Vers le numérique : Forger des politiques au service de vies meilleures

Chapitre 4. Libérer l’innovation

Les données statistiques concernant Israël sont fournies par et sous la responsabilité des autorités israéliennes compétentes. L’utilisation de ces données par l’OCDE est sans préjudice du statut des hauteurs du Golan, de Jérusalem Est et des colonies de peuplement israéliennes en Cisjordanie aux termes du droit international.

 

Libérer L’innovation : Principaux Enjeux De L’action Publique

Encourager les startups et les jeunes entreprises

• Favoriser l’entrepreneuriat en réduisant les contraintes réglementaires qui pèsent sur les startups.

• Réévaluer les réglementations qui peuvent être inadaptées à l’ère numérique, comme celles qui exigent une présence physique ou une taille minimale, ou chercher à remédier aux asymétries d’information.

• Les startups spécialisées dans l’intelligence artificielle (IA) ont attiré 12 % du capital-investissement mondial au premier semestre de 2018, contre 3 % en 2011, et ce pourcentage ne cesse d’augmenter.

• Réfléchir aux possibilités offertes par les nouvelles solutions numériques de financement, comme les prêts de pair à pair et les plateformes électroniques de prêt, pour compléter le capital-risque et les solutions traditionnelles de crédit et de financement sur fonds propres proposées aux petites et aux jeunes entreprises.

Mobiliser les secteurs public et privé à l’appui de la recherche scientifique et de l’innovation numérique

• L’innovation à l’ère du numérique repose sur diverses ressources des secteurs public et privé, parmi lesquelles la recherche fondamentale, la recherche-développement (R-D), les compétences et les actifs immatériels, notamment les données et le capital organisationnel. Les dépenses de R-D des entreprises ont atteint en moyenne 1.6 % du produit intérieur brut (PIB) des pays de l’OCDE en 2016, et le secteur de l’information y a largement contribué.

• Les actifs immatériels (brevets, capital organisationnel et logiciels par exemple) stimulent l’innovation numérique. En 2013-16, un tiers environ des brevets déposés par des pays de l’OCDE se rapportait aux technologies numériques, contre 60 % dans la République populaire de Chine.

Offrir un soutien et des incitations à tous les innovateurs

• Pour stimuler l’innovation numérique, envisager des aides et des incitations, par exemple sous forme de crédits d’impôt au titre de la R-D et de systèmes de propriété intellectuelle adaptés à l’ère numérique. Encourager la diffusion de la connaissance grâce à des initiatives en faveur de l’innovation et de la science ouvertes.

Exploiter le potentiel de l’ouverture des données publiques pour encourager l’innovation numérique

• L’ouverture des données publiques peut donner une impulsion décisive à l’innovation numérique des entreprises et du secteur public. Une politique d’« ouverture par défaut » et une approche qui mobilise l’ensemble de l’administration peuvent être utiles.

Se tenir prêt à profiter de la concrétisation des promesses de l’innovation numérique au niveau sectoriel

• Les technologies numériques offrent des promesses d’amélioration de la productivité sectorielle ; l’expérimentation en matière d’action publique, y compris par l’assouplissement des réglementations et la mise en place de « bacs à sable réglementaires », peut encourager l’innovation tout en protégeant les consommateurs.

L’innovation repousse les limites du possible et entraîne avec elle la création d’emplois, la productivité et la croissance et le développement durables. L’innovation numérique est un levier fondamental de la transformation numérique, et entraîne des changements radicaux dans la manière dont les individus interagissent, créent, produisent et consomment. Elle donne naissance à des produits et services nouveaux et novateurs, mais ouvre également un champ de possibilités pour des modèles économiques et des marchés nouveaux, et peut être source de gains d’efficience à l’intérieur comme à l’extérieur du secteur public. Les technologies et les données numériques peuvent aussi contribuer à l’innovation dans de nombreux secteurs comme l’éducation, la santé, la finance, l’assurance, le transport, l’énergie, l’agriculture, la pêche et l’industrie manufacturière, mais aussi dans celui des technologies de l’information et de la communication (TIC) lui-même.

Encourager les startups et les jeunes entreprises

Les jeunes entreprises sont une composante essentielle du paysage de l’innovation numérique. Au regard de leur taille, elles créent un nombre extraordinairement élevé d’emplois et soutiennent plus largement la croissance de toute l’économie (Criscuolo, Gal et Menon, 2014[1] ; Calvino, Criscuolo et Menon, 2016[2]). Une forte proportion de jeunes entreprises dans un secteur suscite une réaffectation des ressources qui est propice à la productivité au sein de ce secteur puisque les ressources sont alors redéployées depuis des entreprises peu performantes vers d’autres, plus petites et dynamiques, qui peuvent ainsi grandir plus rapidement.

En outre, les nouveaux entrants peuvent renforcer l’innovation numérique. Les secteurs à forte intensité de numérique comme celui des TIC, qui affichent une proportion de jeunes entreprises supérieure à celle des autres secteurs dans la majorité des pays de l’OCDE (OCDE, 2018[3]), sont généralement plus dynamiques et plus innovants. Ils enregistrent des taux d’entrée moyens plus élevés, mais aussi des taux de sortie plus importants dans la plupart des pays étudiés, bien que ces écarts soient moins marqués que dans le cas des taux d’entrée (graphique 4.1). Les résultats diffèrent beaucoup d’un pays à l’autre de l’échantillon. L’Autriche, les Pays-Bas et la Turquie présentent les écarts les plus grands entre les secteurs à plus forte intensité et à plus faible intensité de numérique.

Graphique 4.1. Les secteurs à forte intensité de numérique présentent des taux de renouvellement plus élevés

Dynamisme des entreprises, taux moyens d’entrée et de sortie, secteurs à forte intensité de numérique et tous secteurs, 1998-2015

Note : Voir les notes de chapitre1.

1. Graphique 4.1 : Les chiffres indiqués pour chaque pays rendent compte des moyennes non pondérées des taux d’entrée et de sorties dans les secteurs d’activité A38 de la base de données STAN pour les années disponibles de la période 1998-2015, en distinguant les groupes « secteurs à forte intensité de numérique » et « tous secteurs ». Un tableau des secteurs pris en compte figure dans Calvino et Criscuolo (2019[71]). Les chiffres sont fondés sur des données relatives au secteur manufacturier et au secteur des services marchands non financiers, et excluent le travail indépendant ainsi que les secteurs des produits de cokerie et de l’immobilier. Les données relatives au Japon concernent uniquement l’industrie manufacturière. La classification des secteurs en fonction de l’intensité numérique se fonde sur Calvino et al. (2018[58]) (quartiles supérieurs de l’une ou l’autre des deux périodes prises en compte dans l’étude). En raison de différences méthodologiques, les valeurs peuvent ne pas être identiques aux statistiques nationales officielles. Les données de certains pays sont encore provisoires.

Source: OCDE (2019[4]), Measuring the Digital Transformation, https://dx.doi.org/10.1787/9789264311992-en, à partir de calculs de l’OCDE fondés sur la base de données de l’OCDE DynEmp3, http://oe.cd/dynemp (consultée en janvier 2019).

Statlink

Les entreprises nouvelles et les jeunes entreprises sont porteuses d’innovation, notamment parce qu’elles jouent un rôle important dans la commercialisation des technologies nouvelles (Henderson, 1993[5] ; Tushman et Anderson, 1986[6]), et qu’elles sont souvent capables de promouvoir des innovations radicales, voire de rupture, dans leur propre secteur (Schneider et Veugelers, 2010[7]). Tel a été le cas, par exemple, dans l’industrie logicielle, les nanotechnologies, les biotechnologies et les technologies propres (OCDE, 2018[8]). De même, les jeunes entreprises sont souvent mieux placées pour commercialiser le savoir produit par les organismes de recherche (OCDE, 2010[9] ; Baumol, 2002[10]) et faciliter de ce fait une plus large diffusion de la connaissance dans toute l’économie.

Les entreprises nouvelles et les jeunes entreprises peuvent également être plus à même de réaliser des investissements complémentaires dans leurs processus internes et dans le capital intellectuel, c’est-à-dire dans les logiciels, la R-D, le capital organisationnel et la formation, requis pour tirer profit de la transformation numérique, car elles ne souffrent pas de l’inertie propre aux entreprises plus anciennes et plus établies sur le marché (Henderson et Clark, 1990[11]). Pour aider les entrepreneurs à créer des entreprises innovantes, il faut prêter attention aux facteurs structurels favorables aux projets nouveaux et ne pas sanctionner trop lourdement les échecs (Adalet McGowan, Andrews et Millot, 2017[12]).

La concentration des marchés dans une économie portée par le numérique peut elle aussi faire obstacle à l’innovation. Les jeunes entreprises constituent pour d’autres entreprises établies d’importantes sources de concurrence, et peuvent ainsi stimuler l’innovation à l’échelle de toute l’économie. Parallèlement, on observe une forte hausse des acquisitions de startups par de plus grandes entreprises appartenant à des secteurs à plus forte intensité de numérique. En particulier, les secteurs du traitement des données et de la publication de logiciels ont connu entre 2005 et 2016 un accroissement notable des acquisitions de startups spécialistes du traitement de données ; en 2016, 1 % des acquéreurs représentaient 70 % environ de la valeur totale des opérations réalisées (Bajgar et al., à paraître[13]).

