variable d´ ependante
4.3.3 Interpr´ etation des r´ esultats
Les tableaux 4.11 et 4.12 constituent deux r´ecapitulations des r´egressions effectu´ees sur l’ensemble de nos variables d´ependantes. Le tableau 4.11 portant sur la variable d´ependante innovation reprend les mod`eles (7), (14) et (21) provenant respectivement des tableaux 4.5, 4.6 et 4.7.
Les r´esultats portant sur la variable Inno et N bio Inno sont assez similaires, `a l’exception de la variable de spillovers SP OOL. Nous interpr´etons cette similarit´e des r´esultats pour ces deux variables d´ependantes comme provenant du fait que la majorit´e des m´edicaments introduits sur le march´e sont des m´edicaments non biotechnologiques. Il apparaˆıt que pour ces deux variables d´ependantes Inno et N bio Inno, les variables SIZE et R&D IN T sont toutes deux positives et significatives, alors qu’elles sont n´egatives et non significatives pour la variable d´ependante Bio Inno. Ces r´esultats indiquent que les efforts de recherche de la firme ont un impact positif sur l’innovation et l’innovation non biotechnologique, que nous interpr´etons comme l’existence de rendements croissants dans le processus d’innovation pharmaceutique. Parce que les activit´es de R&D sont coˆuteuses, les grandes firmes pharmaceutiques peuvent r´eduire leurs coˆuts fixes en les mobilisant dans diverses activit´es de recherche (Henderson & Cockburn 1996). Nous comprenons les valeurs non significatives des variables SIZE et R&D IN T sur la variable Bio Inno comme l’une des cons´equences de la nature des connaissances biotechnologiques, qui re-
4.3 R´esultats et interpr´etation des mod`eles
Mod`eles (7) (14) (21)
Variables Innot+1 N bio Innot+1 Bio Innot+1
SIZE 0.657* 0.862** -0.413 [0.385] [0.414] [0.496] R&D IN T 1.580** 1.960*** -0.198 [0.658] [0.685] [0.818] DIV 0.321 1.007 -0.266 [0.746] [0.777] [1.157] K 1.094*** 1.245*** 1.085* [0.360] [0.381] [0.605] Sh KBIO 0.808** 0.882** 0.943 [0.399] [0.414] [0.603] SP OOL 1.413 3.465** -1.902 [1.060] [1.435] [1.648] Sh SP OOLBIO 6.375*** 5.177*** 5.229** [1.692] [1.836] [2.508] T rend -0.518*** -0.606*** -0.173 [0.136] [0.150] [0.163] Constant -0.246 -22.377 27.017 [13.165] [16.830] [21.129] lnsig2u -16.508 -15.366 -1.528 [46.635] [46.850] [1.232] Observations 259 259 259 Number of Firms 16 16 16 Log Likelihood -60.07 -56.14 -44.69 Wald chi2 66.08 60.99 17.24 LR rho = 0 0 0 1.602
Erreurs standard entre parenth`ese. * significatif `a 10%; ** significatif `a 5%; *** significatif `a 1%.
Tableau 4.11: Tableau r´ecapitulatif des r´egressions du mod`ele probit `a effets fixes pour toutes les variables d’innovation
Chapitre 4 - Int´egration des connaissances et innovation : une ´etude empirique quiert une forte sp´ecialisation des domaines de comp´etences `a mobiliser.
Les biotechnologies ont ´emerg´e au sein des entreprises sp´ecialis´ees dans les biotech- nologies cr´e´ees par des universitaires, ce qui implique que la taille ainsi que l’intensit´e de la recherche ne sont pas des conditions n´ecessaires `a l’innovation biotechnologique (Acs & Audrestch 2003). Ces r´esultats peuvent ´egalement se comprendre dans un contexte d’intensification des strat´egies d’alliances entre les entreprises sp´ecialis´ees et les grandes entreprises pharmaceutiques, entre lesquelles s’est d´evelopp´ee ces derni`eres ann´ees une nouvelle division du travail (Arora & Gambardella 1994a). A l’heure de l’´emergence des biotechnologies, les grandes entreprises pharmaceutiques dont les bases de connaissances reposaient essentiellement sur le paradigme chimique ont pu s’allier avec les entreprises sp´ecialis´ees dans les biotechnologies, de fa¸con `a ne pas investir imm´ediatement dans ces nouvelles technologies mais tout en restant attentives `a leurs ´evolutions (Galambos & Sturchio 1998).
