aide d’un coefficient de correction des non-réponses qui représente le biais, au regard du phénomène étudié, entre les entreprises ayant ou non répondu.
9.140. Les poids peuvent être affinés par calage si la population cadre comprend certaines données quantitatives ou qualitatives sur chacune des unités, telles que les effectifs, le chiffre d’affaires, le statut juridique ou la région. L’opération garantit que l’échantillon pondéré coïncide avec la population totale ou la distribution des variables du cadre, d’où une plus grande fidélité et une réduction du biais. Des logiciels de calage, en particulier CLAN (Statistics Sweden), CALMAR (INSEE, France) et G‑Est (Statistique Canada), sont à la disposition des pays désireux de les utiliser. Un grand nombre des progiciels utilisés pour le calcul des poids peuvent aussi calculer des mesures de la variabilité de l’échantillonnage.
9.8. Publication et diffusion des résultats
9.141. Les enquêtes sur l’innovation servent à produire des tableaux de statistiques et d’indicateurs dans ce domaine et sont utilisées dans les analyses économétriques de différents sujets intéressant l’innovation. La production de statistiques et d’indicateurs demande que l’on applique des coefficients de pondération de la population pour obtenir des résultats représentatifs de la population cible. La plupart des enquêtes sur l’innovation utilisent un échantillon probabiliste pour de nombreuses strates. Les enquêtes peuvent créer deux types d’erreurs concernant les indicateurs : les erreurs aléatoires dues au processus aléatoire employé pour sélectionner les unités, et les erreurs systématiques regroupant toutes les erreurs non aléatoires (biais). La probabilité d’erreurs aléatoires doit être fournie avec les résultats en incluant les intervalles de confiance, les erreurs types et les coefficients de variation, le cas échéant. Les limites de confiance circonscrivent les valeurs vraies mais inconnues de la population objet de l’enquête avec une probabilité donnée. Autant que possible, les rapports sur la qualité des données doivent aussi fournir une évaluation des erreurs non aléatoires.
9.8.1. Métadonnées et rapports sur la qualité
9.142. Un certain nombre de métadonnées devraient accompagner la présentation des statistiques et indicateurs, notamment des informations sur la procédure employée pour collecter les données, les méthodes d’échantillonnage, les procédures de traitement des non-réponses, et des indicateurs de qualité. Ces renseignements permettront à l’utilisateur de mieux interpréter les données et de juger de leur qualité. Les organisations internationales doivent continuer à fournir des informations détaillées sur les méthodes courantes et particulières adoptées par les pays pris en compte dans leurs bases de données et leurs rapports.
9.8.2. Accès aux données
9.143. Les données descriptives peuvent être fournies au moyen de communiqués de presse, de tableaux, de bases de données et de rapports. L’analyse économétrique des données issues d’enquêtes sur l’innovation présente un intérêt considérable pour l’élaboration des politiques (voir section 11.5), mais ne constitue pas la tâche principale des offices statistiques nationaux. Les analyses économétriques que ceux-ci effectuent en interne peuvent être complétées à moindre coût en donnant aux chercheurs un accès aux microdonnées des enquêtes sur l’innovation. Cela nécessite de préserver la confidentialité, soit en mettant en place un centre sécurisé permettant aux universitaires externes d’accéder aux données, soit en constituant des ensembles de données anonymisées.
Références
Barge, S. et H. Gehlbach (2012), « Using the theory of satisficing to evaluate the quality of survey data », Research in Higher Education, vol. 53, n° 2, pp. 182-200.
Belfo, F. P. et R. D. Sousa (2011), « A web survey implementation framework: evidence-based design practices », document préparé pour la 6e Conférence méditerranéenne sur les systèmes d’information, MCIS 2011, Limassol, 3-5 septembre, http://aisel.aisnet.org/mcis2011/43/.
CE et al. (2009), Système de comptabilité nationale 2008, Nations Unies, New York, https://unstats.un.org/unsd/nationalaccount/docs/sna2008fr.pdf.
Cirera, X. et S. Muzi (2016), « Measuring firm-level innovation using short questionnaires: Evidence from an experiment », Policy Research Working Papers, n° 7696, Groupe de la Banque mondiale.
Couper, M. P. et al. (2013), « The design of grids in web surveys », Social Science Computer Review, vol. 31, n° 3, pp. 322-345.
Downes-Le Guin, T. et al. (2012), « Myths and realities of respondent engagement in online surveys », International Journal of Market Research, vol. 54, n° 5, pp. 613-633.
Dykema, J. et al. (2013), « Effects of e-mailed versus mailed invitations and incentives on response rates, data quality, and costs in a web survey of university faculty », Social Science Computer Review, vol. 31, n° 3, pp. 359-370.
Fan, W. et Z. Yan (2010), « Factors affecting response rates of a web survey: A systematic review », Computers in Human Behavior, vol. 26, n° 2, pp. 132-139.