Les cadres réglementaires restreignent parfois l’entrée sur le marché de nouveaux acteurs, qui sont essentiels comme vecteurs de concurrence, d’innovation et de diffusion technologique dans toute l’économie. Une récente étude de l’OCDE sur la relation entre réglementation verticale, transformation numérique et concurrence, a permis de recenser dans les pays de l’OCDE 92 textes réglementaires qui ont un effet négatif sur la concurrence (OCDE, 2018[14]). Elle signale les réglementations verticales qui limitent l’accès au marché d’acteurs du numérique concurrents dans certains secteurs, avec des effets potentiels pour l’innovation, la productivité et la croissance dans ces secteurs ; les secteurs du transport, de l’hébergement et de l’industrie pharmaceutique sont ceux qui comptent le plus de réglementations aux effets potentiellement restrictifs sur la concurrence, même si la protection des consommateurs, ainsi que les normes de sécurité et du marché du travail, y occupent une place importante (OCDE, 2018[14]).

On constate en particulier que les réglementations qui exigent une présence physique ou une taille minimale entravent la création d’entreprises centrées sur le rapprochement entre acheteurs et vendeurs au moyen de plateformes en ligne, y compris à l’étranger (OCDE, 2018[14]). De la même manière, le poids de la réglementation peut atteindre, dans certains secteurs comme la banque, un niveau tel que seuls les opérateurs déjà en place et d’une certaine taille peuvent s’y conformer, ce qui limite l’émergence de modèles économiques de taille plus modeste fondés sur le numérique. Les réglementations qui fixent des critères de taille minimale peuvent aboutir à ce qu’une poignée d’entreprises numériques seulement soit en mesure d’atteindre le niveau requis. Enfin, l’étude précitée montre que certaines réglementations destinées initialement à corriger des défaillances du marché en rapport avec l’asymétrie d’information (système normalisé de classification par étoiles dans l’hôtellerie par exemple) peuvent devenir inutiles dans la mesure où des produits numériques (comme les avis et évaluations des consommateurs) permettent de distinguer des niveaux de qualité.

Encourager la diversification des solutions de financement accessibles aux jeunes entreprises

Le repli des taux de créations d’entreprises observé dans les pays de l’OCDE suscite des inquiétudes, en particulier pour l’innovation numérique, car il entraîne une perte de dynamique et allège la pression qui poussent les acteurs en place à innover (Berlingieri, Blanchenay et Criscuolo, 2017[15]). Cette perte de dynamique nuit à la croissance de la productivité globale et laisse à penser que les acteurs économiques ne tirent pas pleinement profit du potentiel des technologies numériques. Certaines études indiquent également que des obstacles structurels peuvent être l’une des raisons du recul des entrées d’entreprises sur le marché (Criscuolo, Gal et Menon, 2014[1] ; Hathaway et Litan, 2014[16]).

Les startups et les jeunes entreprises innovantes actives dans le secteur du numérique ont face à elles un avenir particulièrement incertain. Habituellement, seules 5 % environ des startups se développent et innovent (Calvino, Criscuolo et Menon, 2015[17]), et l’accès au financement est essentiel pour leur permettre d’améliorer leurs résultats une fois entrées sur le marché (Rajan et Zingales, 1998[18]), de monter en puissance et de partager leurs gains de productivité avec le reste de l’économie, qui peut être très vaste.

Or, de nombreuses petites et moyennes entreprises (PME) déclarent ne pas disposer de garanties bancaires suffisantes ; pour les startups du numérique, le problème se pose d’autant plus que leur modèle économique repose sur des actifs immatériels dont la valorisation ou la liquidation, en cas de sortie du marché, peut se révéler délicate (OCDE, 2015[19]). Compte tenu en outre du profil à haut risque et du dynamisme du secteur des TIC, il arrive souvent que les startups qui en font partie ne puissent bénéficier du nantissement d’actifs ni de financements classiques par emprunt et, lorsqu’elles peuvent recourir à ces solutions, qu’elles soient soumises à des coûts de transaction plus élevés que les entreprises en place (OCDE, 2015[19]).

Le financement en fonds propres est l’un des mécanismes classiques accessibles aux entreprises qui présentent un profil à haut risque. Des travaux récents indiquent que cette forme de financement est la plus prisée pour soutenir l’accès des entreprises innovantes au financement dans les pays de l’OCDE (Commission européenne/OCDE, 2017[20]). Les startups spécialisées dans l’intelligence artificielle (IA) ont attiré 12 % du capital-investissement mondial au premier semestre de 2018, soit une hausse considérable par rapport au pourcentage de 3 % enregistré en 2011. Ce taux augmente dans l’ensemble des grandes économies. Pourtant, le régime fiscal appliqué aux sociétés privilégie souvent le financement par l’emprunt au détriment du financement en fonds propres et d’autres formes de financement.

Les apporteurs de capital-risque peuvent aider à combler le déficit de financement qui résulte du fait que les primo-adoptants de technologies nouvelles (de jeunes entreprises par exemple) manquent souvent de ressources internes et d’antécédents pour faire valoir leur qualité de crédit auprès d’investisseurs (Hall et Lerner, 2009[21]). Des études ont montré que les différences d’un pays à l’autre dans l’offre de capital-risque sont notables et qu’elles sont en corrélation positive avec la rapidité de la diffusion technologique (Saia, Andrews et Albrizio, 2015[22] ; Andrews, Criscuolo et Gal, 2015[23]).

On observe en outre une évolution rapide du secteur du capital-risque – la République populaire de Chine (ci-après la « Chine »), par exemple, qui n’avait pratiquement aucun investissement en capital-risque dans l’intelligence artificielle en 2015, est devenue le deuxième investisseur mondial dans ce secteur en 2017 (OCDE, 2019[24]). Certaines estimations ont permis d’établir par ailleurs que jusqu’à 50 % des startups soutenues par du capital-risque bénéficiaient d’un financement public sous une forme ou une autre, la plupart du temps sous la forme d’un « fonds de fonds », mais aussi parfois sous celle d’un actionnariat direct de l’État dans des fonds de capital-risque (Brander, Du et Hellmann, 2015[25]).

Les investissements en capital-risque concernent moins de 1 % des entreprises (OCDE, 2018[26]), mais ceux qui visent le secteur des TIC varient considérablement parmi les pays pour lesquels on dispose de données. Les États-Unis enregistrent le montant le plus élevé d’investissement en capital-risque globalement, mais aussi dans le secteur des TIC (graphique 4.2).

Graphique 4.2. Le secteur des TIC attire les investissements en capital-risque

Investissement en capital-risque dans le secteur des TIC en pourcentage du PIB, 2017

Note: Voir les notes de chapitre1.

1. Graphique 4.2 : Pour Israël, les données se rapportent à 2014 ; pour le Japon et l’Afrique du Sud, à 2016. Pour les États-Unis, les données incluent les investissements en capital-risque réalisés par d’autres investisseurs que les sociétés de capital-risque, mais excluent les opérations d’investissement financées à 100 % par des groupes ou des investisseurs providentiels. Les données ont été fournies par : Invest Europe (pays d’Europe), ABS (Australie), CVCA (Canada), KVCA (Corée), NVCA/Pitchbook (États-Unis), NZVCA (Nouvelle-Zélande), PwCMoneyTree (Israël), RVCA (Fédération de Russie), SAVCA (Afrique du Sud) et VEC (Japon).

Source: OCDE (2019[4]), Measuring the Digital Transformation, https://dx.doi.org/10.1787/9789264311992-en, fondé sur OCDE, Entrepreneurship Financing Statistics, http://www.oecd.org/industry/business-stats/ (consulté en novembre 2018).

Statlink

Globalement, il faudrait pouvoir disposer d’une plus grande diversité de solutions de financement pour les startups, y compris d’autres types de financements par l’emprunt et d’instruments hybrides (OCDE/G20, 2015[27]). D’aucuns attirent également l’attention sur les technologies numériques et sur leur capacité à surmonter les principaux obstacles auxquels se heurtent les petites et les jeunes entreprises sur les marchés de capitaux, notamment l’asymétrie d’information et l’insuffisance de garanties bancaires (OCDE, 2017[28]). De nouvelles solutions numériques, telles que le prêt entre particuliers et le financement participatif (OCDE, 2018[26]), peuvent être utiles à cet égard, sans oublier d’autres instruments innovants comme l’offre initiale de jetons, plus récente, mais il faudra les étudier plus à fond pour en évaluer pleinement les avantages et les risques (OCDE, 2019[29]). De même, les plateformes électroniques de prêt (comme Amazon ou Alibaba), qui utilisent l’historique commercial et le comportement de l’entreprise emprunteuse sur la plateforme en lieu et place d’autres indicateurs de risque, peuvent contribuer à l’élargissement des solutions de financement, en particulier pour les petites et les jeunes entreprises.

