Alvaro PINA-STRANGER
IRISSO (CNRS – Université Paris Dauphine)
alvaropinstranger@gmail.com
# 06 65 16 17 24
Adresse professionnelle :
Place du Maréchal de Lattre de Tassigny,
75775 Paris Cedex 16
Adresse personnelle :
43 rue des Boulet,
1
Mécanismes locaux de coordination dans l’industrie des
biotechnologies en France
Résumé
L’apprentissage collectif est associé aux formes d’échange des entrepreneurs. Entre organisations, les possibilités de coordination sont limitées par l’absence d’une hiérarchie formelle définissant qui a le « droit de savoir ». Dans ce contexte, la proximité relationnelle induite par le phénomène de co-localisation facilite l’émergence des mécanismes de coordination. L’analyse des relations entretenues par les entrepreneurs en Biotech en France nous permet de montrer quelques-uns de ces mécanismes, et notamment l’existence des rôles différenciés dans le système d’échange local.
Mots clés
Capacité d’endogénéisation ; rôle frontalier ; mécanismes de coordination ; autorités épistémiques ; réseau de conseil inter-organisationnel
Local mechanisms of coordination in the French biotech
industry
Abstract
Collective learning is associated with entrepreneurs exchange forms. Between organizations, coordination capabilities are limited by the absence of a formal hierarchy defining who has the "right to know". In this context, the relational proximity induced by industrial co-localization facilitates the emergence of coordination mechanisms. The analysis of the French Biotech entrepreneurs’ relationships allows us to highlight some of these mechanisms, in particular the existence of differentiated roles in the local exchange system.
Key words
Endogénéisation capabilities; boundary role; coordination mechanisms; epistemic authorities; inter-organizational advice network
2
Introduction
Les entreprises de biotechnologie (Biotechs) ont fait l’objet d’un très grand nombre de travaux. Ils montrent que les relations inter-organisationnelles favorisent les capacités d’apprentissage des entreprises [Powell & al., 1996]. Cependant, l’approche contractuelle dans laquelle s’insèrent ces travaux [Pina-Stranger, 2010] ne permet pas permis de reconstituer les conflits épistémiques qui émergent lors que les entrepreneurs tentent d’apprendre de leurs pairs. Au niveau intra-organisationnel, l’étude des relations de conseil montre que le collectif résolve ces conflits en se dotant des mécanismes de contrôle a travers lesquels la pertinence des savoirs est validée par une autorité et reconnue par la majorité [Lazega, 2001]. Cet article propose une manière d’appréhender la résolution collective des conflits épistémiques au niveau inter-organisationnel à travers l’étude des relations inter-personnelles.
Dans les secteurs des Biotechs, le choix d’une autorité épistémique pouvant valider la pertinence des savoirs est d’autant plus difficile que les entrepreneurs sont obligés de travailler au carrefour de plusieurs secteurs d’activité différents. A cette hétérogénéité de secteurs-tutélaires s’ajoute l’absence d’une hiérarchie formelle pouvant orienter les échanges au niveau inter-organisationnel [Pina-Stranger & Lazega, 2010]. Or, dans ce contexte hétérogène, incertain et concurrentiel, les entrepreneurs doivent apprendre les uns des autres. Ils doivent se cordonner pour évaluer la pertinence de savoirs qu’ils utilisent, créent et modifient.
Les clusters industriels constituent l’un des dispositifs collectifs de coordination les plus étudiés. Pourtant, les formes spécifiques de coordination au niveau inter-individuel ne sont pas examinées systématiquement. Nous suggérons que l’étude de l’apprentissage collectif procure un cadre conceptuel à l’aide duquel il est possible d’analyser finement les formes locales de coordination. Nos résultats montrent qu’au niveau local, des mécanismes spécifiques de coordination permettent aux membres des clusters de trouver un consensus sur les autorités épistémiques légitimes, et d’accéder de manière indirecte aux ressources circulant au niveau national. Toutefois, l’effet de la proximité géographique n’est pas homogène. Nous montrons que le niveau de cohésion ainsi que la congruence statutaire des autorités épistémiques locales (AEL) au niveau national sont associés aux performances collectives des entreprises des clusters.
Théorie
Conflits et statuts épistémiques dans l’industrie des Biotechs
Les activités d’innovation nécessitent de l’association de nombreux acteurs. Dans l’industrie des Biotechs, cette capacité à « être connecté » est souvent associée à des performances positives pour les entreprises. Les relations inter-organisationnelles favorisent les capacités d’apprentissage dans la mesure où elles permettent de partager, contrôler et développer les savoirs dont les entreprises ont besoin. Ces résultats, issus pour la plupart d’une approche exclusivement contractuelle des relations inter-organisationnelles [Pina-Stranger, 2010], ne considèrent pas la question des conflits épistémiques qui émergent lorsque les entrepreneurs doivent négocier la définition de leurs activités et leur rôle dans le système de production.
3 Un conflit épistémique émerge lorsque les mécanismes de contrôle concernant la validité des savoirs ne sont pas stabilisés au sein d’un collectif [Lazega, 2001]. L’étude du processus d’apprentissage au niveau intra-organisationnel montre que les organisations résolvent les conflits épistémiques en se dotant d’autorités capables de générer un consensus sur les savoirs qui doivent être mobilisés dans l’accomplissement des tâches, et pris en considération dans l’attribution des ressources [Lazega & Van Duijn, 1997 ; Skerlavaj & Dimovski 2006]..
Au niveau inter-organisationnel, l’absence d’une hiérarchie formelle encadrant les échanges rend plus difficile la mise en place de cette forme de coordination [Pina-Stranger & Lazega, 2010]. Dans l’industrie des Biotechs, la hiérarchisation des autorités épistémiques est d’autant plus difficile qu’il s’agit d’un secteur d’activité où plusieurs types d’acteurs entrent en jeu. La division intersectorielle du travail qui caractérise l’industrie biopharmaceutique [Pisano, 1991] positionne ces entreprises au carrefour de trois types d’organisations-tutélaires : les centres de recherche, les investisseurs en capital-risque et les grands groupes pharmaceutiques. Dans ce contexte, le choix des autorités épistémiques dépend du type d’organisation-tutélaire que l’entrepreneur reconnaitra comme légitime. De ce fait, l’échange de connaissances, et par extension, le processus d’apprentissage collectif, repose en grande partie sur les allégeances sectorielles des entrepreneurs.
Ces allégeances sectorielles peuvent être appréhendées à travers les statuts épistémiques des entrepreneurs. Ceux-ci ont été décrits principalement sur deux dimensions : une dimension relationnelle, liée aux alignements épistémiques, que l’on a souvent représentée à travers les réseaux de conseil [Cross & al., 2002; Gibbons, 2004; Krackhardt, 1987; Lazega & Van Duijn, 1997) et une dimension biographique, liée aux affiliations institutionnelles, aux appartenances géographiques et aux performances des entrepreneurs [Casper, 2007 ; Gittelman, 2006 ; Higgins & Gulati, 2003).
La dimension relationnelle des statuts épistémiques n’a que très rarement été explorée au niveau inter-organisationnel1. Les alliances qui constituent l’objet d’étude de la plupart des travaux sur le secteur des Biotechs ne permettent pas de dissocier la dimension économique de la dimension épistémique des échanges. Il est nécessaire d’observer les relations interpersonnelles si l’on veut capturer cette dimension épistémique. Examinant l’échange de conseils et les affiliations institutionnelles2 des entrepreneurs dans l’industrie des Biotechs française, Pina-Stranger & Lazega (2010) montrent qu’il n’existe pas de consensus général concernant les autorités épistémiques légitimes. L’hétérogénéité de secteurs d’affiliation impliqués dans le processus de transfert technologique polarise le système d’échange, formant différentes communautés qui ne partage pas le même cadre de référence. Ce mouvement de polarisation confirme, sur le plan des relations interpersonnelles, les résultats obtenus par Gittelman (2006) qui montre que la recherche fondamentale en Europe est moins intégrée à la recherche clinique qu’aux Etats-Unis.
