Définir les relations

II.1.1 Le remplissage de la matrice de l'analyse structurelle

Il s’agit d’une étape particulièrement difficile. L’objectif est de repérer les relations

d’influences directes entre les variables. C’est à ce niveau-là que se situe toute la subtilité de

l’analyse : la distinction entre les relations d’influences directes et les relations d’influences indirectes. Ces dernières ne doivent pas être prises en compte lors du repérage des relations. Le remplissage de la matrice de l’analyse structurelle se veut être à la fois qualitatif et quantitatif. Nous avons choisi de suivre la méthode de remplissage classique qui est proposée par le logiciel Micmac. Le remplissage qualitatif nous a permis d'identifier toutes les relations d'influences directes à l’aide de plusieurs questions :

- Est-ce qu’il y a une relation d’influence directe entre les variables A et B ? - Est-ce que la variable A a une influence directe sur la variable B ?

- Est-ce que la variable B a une influence directe sur la variable A ?

Quand il n'y a pas de relation d'influence directe entre 2 variables, il faut attribuer la valeur zéro.

Afin d'illustrer la méthode de remplissage de la matrice de l'analyse structurelle, nous présentons ici un petit exemple.

Tableau 6 : Exemple de la matrice de l'analyse structurelle

Variables A B C

A 0 0 1

B 0 0 2

C 1 3 0

198 _{GODET Michel (2007). Manuel de la prospective stratégique : Tome 2, L’Art et la méthode. Paris : Dunod,}

96

Dans cet exemple, la variable B n'a pas d'influence directe sur la variable A donc nous avons attribué un zéro pour cette relation d'influence. Par contre, la variable C a bien une influence directe sur la variable A. Quand il y a bien une relation d’influence directe, il faut quantifier la relation.

- Lorsque l’influence est faible, il faut attribuer la valeur 1 - Lorsque l’influence est moyenne, il faut attribuer la valeur 2 - Lorsque l’influence est forte, il faut attribuer la valeur 3.

Dans cet exemple, l'influence directe de la variable C sur la variable A est donc estimée comme étant faible.

À noter que l’influence d’une variable sur elle-même (Est-ce que la variable A a une influence sur la variable A ?) est toujours nulle.

II.1.2 Identifier les relations entre les variables

Michel Godet précise qu’un bon taux de remplissage doit se situer entre 15 et 25%. En aucun cas, le taux de remplissage ne doit être supérieur à 30 % : « L’expérience semble montrer qu’un bon taux de remplissage de la matrice doit se situer entre 15 % et 25 % suivant la dimension de la matrice. Des taux supérieurs (30 % à 35 %) sont révélateurs d’un remplissage excessif : des relations induites ayant été, à tort, considérées comme directes. » (GODET, 2007)199

Le remplissage de la matrice de l'analyse structurelle ne s'est pas fait en une seule fois. Nous avons dû refaire l'exercice à maintes reprises. Lors du premier remplissage de la matrice de l'analyse structurelle, nous avions un taux de remplissage bien trop élevé (aux alentours de 38%). Nous avons donc dû reprendre la matrice de l'analyse structurelle et lors des relectures, nous avons éliminé au fur et à mesure des relations d'influence que nous avions considérées à tort comme des relations d'influences directes. Nous avons donc supprimé progressivement ces relations d'influence jusqu'à atteindre un taux de remplissage correct qui se situait aux alentours de 25%. Une fois ce résultat atteint, nous avons soumis la matrice de l'analyse structurelle corrigée au comité d'experts.