Mobiliser les secteurs public et privé à l’appui de la recherche scientifique et de l’innovation numérique

L’innovation numérique repose sur la construction continue de la base de connaissances et la recherche fondamentale dans les sciences et la technologie est décisive à cet égard. L’accompagnement des universités et des autres institutions qui conduisent les activités de recherche fondamentale peut aider à semer les graines de l’innovation future ; en effet, la recherche fondamentale a servi de soubassement à la plupart des technologies génériques qui sont le fer de lance de la transformation numérique dans sa phase actuelle (OCDE, 2015[30] ; OCDE, 2015[31]). Le secteur public joue un rôle important dans le soutien à cette recherche, étant donné les réticences fréquentes du secteur privé à investir dans des projets dont les coûts sont élevés et les rendements incertains. Ainsi, certaines des toutes premières technologies numériques comme l’internet, le GPS (ou système de géolocalisation) ou encore la reconnaissance vocale, sont l’aboutissement de longs efforts de R-D du secteur public (OCDE, 2018[32]).

En dépit de l’importance de la recherche fondamentale, les dépenses publiques affectées à la R-D dans les pays de l’OCDE en 2017 ont été inférieures de 8 % au niveau de 2009 en valeur réelle (OCDE, 2018[33]). Cette différence peut s’expliquer par l’importance croissante des universités et des établissements publics de recherche, qui représentent moins de 30 % des dépenses totales de recherche-développement de l’OCDE, mais qui assurent plus des trois quarts des activités de recherche fondamentale (OCDE, 2018[32]). Il est encourageant de constater que les dépenses de R-D des universités ont augmenté de 1 % en valeur réelle dans l’OCDE entre 2016 et 2017. Au cours de la dernière décennie, les pays de l’OCDE ont augmenté leurs dépenses consacrées à l’enseignement supérieur d’environ 9 % (OCDE, 2018[3]).

Le secteur public, en dehors des établissements de recherche, contribue aussi à l’innovation. Il joue notamment un rôle important en aidant les PME à comprendre et en définitive à adopter les nouvelles technologies. Plus en aval, la certification publique des technologies, comme l’impression en 3D, facilitera leur diffusion en limitant leurs éventuels effets négatifs, notamment sur l’environnement (OCDE, 2018[34]). Les partenariats entre universités, industrie et pouvoirs publics peuvent aussi contribuer à procurer aux startups le savoir-faire, les équipements et le financement initial nécessaires pour tester et ajuster les nouvelles technologies, et leur donner plus de chances d’attirer des capitaux pour financer les investissements (OCDE, 2018[34]).

Les partenariats public-privé (PPP) stimulent l’innovation en partageant à la fois les risques et les bienfaits de l’innovation numérique. Dans de nombreux domaines de la production avancée, l’innovation dans le secteur des entreprises est étroitement liée au système scientifique et au processus de découverte. Rares sont les entreprises – même parmi les plus grandes – qui disposent à elles seules de toute la gamme des ressources nécessaires pour faire avancer le savoir. Cette réalité a donné naissance à des PPP de plus en plus complexes qui visent à produire et à diffuser des innovations et des travaux scientifiques de pointe. Les PPP peuvent aussi favoriser la commercialisation des résultats de la recherche (OCDE, 2018[34]).

Le secteur privé se taille la part du lion dans les activités de R-D conduites dans l’OCDE. En 2016, la R-D privée représentait près des trois quarts de toutes les dépenses de R-D (OCDE, 2018[33]). Les dépenses de R-D des entreprises atteignaient 1.6 % du PIB en moyenne dans les pays de l’OCDE en 2016, et les secteurs de l’information y occupaient une grande place (graphique 4.3). Il faut noter que ces données ne rendent pas compte de la R-D numérique dans d’autres secteurs. L’innovation numérique couvre de larges secteurs de l’économie. Ainsi, les sociétés de TIC relevant à la fois des secteurs de l’industrie et des services déclarent mettre sur le marché plus d’innovations qu’une entreprise moyenne dans chacun de ces deux secteurs (OCDE, 2017[3]).

Graphique 4.3. La R-D, en particulier dans les secteurs de l’information, est un moteur essentiel de l’innovation numérique

Dépenses de R-D des entreprises, total et secteurs de l’information, en pourcentage du PIB, 2016

Note : StatLink fournit davantage de données. Voir les notes de chapitre1.

1. Graphique 4.3 : Les « secteurs de l’information » sont définis d’après la CITI Rev.4 et englobent la fabrication de produits des TIC désignés comme « ordinateurs, articles électroniques et optiques » (division 26), et les services d’information au titre des activités d’« édition, audiovisuelles et de diffusion de programmes » (divisions 58 à 60), de « télécommunications » (division 61) et d’« informatique et autres activités de services d’information » (divisions 62 à 63).

Les données sur les dépenses intérieures de R-D des entreprises (DIRDE) se rapportent à 2016, sauf pour l’Australie (2015), la Nouvelle-Zélande (2015), l’Afrique du Sud (2015) et la Suisse (2015).

Les estimations de dépenses de R-D des secteurs de l’information ne sont pas disponibles pour l’Afrique du Sud, l’Australie, la Chine, le Luxembourg, la Nouvelle-Zélande, la Fédération de Russie et la Suisse. Les chiffres relatifs aux secteurs de l’information correspondent à la même année de référence que les DIRDE totales ou, en leur absence, se fondent sur les pourcentages établis pour l’année la plus récente pour laquelle des données sont disponibles : Autriche (2015), Belgique (2015), Canada (2015), Chili (2015), France (2013), Grèce (2015), Irlande (2015), Corée (2015), Lettonie (2015), Pologne (2015) et Suède (2015).

Les estimations par zones (OCDE et UE28) correspondent aux intensités moyennes de R-D des pays membres pondérées par le PIB en parité de pouvoir d’achat. Pour ce qui concerne les secteurs de l’information, elles excluent les pays pour lesquels les données ne sont pas disponibles : Australie, Luxembourg, Nouvelle-Zélande et Suisse dans le groupe de l’OCDE, et Bulgarie, Croatie, Chypre, Luxembourg et Malte pour celui de l’UE28.

Source: OCDE (2019[4]), Measuring the Digital Transformation, https://dx.doi.org/10.1787/9789264311992-en, fondé sur OCDE, ANBERD (base de données), http://oe.cd/anberd (consultée en décembre 2018) ; OCDE, Principaux indicateurs de la science et de la technologie (base de données), http://oe.cd/msti (consultée en juillet 2018).

Statlink

En 2013-2016, un tiers environ des brevets déposés par des pays de l’OCDE se rapportait aux technologies numériques, contre 60 % dans la République populaire de Chine (graphique 4.4). En outre, les brevets déposés dans le domaine des TIC étaient aux mains d’un nombre limité d’entreprises : les 2 000 premières entreprises qui investissent dans la R-D détenaient, au niveau mondial, 75 % des brevets en lien avec les TIC en 2014 (Daiko et al., 2017[35]). Enfin, plus de 10 % de ces 2 000 premières entreprises investissant dans la R-D relevaient du secteur des TIC en 2014 et avaient leur siège social aux États-Unis (Daiko et al., 2017[35]).

Graphique 4.4. De nombreux pays affichent un retard en matière de brevets de TIC

Brevets en rapport avec les TIC, en pourcentage du total des familles de brevets des IP5, par pays propriétaire, 2003-06 et 2013-16

Note : IP5 = les cinq plus grands offices de propriété intellectuelle. StatLink fournit davantage de données. Voir les notes de chapitre1.

1. Graphique 4.4 : Les données se rapportent aux familles de brevets IP5, par date de dépôt et pays de résidence des demandeurs, et se fondent sur des comptages fractionnaires. Les brevets en matière de TIC sont recensés à l’aide des codes de la CIB présentés dans Inaba et Squicciarini (2017[72]). Seules les économies comprenant plus de 250 familles de brevets au cours des périodes considérées sont prises en compte. Les données des années 2015 et 2016 sont incomplètes. Il est à noter que les données statistiques sur les brevets et marques israéliens sont fournies par les offices des brevets et des marques des pays concernés.

Source: OCDE (2019[4]), Measuring the Digital Transformation, https://dx.doi.org/10.1787/9789264311992-en, fondé sur OCDE, STI Micro-data Lab : Base de données sur la propriété intellectuelle, http://oe.cd/ipstats (consultée en novembre 2018).

Statlink

Dans les pays de l’OCDE, les entreprises attachent de plus en plus d’importance à leurs investissements dans le capital intellectuel, au détriment des investissements dans le capital fixe, notamment dans les machines et le matériel (OCDE, 2018[3]). Cela tient en partie au fait que les pratiques organisationnelles et d’entreprise, l’innovation dans les processus, et les compétences, sont complémentaires aux investissements numériques (Brynjolfsson, Hitt et Yang, 2002[36]). Des études ont montré que les pratiques de gestion des entreprises des États-Unis, alliées à l’investissement dans les TIC, ont permis de réaliser des gains de productivité supérieurs à ceux des entreprises européennes (Bloom, Sadun et Van Reenan, 2012[37]).