Pour sa part, la dimension biographique des statuts épistémiques a été très étudiée dans l’industrie des Biotechs. Des nombreux travaux mettent en évidence le lien qu’il existe entre les expériences professionnelles des entrepreneurs et les opportunités auxquelles elles donnent accès [Higgins & Gulati, 2003 ; Kim & Higgins, 2007]. Les études abordant cette dimension montrent que tous les parcours professionnels ne se valent pas. Les expériences associées positivement à la création d’alliances ou aux levées des fonds rendent compte des savoirs qui sont considérés
1 Voir des exemples dans Lazega & al., (2004), Manolova & al. (2009), Pina-Stranger & Lazega (2010). 2
4 pertinents par les organisations-tutélaires qui procurent ces ressources. Certaines expériences professionnelles érigent à ceux qui en sont les porteurs en autorités épistémiques, car le savoir qu’ils revendiquent leur est reconnu comme pertinent. L’effet différencié des parcours professionnels des dirigeants sur le développement des entreprises montre également l’absence de consensus qui existe dans cette industrie concernant les autorités épistémiques légitimes.
Dimensions de la coordination locale
Co-localisation et consensus sur les autorités épistémiques
L’analyse des dimensions relationnelle et biographique des statuts épistémiques dans l’industrie des Biotechs met en évidence l’importance pour le développement des entreprises du type d’organisation-tutélaire que les entrepreneurs reconnaissent comme exerçant une autorité légitime. La controverse concernant ces autorités a des conséquences sur l’apprentissage collectif dans la mesure où les différents types de savoirs ne sont pas évalués ni contrôlés par des mécanismes de coordination issus d’un consensus. Or, indépendamment du type d’organisation-tutélaire qu’il reconnaît comme légitime, un entrepreneur doit pouvoir être capable d’apprendre de ceux qui ne revendiquent pas la pertinence du même type de savoirs. Sans participer d’un dispositif collectif permettant d’évaluer et rendre disponible ces savoirs, l’entrepreneur perd une partie de sa capacité à « rester dans la course ».
L’un des dispositifs collectif de coordination les plus étudiés concerne les clusters industriels. Des nombreuses études ont mmettent en évidence les effets positifs de la proximité géographique sur les capacités d’innovation des entreprises3. Dans l’industrie biopharmaceutique, ces effets ont été amplement étudiés.4 Malgré une vaste littérature, certains auteurs revendiquent la nécessité de comprendre plus en profondeur les formes spécifiques de coordination qui caractérisent les échanges à l’intérieur des clusters [Boschma, 2005 ; Hamdouch & Depret, 2009 ; Rallet & Torre, 1999).
L’étude de l’apprentissage collectif procure un cadre conceptuel à l’aide duquel il est possible d’analyser finement les formes locales de coordination. La thèse de la co-localisation appliquée à l’étude des conflits épistémiques et de leur gestion collective repose sur l’idée que la coappartenance à un cluster favoriserait la capacité de ses membres à trouver un consensus concernant les autorités épistémiques. Notre première hypothèse explore l’effet de la proximité relationnelle sur cette capacité collective à trouver un tel consensus.
Hypothèse 1 : contrairement à ce qui se passe au niveau national, a l’intérieur des clusters il existe
un consensus sur les autorités épistémiques, malgré les différentes affiliations institutionnelles des entrepreneurs.
Apprentissage collectif, cohésion et performance
La co-localisation géographique n’a pas un effet homogène sur les échanges entre les acteurs et sur les performances. De nombreuses études montrent le lien qui existe entre le nombre de relations d’un acteur et ses performances économiques [Gabbay & Zuckerman, 1998 ; Cummings & Cross,
3
Voir une synthèse dans Hamdouch & Depret (2009).
4 Concernant la France voir par exemple Autant-Bernard (2002), Boufaden & Plunket (2005), Lemarié & al.
5 2003]. Dans l’industrie des Biotechs, la centralité d’une entreprise est souvent associée à une plus grande probabilité de succès économique ou scientifique [Baum & al., 2000 ; Powell & al., 1996 ; Salman & Saives, 2005].
Une autre manière d’appréhender les dynamiques relationnelles consiste à regarder les caractéristiques du système d’échange à l’intérieur d’un sous-groupe d’acteurs. Oh & al., (2004) montrent par exemple que le niveau de fermeture relationnelle du groupe (group closure) est associé de manière non linéaire aux performances. Un autre exemple est fourni par l’étude de Cummings & Cross (2003) qui montrent que les structures hiérarchiques à l’intérieur des groupes et la présence de trous structuraux dans le réseau des leaders sont associées à des performances négatives.
Ces travaux et bien d’autres s’appuient sur l’idée avancée par Coleman d’une relation entre la fermeture (closure) d’un système d’échange et la capacité d’un collectif à se doter des normes sociales et des mécanismes de sanction visant à le faire respecter [Coleman, 1988]. Dans cette approche, la fermeture d’un réseau est un indicateur du niveau de cohésion qui caractérise un groupe [Portes, 1998]. Dans l’étude de l’apprentissage collectif, le lien entre fermeture relationnelle et performance repose sur l’idée que la cohésion à l’intérieur d’un groupe favorise l’émergence d’un consensus sur les autorités épistémiques légitimes, ce qui permet au collectif d’évaluer la pertinence et la disponibilité des savoirs qu’ils mobilisent.
Le niveau de cohésion peut être mesuré de différentes manières [Burt, 1987 ; Moody & White, 2003]. Les auteurs utilisent souvent le nombre de relations observées à l’intérieur d’un sous-groupe. Nous proposons de prendre en considération également le caractère multiplex des relations. Dans notre cas, il s’agit de considérer simultanément les relations d’amitié et de conseil5. Lazega (2001) suggère que les relations d’amitié permettent aux acteurs d’évaluer les structures sociales dans lesquelles ils évoluent (role distance) et de participer à des mécanismes spécifiques de solidarité. Pour sa part, les relations de conseil rendent compte de l’échange spécifique des ressources liées à certaines tâches et zones d’incertitude au travail. Appliquée à l’analyse du fonctionnement des clusters, nous prédisons un lien entre le niveau de cohésion et les performances des entreprises.
Hypothèse 2 : La performance collective des entreprises d’un cluster est positivement associée à
son niveau de cohésion mesuré à partir du nombre moyen de relations dans le réseau de conseil et le réseau d’amitié.
Expériences professionnelles, savoirs pertinents et autorités épistémiques
Au niveau national, les identités perçues à travers les affiliations institutionnelles suffisent aux entrepreneurs pour juger du type de savoir revendiqué par leurs pairs. Au niveau local, les jeux de statuts fondés sur ces affiliations n’expliquent pas les dynamiques d’échange. Ceci ne signifie pas pour autant que les jeux de statuts sont abolis. Ceci suggère plutôt que les capacités d’endogénéisation6 des entrepreneurs à ces deux niveaux ne sont pas les mêmes. A l’intérieur des clusters, comme dans un petit village, le moindre détail de la vie des autres est scruté à la loupe. Dans un contexte de forte proximité relationnelle, les indications générales données par les
5
Lazega (2006, pp. 128) définit les relations multiplex par « l’existence de plusieurs types de ressources échangées dans le cadre d’une même relation entre deux personnes ».