Il n'était pas envisageable de soumettre l'ensemble de la matrice de l'analyse structurelle à chacun des membres du comité d'experts. Cela leur aurait demandé un investissement

97

personnel trop lourd et nous les avions déjà beaucoup sollicités pour la première étape de l'analyse structurelle, le recensement des variables. Nous avons donc réparti l'analyse de la matrice de l'analyse structurelle de la manière suivante :

- Les variables classées dans le thème 1 « Actions des pouvoirs publics et des institutions publiques en France, en Europe et dans le reste du monde » et le thème 2 « Budget de la recherche et de l'enseignement supérieur » ont été confiés aux chercheurs et aux militants ;

- Les variables classées dans le thème 3 « Économie de l'édition scientifique » et le thème 4 « Offre électronique de l'édition scientifique » ont été confiées aux éditeurs ; - Les variables classées dans le thème 5 « Les communautés de chercheurs » ont été

confiées aux professionnels de l'information.

En soumettant la matrice d’analyse structurelle à l’ensemble du groupe, nous avons insisté sur les points suivants :

- Le fait qu’il faut toujours se baser sur la description détaillée de la variable. En se fiant seulement à l’intitulé des variables, il y a des erreurs d’appréciation. C'est d'ailleurs la raison pour laquelle il est préférable que la matrice de l'analyse structurelle « soit remplie par les personnes qui ont participé en amont au recensement des variables et à leur définition » (GODET, DURANCE, 2008)200. C'est ce que nous avons fait dans le cadre de notre étude : nous avons sollicité les mêmes personnes pour la première et la deuxième étape de l'analyse structurelle ;

- Le fait qu’il faut identifier les relations directes entre les variables. Une relation indirecte est considérée comme nulle. C’est là que réside toute la subtilité de l’analyse : la distinction entre les relations directes et les relations indirectes.

Nous n'avons pas pu réunir les experts afin de faire une lecture collective de la matrice de l'analyse structurelle. Cela aurait demandé un investissement trop lourd pour les experts. Une lecture collective aurait été l'idéale. Comme le souligne Michel Godet,

« […] le remplissage de la matrice est une bonne occasion de dialogue. L'échange et la réflexion qu'il suscite aident à créer un langage commun au sein du groupe de prospective. L'expérience montre que les réflexions libres, qui se dégagent au cours

200

GODET Michel, DURANCE Philippe (2008). La prospective stratégique. Pour les entreprises et les territoires. Paris : Dunod, 2008, 144 p. ISBN 987-2-10-051879-1

98

de la discussion collective, méritent d'être consignées dans un « pense- intelligent ». » (GODET, 2007)201

Chaque expert a examiné de manière individuelle les variables que je lui avais attribuées. Nous avons pris en compte les suggestions des experts dans notre matrice de l'analyse structurelle.

II.1.3 Les caractéristiques de la matrice d’analyse structurelle du mouvement du libre accès en France

Tableau 7 : Les caractéristiques de la matrice d’analyse structurelle du libre accès

IN D I C A T E U R VA L E U R Taille de la matrice 31 Nombre de zéros 722 Nombre de un 33 Nombre de deux 51 Nombre de trois 155 Total 239 Taux de remplissage 24,9%

La taille de la matrice fait référence au nombre des variables que nous avons retenues lors de la première étape de l’analyse structurelle. Étant donné que 31 variables ont été retenues, la matrice d’analyse structurelle est composée de 961 cas de figure.

Sur ces 961 cas de figure, nous202 avons attribué :

- 722 fois un zéro ou autrement dit, dans 75 % des cas de figure, nous avons identifié qu’il n’y avait pas de relation d’influence directe entre deux variables ;

- 33 fois un un ou autrement dit, dans 3% des cas de figure, nous avons identifié une relation d’influence faible ;

- 51 fois un deux ou autrement dit, dans 5% des cas de figure, nous avons identifié une relation d’influence moyenne ;

201 _{GODET Michel (2007). Manuel de la prospective stratégique : Tome 2, L’Art et la méthode. Paris : Dunod,}

2007, 427 p. ISBN 978-10-051280-5

99

- 155 fois un trois ou autrement dit, dans 16% des cas de figure, nous avons identifié une relation d’influence forte ;

Sur 961 cas de figure, il y en a donc 239 pour lesquels nous avons pu identifier une relation d’influence directe, soit 24,9%.