En 2015, les investissements dans le capital intellectuel ont représenté 15 % de la valeur ajoutée totale des entreprises (OCDE, 2018[3]). Dans des pays comme la Finlande, le Royaume-Uni et les États-Unis, l’investissement dans le capital intellectuel dépasse l’investissement dans les actifs matériels. Selon une estimation, le capital intellectuel pourrait constituer jusqu’à 80 % de la valeur des entreprises au Royaume-Uni (Corrado et al., 2016[38]). Ce capital intellectuel présentant de plus en plus d’intérêt pour les entreprises, sa capacité à être valorisé et possiblement mobilisé pour servir de garanties bancaires et donner accès à des financements revêt de plus en plus d’importance.

À mesure que ces investissements complémentaires gagnent en ampleur et en complexité, il risque d’être de plus en plus difficile aux PME traditionnelles de faire face à la concurrence. En outre, les coûts afférents à l’expérimentation – par exemple de modèles commerciaux, de technologies ou de processus d’entreprise nouveaux – peuvent aboutir dans ces entreprises à des gains de productivité faibles, voire négatifs (Brynjolfsson, Rock et Syverson, 2017[39]). L’innovation à l’ère du numérique consiste souvent non seulement à réussir le déploiement des technologies numériques, mais également à créer des synergies entre elles et d’autres actifs immatériels (Haskel et Westlake, 2017[40]). Au premier rang de ces actifs immatériels figurent les données, qui sont à la fois des ressources et des produits de la transformation numérique.

Offrir un soutien et des incitations à tous les innovateurs

Il est essentiel d’offrir un soutien et des incitations à tous les innovateurs des différents niveaux interdépendants des industries et des chaînes de valeur mondiales de données qui constituent l’écosystème de l’innovation numérique. Les politiques publiques devraient permettre à tous les acteurs du marché de concevoir et de commercialiser leurs innovations, de façon à améliorer la capacité de l’écosystème numérique à optimiser la valeur économique et sociale des innovations technologiques.

Divers outils permettent de fournir un soutien et des incitations à l’innovation. Il peut être utile de proposer des incitations bien conçues en faveur de la R-D et de l’innovation, en particulier des incitations fiscales, par exemple sous forme de crédits d’impôt à la R-D. Pour que ces investissements produisent les effets recherchés, il faudra aussi agir pour favoriser la diffusion du savoir dans l’économie, y compris en renforçant les échanges entre le monde scientifique et l’entreprise. De nouveaux modèles voient le jour, notamment des plateformes numériques permettant d’accéder à des infrastructures de recherche, prometteuses pour la science à l’ère numérique (OCDE, 2017[41]). L’innovation ouverte – qui ouvre le processus d’innovation à tous – et les initiatives de science ouverte (encadré 4.1) peuvent aussi contribuer à stimuler l’innovation numérique.

Les droits de propriété intellectuelle (DPI) encouragent le formulation d’idées nouvelles et influent sur les performances en matière d’innovation. Ils incitent les entreprises et les particuliers à investir dans l’innovation et la créativité et à exploiter leurs créations au profit de l’économie, et les universités à transmettre le savoir. Les DPI conditionnent aussi la manière dont les personnes et les entreprises peuvent accéder aux connaissances existantes et les exploiter avec efficacité. Les mesures qui visent la propriété intellectuelle constituent donc une composante essentielle des politiques d’innovation. Le défi consiste à créer un système de propriété intellectuelle au fonctionnement efficace, qui tienne compte de divers objectifs et contraintes juridiques et économiques, trouve des compromis entre les acteurs de l’innovation, et maintienne l’équilibre entre la promotion de l’innovation et de la créativité et la diffusion d’idées et des connaissances dont elles dépendent.

Encadré 4.1. La science ouverte

La science ouverte (OCDE, 2015[42]) contient la promesse d’un accès plus large aux informations et données scientifiques et d’une participation plus efficace des entreprises, des responsables de l’action publique, des citoyens et des autres parties intéressées aux processus de la recherche publique. À terme, elle devrait aboutir à un renforcement de l’efficacité et de l’efficience de la science, à une accélération de l’innovation et à des connaissances et des technologies nouvelles porteuses de développement social et économique. Toutefois, la concrétisation pleine et entière des bienfaits potentiels de la science ouverte nécessite d’opérer des choix politiques judicieux et de gérer attentivement les attentes et les risques (OCDE, 2016[43] ; Dai, Shin et Smith, 2018[44]).

Les technologies numériques permettent le libre accès à l’information, de sorte qu’il devient possible désormais de diffuser à l’échelle mondiale des informations scientifiques publiées pour un coût supplémentaire très limité. Un accès élargi à l’information scientifique peut aider à rendre la science plus inclusive et à accélérer l’adoption et la traduction de cette information en bienfaits pour la collectivité. La recherche publique est publiée dans des revues scientifiques qui fonctionnent selon différents modèles, dont l’abonnement et le modèle « auteur-payeur ». Avec le développement du libre accès, le modèle de l’abonnement perd de son importance.

Les nouveaux modèles de publication en accès ouvert évoluent en permanence. Cependant, si l’accès libre immédiat, fondé sur le modèle de l’auteur- payeur, connaît une popularité croissante, le modèle traditionnel de l’abonnement reste le plus courant, puisqu’il représente plus de 80 % du nombre total des articles publiés dans le monde l’an dernier. Parallèlement, les systèmes d’évaluation de la recherche dépendent largement du paradigme actuel de publication et de l’application des méthodes de la bibliométrie, des facteurs d’impact qui mesurent la notoriété des revues et des taux de citations. Pour garantir une transition efficace vers l’information scientifique en accès ouvert, il faudra que les pouvoirs publics définissent des obligations et des incitations et veillent à ce que les nombreuses communautés de la recherche puissent toutes publier dans des revues de qualité et à ce que les publications scientifiques conservent le même niveau de qualité.

À l’instar des articles de revues, l’accès aux données de recherche (à la fois celles que la recherche utilise et celles qu’elle produit) a toujours été sérieusement limité, mais la transformation numérique pourrait changer cet état de fait. À la différence des publications scientifiques, les intérêts financiers n’ont jamais été un déterminant majeur de l’accès aux données de recherche, mais cela peut changer car les données sont de plus en plus considérées comme un actif précieux à l’ère numérique. Les principaux obstacles au partage des données de la recherche publique tiennent plutôt aux pratiques et normes culturelles de la communauté scientifique, ainsi qu’à un manque de capacités et d’infrastructures.

Les chercheurs sont peu incités à échanger leurs données au-delà du cercle de leurs collaborateurs immédiats et l’accent mis sur la concurrence entre les équipes risque de faire obstacle à l’ouverture. Dans certains domaines, notamment lorsque des données à caractère personnel sont concernées, certains aspects importants d’ordre juridique et éthique posent des limites légitimes à l’accès à ces données. Cependant, la récente « crise de reproductibilité » des données – le fait que les résultats publiés ne soient pas suffisamment reproductibles – modifie les attitudes et les comportements. Ceux qui financent la recherche imposent parfois d’investir dans des référentiels de données scientifiques et dans les infrastructures correspondantes, et de former des experts en science des données pour améliorer l’accès aux données scientifiques et recueillir les fruits de leur exploitation.

L’ouverture de la recherche publique pour y associer d’autres parties intéressées, au-delà de la communauté des chercheurs universitaires, est importante également mais complexe. Dans certains domaines comme les essais cliniques, la participation de groupes de patients et d’autres acteurs à la définition des priorités de la recherche, à la conception des protocoles et à la conduite des activités de recherche, est désormais habituelle. Dans la recherche chimique, les liens entre la recherche fondamentale publique et l’industrie sont bien établis. Mais dans beaucoup d’autres domaines, les inquiétudes légitimes quant à la préservation de la liberté des universités ont généralement eu pour effet de décourager l’ouverture de la science. Les choses sont en train de changer, à mesure que la nécessité d’une plus grande transparence de l’action publique s’accroît avec l’ampleur des investissements publics dans la science, et que les scientifiques prennent conscience de l’intérêt d’y associer le public. La transformation numérique permet l’instauration d’un vaste dialogue avec le public sur des questions qui vont de la hiérarchisation des priorités à l’éthique (OCDE, 2017[45] ; OCDE, 2016[43]), tandis que la science citoyenne et la production participative ouvrent de nouvelles opportunités pour la collecte et l’analyse de données.