6 L’endogénéisation c’est la capacité des acteurs à se représenter les structures sociales dans lesquelles ils
6 affiliations institutionnelles ne suffisent plus à cerner les identités des autres. Nous suggérons qu’au niveau local, ce qui compte ce sont des expériences plus précises signalant des accomplissements professionnels spécifiques. Appliqué à l’étude des conflits épistémiques, ce lien entre proximité relationnelle, capacité d’endogénéisation et type de critère d’identité repose sur l’idée que les acteurs ayant accompli certaines performances dans leur carrière auront tendance à devenir des AEL. Nous proposons de distinguer, dans la dimension biographique des statuts épistémiques, les affiliations institutionnelles des performances individuelles des entrepreneurs. Ces dernières rendent compte d’accomplissements professionnels spécifiques liés à des tâches de travail décisives pour le développement des entreprises. Distinguer ainsi les différents types d’expériences professionnelles permet d’identifier qui contrôle quel type de savoir7. Chaque expérience est un « argument » utilisé par les entrepreneurs pour revendiquer la pertinence de leurs jugements.
Nous avons identifié quatre types d’accomplissements professionnels spécifiques : la condition de fondateur d’une Biotech, le nombre de Biotechs fondées, les années d’expérience dans l’industrie pharmaceutique et l’appartenance à une entreprise cotée. Nous postulons que les expériences, savoirs et tâches de travail représentés par ces attributs correspondent aux « étiquettes » qu’utilisent les entrepreneurs pour juger de qui a « le droit de savoir » à l’intérieur des clusters.
Hypothèse 3 : Les accomplissements professionnels spécifiques permettent d’expliquer les
dynamiques d’échange de conseil à l’intérieur des clusters régionaux, et notamment l’émergence des AEL.
La capacité d’endogénéisation qui oriente les choix relationnels ne repose pas seulement sur la dimension biographique des statuts, mais aussi sur une dimension politique et une dimension structurale. La dimension politique a à voir avec le processus d’institutionnalisation qui définit les contours des identités sociales, les normes et attentes des acteurs concernant leur mode de fonctionnement. La dimension structurale concerne la représentation des structures d’opportunités et des contraintes dans laquelle les entrepreneurs évoluent [Lazega, 2001]. Cette représentation dépend en grand partie des positions que les acteurs occupent, mais aussi des investissements relationnels dont ils sont capables.
Ces deux dimensions sont entremêlées lorsqu’ils s‘agit des clusters régionaux. La thèse des effets bénéfiques de la co-localisation s’est développée en même temps qu’elle a inspirée les politiques publiques visant à améliorer l’innovation industrielle [Doloreux & Parto, 2004]. L’accès à un site industriel constitue l’un des premiers objectifs des entrepreneurs, même si cela tient plus à un « non-choix » qu’à une décision stratégique [Champenois, 2008]. La « promesse » de la co-localisation influe positivement la représentation que les entrepreneurs se font des structures d’opportunités locales. Malgré cela, dans le milieu des entrepreneurs en Biotech, il n’y a pas de consensus sur les bienfaits de la co-localisation. Pour certains d’entre eux, la co-localisation n’est pas déterminante dans l’accès aux ressources dont ils ont besoin.
Cette controverse concernant l’utilité de la co-localisation dans l’accès aux ressources est associée aux positions relationnelles des entrepreneurs à l’intérieur des clusters8. La proximité relationnelle permet aux entrepreneurs d’identifier les positions des uns et des autres. Cette connaissance du
7 Pour une autre manière de dissocier les types d'expérience voir Ingram & Baum (1997). 8
7 système d’interdépendances favorise la constitution et la stabilisation d’un dispositif de coordination entre les acteurs. L’évaluation que les acteurs font des bénéfices qu’ils tirent de ce dispositif de coordination devrait ainsi dépendre des rôles qu’ils jouent dans le système d’échange.
Hypothèse 4 : Les AEL auront tendance à sous-estimer l’utilité de la co-localisation dans l’accès
aux ressources, tandis que les entrepreneurs les moins centraux lui accorderont une valeur positive.
Rôles différenciés dans les systèmes d’échange locaux et globaux
L’étude de certains clusters régionaux montre que le succès des entreprises dépend autant des dynamiques de proximité que des échanges avec des partenaires externes [Isaksen & Ashein, 2002]. L’efficacité des dynamiques de proximité est associée à la capacité des membres d’un cluster à participer à la fois à des réseaux d’échange locaux et nationaux. A l’échelle des relations interpersonnelles, des recherches sur le fonctionnement des groupes de travail à l’intérieur des entreprises montrent que les relations externes sont souvent gérées par des individus qui occupent des positions frontalières spécifiques [Ancona & Caldwell, 1992]. Le rôle frontalier (boundary role) que jouent certains acteurs permet au collectif d’accéder aux informations circulant en dehors du groupe, et d’être représentés vis-à-vis des sources d’influence externes [Aldrich & Herker, 1977].
Appliqué à l’étude de l’apprentissage collectif, la question des acteurs capables de jouer ce rôle frontalier suppose de s’interroger sur la manière dont ils construisent leurs statuts épistémiques au niveau national. Certains accomplissements professionnels spécifiques expliquent en partie le choix des conseillers, mais, on peut s’attendre à ce que les opportunités que les acteurs contrôlent au niveau local ainsi que les formes de coordination auxquelles ils participent aient également un effet.
La première caractéristique intra-cluster pouvant en partie expliquer le choix des autorités épistémiques au niveau national concerne la position des AEL. Lazega (2001) montre que les acteurs qui contrôlent différents types de ressources orientent le processus de régulation car ils sont capables de« sacrifier » certains de leurs intérêts pour parler au nom du collectif dans la recherche d’un consensus. Dans l’étude du lien entre les dispositifs locaux de coordination et la participation à des réseaux externes, cette notion suggère que les entrepreneurs le plus amène de jouer un rôle frontalier sont ceux qui sont déjà reconnus comme étant des autorités au niveau local. La légitimité des AEL leur procure le soutien nécessaire pour représenter le cluster au niveau national. En conséquence, nous postulons l’existence d’une forme de congruence statutaire locale et nationale qui permet aux AEL de gérer et contrôler les relations avec l’extérieur.
Hypothèse 5 : les AEL contrôlent les relations de conseil inter-clusters.
La deuxième caractéristique intra-cluster pouvant expliquer le choix des autorités épistémiques au niveau national concerne la participation des entrepreneurs à des niches sociales. Une niche sociale est un sous-ensemble d’acteurs qui entretient des relations plus denses et multiples, et à l’intérieur duquel les comportements opportunistes sont suspendus pour privilégier l’échange de ressources dans le long terme [Lazega, 2001]. Nous suggérons que le fait d’appartenir à une niche est une garantie de la pertinence des jugements émis par un entrepreneur dans la mesure où ces jugements sont informés, validés et contrôlés par d’autres.
Hypothèse 6 : les entrepreneurs qui participent à des niches sociales ont tendance à être choisis
8 Enfin, l’effet du rôle frontalier des acteurs sur les entreprises d’un cluster n’est pas homogène. Des études ont montré que l’activité d’ambassadeur (ambassadorial activity) [Ancona & Caldwell, 1992] ou la présence de portiers (gatekeepers) [Tushman & Katz, 1980], est corrélée à des meilleures performances collectives. Pour les entreprises d‘un cluster, l’accès aux ressources qui circulent au niveau national est d’autant plus important que les partenaires et les marchés visés par les entreprises de Biotech sont la plupart du temps globaux [Isaksen & Ashein, 2002]. La centralité des entrepreneurs dans le système d’échange au niveau national multiplient leurs chances d’accéder à de telles ressources. En conséquence, les clusters qui comptent avec des représentants ayant acquis une certaine autorité au niveau national bénéficient de manière indirecte de ces opportunités.
Hypothèse 7 : plus la congruence statutaire des AEL au niveau national ne sera élevée, plus les
performances collectives des entreprises des clusters seront élevée.
