2.1 – Hypothèse de centralité d’un ou de plusieurs acteurs dans la structuration et la diffusion des connaissances au sein du cluster

11A travers cette hypothèse, nous postulons que la structuration d’un cluster d’innovation se construit autour d’un ou de plusieurs acteurs centraux [5] (Breschi et Lenzi, 2016). Ces acteurs influencent la circulation des connaissances, les relations entre les différents acteurs et donc façonnent l’articulation globale du cluster (Visser et Boschma, 2002 ; Sahut et al., 2014). Les grands laboratoires pharmaceutiques ont un rôle central de porteurs de projets de R&D et d’innovation. Nous déclinons cette hypothèse en trois points :

1. La dynamique de centralisation est portée par les grands laboratoires pharmaceutiques (Big pharma). De par leurs capacités financières, ces acteurs développent plus de projets collaboratifs de type recherche appliquée que les petites et moyennes entreprises et arrivent à orienter les thématiques de recherches au sein du réseau. Ce positionnement central donne un pouvoir de contrôle et de diffusion des informations et des connaissances au sein du cluster. Braune et al. (2019) identifient 4 principaux objectifs justifiant ce type de financement : l’intérêt technologique visant à maîtriser les activités émergentes, le développement de brevets, une meilleure connaissance des marchés (Bustinza et al., 2019), et le développement et l’expérimentation de nouvelles pratiques de gestion interne et/ou externe.
2. Les centres de recherches et les grandes universités se positionnent dans des dynamiques de propagation (nœud de passage). Ces acteurs développent des projets collaboratifs de type recherche fondamentale et constituent des lieux de passage obligatoires pour des raisons institutionnelles et de financement ;
3. Un positionnement central permet à ces deux types d’acteurs de piloter la structuration et ainsi la morphologie du cluster d’innovation.

Figure 1

Nature de liens par type d’acteur : centres de recherche et grande université, Big Pharma

Nature de liens par type d’acteur : centres de recherche et grande université, Big Pharma

12Dans la littérature de l’analyse des réseaux, plusieurs approches sont mises en avant pour la construction des bases de données (Boschma et Ter Wal, 2011). Le réseau est considéré comme un ensemble de relations (liens) entre des acteurs (nœuds). L’analyse de réseau est l’outil permettant de visualiser le réseau et d’effectuer un certain nombre de mesures des relations à l’intérieur du réseau.

2.2 – L’analyse du réseau : l’approche par les projets collaboratifs

13La séquence méthodologique de l’analyse de réseau que nous avons menée a été divisée en quatre étapes-clés :

1. La collecte des données afin de constituer la matrice relationnelle ;
2. La définition des attributs des acteurs « nœuds » ;
3. Le traitement des données via un logiciel d’analyse des réseaux ;
4. L’interprétation des résultats et vérification des hypothèses.

14L’analyse de réseau permet d’avoir deux restitutions. En premier lieu, elle permet une visualisation via l’outil de restitution graphique. En deuxième lieu, le logiciel de traitement des données permet d’effectuer des calculs délivrant des données quantitatives sur les relations et le positionnement des acteurs.

15Les calculs du coefficient d’efficience permettent de distinguer les sous-réseaux, constitués par des groupes d’acteurs ayant des relations plus fortes entre eux qu’avec d’autres acteurs du réseau. Notre choix de privilégier l’approche par les projets collaboratifs s’est traduite par :

1. Un travail de collecte de données (via des sources électroniques) qui permet d’accéder à une information exhaustive concernant les projets collaboratifs de R&D financés (même en petite partie) par un acteur public, une agence de financement ou labellisés par un pôle de compétitivité ;
2. Une identification, pour chaque projet collaboratif, de l’acteur pilote du projet, porteur du projet et de chacun des autres acteurs (partenaires) impliqués.

Tableau 3

Exemples des projets collaboratifs labélisés « Medicen » de 2005 à 2016

Année Nom du projet Thématique Objet Pilote/porteur de projet Partenaires 2008 GeSuRho Médecine moléculaire et cellulaire et neurosciences Biospace med Global Imaging On Line (GIOL) UMR 8005 : LBM (CNRS, Arts et Métiers Paris Tech), Ecole Centrale de Paris (MAS), AP-HP (Hôpitaux Robert Debré, Lariboisière, Pitié-Salpêtrière) Centre d’imagerie Alfred Bruneau 2009 INSPIRA Imagerie biomédicale, oncologie Dosisoft AS2I, Medasys, CEA List, les unités Inserm 605 et 836, le LPSC, le Cnam, l’Institut Gustave Roussy, l’Institut Curie 2015 Mammonext Imagerie Medicale GE Healthcare Axe systems, Silkan, CEA, Université de Nantes, Institut de cancérologie

Exemples des projets collaboratifs labélisés « Medicen » de 2005 à 2016

2.3 – La construction de la matrice relationnelle

16La matrice relationnelle est une matrice carrée composée des N acteurs/n acteurs (grandes firmes, PME, institutionnels/financeurs, centres de recherches et les universités) (Ascani et al., 2020). L’existence d’une relation entre deux acteurs est quantifiée avec une valeur allant de 1 à X (1 étant l’existence d’une seule collaboration sur un seul projet de R&D) ; 0 indique l’inexistence de relations de coopération entre les deux partenaires sur la période étudiée. Nous avons choisi comme objet déterminant de la relation des acteurs du cluster, l’existence d’une coopération sur un projet de R&D au sein même du cluster (Felzensztein, Gimmon et Deans, 2018). Les projets de R&D collaboratifs doivent respecter certains critères pour être intégrés dans la composition de la matrice relationnelle (labélisation par le pôle Medicen). Le travail complémentaire de collecte de données sur les acteurs des projets collaboratifs labellisés nous a permis de reconstituer d’autres projets de R&D collaboratifs dans la région Ile-de-France (Cf. Tableau 4).