À l’ère numérique, les systèmes de propriété intellectuelle mis au point à l’origine pour des produits matériels soulèvent des difficultés nouvelles qui peuvent nécessiter des adaptations (Guellec et Paunov, 2018[46]). Les questions suscitées par les incitations à produire des données, auxquelles peuvent être associées des mesures d’exclusivité, et les pressions qui s’exercent en faveur d’une plus grande accessibilité des données, pourront amener les organismes experts en matière de propriété intellectuelle à envisager de modifier les régimes de propriété intellectuelle en place. D’autres questions – par exemple sur la capacité de l’IA à produire des inventions brevetables et sur la possibilité que les technologies numériques contribuent à la contrefaçon (ou permettent de lutter contre elle) – peuvent aussi conduire les organismes experts et les organisations en matière de propriété intellectuelle à réfléchir à la nécessité ou non d’adapter des régimes de propriété intellectuelle qui ont été conçus dans un monde essentiellement analogique (Guellec et Paunov, 2018[46]).

Exploiter le potentiel de l’ouverture des données publiques pour encourager l’innovation numérique

Un trait caractéristique de l’innovation aujourd’hui réside dans le fait qu’elle est de plus en plus fondée sur la collecte, le traitement et l’analyse d’énormes quantités de données. Comme indiqué au chapitre 2, les technologies numériques renforce les connexions entre les personnes, les entreprises et les objets. Chaque interaction et chaque transaction produisent des données et méta-données variées qui permettent de recueillir de précieux éléments de compréhension. Ces données peuvent souvent être stockées aisément et à faible coût, et les outils permettant de les exploiter sont de plus en plus facilement accessibles. Les éléments de compréhension ainsi obtenus, et la possibilité de les utiliser pour améliorer des produits, des procédés, des méthodes d’organisation et des marchés, constituent ce que l’on appelle « l’innovation fondée sur les données » (OCDE, 2015[30]).

Le numérique permet aux entreprises de collecter et d’analyser d’énormes quantités de données qui leur sont fournies par leurs clients, ou qu’elles obtiennent sur ces derniers à partir de leur comportement en ligne, et d’en tirer de précieux éléments de compréhension, qui peuvent être exploités pour automatiser la prise de décisions ou d’autres processus. De nombreuses entreprises présentes en ligne, des sociétés de bourse aux gestionnaires de moteur de recherche sur l’internet, automatisent et personnalisent leurs fonctions essentielles à partir des enseignements tirés des données qu’ils exploitent.

Les entreprises peuvent aussi innover en adoptant plus aisément une approche expérimentale itérative. Ainsi, Amazon, Microsoft, Google et Facebook réalisent régulièrement des millions d’expériences en ligne pour mieux appréhender les préférences et le comportement des consommateurs, en vue d’améliorer l’expérience de leurs utilisateurs (Brynjolfsson, Eggers et Collis, 2018[47]). Netflix, une entreprise de diffusion en flux (streaming) de contenus via l’internet, évalue les effets des changements de produits sur le comportement des consommateurs. Les éléments de compréhension tirés de ces analyses permettent ensuite d’améliorer les algorithmes adaptatifs des réseaux de diffusion en flux et de diffusion de contenus de manière à améliorer encore l’expérience des utilisateurs. Même des changements relativement mineurs concernant l’image d’une vidéo ou d’un film en particulier diffusé par Netflix peuvent se traduire par une augmentation de 20 % à 30 % du visionnage du contenu considéré (Netflix, 28 avril 2016[48]).

Les responsables de l’action publique et les offices statistiques sont de plus en plus conscients de l’importance que revêtent les données et l’analytique de données en tant que sources d’innovation. Récemment, l’élaboration et l’analyse de bases de données et de données informatisées ont été reconnues en tant qu’activités d’innovation des entreprises dans la quatrième édition du Manuel d’Oslo (OCDE/Eurostat, 2018[49]), qui présente les normes statistiques internationales de mesure de l’innovation.

Les possibilités d’innovation numérique ne se limitent pas au secteur privé. Le secteur public fait partie de ceux qui présentent la plus forte intensité de données ; ainsi, aux États-Unis, on estime qu’il occupe la cinquième position du classement des secteurs économiques fondé sur leur intensité de données (OCDE, 2013[50]). Dans la mesure où le secteur public est à la fois producteur et consommateur de données en grande quantité, les possibilités d’innovation à partir des technologies numériques qui s’offrent aux pouvoirs publics sont considérables.

L’une des choses les plus importantes que peut faire le secteur public pour stimuler l’innovation est d’améliorer l’accès aux données qu’il collecte. Les efforts d’ouverture des données publiques consistent à rendre disponibles gratuitement les informations collectées à partir de fonds publics, sous des formats communs permettant de les consulter et de les exploiter aisément (Ubaldi, 2013[51]). Les initiatives d’ouverture des données publiques favorisent la transparence et peuvent renforcer la confiance civique, mais elles revêtent une importance toute particulière dans une économie du savoir, où les données et l’information sont fondamentales pour l’innovation.

Les entreprises, en particulier, ont beaucoup à gagner d’une ouverture des données publiques. Comme l’amélioration de l’accès aux données supprime un avantage concurrentiel en réduisant les asymétries d’information, les entreprises peuvent produire, innover et se livrer concurrence sur un pied d’égalité. La décision de la NASA de mettre à la disposition du public ses données satellitaires granulaires, par exemple, a permis un développement des activités d’exploration aurifère, la probabilité pour les entreprises découvrir de nouveaux gisements d’or dans les régions cartographiées étant pratiquement multipliée par deux (Nagaraj, 2016[52]). Certaines études indiquent également que l’ouverture des données publiques favorise la création de nouvelles startups. L’utilisation novatrice de données municipales ouvertes sur l’utilisation des différents modes de transport à Londres a ainsi permis le développement de nouvelles startups et applications innovantes, dont certaines associent les données collectées par le secteur public à des données d’autres sources aux fins de l’analyse multimodale. D’après les estimations réalisées dans le cadre d’études au niveau des entreprises, l’ouverture des données s’est traduite par une hausse de 12 millions GBP du chiffre d’affaires des entreprises, ainsi porté à 15 millions GBP (OCDE, à paraître[53]).

Malgré l’accumulation d’éléments justifiant que les données collectées par le secteur public soient librement accessibles et faciles à consulter et à exploiter, on observe des différences considérables entre pays quant aux mesures mises en place à cet effet (graphique 4.5).

Graphique 4.5. Il existe encore une marge importante d’ouverture des données publiques

Indice OURdata sur les données publiques ouvertes, utiles et réutilisables, 2017

Note: Les indices OURdata présentent des valeurs comprises entre zéro et un, un correspondant à la plus grande ouverture. La note maximale de chaque composante est de 0.33.

Source: OCDE (2019[4]), Measuring the Digital Transformation, https://dx.doi.org/10.1787/9789264311992-en, fondé sur OCDE (2018[54]), Open Government Data Report: Enhancing Policy Maturity for Sustainable Impact, https://doi.org/10.1787/9789264305847-en.

Statlink

Si la plupart des pays mettent en œuvre une politique d’« ouverture par défaut », suivant laquelle toutes les données publiques devraient être ouvertes à moins qu’il n’existe des motifs légitimes de ne pas les diffuser, les pays précurseurs dans ce domaine, tels que la Corée, les États-Unis, la France et le Royaume-Uni, affichent des résultats relativement meilleurs pour ce qui est de l’adoption et de la mise en œuvre de politiques de mise à disposition des données publiques (OCDE, 2017[55]). Les obstacles à l’ouverture des données publiques les plus couramment cités sont d’ordre institutionnel et organisationnel (OCDE, 2017[56]), indiquant que des contraintes non techniques, comme la résistance au changement dans le secteur public, peuvent limiter le potentiel d’innovation numérique. Ces obstacles soulignent la nécessité d’adopter une approche mobilisant l’ensemble des administrations pour l’élaboration des politiques publiques à l’ère du numérique, et d’un cadre d’action cohérent permettant de dépasser le cloisonnement des politiques publiques (OCDE, à paraître[57]).

Se tenir prêt à profiter de la concrétisation des promesses de l’innovation numérique au niveau sectoriel

Si les données et l’analytique de données sous-tendent l’innovation numérique, les données et les technologies numériques n’ont pas le même impact sur tous les secteurs de l’économie. À partir de données concernant diverses caractéristiques relatives aux technologies, au marché et au capital humain1 a été élaborée une taxonomie qui met en évidence les différentes façons dont les secteurs d’activité réagissent à la transformation numérique. Cette taxonomie (Calvino et al., 2018[58]) montre que si la quasi-totalité des entreprises fonctionnent aujourd’hui avec une forme ou une autre de technologie numérique, certains secteurs semblent se caractériser par une intensité numérique plus élevée que d’autres.