Données et méthode
Enquête
Les données sur lesquelles nous avons testé nos hypothèses ont été recueillies dans le cadre d’une enquête menée en 2008 auprès d’une sous-population de dirigeants de Biotech en France. Dans un premier temps, nous avons d’identifié un ensemble de 96 entreprises de Biotech dédiées à la R&D dans le secteur de la santé humaine. Elles partagent au moins trois caractéristiques : a) elles travaillent dans le domaine des sciences de la vie ; b) elles ont fait l’objet d’investissements d’un montant supérieur à 500K€ ; c) et ce sont des entreprises françaises. En fonction de son stade de développement, nous avons inclus entre 1 et 4 dirigeants par entreprise. Dans un deuxième temps, nous avons recueilli des informations sur leur parcours et leurs relations avec les autres entrepreneurs. Nous avons contacté et réussi à interviewer 138 entrepreneurs. Nous en avons gardé 164 dans notre population finale, en représentation de 88 entreprises. Les informations concernant les 26 acteurs n’ayant pas répondu au questionnaire ont été collectées sur des basses de données publiques, à l’exception des choix relationnels émis.
Variables relationnelles
Nous examinons les relations de conseil et d’amitié qu’entretiennent ces entrepreneurs. Nous avons reconstitué le premier réseau en demandant aux entrepreneurs de nous signaler à qui ils sollicitaient du conseil sur des questions relatives à la gestion de leurs principaux partenaires (centres de recherche, investisseurs en capital-risque et grands groupes pharmaceutiques). Nous avons reconstitué le réseau d’amitié en demandant aux entrepreneurs qui étaient les personnes (amis) avec qui ils resteraient en contact même s’ils changeaient radicalement de métier.
Le réseau de conseil est l’objet de la plupart des analyses. Nous avons analysé ce réseau au niveau national où toutes les relations ont été prises en considération, au niveau des clusters où seulement ont été considérées les relations à l’intérieur des clusters, et au niveau inter-clusters où seulement ont été considérées les relations entre les clusters régionaux. Le réseau d’amitié est analysé au niveau des clusters régionaux.
9
Variables indépendantes
Affiliations institutionnelles
La première série de variables que nous avons utilisée concerne les affiliations institutionnelles des entrepreneurs. Les affiliations que nous avons incluses sont : la formation initiale (économique ou scientifique), la fonction dans l’entreprise (directeur scientifique ou directeur financier), l’origine professionnelle (recherche académique ou finance) et le type de statut épistémique (statut scientifique ou statut économique). Ce dernier attribut correspond au domaine de connaissance pour lequel un entrepreneur est sollicité le plus par ses pairs.
Accomplissements professionnels
La deuxième série de variables concerne les accomplissements professionnels spécifiques des entrepreneurs. Ces attributs représentent certaines expériences dans les parcours professionnels des entrepreneurs. Les expériences que nous avons inclues sont : le fait d’être fondateur d’une entreprise de Biotech, le nombre de Biotechs fondées, les années d’expérience dans l’industrie pharmaceutique et le fait de travailler dans entreprise cotée.
Autres variables
Nous avons inclus quatre autres variables dans nos analyses. Les deux premières ont à voir avec les caractéristiques du système d’échange local. La variable niche sociale a été construite à partir de l’analyse des relations de conseil et d’amitié. Nous avons considéré qu’un acteur participait d’une niche sociale s’il conformé avec au moins trois autres entrepreneurs à l’intérieur de son cluster une clique multiplexe parfaite. La variable ranking alldegree relations de conseil intra-cluster est une échelle de 1 à 6 qui a été construite à partir du nombre moyen de relations de conseil à l’intérieur des clusters. Nous avons ensuite classifié les entrepreneurs de 1 à 6 selon la position de leur cluster dans cette échelle.
La troisième variable rend compte du positionnement des entrepreneurs dans la controverse autour de l’utilité des clusters. Nous leur avons demandé s’ils considéraient que l’appartenance à un cluster était déterminante dans l’accès aux ressources dont ils avaient besoin. A partir des réponses nous avons créé un variable binaire.
La quatrième variable correspond aux performances collectives des clusters. Elles correspondent à la moyenne des fonds levées par les entreprises du cluster auprès des capitaux-risqueurs. Nous avons normalisé cette mesure en fonction de l’âge des entreprises.
Modèles d’analyse
Afin d’étudier l’effet des ces variables sur la demande et l’attribution de conseils, nous avons mobilisé l’approche statistique des ERGM [Robins & al., 2007; Snijders & al., 2006] à l’aide du logiciel PNet9. Ces modèles stochastiques sont conçus pour identifier les sous-structures qui caractérisent un réseau tout en incluant des effets aléatoires censés représenter la hétérogénéité de comportements qui échappe aux observations, et des variables exogènes caractérisant les individus et leurs relations (variables dyadiques). Les sous-structures et les variables sont représentées par des paramètres qui
9
10 sont estimés en comparant successivement le réseau observé à des milliers de réseaux simulés aléatoirement. La convergence de ces paramètres vers des valeurs stables signale la capacité du modèle à s’ajuster aux données observées. L’interprétation des effets significatifs associe chaque paramètre à une faible ou forte probabilité d’occurrence des relations qu’il représente (plus ou moins 0,5).
Résultats et discussion
Clusters régionaux et choix des autorités épistémiques
A fin de tester sur le plan des relations interpersonnelles l’hypothèse de la co-localisation, nous avons exploré l’effet des affiliations institutionnelles sur deux réseaux : celui des relations de conseil au niveau national (intra- et inter-clusters) et celui des relations de conseil à l’intérieur des clusters. La Figure II présente les résultats obtenus.
Figure II : Affiliations institutionnelles structurant les échanges au niveau national et
à l’intérieur des clusters régionaux
Densité observée (paramètre fixe) 0.04 0.01
Réciprocité 2,12 (0,15)* -0,04 3,86 (0,27)* -0,04 Alternating in-stars 0,08 (0,10) -0,01 0,23 (0,12) -0,02 Alternating Triangles-Transitive 1,36 (0,04)* 0,01 2,04 (0,09)* -0,01 Alternating independent twopaths -0,03 (0,01)* -0,03 -0,13 (0,03)* -0,05 Alternating Triangles-Cyclic -0,38 (0,04)* -0,01 -1,06 (0,13)* -0,01
Formation Initiale 0,00 (0,08) -0,03 -0,35 (0,33) -0,00 Origine Pro. Recherche Académique 0,14 (0,04)* 0,05 0,22 (0,10)* 0,09 Origine Pro. Finance 0,04 (0,26) 0,03 -0,04 (0,57) -0,01 Statut Epistémique Scientifique 0,11 (0,07) 0,05 -0,07 (0,20) 0,06 Statut Epistémique Economique 0,12 (0,03)* -0,01 0,20 (0,09)* -0,09 Fonction dans l'entreprise Directeur Scientifique -0,20 (0,24) 0,01 -0,93 (0,71) 0,06 Fonction dans l'entreprise Directeur Financier 0,21 (0,12) 0,01 0,19 (0,40) -0,02 Effets d'hétérophilie (variables dyadiques)
Formation Initiale: Science/Economie -0,81 (0,32)* 0,02 -8,07 (7,97) -0,01 Origine Pro. Recherche Académique/Finance 0,09 (0,15) 0,01 0,13 (0,47) 0,01 Statut Epistémique : Scientifique/Economique -0,12 (0,05)* 0,08 -0,02 (0,12) -0,01 Fonction dans l'entreprise: Scientifique/Financier -0,23 (0,11)* 0,07 -0,70 (0,35)* 0,01 Similarité Paramètres et erreurs types Paramètres et erreurs types t-statistics t-statistics
Modèle 1: niveau national Modèle 2: intra-clusters
Similarité Effets structuraux
Effets d'homophilie (variables binaires)
Relations de conseil
Variables indépendantes
Lecture Figure II : Modèle ERGM. Paramètres (erreurs types). L’astérisque (*) indique les valeurs significatives :
paramètre/erreur type > 2. Les effets structuraux correspondent aux substructures relationnelles qui caractérisent les réseaux. Les effets d’homophilie rendent compte de la probabilité que deux acteurs partageant un même attribut établissent une relation de conseil. Les effets d’hétérophilie rendent compte de la probabilité que deux acteurs qui partagent une différence d’attribut spécifique établissent une relation de conseil.