Galesic, M. et M. Bosnjak (2009), « Effects of questionnaire length on participation and indicators of response quality in a web survey », Public Opinion Quarterly, vol. 73, n° 2, pp. 349-360.
Galindo-Rueda, F. et A. Van Cruysen (2016), « Testing innovation survey concepts, definitions and questions: Findings from cognitive interviews with business managers », OECD Science, Technology and Innovation Technical Papers, Éditions OCDE, Paris, http://oe.cd/innocognitive.
Harkness, J. A. et al. (dir. pub.) (2010), Survey Methods in Multicultural, Multinational, and Multiregional Contexts, Wiley Series in Survey Methodology, John Wiley & Sons, Hoboken.
Harris, R. I. D. (1988), « Technological change and regional development in the UK: Evidence from the SPRU database on innovations », Regional Studies, vol. 22, pp. 361-374.
Hoskens, M. et al. (2016), « State of the art insights in capturing, measuring and reporting firm-level innovation indicators », communication présentée au Forum Blue Sky 2016 de l’OCDE, www.oecd.org/sti/069%20-%20Measuring%20innovation_ECOOM%20August%202016.pdf.
Kleinknecht, A., J. O. N. Reijnen et W. Smits (1993), « Collecting literature-based innovation output indicators: The experience in the Netherlands », in New Concepts in Innovation Output Measurement, Palgrave Macmillan, Londres, pp. 42-84.
Millar, M. M. et D. A. Dillman (2011), « Improving response to web and mixed-mode surveys », Public Opinion Quarterly, vol. 75, n° 2, pp. 249-269, https://doi.org/10.1093/poq/nfr003.
Nations Unies (2008), Classification internationale type, par industrie, de toutes les branches d’activité économique (CITI), Révision 4, Organisation des Nations Unies (ONU), New York, https://unstats.un.org/unsd/publication/SeriesM/seriesm_4rev4f.pdf.
Nations Unies (2007), Statistical Units, Nations Unies, New York, http://unstats.un.org/unsd/isdts/docs/StatisticalUnits.pdf.
OCDE (2016), Manuel de Frascati 2015 : Lignes directrices pour le recueil et la communication des données sur la recherche et le développement expérimental, Mesurer les activités scientifiques, technologiques et d’innovation, Éditions OCDE, Paris, https://doi.org/10.1787/9789264257252-fr.
OCDE (2015), Recommandation du Conseil concernant les bonnes pratiques statistiques, OCDE, Paris, http://www.oecd.org/statistics/good-practice-toolkit/Brochure_Recommendation_du_Conseil_de_l_OCDE_sur_les_bonnes_pratiques_statistiques.pdf.
Olson, K. et B. Parkhurst (2013), « Collecting paradata for measurement error evaluations », in Improving Surveys with Paradata: Analytic Uses of Process Information, John Wiley & Sons, Hoboken, pp. 43-72.
Revilla, M. et C. Ochoa (2015), « What are the links in a web survey among response time, quality and auto-evaluation of the efforts done? », Social Science Computer Review, vol. 33, n° 1, pp. 97-114, https://doi.org/10.1177/0894439314531214.
Saunders, M. N. K. (2012), « Web versus mail: The influence of survey distribution mode on employees’ response », Field Methods, vol. 24, n° 1, pp. 56-73.
Snijkers, G. et D. K. Willimack (2011), « The missing link: From concepts to questions in economic surveys », document présenté lors du 2nd European Establishment Statistics Workshop (EESW11), Neuchâtel, Suisse,12-14 septembre.
Snijkers, G. et al. (dir. pub.) (2013), Designing and Conducting Business Surveys, Wiley Series in Survey Methodology, John Wiley & Sons, Hoboken.
Tourangeau, R., L. J. Rips et K. Rasinski (2000), The Psychology of Survey Response, Cambridge University Press, Cambridge.
Wilhelmsen, L. (2012), « A question of context: Assessing the impact of a separate innovation survey and of response rate on the measurement of innovation activity in Norway », Documents, n° 51/2012, Statistics Norway, Oslo, www.ssb.no/a/english/publikasjoner/pdf/doc_201251_en/doc_201251_en.pdf.
Willeboordse, A. (dir. pub.) (1997), Handbook on Design and Implementation of Business Surveys, Eurostat, Luxembourg, http://ec.europa.eu/eurostat/ramon/statmanuals/files/Handbook%20on%20surveys.pdf.
Willis, G. B. (2015), Analysis of the Cognitive Interview in Questionnaire Design, Oxford University Press, Oxford.
Willis, G. B. (2005), Cognitive Interviewing: A Tool for Improving Questionnaire Design, SAGE Publications.
Zhang, X. C. et al. (2017), « Survey method matters: Online/offline questionnaires and face-to-face or telephone interviews differ », Computers in Human Behavior, vol. 71, pp. 172-180.