Encadré 4.2. La révolution de la FinTech

L’ampleur et le rythme des innovations de la FinTech varient selon les secteurs, les produits et les zones géographiques, mais leurs principaux déterminants sont similaires : efficience (« réactivité », rapidité et, souvent, « réduction des intermédiaires »), simplicité, transparence et rationalisation des marges découlant principalement d’une baisse des coûts d’exploitation et d’effets d’échelle. Ainsi, la FinTech fondée sur la technologie des registres distribués, dont la technologie blockchain est une déclinaison particulière, permet des transactions entre deux parties sans tiers de confiance. Les applications de la technologie des registres distribués englobent notamment les paiements et règlements, les contrats « intelligents » et le contrôle de la conformité. Les innovations de la FinTech peuvent apporter divers avantages aux consommateurs : une expérience client améliorée et transparente, une gamme plus étendue de produits et de services à moindre coût, et la possibilité, pour les clients marginalisés en termes de services (comme certaines PME) – ou les personnes sous bancarisées, d’avoir accès aux services financiers.

Les innovations de la FinTech soulèvent des difficultés spécifiques relatives à la protection de la vie privée, à la sécurité numérique et au risque opérationnel. Les nouvelles technologies peuvent accentuer les facteurs de vulnérabilité en matière de sécurité numérique, ce qui peut compromettre le respect de la vie privée des consommateurs de produits financiers et du secret des affaires, et fragiliser les infrastructures financières critiques, avec d’éventuelles conséquences systémiques. Les pratiques en matière de prêt et d’assurance pourraient devenir discriminatoires dès lors que l’analyse de données massives serait utilisée pour évaluer l’assurabilité ou la solvabilité des consommateurs, ou pour cibler l’information concernant les produits et leur commercialisation.

La FinTech peut aussi avoir un certain nombre de conséquences structurelles de nature à contrarier les objectifs de la politique financière, notamment en ce qui concerne la réglementation applicable et la préservation de la stabilité financière, la protection adéquate des consommateurs de produits financiers et la préservation de l’intégrité du marché. Face à ces problèmes, les responsables de l’action publique doivent : 1) trouver un juste équilibre entre l’innovation, d’une part, et la protection des consommateurs et l’intégrité du marché, d’autre part ; 2) protéger et équiper les consommateurs ainsi que les micro- et petites entreprises et les doter des capacités nécessaires, en les sensibilisant mieux au risque ainsi qu’en mettant en place de solides mécanismes de protection des consommateurs de produits financiers et d’éducation financière ; 3) instaurer des règles uniformes appliquées de façon équitable et sans favoriser les entreprises nationales ou étrangères ; et 4) faciliter la coordination internationale en matière de réglementation applicable aux solutions de la FinTech (qui ne connaissent virtuellement pas de frontières).

Les organismes de réglementation et les décideurs doivent aussi réfléchir aux changements induits par la FinTech et renforcer leur capacité de comprendre ces innovations et d’y adapter leur action. Les « bacs à sable » réglementaires, qui autorisent un certain assouplissement de la réglementation au profit des nouveaux modèles économiques, représentent une approche utile de nature à favoriser l’innovation tout en garantissant la stabilité financière, l’intégrité du marché et la protection des consommateurs.

Source : OCDE (2018[59]), Financial Markets, Insurance and Pensions: Digitalisation and Finance, https://www.oecd.org/finance/private-pensions/Financial-markets-insurance-pensions-digitalisation-and-finance.pdf.

Comme on pouvait peut-être s’y attendre, le secteur des TIC et celui des télécommunications semblent avoir intégré un savoir-faire et des actifs numériques dans toute la palette de leurs activités, même si les services devancent les activités manufacturières dans ce secteur. La finance fait aussi partie des secteurs à forte intensité de numérique. L’innovation dans les services financiers fondée sur les technologies numériques – la FinTech – a des effets qui pourraient être perturbateurs pour le secteur financier, en influant sur une grande variété de services tels que les services bancaires, le crédit à la consommation et le financement des petites entreprises, les paiements, les assurances (on parle à cet égard d’« InsurTech »), les prestations de retraite et la gestion des placements (encadré 4.2). Pour les autres branches d’activité, les indicateurs sont très hétérogènes, mettant en évidence des niveaux différents d’intensité numérique.

Pour l’avenir, les technologies numériques (intelligence artificielle, plateformes en ligne, TIC) offrent des possibilités considérables d’amélioration de la productivité des activités de services, y compris à plus faible intensité de savoir (comme le transport de personnes et les services d’hébergement), qui se caractérisent de longue date par une croissance atone de la productivité (Sorbe, Gal et Millot, 2018[60]). Dans le secteur de la santé, par exemple, la possibilité de relier les données antérieures sur le patient aux données en temps réel au moyen de dispositifs connectés pourrait aboutir à des soins de plus en plus personnalisés et à des innovations couvrant l’ensemble du secteur, y compris par l’amélioration de la mesure des coûts de traitement, de la détection des pratiques peu sûres, de la fraude et du gaspillage qui touchent le système de santé. Il faut cependant que le personnel de santé soit doté de compétences numériques et que des systèmes de gouvernance des données non fragmentés soient en place pour que le système de santé tire profit de la transformation numérique (Oderkirk, 2017[61] ; Australian Digital Health Agency, 2018[62]).

Encadré 4.3. La transformation numérique de l’agriculture

La transformation numérique du système agroalimentaire s’est révélée complexe. Le secteur agricole fait intervenir un grand nombre de parties prenantes opérant dans des contextes très divers, notamment dans des zones éloignées souvent confrontées à des problèmes de connectivité (voir chapitre 2). Néanmoins, l’innovation numérique dans l’agriculture est riche de promesses, et les progrès effectués en matière de technologies numériques pourraient contribuer à des gains de productivité et à des économies de semences, d’engrais, de surface utilisée, d’eau et de temps.

Les avancées technologiques observées en matière de télédétection permettent de disposer de données de plus en plus granulaires sur les sols, les conditions météorologiques et la situation de l’environnement. Compte tenu de la diminution du coût des technologies numériques et de l’analyse des données qu’elles permettent de collecter, les agriculteurs sont aujourd’hui mieux à même d’obtenir des éléments de compréhension sur différents aspects de la production agricole, ce qui était impossible auparavant.

Les exploitations agricoles du futur pourraient être autonomes, des machines prenant soin du bétail et effectuant les récoltes et l’intervention humaine restant limitée. En octobre 2017, une équipe de chercheurs britanniques a utilisé des logiciels et des machines agricoles disponibles sur le marché pour permettre à des drones de loisir et à des tracteurs de fonctionner de manière autonome. Ce projet a débouché sur la récolte entièrement automatisée de près de 5 tonnes d’orge de printemps, en l’absence de toute présence humaine dans les champs (OCDE, 2018[63] ; Hands Free Hectare, 2018[64]).

Certains secteurs, comme l’agriculture, se trouvent systématiquement au plus bas de cette taxonomie des secteurs, ce qui semble indiquer qu’ils ne tirent pas autant profit de la transformation numérique qu’ils le pourraient. Les technologies numériques présentent par exemple un énorme potentiel en termes de renforcement de l’innovation et de la croissance dans le secteur agricole (encadré 4.3).

Dans le secteur de l’éducation, d’importants investissements ont été réalisés en faveur de l’utilisation des technologies, afin d’améliorer les résultats des élèves, à l’école comme à la maison. La transformation numérique offre des possibilités considérables, notamment de renforcement de l’accès au savoir ou de développement de nouvelles compétences. Cependant, les avantages de l’accès aux technologies numériques et de leur utilisation ne sont pas les mêmes selon que les outils numériques sont employés en remplacement ou en complément de l’enseignement traditionnel (Bulman et Fairlie, 2016[65] ; Escueta et al., 2017[66]). L’enseignement assisté par ordinateur dispensé dans les établissements scolaires semble avoir des effets plus positifs sur les résultats des élèves que les investissements réalisés dans les TIC qui consistent à associer l’utilisation des ordinateurs à un enseignement supplémentaire et à des investissements dans le renforcement des compétences des enseignants à exploiter les outils numériques avec efficacité.

L’expérimentation en matière d’action publique soutient l’innovation numérique dans certains secteurs

Les produits et modèles économiques numériques et novateurs – notamment dans certains secteurs – sont souvent très différents de ceux des marchés traditionnels, et s’inscrivent parfois difficilement dans les cadres réglementaires existants. Partout dans le monde, les autorités ont conscience des défis réglementaires associés à la transformation numérique et y répondent de diverses manières, qui vont de l’attentisme à l’interdiction des modèles économiques numériques (OCDE, 2018[67]). Entre ces deux extrêmes, certains législateurs ont opté pour l’expérimentation.

Les données et les technologies numériques peuvent faciliter l’expérimentation en matière d’action publique. L’analyse de données permet de prendre plus de risques en répondant en temps réel aux lacunes qui peuvent exister dans la réglementation (OCDE, 2018[67]). Les données et les technologies numériques peuvent aussi permettre une approche plus efficace, fondée sur le risque, de la réglementation des innovations numériques. On peut citer l’exemple de la prochaine mise en œuvre du Plan d’innovation numérique en matière de santé de la Food and Drug Administration, aux États-Unis, qui cherche à réglementer par une approche fondée sur le risque la prolifération croissante de technologies médicales logicielles, y compris d’applications médicales (United States Food and Drug Administration, 2018[68]).