Il nous semble que ces r´esultats sont coh´erents avec le r´esultat positif mais non signi- ficatif de la variable de stock de connaissances biotechnologiques Sh KBIO et le r´esultat
positif et significatif de la variable de spillovers biotechnologiques Sh SP OOLBIO sur la
variable d´ependante Bio Inno. Les connaissances biotechnologiques d´etenues par les grandes entreprises ne les conduisent pas n´ecessairement `a innover dans les biotech- nologies. En revanche, nous consid´erons que la d´etention de ce type de connaissances par les grandes entreprises pharmaceutiques leur permet de se constituer une capacit´e d’absorption n´ecessaire `a la compr´ehension des opportunit´es technologiques susceptibles d’ˆetre assimil´ees et acquises par les entreprises pharmaceutiques. Aussi, la valeur positive et significative de la variable de spillovers biotechnologiques Sh SP OOLBIO semble-t-
elle indiquer qu’en restant connect´ees avec leur environnement aff´erant aux domaines des biotechnologies, les grandes entreprises pharmaceutiques am´eliorent leur capacit´e `a in- nover dans les biotechnologies.
Si la d´etention d’un stock de connaissances biotechnologiques permet aux firmes de se doter d’une capacit´e d’absorption, il apparaˆıt que celles-ci am´eliorent la productivit´e des grandes entreprises pharmaceutiques avec un impact positif des variables de stock de con- naissances biotechnologiques Sh KBIO et de spillovers biotechnologiques Sh SP OOLBIO
sur les variables d´ependantes d’innovation Inno et d’innovation non biotechnologique N bio Inno. Ces r´esultats nous permettent de confirmer nos propositions P1.1 et P1.3 Parce que les connaissances biotechnologiques sont des connaissances de nature fonda-
4.3 R´esultats et interpr´etation des mod`eles
mentale, celles-ci favorisent le processus d’int´egration des connaissances au sein de la firme. Autrement dit, nous consid´erons que la d´etention d’un stock de connaissances biotechnologiques permet aux grandes entreprises pharmaceutiques de combiner les tech- nologies issues du paradigme biotechnologique `a leur base de connaissance traditionnelle, dont l’exploitation r´eside essentiellement dans la production de petites mol´ecules chim- iques. Parce que les biotechnologies ont permis la compr´ehension, de mˆeme que la manipulation du vivant, les firmes qui disposent d’un stock de connaissances biotech- nologiques peuvent am´eliorer leurs processus de R&D traditionnel. Le passage progres- sif des m´ethodes de mass random screening `a celles de rational drug design donne les moyens aux grandes entreprises pharmaceutiques d’am´eliorer les m´ethodes de d´ecouverte et de d´eveloppement de petites mol´ecules chimiques, ainsi que leurs modes d’action th´erapeutique, qui correspondent `a leurs activit´es de recherche traditionnelles. Aussi, les connaissances biotechnologiques par leur nature abstraite et g´en´erale peuvent-elles favoriser l’existence d’´economies de champ et d’externalit´es li´ees `a la fertilisation crois´ee des connaissances, tel que soulign´e par Henderson & Cockburn (1996).
La valeur positive est significative de la variable stock de connaissances K sur l’ensem- ble des variables d´ependantes (Inno, N bio Inno et Bio Inno) confirment l’importance des connaissances accumul´ees comme facteur de performance des firmes. Par ailleurs, l’impact positif et significatif des variables de stock de connaissances K et de spillovers biotechnologiques Sh SP OOLBIO sur la variable d´ependante Bio Inno nous permettent
de penser qu’il existe compl´ementarit´e entre les connaissances accumul´ees par les firmes dans leurs domaines de comp´etences et les connaissances biotechnologiques d´evelopp´ees en dehors des fronti`eres de la firme. En mobilisant les opportunit´es biotechnologiques externes, qu’elles combinent `a leurs bases de connaissances traditionnelles, les grandes en- treprises pharmaceutiques peuvent am´eliorer certains de leurs domaines de comp´etences favorisant l’innovation dans de nouvelles lignes de produits. La nature cumulative des connaissances nous am`ene `a penser que l’innovation pharmaceutique est caract´eris´ee par ce que Pavitt (1998) appelle l’accumulation cr´eatrice, en raison de la compl´ementarit´e des connaissances mobilis´ees dans les paradigmes chimiques et biotechnologiques (Hop- kins et al. 2007, Nightingale & Mahdi 2006). L’impact non significatif de la variable DIV sur les trois variables d´ependantes indique selon nous que l’innovation r´eside principale- ment dans l’exploration et l’exploitation de certains domaines de recherche, plutˆot que dans une diversification de leurs domaines de comp´etences (Henderson & Cockburn 1996).
