L’innovation et les efficiences dynamiques dans l’examen des projets de fusion

Par Andrew Tepperman et Margaret Sanderson
CRA International

Le 9 avril 2007
Projet CRA no D09208‑00

3. L’innovation dans une analyse des effets sur la concurrence : les questions cruciales

Afin d’incorporer de façon utile l’innovation et l’efficience dynamique à l’examen des projets de fusion, nous devons établir plusieurs caractéristiques distinctives de la concurrence innovatrice. Premièrement, il n’existe pas de modèle solide de l’innovation qui établit un lien entre le taux d’innovation et la concentration dans une industrie. Deuxièmement, il y a beaucoup plus d’incertitude entourant l’innovation qu’il n’y en a habituellement dans un examen ordinaire d’un projet de fusion axé uniquement sur les prix et les extrants. Troisièmement, sont associés à l’innovation des problèmes de mesure complexes que l’on ne retrouve pas habituellement dans les analyses plus classiques sur les fusions.

Ces problèmes ne nous empêchent pas de tenir compte de l’innovation et de l’efficience dynamique dans l’évaluation de projets de fusion. Mais, à cause d’eux, nous ne pouvons nous appuyer sur des mesures simples pour quantifier le degré d’activité innovatrice ou pour prévoir avec certitude de quelle façon les fusions auront des effets sur l’activité innovatrice. Il faut plutôt, comme il en est question dans le chapitre suivant, s’attacher davantage aux faits et aux particularités de chaque situation.

3.1. Aucun modèle de prévision reliant l’innovation à la concentration

Lorsqu’ils examinent les effets potentiels à court terme sur les prix d’une fusion, les économistes invoquent généralement un certain nombre de modèles reconnus décrivant les interactions entre les entreprises en concurrence²⁷. Ces modèles donnent une idée de la relation entre concentration des entreprises et prix, une fois que d’autres variables comme l’élasticité de la demande et la facilité relative d’entrée sur le marché sont définies. Nous aimerions avoir un modèle semblable qui relie l’innovation à la concentration dans une industrie. Plus particulièrement, nous aimerions savoir si le rythme auquel les entreprises mettent en œuvre une innovation donnée (et, par conséquent, leur probabilité de réussite) augmente avec le nombre d’entreprises touchées par la mise en œuvre de cette innovation²⁸. Malheureusement, il n’a pas été possible d’élaborer un cadre d’analyse solide qui permet de prédire l’augmentation de l’innovation correspondant à une augmentation donnée du nombre d’entreprises. 

Un des modèles fréquemment invoqués (de façon plus ou moins explicite) pour aborder cette question est celui de la « course au brevet ». Les entreprises, selon les modèles sur la course au brevet, entrent en interaction dans le cadre des hypothèses suivantes : i) on suppose que toutes les entreprises visent le même prix (connu), ii) le nombre d’entreprises est fixé dès le départ, iii) la période requise pour mener l’innovation à bien est incertaine, iv) seule la première entreprise qui réussira l’innovation pourra en tirer profit et v) les entreprises qui investissent le plus sont plus susceptibles d’innover en premier. Ce modèle permet de tirer certaines conclusions intéressantes, notamment que les efforts en R‑D sont des « compléments stratégiques » : la stratégie optimale en réaction à une augmentation des efforts d’innovation d’un rival consiste à augmenter ses propres activités de R‑D²⁹. Il y a une relation positive entre le taux des dépenses en R‑D de chaque entreprise et, par conséquent, le rythme auquel l’innovation est réalisée, d’une part et, d’autre part, le nombre d’entreprises dans un marché. On peut en déduire de toute évidence que la fusion entre deux participants à la course au brevet entraînera une diminution du rythme de l’innovation, ce qui pourrait justifier la contestation du projet de fusion.

Mais les modèles de la course au brevet et les conclusions que l’on peut en tirer reposent largement sur les hypothèses sous‑jacentes. Songeons, par exemple, aux répercussions de la modification de l’hypothèse selon laquelle le « gagnant rafle tout ». Faisons plutôt l’hypothèse qu’une activité de R‑D réussie par une entreprise déclenche une phase de concurrence dans un marché de marchandises contre d’autres entreprises qui s’y trouvent. Cette situation pourrait se produire si la réussite d’une entreprise procure des avantages importants à d’autres concurrents en R‑D, de sorte qu’ils sont alors en mesure d’effectuer leurs propres projets et de vendre des produits en concurrence avec l’entreprise innovatrice qui a réussi³⁰. Les modèles dans lesquels on suppose que les projets de recherche sont des substituts et où il ne peut y avoir qu’un seul « gagnant » décriront donc très mal cette structure³¹. Ici, il est théoriquement possible qu’un effort en R‑D ait un lien négatif avec le nombre de concurrents, de sorte qu’une diminution du nombre d’entreprises participant à une course au brevet ait tendance à augmenter les dépenses en R‑D de chaque entreprise restante³². Une fusion entre concurrents en R‑D aurait donc des effets ambigus, car il y aurait moins de participants, chacun effectuant plus de R‑D. Ce changement apparemment sans conséquence des hypothèses élimine complètement le résultat « classique ». De façon générale, il faut donc examiner avec soin les conditions sur le marché avant d’utiliser le modèle de la course au brevet.