Autre exemple intéressant, celui du développement des réglementations fondées sur les résultats ou sur la performance, qui définissent des objectifs ou des résultats escomptés, plutôt que les moyens à utiliser pour les atteindre (OCDE, 2003[69]), permettant ainsi aux entreprises de se sentir libres d’innover tout en respectant l’esprit de la loi. L’Australie a ainsi adopté des lignes directrices fondées sur les performances pour l’utilisation des véhicules autonomes (Australian National Transport Commission, 2018[70]).

La mise au point des mécanismes de promotion d’une application souple des politiques peut passer par l’utilisation de « bacs à sable » réglementaires, particulièrement utiles pour certains types d’innovation numérique. Il s’agit d’une forme limitée de dérogation ou d’assouplissement de la réglementation accordé aux entreprises, ainsi à même d’expérimenter de nouveaux modèles économiques soumis à des exigences réglementaires moins strictes. Les « bacs à sable » comportent souvent des mécanismes qui visent à garantir le respect des objectifs principaux de la réglementation, notamment de la protection des consommateurs. Ils sont en général organisés et gérés au cas par cas par les autorités de réglementation. Des bacs à sable réglementaires ont vu le jour dans divers secteurs de la zone de l’OCDE et d’autres pays, notamment dans le secteur de la finance, mais aussi ceux de la santé, du transport, des services juridiques, de l’aviation et de l’énergie.

Références

[12] Adalet McGowan, M., D. Andrews et V. Millot (2017), « The walking dead?: Zombie firms and productivity performance in OECD countries », Documents de travail du Département des affaires économiques de l'OCDE, n° 1372, Éditions OCDE, Paris, https://dx.doi.org/10.1787/180d80ad-en.

[23] Andrews, D., C. Criscuolo et P. Gal (2015), « Frontier firms, technology diffusion and public policy: Micro evidence from OECD countries », OECD Productivity Working Papers, n° 2, Éditions OCDE, Paris, https://dx.doi.org/10.1787/5jrql2q2jj7b-en.

[62] Australian Digital Health Agency (2018), Australia's National Digital Health Strategy, Gouvernement de l'Australie, Canberra, https://conversation.digitalhealth.gov.au/sites/default/files/adha-strategy-doc-2ndaug_0_1.pdf.

[70] Australian National Transport Commission (2018), Safety Assurance System for Automated Vehicles, https://www.ntc.gov.au/current-projects/safety-assurance-system-for-automated-vehicles.

[13] Bajgar, M. et al. (à paraître), « Acquiring innovation in the digital economy », OECD Productivity Working Papers, Éditions OCDE, Paris.

[10] Baumol, W. (2002), The Free-Market Innovation Machine: Analyzing the Growth Miracle of Capitalism, Princeton University Press, Princeton, NJ.

[15] Berlingieri, G., P. Blanchenay et C. Criscuolo (2017), « The great divergence(s) », OECD Science, Technology and Industry Policy Papers, n° 39, Éditions OCDE, Paris, https://dx.doi.org/10.1787/953f3853-en.

[37] Bloom, N., R. Sadun et J. Van Reenan (2012), « Americans do IT better: US multinationals and the productivity miracle », American Economic Review, vol. 1, pp. 167-201, http://dx.doi.org/10.1257/aer.102.1.167.

[25] Brander, J., Q. Du et T. Hellmann (2015), « The effects of government-sponsored venture capital: International evidence », Review of Finance, vol. 19, n° 2, pp. 571-618, http://dx.doi.org/10.1093/rof/rfu009.

[47] Brynjolfsson, E., F. Eggers et A. Collis (2018), « Using massive online choice experiments to measure changes in well-being », NBER Working Paper, n° w24514, https://ssrn.com/abstract=3163281.

[36] Brynjolfsson, E., L. Hitt et S. Yang (2002), « Intangible assets: Computers and organizational capital », Brookings Papers on Economic Activity, n° 1, pp. 137-198, https://www.brookings.edu/wp-content/uploads/2002/01/2002a_bpea_brynjolfsson.pdf.

[39] Brynjolfsson, E., D. Rock et C. Syverson (2017), « Artificial intelligence and the modern productivity paradox: A clash of expectations and statistics », NBER Working Paper, n° 24001, https://www.nber.org/chapters/c14007.pdf.

[65] Bulman, G. et R. Fairlie (2016), « Technology and education: Computers, software and the internet », NBER Working Paper, n° 22237, https://www.nber.org/papers/w22237.

[71] Calvino, F. et C. Criscuolo (2019), « Business dynamics and digitalisation », OECD Science, Technology and Industry Policy Papers, n° 62, Éditions OCDE, Paris, https://doi.org/10.1787/6e0b011a-en.

[58] Calvino, F. et al. (2018), « A taxonomy of digital-intensive sectors »,OECD Science, Technology and Industry Working Papers, n° 2018/14, Éditions OCDE, Paris, https://dx.doi.org/10.1787/f404736a-en.

[2] Calvino, F., C. Criscuolo et C. Menon (2016), « No Country for Young Firms?: Start-up Dynamics and National Policies », OECD Science, Technology and Industry Policy Papers, n° 29, Éditions OCDE, Paris, https://dx.doi.org/10.1787/5jm22p40c8mw-en.

[17] Calvino, F., C. Criscuolo et C. Menon (2015), « Cross-country evidence on start-up dynamics », OECD Science, Technology and Industry Working Papers, n° 2015/6, Éditions OCDE, Paris, https://dx.doi.org/10.1787/5jrxtkb9mxtb-en.

[20] Commission européenne/OCDE (2017), STIP Compass: International Database on STI Policies, avril 2018, https://stip.oecd.org.

[38] Corrado, C, et. al. (2016), « Intangible investment in the EU and US before and since the Great Recession and its contribution to productivity growth », EIB Working Papers, n° 2016/08, Banque européenne d'investissement, https://ideas.repec.org/p/zbw/eibwps/201608.html.

[1] Criscuolo, C., P. Gal et C. Menon (2014), « The dynamics of employment growth: New evidence from 18 countries », OECD Science, Technology and Industry Policy Papers, n° 14, Éditions OCDE, Paris, https://dx.doi.org/10.1787/5jz417hj6hg6-en.

[35] Daiko, T. et al. (2017), World Corporate Top R&D Investors: Industrial Property Strategies in the Digital Economy. A JRC and OECD common report, Office des publications de l'Union européenne, Luxembourg, http://publication.jrc.ec.europa.eu/repository/bitstream/JRC107015/kjna2865enn.pdf.

[44] Dai, Q., E. Shin et C. Smith (2018), « Open and inclusive collaboration in science: A framework », OECD Science, Technology and Industry Working Papers, n° 2018/07, Éditions OCDE, Paris, https://dx.doi.org/10.1787/2dbff737-en.

[66] Escueta, M. et al. (2017), « Education technology: An evidence-based review », NBER Working Paper, n° 23744, http://dx.doi.org/10.3386/w23744.

[46] Guellec, D. et C. Paunov (2018), « Innovation policies in the digital age », OECD Science, Technology and Industry Policy Papers, n° 59, Éditions OCDE, Paris, https://dx.doi.org/10.1787/eadd1094-en.

[21] Hall, B. et J. Lerner (2009), « The financing of R&D and innovation », NBER Working Paper, n° 15325, https://www.nber.org/papers/w15325.

[64] Hands Free Hectare (2018), Automated Harvest Time, communiqué de presse, 22 août, http://www.handsfreehectare.com/press-releases.

[40] Haskel, J. et S. Westlake (2017), Capitalism without Capital: The Rise of the Intangible Economy, Princeton University Press, Princeton, NJ.

[16] Hathaway, I. et R. Litan (2014), « Declining business dynamism in the United States: A look at states and metros », Economic Studies at Brookings, mai, https://www.brookings.edu/wp-content/uploads/2016/06/declining_business_dynamism_hathaway_litan.pdf.

[5] Henderson, R. (1993), « Underinvestment and incompetence as responses to radical innovation: Evidence », The RAND Journal of Economics, vol. 24, n° 2, pp. 248-270, https://www.jstor.org/stable/2555761?seq=1#metadata_info_tab_contents.

[11] Henderson, R. et K. Clark (1990), « Architectural innovation: The reconfiguration of existing product technologies and the failure of established firms », Administrative Science Quarterly, vol. 35, n° 1, pp. 9-31, http://dx.doi.org/10.2307/2393549.

[72] Inaba, T. et M. Squicciarini (2017), ICT: A new taxonomy based on the international patent classification, Éditions OCDE, Paris, https://doi.org/10.1787/ab16c396-en.

[52] Nagaraj, A. (2016), « The private impacts of public maps: Landsat satellite imagery and gold exploration », Job Markets Paper, http://web.mit.edu/nagaraj/files/nagaraj_jmp_nov6.pdf.

[48] Netflix (28 avril 2016), It’s All A/Bout Testing: The Netflix Experimentation Platform, https://medium.com/netflix-techblog/its-all-a-bout-testing-the-netflix-experimentation-platform-4e1ca458c15.