Les paramètres structuraux montrent tant au niveau national qu’à l’intérieur des clusters les tendances à la fois hiérarchique (Alternating Cyclic), et transitive (Alternating
Triangles-11 Transitive et Alternating independent twopaths) [Snijders & al., 2006]. Ces résultats confirment ceux obtenus par d’autres études dans l’analyse des réseaux de conseil au niveau intra-organisationnel [Lazega & Van Duijn, 1997]
.
Ces paramètres structuraux permettent de contrôler l’effet des variables exogènes sur l’échange de conseils.Des travaux précédents ont montré que l’échange de conseils dans ce milieu se caractérise par un mouvement de polarisation entre des entrepreneurs appartenant à des communautés épistémiques différentes [Pina-Stranger, 2009 ; Pina-Stranger & Lazega, 2010]. Les modèles présentés dans la Figure II explorent ce mouvement de polarisation à la fois sur les effets d’homophilie et sur les effets d’hétérophilie. Dans le Modèle 1, la valeur positive du paramètre lié à l’origine professionnelle scientifique indique que la probabilité que les acteurs ayant cette même origine professionnelle établissent une relation de conseil entre eux est forte. Nous observons le même type de résultat pour le paramètre statut épistémique économique. Ces deux critères d’identité définissent ainsi les frontières des communautés à l’intérieur desquelles les entrepreneurs partagent un même type d’alignement épistémique. Le Modèle 2 présente des valeurs similaires pour ces effets d’homophilie. Ceci signifie qu’à l’échelle nationale et à l’échelle des clusters, ces critères d’identité structurent l’échange de conseils.
Concernant les effets d’hétérophile, nous observons dans le Modèle 1 que les différences liées à la formation initiale, au statut épistémique ou à la fonction dans l’entreprise sont associées à des valeurs négatives. Ces tendances simultanées rendent compte de l’existence d’un mouvement de polarisation entre les acteurs qui revendiquent la pertinence des connaissances issues du domaine des « sciences », et ceux qui revendiquent la suprématie des connaissances issues du domaine de « l’économie ». Le Modèle 2 présente cependant des résultats différents. Deux des trois effets d’hétérophile négative ne sont pas significatifs. Ceci indique qu’à l’échelle des clusters régionaux, l’échange de conseils n’est pas limité par la constitution de plusieurs communautés antagoniques. Le choix des autorités épistémiques semble faire l’objet d’un consensus.
Ces résultats confirment notre première hypothèse : le système d’échange local n’est pas dominé par un mouvement de polarisation. Les possibilités d’apprentissage et de coordination locale sont ainsi moins limitées qu’au niveau national. Il reste à explorer les mécanismes spécifiques de coordination à l’intérieur des clusters.
Cohésion et performance collective à l’intérieur des clusters régionaux
La première dimension de la coordination locale que nous explorerons concerne les caractéristiques structurales des échanges à l’intérieur des clusters. Nous présentons dans la Figure III les « profils relationnels » des clusters régionaux. Ceux-ci ont été ordonnés de gauche à droite en fonction du montant moyen des fonds levés par les entreprises du cluster.12 Les trois premiers indicateurs concernent la moyenne de choix reçus dans les réseaux de conseil et d’amitié à l’intérieur des clusters. Le réseau de conseil est celui qui présente la plus grande activité (moyennes entre 1,33 et 2,57). Dans le réseau d’amitié, les entrepreneurs comptent en moyenne entre 1 et 2 (1,81) amis à l’intérieur de leur cluster. La même tendance est observée pour relations multiples (conseil et amitié). La progression de ces trois indicateurs suit celle du montant moyen des fonds levés par les entreprises des clusters. Les deux derniers indicateurs concernent le nombre moyen d’acteurs isolés. Dans le réseau de conseil, les valeurs moyennes d’isolés ne semblent pas suivre la distribution des performances. En revanche, le nombre moyen d’isolés dans le réseau d’amitié semble diminuer lorsqu’il s’agit de clusters ayant levé plus de fonds.
Les caractéristiques structurales mis au jour par ces analyses montrent que l’intensité des échanges à l’intérieur des clusters est positivement associée à leur niveau de performance collective. Ce degré de cohésion repose autant sur les relations d’échange de conseils que sur les relations d’amitié. Ceci suggère qu’une partie de la coordination locale dépend des relations d’amitié, c'est-à-dire des relations de support qui peuvent faciliter les échanges en instaurant un cadre de socialisation distancié [Lazega, 2001]. La corrélation entre les niveaux de cohésion, et le total des fonds levés par cluster nous apprend que l’effet de la co-localisation n’est pas homogène et confirme notre deuxième hypothèse.
Savoirs pertinents et émergence des autorités épistémiques locales
La deuxième dimension de la coordination locale que nous explorons concerne le type de critères d’identité qui orientent le choix des conseillers, et permettent à certains d’entre eux de devenir des AEL. Nous avons vu que les affiliations institutionnelles n’expliquaient pas les dynamiques d’échange à l’intérieur des clusters (Figure II). Nous avons donc examiné l’effet d’accomplissements professionnels spécifiques des entrepreneurs sur les dynamiques d’échange à ce niveau. Nous présentons les résultats dans la Figure IV.13
Figure IV : Accomplissements professionnels spécifiques structurant les échanges à
l’intérieur des clusters régionaux
Densité observée (paramètre fixe) 0,01 0,01
Réciprocité 4,03 (0,26)* -0,05 4,22 (0,26)* 0,08 Alternating in-stars -0,04 (0,12) 0,04 -0,09 (0,13) -0,06 Alternating out-star 1,01 (0,19)* 0,02 0,92 (0,20)* -0,04 Alternating Triangles-Transitive 1,59 (0,11)* 0,03 1,57 (0,10)* -0,03 Alternating independent twopaths -0,15 (0,05)* 0,01 -0,12 (0,05)* -0,01 Alternating Triangles-Cyclic -1,00 (0,13)* 0,01 -0,98 (0,12)* -0,00
Activité Fondateur 0,17 (0,08)* -0,04 0,17 (0,09) -0,01
Popularité Entreprise Cotée 0,23 (0,08)* 0,09 0,20 (0,8)* -0,09 Activité Controverse Utilité des Clusters -- 0,47 (0,10)* -0,05 Popularité Controverse Utilité des Clusters -- -0,61 (0,15)* 0,09 Activité Ans Expérience Industrie Pharmaceutique 0,01(0,00)* 0,05 0,01 (0,00)* -0,03 Activité Nombre de Biotechs Créées -0,13 (0,06)* -0,09 -0,11 (0,06) 0,04 Popularité Nombre de Biotechs Créées 0,08 (0,04)* -0,05 0,07 (0,04) -0,01
t-statistics Paramètres et
erreurs types t-statistics Effets structuraux Effets d'interaction Variables binaires Variables continues
Relations de conseil intra-clusters
Modèle 1 Modèle 2
Variables indépendantes Paramètres et
erreurs types
Lecture Figure IV : Modèle ERGM. Paramètres (erreurs types). L’astérisque (*) indique les valeurs significatives :
paramètre/erreur type > 2. L’effet « Activité » rend compte de la probabilité que les acteurs associés à l’attribut analysé émettent des choix relationnels. L’effet « Popularité » rend compte de la probabilité que les acteurs associés à l’attribut analysé reçoivent des choix relationnels.