Chapitre 4 - Int´egration des connaissances et innovation : une ´etude empirique Le tableau 4.12, portant sur la variable d´ependante m´edicaments, reprend les mod`eles (28), (35) et (42) provenant respectivement des tableaux 4.8, 4.9 et 4.10.
Les r´esultats portant sur les variables m´edicaments sont contrairement aux variables innovations moins concluants, nous permettant de penser qu’il est plus difficile au re- gard de nos donn´ees d’expliquer le nombre de m´edicaments produits. Contrairement aux mod`eles portant sur l’innovation, les r´esultats des variables d´ependantes m´edicaments montrent une certaine similarit´e des r´esultats entre la variable d´ependante Drugs et Bio Drugs. Pour ces deux variables d´ependantes, seules les variables de stock de con- naissances K et de spillovers biotechnologiques Sh SP OOLBIO ont impact positif et
significatif. Ceci peut s’expliquer, comme dans le cas pr´ec´edent portant sur l’innovation, par la compl´ementarit´e entre les bases de connaissances traditionnelles des grandes firmes pharmaceutiques et leur capacit´e `a exploiter les comp´etences biotechnologiques externes grˆace `a leur capacit´e d’absorption.
Quant `a la variable d´ependante N bio Drugs, il apparaˆıt que les variables SIZE et R&D IN T ont un impact positif et significatif sur l’introduction de m´edicaments non biotechnologiques. De la mˆeme mani`ere que pour la variable N bio Inno, nous attribuons ces r´esultats aux ´economies d’´echelle dont peuvent b´en´eficier les grandes firmes pharma- ceutiques en ´etendant leurs coˆuts fixes `a divers domaines de comp´etences. Pour autant, la valeur non significative de la variable DIV sur l’ensemble des variables d´ependantes nous incite `a penser que la diversification technologique doit suivre une certaine ´evolution li´ee `a la nature cumulative des connaissances et aux apprentissages organisationnels des firmes (Patel & Pavitt 1997). Les valeurs positives des variables stock de connaissances K et de spillovers SP OOL sur la variable N bio Drugs soulignent qu’`a la fois l’apprentissage in- terne li´e aux comp´etences accumul´ees par les firmes et l’apprentissage externe constituent des facteurs d´eterminants de la performance des firmes. Les r´esultats portant sur la varia- ble de stock de connaissances biotechnologiques Sh KBIO et sur la variable de spillovers
biotechnologiques Sh SP OOLBIO ne nous permettent pas de confirmer nos propositions
P1.2 et P1.3 Par ailleurs, la variable Sh KBIO n’est jamais significative quelle que soit
la variable d´ependante, bien qu’elle soit toujours positive.
Ces r´esultats inattendus de la variable Sh KBIO quelle que soit la variable d´ependante
m´edicaments et de la variable Sh SP OOLBIO sur la variable d´ependante N bio Drugs
contrastent avec les r´esultats portant sur les variables d´ependantes d’innovation. Ces r´esultats nous laissent perplexes et demeurent globalement faibles statistiquement. Ceci
4.3 R´esultats et interpr´etation des mod`eles
Mod`eles (28) (35) (42)
Variables Drugst+1 N bio Drugst+1 Bio Drugst+1
SIZE 0.427 0.699* -0.243 [0.296] [0.407] [0.552] R&D IN T 0.676 1.220** -1.046 [0.415] [0.498] [0.941] DIV 0.019 0.067 -0.358 [0.653] [0.779] [1.515] K 1.014*** 1.096*** 1.055* [0.299] [0.395] [0.584] Sh KBIO 0.285 0.031 0.918 [0.307] [0.382] [0.637] SP OOL 1.716 4.723*** -2.414 [1.052] [1.821] [1.820] Sh SP OOLBIO 5.546*** 3.448 8.696** [1.627] [2.183] [3.657] T rend -0.372*** -0.412*** -0.267 [0.107] [0.130] [0.228] Constant -8.947 -43.313* 35.259 [14.063] [22.943] [25.323] lnalpha -15.074 -2.857 -0.924 [813.905] [3.204] [1.851] Observations 259 259 259 Log Likelihood -133 -115.4 -60.03 LR Chi Square 161.7 125.7 49.57 Pseudo R-squared 0.378 0.353 0.292
Erreurs standard entre parenth`ese. * significatif `a 10%; ** signi- ficatif `a 5%; *** significatif `a 1%.