[24] OCDE (2019), Artificial Intelligence in Society, Éditions OCDE, Paris, https://doi.org/10.1787/eedfee77-en.

[29] OCDE (2019), Initial Coin Offerings (ICOs) for SME Financing, OCDE, Paris, http://www.oecd.org/finance/ICOs-for-SME-Financing.pdf.

[4] OCDE (2019), Measuring the Digital Transformation: A Roadmap for the Future, Éditions OCDE, Paris, https://dx.doi.org/10.1787/9789264311992-en.

[26] OCDE (2018), « Enhanced SME access to diversified financing instruments », document de discussion, Conférence ministérielle sur les PME, OCDE, Paris, https://www.oecd.org/cfe/smes/ministerial/documents/2018-Conference-Ministerielle-PME-Session-Pleniere-2.pdf.

[59] OCDE (2018), Financial Markets, Insurance and Pensions: Digitalisation and finance, OCDE, Paris, https://www.oecd.org/finance/private-pensions/Financial-markets-insurance-pensions-digitalisation-and-finance.pdf.

[63] OCDE (2018), How Digital Technologies are Impacting the Way we Grow and Distribute Food, OCDE, Paris, http://www.oecd.org/tad/events/Background%20note_Website.pdf.

[14] OCDE (2018), Maintaining Competitive Conditions in Era of Digitalisation, OCDE, Paris, http://www.oecd.org/g20/Maintaining-competitive-conditions-in-era-of-digitalisation-OECD.pdf.

[54] OCDE (2018), Open Government Data Report: Enhancing Policy Maturity for Sustainable Impact, OECD Digital Government Studies, Éditions OCDE, Paris, https://doi.org/10.1787/9789264305847-en.

[33] OCDE (2018), « Principaux indicateurs de la science et de la technologie »,Statistiques de l'OCDE de la science et technologie et de la R-D (base de données), https://doi.org/10.1787/data-00182-fr (consultée le 28 janvier 2019).

[67] OCDE (2018),Politique de la réglementation : Perspectives de l'OCDE 2018, Éditions OCDE, Paris, https://doi.org/10.1787/9789264305458-fr.

[8] OCDE (2018), Renforcement des PME et de l'entrepreneuriat au service de la productivité et de la croissance inclusive, OCDE, Paris, http://www.oecd.org/cfe/smes/ministerial/documents/2018-Conference-Ministerielle-PME-Session-Themes-Principaux.pdf.

[3] OCDE (2018), Science, technologie et industrie : Tableau de bord de l'OCDE 2017 : La transformation numérique, Éditions OCDE, https://doi.org/10.1787/sti_scoreboard-2017-fr.

[32] OCDE (2018), Science, technologie et innovation : Perspectives de l'OCDE 2016, Éditions OCDE, Paris, https://doi.org/10.1787/sti_in_outlook-2016-fr.

[34] OCDE (2018), Science, technology and Innovation Outlook 2018 : Adapting to Technological and Societal Disruption, Éditions OCDE, Paris, https://doi.org/10.1787/sti_in_outlook-2018-en.

[41] OCDE (2017), « Digital platforms for facilitating access to research infrastructures », OECD Science, Technology and Industry Policy Papers, n° 49, Éditions OCDE, Paris, https://dx.doi.org/10.1787/8288d208-en.

[56] OCDE (2017), Fostering Innovation in the Public Sector, Éditions OCDE, Paris, https://dx.doi.org/10.1787/9789264270879-en.

[28] OCDE (2017), « Fostering markets for SME finance: Matching business and investor needs », in Financing SMEs and Entrepreneurs 2017: An OECD Scoreboard, Éditions OCDE, Paris, https://dx.doi.org/10.1787/fin_sme_ent-2017-6-en.

[45] OCDE (2017), « Open research agenda setting », OECD Science, Technology and Industry Policy Papers, n° 50, Éditions OCDE, Paris, https://dx.doi.org/10.1787/74edb6a8-en.

[55] OCDE (2017), Panorama des administrations publiques 2017, Éditions OCDE, Paris, https://doi.org/10.1787/gov_glance-2017-fr.

[43] OCDE (2016), « Research ethics and new forms of data for social and economic research », OECD Science, Technology and Industry Policy Papers, n° 34, Éditions OCDE, Paris, https://dx.doi.org/10.1787/5jln7vnpxs32-en.

[30] OCDE (2015), Data-Driven Innovation: Big Data for Growth and Well-being, Éditions OCDE, Paris, https://dx.doi.org/10.1787/9789264229358-en.

[42] OCDE (2015), « Making open science a reality », OECD Science, Technology and Industry Policy Papers, n° 25, Éditions OCDE, Paris, https://dx.doi.org/10.1787/5jrs2f963zs1-en.

[19] OCDE (2015), New Approaches to SME and Entrepreneurship Financing: Broadening the Range of Instruments, Éditions OCDE, Paris, https://dx.doi.org/10.1787/9789264240957-en.

[31] OCDE (2015), The Future of Productivity, Éditions OCDE, Paris, https://dx.doi.org/10.1787/9789264248533-en.

[50] OCDE (2013), « Exploring data-driven innovation as a new source of growth: Mapping the policy issues raised by "big data" », Documents de travail de l'OCDE sur l'économie numérique, n° 222, Éditions OCDE, Paris, https://dx.doi.org/10.1787/5k47zw3fcp43-en.

[9] OCDE (2010), SMEs, Entrepreneurship and Innovation, OECD Studies on SMEs and Entrepreneurship, Éditions OCDE, Paris, https://dx.doi.org/10.1787/9789264080355-en.

[69] OCDE (2003),Politiques de régulation dans les pays de l'OCDE : De l'interventionnisme à la gouvernance de la régulation, Examens de l'OCDE de la réforme de la réglementation, Éditions OCDE, Paris, https://doi.org/10.1787/9789264277434-fr.

[53] OCDE (à paraître), Enhanced Access to and Sharing of Data: Reconciling Risks and Benefits of Data Re-use across Societies, Éditions OCDE, Paris.

[57] OCDE (à paraître), « Going Digital: An integrated policy framework for making the transformation work for growth and well-being », Documents de travail de l'OCDE sur l'économie numérique, Éditions OCDE, Paris.

[49] OCDE/Eurostat (2018), Oslo Manual 2018: Guidelines for Collecting, Reporting and Using Data on Innovation, 4th Edition, Éditions OCDE, Paris/Eurostat, Luxembourg, https://dx.doi.org/10.1787/9789264304604-en.

[27] OCDE/G20 (2015), G20/OECD High Level Principles on SME Financing, OCDE, Paris, https://www.oecd.org/finance/private-pensions/G20-OECD-High-level-Principles-on-SME-Financing-Progress-Report.pdf.

[61] Oderkirk, J. (2017), « Readiness of electronic health record systems to contribute to national health information and research », Documents de travail de l'OCDE sur la santé, n° 99, Éditions OCDE, Paris, https://dx.doi.org/10.1787/9e296bf3-en.

[18] Rajan, R. et L. Zingales (1998), « Financial dependence and growth », American Economic Review, vol. 88, n° 3, pp. 559-586, https://www.jstor.org/stable/116849.

[22] Saia, A., D. Andrews et S. Albrizio (2015), « Productivity spillovers from the global frontier and public policy: Industry-level evidence », Documents de travail du Département des affaires économiques de l'OCDE, n° 1238, Éditions OCDE, Paris, https://dx.doi.org/10.1787/5js03hkvxhmr-en.

[7] Schneider, C. et V. Veugelers (2010), « On young highly innovative companies: Why they matter and how (not) to policy support them », Industrial and Corporate Change, vol. 19, n° 4, pp. 969-1007, http://dx.doi.org/10.1093/icc/dtp052.

[60] Sorbe, S., P. Gal et V. Millot (2018), « Can productivity still grow in service-based economies? Preliminary evidence and scoping for further research », Documents de travail du Département des affaires économiques de l'OCDE, n° 1531, Éditions OCDE, Paris, http://dx.doi.org/10.1787/4458ec7b-en.

[6] Tushman, M. et P. Anderson (1986), « Technological discontinuities and organizational environments », Administrative Science Quarterly, vol. 31, n° 3, pp. 439-465, https://www.jstor.org/stable/2392832?seq=1#metadata_info_tab_contents.

[51] Ubaldi, B. (2013), « Open government data: Towards empirical analysis of open government data initiatives », OECD Working Papers on Public Governance, n° 22, Éditions OCDE, Paris, https://dx.doi.org/10.1787/5k46bj4f03s7-en.

[68] United States Food and Drug Administration (2018), Digital Health Innovation Action Plan, United States Food and Drug Administration, Washington, D.C., https://www.fda.gov/downloads/medicaldevices/digitalhealth/ucm568735.pdf.

Note

← 1. Ces caractéristiques sont, entre autres, la part des investissements matériels et immatériels dans les TIC, la part des spécialistes des TIC dans l'emploi total, et la part du chiffre d'affaires correspondant à des ventes en ligne.