A l’exception de l’effet Alternating out-star, que nous avons ajouté pour contrôler les effets d’interaction liés à l’activité relationnelle, les tendances des valeurs des effets structuraux restent inchangées par rapport aux modèles précédents.
Concernant les variables exogènes, le Modèle 1 montre comment les différents accomplissements professionnels sont associés à certains types de comportements relationnels. La méthode d’analyse que nous avons suivie consiste à tester successivement les effets de popularité, d’activité et de similarité pour les différentes variables, et de ne garder progressivement que les effets significatifs. Les modèles finaux présentés incluent les effets qui représentent au mieux les tendances relationnelles à l’intérieur des clusters.
D’abord, aucun effet de similarité n’a été trouvé. Ceci signifie que, contrairement aux effets d’homophilie que nous avons identifiés au niveau national, les accomplissements professionnels ne structurent pas des sous-groupes entretenant plus de relations dans son sein.
Ensuite, concernant les effets d’activité, nos résultats montrent que le fait d’être fondateur et le nombre d’années d’expérience dans l’industrie pharmaceutique augmentent la probabilité qu’un entrepreneur émette une demande de conseil. En revanche, le nombre de Biotechs créés est négativement associé à la demande de conseils. Ces résultats suggèrent que les « nouveaux arrivants », représentés par les attributs fondateur et années expérience industrie pharmaceutique, ont un comportement actif dans la recherche de conseils, alors que les « serials-entrepreneurs », porteurs d’un savoir validé par plus d’une expérience de création de Biotech, ont tendance à ne pas demander de conseil à l’intérieur de leur cluster.
14 Enfin, l’effet de popularité associé au nombre de Biotech créées du Modèle 1 montre que les « serials-entrepreneurs » ont tendance à être choisis comme conseillers à l’intérieur des clusters. Nous avons contrôlé cet effet en incluant la variable entreprise cotée. La valeur positive de cette variable indique que l’expérience acquise au sein d’une entreprise cotée est considérée également comme un gage de la pertinence des savoirs revendiqués par un entrepreneur.
Les résultats présentés dans le Modèle 1 montrent que les membres des clusters cherchent le conseil des entrepreneurs qui contrôlent deux types de savoirs. Le premier type de savoir se fonde sur les expériences acquises lors du processus de création d’entreprise. Ce passage du laboratoire académique à une structure privée a été décrit comme un moment critique dans la mise en œuvre d’un projet de développement [Niosi, 2003, Mangematin & al., 2003, Catherine & al., 2004, Salman & al., 2005, Gittelman, 2006]. Le deuxième type de savoir se fonde sur les expériences acquises dans l’opération d’introduction en bourse qui permet de lever des fonds, mais également de faire « sortir » aux capitaux-risqueurs du capital de l’entreprise. Ce passage a également été décrit comme étant un moment crucial dans l’histoire d’une entreprise de Biotech [Stuart & al., 1999 ; Higgins & Gulati, 2006].
Ces résultats confirment notre troisième hypothèse : certains accomplissements professionnels expliquent les dynamiques d’échange de conseil à l’intérieur des clusters régionaux : certains savoirs sont jugés comme étant particulièrement pertinents dans l’orientation des activités d’une Biotech. De ce fait, les entrepreneurs qui les contrôlent s’érigent en AEL.
Controverse sur l’utilité des clusters et rôles différenciés
Dans le Modèle 2 de la Figure IV nous avons intégré la variable controverse sur l’utilité des clusters. L’introduction de cette variable affaiblie très légèrement la significativité de certains effets. S’agissant d’un variable qui représente un positionnement normatif, nous ne pouvons pas considérer que l’affaiblissement des effets explorés dans le Modèle 1 est dû à un effet de contrôle qui déplacerait leur valeur explicative. Cela dit, cette variable permet de commencer à cerner le rôle des AEL. L’effet d’activité qui y est associé est positif, alors que celui de popularité est négatif. Ceci signifie que les entrepreneurs qui attribuent une valeur déterminante aux clusters dans l’accès aux ressources sont à la fois actifs dans la demande de conseils, et peu centraux dans le réseau de conseil local. Dans l’autre sens, les acteurs les plus centraux ne considèrent pas que la co-localisation soit déterminante, et ont tendance à ne pas demander localement de conseils. Dans la Figure V nous représentons les relations de conseil à l’intérieur des clusters.
15 La taille des nodes représente le nombre de choix reçus à l’intérieur des clusters. Les nodes en gris correspondent aux acteurs qui considèrent la co-localisation comme déterminante, ceux en noir à ceux qui ne sont pas de cet avis (en blanc sont figurés les acteurs qui n’ont pas été interviewés). Nous voyons, d’une part, que la distribution des choix relationnels forme une structure hiérarchique où un nombre réduit d’acteurs occupe les positions les plus centrales. D’autre part, nous confirmons visuellement notre quatrième hypothèse (et les résultats du Modèle 2 de la Figure IV) : les acteurs les plus choisis considèrent souvent que l’appartenance à un cluster n’est pas déterminante dans l’accès aux ressources dont ils ont besoin.
Cette controverse montre que l’endogénéisation des structures d’opportunité est associée à des positions différentes dans le système d’échange local. Le bénéfice que les entrepreneurs tirent du phénomène da la co-localisation dépendrait ainsi de la place qu’ils occupent dans ce système. Ce lien entre position normative et structure sociale nous met sur la piste d’une forme spécifique de coordination reposant sur l’existence des rôles différenciés au niveau local.
Le rôle des autorités épistémiques locales
La troisième dimension de la coordination que nous explorons concerne la différenciation de rôles au niveau local. Nous avons vu que l’évaluation faite de l’utilité des clusters dépend des positions occupées par les entrepreneurs dans le système d’échange local. Or, pour explorer davantage l’effet de la co-localisation, nous devons également examiner les relations d’échange inter-clusters. L’objectif de ces analyses est de savoir si le bénéfice que les entrepreneurs tirent des relations de proximité dépend d’un mécanisme de coordination reposant sur des rôles différenciés dans le système d’échange.
La Figure VI montre les deux modèles qui ont été estimés pour le réseau de conseil inter-clusters. Le Modèle 1 inclut tous les acteurs, alors que dans le Modèle 2 nous n’avons exclu du réseau les AEL.
Paris Genopole (IDF) PACA
16
Figure VI : Le rôle des AEL dans le réseau de conseil inter-clusters
Variables indépendantes
Effets structuraux
Densité observée (paramètre fixe) 0.03165 0.01882
Réciprocité 2.56 (0,18)* -0.02 2.91 (0,24)* -0.05
Alternating in-stars 0.37 (0,11)* 0.04 0.46 (0,13)* -0.03
Alternating Triangles-Transitive 1.11 (0,05)* 0.03 0.97 (0,10)* -0.06 Alternating independent twopaths -0.01 (0,01) 0.04 0.016 (0,02) 0.02 Alternating Triangles-Cyclic -0.39 (0,05)* -0.01 -0.48 (0,11)* -0.03
Effets de popularité
Travailler dans une Entreprise cotée 0.24 (0,05)* 0.03 0.47 (0,10)* -0.06 Appartenir à une Niche sociale 0.10 (0,05)* 0.03 0.19 (0,09)* -0.01 Être fondateur de l'entreprise -0.03 (0,04) 0.08 -0.03 (0,08) 0.03 Années d'expérience dans l'Industrie de la Santé 0.00 (0,00) -0.02 0.01 (0,00)* 0.00
Nombre de Biotechs créées 0.05 (0,02)* 0.03 0.05 (0,03) -0.08
Ranking Alldegree Relations de conseil Intra-Cluster 0.07 (0,02)* -0.02 0.05 (0,03) -0.03 Relations de conseil inter-clusters
…tous les acteurs …sans les AEL
Variables binaires Variables continues Paramètres et erreurs types Paramètres et erreurs types t-statistics t-statistics
Lecture Figure VI : Modèle ERGM. Paramètres (erreurs types). L’astérisque (*) indique les valeurs significatives :
paramètre/erreur type > 2.