Tableau 4.12: Tableau r´ecapitulatif des r´egressions du mod`ele n´egatif binomial pour toutes les variables de m´edicaments
Chapitre 4 - Int´egration des connaissances et innovation : une ´etude empirique nous laisse `a penser que d`es lors qu’il s’agit d’expliquer le nombre de m´edicaments, les mesures relatives aux stock de connaissances des firmes mesur´ees par les brevets et les citations de brevets ne sont pas suffisantes pour expliquer l’introduction de nouveaux m´edicaments sur le march´e. Nous pensons en effet, que ces r´esultats sont li´ees `a la nature mˆeme du processus de d´ecouverte de m´edicaments o`u les connaissances biotechnologiques doivent essentiellement jouer un rˆole dans la premi`ere phase du processus. Derri`ere les technologies, est mobilis´e un ensemble de savoirs d´etenus par les chercheurs travaillant `a la d´ecouverte de nouvelles mol´ecules. Ces savoirs correspondent notamment aux con- naissances tacites, `a l’exp´erience d´evelopp´ee par les chercheurs qui peuvent d´eboucher sur des innovations que la mobilisation des technologies seule ne suffit pas `a expliquer, et que nous ne mesurons pas dans nos variables. De plus, comme nous l’avons soulign´e pr´ec´edemment, le processus de d´ecouverte de m´edicaments n’a pas radicalement chang´e. Si les connaissances biotechnologiques ont permis d’impulser de nouvelles trajec- toires technologiques quant au processus de d´ecouverte de m´edicaments, l’ensemble des comp´etences li´ees aux phases de d´eveloppement (phases d’essais cliniques), de production et de commercialisation des m´edicaments reste d´ecisif. Aussi, la phase de recherche dans l’industrie pharmaceutique se distingue-t-elle clairement de la phase de d´eveloppement o`u les comp´etences et les actifs ne sont pas n´ecessairement similaires (Gambardella 1995). En effet, la phase de d´eveloppement de m´edicaments requiert toujours des essais clini- ques longs et routiniers que les grandes entreprises pharmaceutiques, en raison de leur large structure hi´erarchique disposant de capacit´es financi`eres et organisationnelles con- sid´erables, sont en meilleure capacit´e de produire (ibid, p. 45). Ceci justifierait en partie la valeur significative de la variable K et la valeur non significative de la variable Sh KBIO.
Cette r´eflexion nous am`ene ainsi `a nous interroger sur le choix de nos donn´ees. En effet, le d´etenteur du m´edicament demandant l’autorisation aupr`es des instances publiques de mise sur le march´e n’est pas n´ecessairement l’entreprise ayant d´ecouvert la mol´ecule. Cette industrie est en effet caract´eris´ee par une forte division du travail o`u les collaborations entre les divers acteurs tout au long de la chaˆıne de production sont nombreuses (Arora & Gambardella 1990, Gambardella 1995). Par cons´equent, les connaissances biotech- nologiques peuvent ˆetre sous-repr´esent´ees d`es lors que l’on choisit comme entreprise celle demandant l’autorisation de mise sur le march´e et non l’entreprise ayant d´ecouvert la mol´ecule.
La faiblesse de nos r´esultats nous ont amen´e `a nous int´eresser `a l’impact des connais- sances biotechnologiques au regard du cycle de l’innovation pharmaceutique. Les connais-
4.4 La structure de retard des connaissances biotechnologiques
sances biotechnologiques ont-elles, tel que nous le supposons, un impact plus important au d´ebut du cycle de l’innovation pharmaceutique, et si oui, cet impact est-il plus impor- tant pour les m´edicaments biotechnologiques ou les m´edicaments non biotechnologiques? C’est l’objet de la section qui suit.