Tableau 4

Matrice relationnelle N/n acteurs

Bio-Rad France Guerbet Ipsen Sanofi-Aventis Servier Alpha chimicA Anaconda Pharma Area Time Logistics Ariana Pharma Bio-Rad France 0 0 0 1 0 0 0 0 1 Guerbet 0 0 0 1 0 0 0 0 0 Ipsen 0 0 0 1 1 0 0 0 0 Sanofi-Aventis 1 1 1 0 2 0 0 0 0 Servier 0 0 1 2 0 0 0 0 0 Alpha chimicA 0 0 0 0 0 0 0 0 0 Anaconda Pharma 0 0 0 0 0 0 0 0 1 Area Time Logistics 0 0 0 0 0 0 0 0 0 Ariana Pharma 1 0 0 0 0 0 1 0 0

Matrice relationnelle N/n acteurs

3.1 – Résultats des tests de la structuration du cluster de la région Ile-de-France

18Les résultats présentés ci-après sont obtenus avec le logiciel Ucinet, logiciel développé spécialement pour l’analyse sociale des réseaux. L’objectif ici est de décrire la structure du cluster de la région Ile-de-France, définir la position des acteurs et ses liens, la structuration du cluster et tester les hypothèses énoncées précédemment.

19Un certain nombre de mesures sont nécessaires pour caractériser le réseau dans son ensemble :

• Le nombre d’acteurs connectés (nœuds) : 164 ;
• Le nombre de liens : 1778 ;
• La distance géodésique moyenne entre deux nœuds : 2,3 ;
• La densité du graphe (nombre de liens existants/nombre de liens possibles) : 6,7%.

La distance entre les acteurs du réseau

20La distance moyenne entre les acteurs dans le réseau est de 2,03 (Cf. figure 2). La fréquence des distances (effectif brut et pourcentage) apparaît ensuite. Une matrice donne les distances entre chaque nœud. Dans le premier tableau, le résultat de la ligne ; 4 600. 0,022’ signifie qu’il y a une distance de 4 liens présente 600 fois dans le graphique, ce qui représente 2% du total de nombre de distances entre les acteurs du réseau. La distance de 2 représente plus que 58% du nombre total des distances du réseau. La dernière ligne du tableau correspond à la distance la plus courte possible entre les acteurs les plus éloignés les uns des autres. Cette mesure est aussi appelée « diamètre ».

Figure 2

Distance entre les acteurs du cluster Ile-de-France

Distance entre les acteurs du cluster Ile-de-France

La densité

21La densité du réseau est de 8%. Cet indicateur permet de décrire le degré de connexion des acteurs à l’intérieur du réseau. La valeur de la densité est égale au nombre de liens réels divisé par le nombre de liens possible.

22La densité est calculée comme suit :

23

24Où m étant le nombre de liens dans le réseau, n’étant le nombre d’acteurs (nœuds). Le nombre maximal de liens est .

Figure 3

Densité des liens entre les acteurs du cluster Ile-de-France

Densité des liens entre les acteurs du cluster Ile-de-France

25Le résultat de la densité du cluster francilien montre que seules 8% des connections possibles sont réalisées. Au premier abord ce résultat donne une impression d’une structure de réseau peu dense, mais cet indicateur reste relatif et permet une comparaison entre plusieurs structures de réseaux.

3.2 – Visualisation du réseau de l’industrie biopharmaceutique dans la région Ile-de-France

26Partant d’une base globale de 257 acteurs identifiés (participant à des projets de R&D collaboratifs) et 72 projets de collaboration de R&D sur la période 2005 à 2016, on arrive à construire le réseau schématisé dans les figures 4 et 5. Le réseau obtenu est composé de 164 acteurs actifs (participant au moins à un projet de R&D collaboratif) sur la période 2005-2016 et de 1778 liens. Sur les 164 acteurs actifs, les petites et les moyennes entreprises représentent près de 70% de la structure globale, les grands acteurs pharmaceutiques et les centres de recherche, respectivement, 6,3% et 19,7% de la totalité du cluster. La visualisation de la structuration du cluster de la région francilienne montre une forte présence des PME. La localisation de ces acteurs dans le réseau est périphérique. Au centre du cluster, on retrouve des acteurs de taille importante : grands laboratoires pharmaceutiques, les grands centres de recherches publics et les grandes universités parisiennes. La distribution des 164 acteurs est comme suit : 9 grand laboratoires pharmaceutiques, 32 centres de recherche, 12 universités, 111 PME. De premier abord, cette structuration montre un réseau centralisé autour des très grands acteurs ; universités, centres de recherche et les grandes firmes pharmaceutiques, et un positionnement plutôt périphérique des acteurs de taille moins importante.