Les paramètres structuraux du réseau de conseil inter-clusters présentent les mêmes tendances qu’au niveau intra-cluster. Nous avons inclus le paramètre lié aux choix reçus (Alternating in-star) afin de contrôler les effets de popularité.
Ce modèle explore les variables qui sont associées à la popularité dans les relations inter-clusters. Nous avons repris les accomplissements professionnels des entrepreneurs, et nous avons ajouté deux attributs liés aux formes d’échange à l’intérieur des clusters (appartenir à une niche sociale et ranking alldegree relations de conseil intra-cluster). Concernant les accomplissements professionnels, nos résultats indiquent que les expériences liées au fait de travailler dans une entreprise cotée et au nombre de Biotechs créées sont considérées, de même qu’au niveau local, comme une garantie de la pertinence des jugements émis.
En ce qui concerne l’effet des formes d’échange local sur les relations inter-clusters, nous observons, d’une part, que l’appartenance à une niche sociale augmente la probabilité d’être choisi comme conseiller dans le réseau inter-clusters (hypothèse 6). Cette forme spécifique de solidarité et de coordination qui sont les niches sociales participe positivement à la construction des statuts épistémiques au niveau national.
D’autre part, le niveau d’activité des clusters (ranking alldegree relations de conseil intra-cluster) est associé à un effet de popularité positif au niveau inter-clusters. Cette corrélation indique une forme de congruence statutaire entre les systèmes d’interdépendances local et national. Afin d’explorer davantage ce phénomène, nous avons exclus les AEL du réseau estimé dans le Modèle 2. Nous observons que l’effet de popularité associé à cette variable n’est plus significatif. Ceci signifie que la corrélation entre la popularité locale et la popularité inter-clusters dépend du double positionnement des AEL dans ces deux réseaux d’échange. Ce sont exclusivement ces entrepreneurs qui exhibent une consistance statutaire transcendant la co-localisation géographique10 (hypothèse 5).
10
La valeur de la variable nombre de Biotechs créées n’est plus significative dans le Modèle 2. Ceci peut signifier que cet attribut est porté principalement par les AEL. La valeur de la variable années d’expérience dans
l’industrie pharmaceutique est significative dans le Modèle 2. Ceci signifie que cet attribut oriente en partie le
17 La figure VII représente la moyenne des choix reçus dans les relations inter-clusters des AEL et des autres membres du cluster.
Figure VII : Relations inter-clusters des AEL et des autres membres par cluster
Nous observons dans cette figure très clairement la différence qu’il existe entre les AEL et les autres membres des clusters. Nous constatons qu’il existe une corrélation entre la centralité des AEL et le montant moyen de fonds levés par les entreprises d’un cluster, exception faite de la région de Rhône-Alpes (hypothèse 7).
Ces résultats confirment sur le plan des relations inter-clusters la différenciation de rôles que nous avions commencé à entrevoir à l’intérieur des clusters. D’une part, la position des AEL dans le réseau inter-clusters leur permet d’accéder aux ressources qui circulent au niveau national. D’autre part, la proximité épistémique et sociale intra-cluster permet aux entrepreneurs d’accéder de manière indirecte aux ressources« collectées » par les AEL au niveau national.
L’endogénéisation des structures d’opportunité explorée dans la partie précédente retrouve ainsi tout son sens. Pour les acteurs moins centraux, la co-localisation est effectivement déterminante dans l’accès aux ressources dans la mesure où au niveau national leur marge de manœuvre est limitée. Pour les AEL, la co-localisation n’est pas forcement déterminante car leur position au niveau national leur permet de « balayer » un réseau beaucoup plus large. Ceci ne signifie pas pour autant que les AEL n’ont aucun intérêt à participer au système d’échange local. Au contraire, nos résultats concernant la congruence statuaire locale et nationale des AEL suggèrent que ces deux dimensions des statuts sont interdépendantes.
Conclusions
Cet article met en avant l’intérêt d’observer les relations inter-individuelles, et en particulier les relations de conseils, dans l’étude des mécanismes de coordination qui caractérisent les échanges au niveau inter-organisationnel. Appliqué à l’étude du phénomène de la co-localisation, cette approche nous a permis d’explorer les modes d’échange à l’intérieur des clusters régionaux, et la manière dont les entrepreneurs créent un consensus sur les AEL. Dans cet article nous avons montré :
18 1. que les capacités d’endogénéisation dépendent de la proximité relationnelle. Au niveau local, les critères d’identité utilisés par les entrepreneurs pour juger du « droit de savoir » de ses pairs se réfèrent à des expériences plus précises qu’au niveau national ;
2. qu’à l’intérieur des clusters, certains types d’expériences professionnelles liées à des moments décisifs dans la vie des entreprises, expliquent le choix des AEL. Ces autorités locales bénéficient d’une forme de congruence statutaire au niveau national. Ce cadre structure une différenciation de rôles qui permet aux entrepreneurs moins centraux de participer de manière indirecte au système d’échange au niveau national ;
3. et enfin que le niveau de cohésion relationnelle des clusters et le niveau de congruence statuaire des AEL au niveau national, sont associés aux performances collectives des entreprises des clusters.
De manière générale, nos résultats confirment l’idée selon laquelle la proximité relationnelle, induite en partie par la co-localisation géographique, favorise les possibilités de coordination des entrepreneurs et, en conséquence, l’efficacité de l’apprentissage collectif. Cette conclusion doit cependant considérer un certain nombre de limitations :
1. Nous avons observé exclusivement les relations entretenues par les dirigeants des entreprises. Les mécanismes de coordination décrits n’intègrent pas d’autres types d’acteurs qui participent également à l’efficacité des clusters.
2. Nous n’avons pas inclus des variables institutionnelles décrivant les clusters et pouvant expliquer l’émergence de certaines formes de coordination. Des futures explorations devront prendre en considération ces éléments.
3. Nous avons montré des corrélations entre certaines caractéristiques structurales (cohésion, rôles différenciés) et les performances des entreprises des clusters. Nous devons explorer davantage ces corrélations en incluant des variables de contrôle sur les trajectoires des entreprises.
4. Nous suggérons que la capacité d’endogénéisation dépend de la proximité relationnelle, et détermine le type de critères d’identité qui mobilisent les entrepreneurs pour juger du « droit au savoir » de leurs pairs. Ce lien entre structure relationnelle, capacité d’endogénéisation et critère d’identité doit être testé sur d’autres terrains de recherche.
Bibliographie
ALDRICH, H., & HERKER, D. (1977), « Boundary spanning roles and organization structure », The Academy of Management Review, 2(2), 217–230.
ANCONA,D.,&CALDWELL,D. (1992), « Bridging the boundary: External activity and performance in organizational teams », Administrative Science Quarterly, 634–665.
AUTANT-BERNARD, C. (2002), « The geography of knowledge spillovers and technological proximity », Economics of Innovation & New Technology, 10(4), 237-254.
19 BAUM,J.,SILVERMAN,B.,&CALABRESE,T. (2000), « Don't Go it Alone: Alliance Network Composition and Start-ups Performance in Canadian Biotechnology », Strategic Management Journal, 21(3), 267-294.
BOSCHMA,R. (2005), « Role of proximity in interaction and performance: conceptual and empirical challenges », Regional Studies, 39(1), 41–45.
BOUFADEN, N. & PLUNKET, A. (2005), « Investigating technological and geographic proximity on forms’ innovation in an immature cluster: the Paris area biotech cluster », DRUID Conference, Copenhagen.
BURT, R. (1987), « Social contagion and innovation: Cohesion versus structural equivalence », American Journal of Sociology, 92(6).
CASPER, S. (2007), « How do technology clusters emerge and become sustainable firm mobility within the San Diego biotechnology cluster », Research Policy, 36, 438-455.
CATHERINE, D., COROLLEUR, F., CARRÈRE, M., & MANGEMATIN, V. (2004), « Turning scientific and technological human capital into economic capital: the experience of biotech start-ups in France », Research Policy, 33(4), 631–642.
CHAMPENOIS, C. (2008), « La co-localisation d’entreprises innovantes comme non-choix. L’exemple de l’industrie allemande des biotechnologies », Géographie Économie Société, 10(1).
COLEMAN, J. (1988), « Social capital in the creation of human capital », American journal of sociology, 94(1).
CROSS,R.,BORGATTI,S.,&PARKER,A. (2002), « Making invisible work visible: Using social network analysis to support strategic collaboration », California Management Review, 44(2), 25–46.
CUMMINGS,J.N.,&CROSS,R. (2003), « Structural properties of work groups and their consequences for performance », Social Networks, 25(3), 197–210.
DOLOREUX,D.,&PARTO, S. (2004), « Regional innovation systems: A critical review ». Maastricht, MERIT, 190(1), 1-26.
GABBAY, S., & ZUCKERMAN, E. (1998), « Social Capital and Opportunity in Corporate R&D: The Contingent Effect of Contact Density on Mobility Expectations », Social Science Research, 27, 189-217.
GIBBONS, D. (2004), « Friendship and advice networks in the context of changing professional values », Administrative Science Quarterly, 49(2), 238–262.
GITTELMAN, M. (2006), « National institutions, public–private knowledge flows, and innovation performance: A comparative study of the biotechnology industry in the US and France », Research Policy, 35(7), 1052–1068.
HAMDOUCH, A., & DEPRET, M. (2009), « Les clusters et les réseaux comme fondements de la dynamique d'innovation dans l'industrie biopharmaceutique », dans La problématique des clusters, INSA-Lyon, 2009, Lyon.
20 HIGGINS, M.C.,& GULATI,R. (2003), « Getting Off to a Good Start: The Effects of Upper Echelon Affihations on Underwriter Prestige », Organization Science, 14(3), 244-263.
KIM,J.&HIGGINS,M.C. (2007), « Where do alliances come from? The effects of upper echelons on alliance formation », Research Policy, 36(4), 499–514.
INGRAM,P.,&BAUM,J.A. (1997), « Opportunity and Constraint: Organizations’ Learning From the Operating and Competitive Experience of Industries », Strategic Management Journal, (18), 75-98.
ISAKSEN,A.,&ASHEIN,B. (2002), « Regional Innovation Systems: The Integration of Local ‘Sticky’ and Global ‘Ubiquitous’ Knowledge », Journal of Technology Transfer (27) 77-86.
KRACKHARDT,D. (1987), « Cognitive social structures », Social Networks, 9(2), 109–134.
LAZEGA,E. (1992), Micropolitics ok Knowledge: Communication and indirect control in workgroups, Aldine-de-Gruyter, New York.
LAZEGA,E. (2001), The collegial phenomenon .The Social Mechanisms of Cooperation among Peers in a Corporate Law Partenrship, Oxford University Press. New York: Oxford University Press.
LAZEGA, E. (2006), « Le capital social de l’organisation flexibilisée », Revue française de gestion, 4(163).
LAZEGA, E. (2008), « Théorie de la coopération entre concurrents », dans P. STEINER & F. VATIN, Traité de sociologie économique (pp. 1-22). Paris: PUF, Quadrige.
LAZEGA, E. & VAN DUIJN, M. (1997), « Position in formal structure, personal characteristics and choices of advisors in a law firm: a logistic regression model for dyadic network data », Social Networks, 19, 375-397.
LAZEGA,E.,MOUNIER,L.,STOFER,R.,&TRIPIER,A. (2004), « Discipline scientifique et discipline sociale : Réseaux de conseil, apprentissage collectif et innovation dans la recherche française sur le cancer (1997-1999) », Recherches sociologiques, 3-27.
LAZEGA,E.,MOUNIER,L.,SNIJDERS,T.,&TUBARO,P. (2008), « Réseaux et controverses: de l’effet des normes sur la dynamique des structures », Revue française de sociologie, 49(3), 467–498.
LEMARIÉ,S.,MANGEMATIN,V.,&TORRE,A. (2001), « Is the creation and development of biotech SMEs localised? Conclusions drawn from the French case », Small Business Economics, 17(1), 61-76.
MANGEMATIN,V.,LEMARIE,S.,BOISSIN,J.P.,CATHERINE,D.,COROLLEUR F.,COROLINI,R.&TROMMETTER,M. (2003) « Development of SMEs and heterogeneity of trajectories: the case of biotechnology in France », Research Policy, (32) 621–638.
MANOLOVA,T.S.,MANEV,I.M.,&GYOSHEV,B.S. (2009), « In good company: The role of personal and inter-firm networks for new-venture internationalization in a transition economy », Journal of World Business.
MOODY,J.,&WHITE,D. (2003), « Structural cohesion and embeddedness: A hierarchical concept of social groups », American Sociological Review, 103–127.
21 NIOSI, J. (2003), « Alliances are not enough explaining rapid growth in biotechnology firms », Research Policy, (32) 737–750.
OH,H.,CHUNG,M.,&LABIANCA,G. (2004), « Group social capital and group effectiveness: The role of informal socializing ties », Academy of Management Journal, 47(6), 860–875.
PINA-STRANGER, A. (2009), « Transfert technologique et processus collectif d'apprentissage dans l'industrie des biotechnologies en France », Sociologie Santé (30) 27-49.
PINA-STRANGER,A. (2010), « La structure sociale de l’industrie des Biotechnologies en France: une étude des relations inter-organisationnelles au niveau inter-individuel », REDES.
PINA-STRANGER, A., & LAZEGA, E. (2010), « Inter-organizational collective learning: the case of biotechnology in France », European journal of international management.
PISANO, G. (1991), « The governance of innovation: Vertical integration and collaborative arrangements in the biotechnology industry », Research Policy, 20, 237-249.
PORTES, A. (1998), « Social capital: its origins and applications in modern sociology », Annual review of sociology, 24(1), 1–24.
POWELL, W.W., KOPUT,K., & SMITH-DOERR, L. (1996), « Interorganizational collaboration and the locus of innovation: Networks of learning in biotechnology », Administrative science quarterly, 41(1), 116–145.
RALLET,A.,&TORRE,A. (1999), « Is geographical proximity necessary in the innovation networks in the era of global economy? », GeoJournal, 49(4), 373–380.
ROBINS,G.L.,SNIJDERS,T.A.,WANG,P.,HANDCOCK,M.,&PATTISON,P. (2007), « Recent developments in exponential random graph (p *) models for social networks », Social Networks, 29, 192-215.
SALMAN, N., & SAIVES, A. (2005), « Indirect networks: an intangible resource for biotechnology innovation », R&D Management, 35(2), 203–215.
SKERLAVAJ, M., & DIMOVSKI, V. (2006), « Social network approach to organizational learning », Journal of applied business research, 22(2), 89–97.
SNIJDERS,T.,PATTISON,P.,ROBINS,G.,&HANDCOCK,M. (2006), « New specifications for exponential random graph models », Sociological Methodology, 99–153.
STUART, T., HOANG, H., & HYBELS, R. (1999), « Interorganizational endorsements and the performance of entrepreneurial ventures », Administrative science quarterly, 44(2), 315–349.
STUART, T., OZDEMIR, S.,& DING, W. (2007), « Vertical alliance networks: The case of university– biotechnology–pharmaceutical alliance chains », Research Policy, 36(4), 477–498.
TUSHMAN, M., & KATZ, R. (1980), « External communication and project performance: An investigation into the role of gatekeepers », Management Science, 26(11), 1071–1085.