Les études empiriques sur les relations plus larges entre concentration et innovation n’ont pas non plus réussi à produire des résultats solides. Dans leur examen complet des premières publications empiriques sur le sujet, Cohen et Levin trouvent peu d’arguments convaincants établissant l’existence d’une relation systématique entre concentration et innovation dans des études intersectorielles et une bonne partie de la variation de l’intensité des activités de R‑D s’explique par des effets particuliers à chaque industrie et des occasions sur le plan technologique³³. On a proposé récemment un modèle plus prometteur qui relie l’innovation à la concurrence selon un schéma de « U inversé » : l’innovation augmente avec la concurrence jusqu’à un certain point, après lequel la relation est inversée³⁴. Les recherches empiriques semblent confirmer les conclusions de ce modèle. Si les secteurs d’activité sont classés selon une mesure de l’intensité de la concurrence fondée sur les marges bénéficiaires, une augmentation de la concurrence semble favoriser l’innovation dans les secteurs les moins concurrentiels et la ralentir dans ceux qui sont déjà très concurrentiels³⁵.

Les résultats de la recherche économique sur la concurrence, la taille des entreprises et l’innovation sont, de façon générale, suffisamment mitigés pour que le Comité consultatif sur les gains en efficience fasse une mise en garde contre une stratégie délibérée de renforcement de la concurrence ou une stratégie délibérée d’encouragement de la concentration du marché comme un moyen par lequel la capacité du Canada en matière d’innovation pourrait, de façon prévisible et fiable, être améliorée³⁶.

3.2. Incertitude

Dans les analyses habituelles sur les fusions, nous pouvons observer les produits que les parties à la fusion vendent et les endroits où elles les vendent. Les choix des consommateurs sont aussi observables, tout comme l’existence d’entreprises rivales³⁷. Dans bien des cas, il est possible de recenser les concurrents potentiels en observant les entreprises qui disposent de la capacité de production nécessaire pour vendre le produit pertinent dans le marché géographique pertinent.

Les choses sont différentes lorsqu’il est question de fusion entre entreprises innovatrices. Dans le cas d’innovations relatives à des produits, nous abordons un produit qui, probablement, n’existe pas encore. Deux questions connexes en découlent.

Premièrement, l’innovation a un caractère très incertain. Lorsque les entreprises font de la R‑D, il arrive souvent qu’elles ne savent pas si leur investissement leur permettra d’obtenir un produit qui fonctionne sur le plan technique et que les consommateurs voudront se procurer³⁸. Dans bien des industries innovatrices, les chemins de l’invention débouchent plus souvent sur l’échec que sur la réussite. Par conséquent, les entreprises exploreront de nombreuses options, particulièrement aux premiers stades de la R‑D, afin d’accroître la probabilité que l’une d’elles soit couronnée de succès. Cette forme de R‑D est extrêmement coûteuse et expose les entreprises à bien des risques, car même si la vente d’un produit est autorisée, ce dernier pourrait ne pas être populaire sur le marché.

Deuxièmement, l’innovation exige beaucoup de temps. Dans certains cas, il peut s’écouler des années entre le stade de la R‑D et le moment où il est possible de lancer un produit sur le marché. Pendant cet intervalle, les entreprises innovatrices obtiennent de l’information sur les caractéristiques techniques de l’innovation et ses perspectives probables sur le marché et prennent des décisions fondées sur cette information nouvelle au fur et à mesure qu’elle se présente. Par conséquent, un produit peut être bien différent à la fin du processus d’innovation de ce que l’on envisageait plus tôt. Le temps qu’il faut consacrer à la R‑D peut aussi compliquer le recensement des autres entreprises qui seraient en mesure d’effectuer des activités d’innovation semblables. Supposons qu’une entreprise estime qu’un projet de R‑D est susceptible de s’étaler sur cinq ans et que, à la fin de cette période, l’entreprise s’attend à avoir un produit qui connaîtra du succès. Il est possible que, deux ans après le début de cette période, par suite d’un progrès technologique généralisé ou de la mise au point de connaissances spécialisées, une autre entreprise soit en mesure de réaliser un projet semblable dans les trois ans, de sorte que les deux produits qui en résultent se retrouvent sur le marché en même temps. L’entrée de cette deuxième entreprise aurait été entièrement imprévue au départ. Selon Carlton et Gertner, parce que de nombreuses innovations arrivent de sources imprévues, ce genre de situation est relativement répandu et, par conséquent, il est difficile de prévoir quelles entreprises feront concurrence, dans l’avenir, aux entreprises qui innovent aujourd’hui³⁹.

3.3. Problèmes de mesure

Les problèmes de mesure sont associés à l’incertitude. Premièrement, abordons les prix dans le contexte de l’innovation. Il serait bon de connaître le prix que les consommateurs seraient prêts à payer pour l’innovation car, à partir de ce premier renseignement, il pourrait être possible de déterminer si une transaction proposée aurait pour effet probable d’augmenter ce prix. En ce qui concerne les innovations qui n’ont pas encore été réalisées, le prix est inconnu. Il est impossible d’observer la valeur que les consommateurs accorderaient à un produit innovateur, moins la valeur attribuée aux autres aspects non innovateurs du produit, avant que ce dernier se retrouve sur le marché. Même à partir du moment où un produit est vendu, il peut être difficile de séparer l’innovation elle‑même des autres aspects du produit jouant un rôle dans la constitution de sa valeur. Les économistes ont élaboré ce que l’on appelle les modèles « hédonistes » d’établissement des prix afin de mesurer les effets de caractéristiques particulières d’un produit sur sa valeur. Ces modèles empiriques permettent la mesure de prix rajustés en fonction de la qualité, facilitant l’établissement d’une comparaison entre produits qui ne fournirait pas d’information si on utilisait uniquement les prix nominaux. Lorsqu’une innovation concerne une caractéristique de produit repérable et lorsqu’il existe suffisamment de données pour isoler les effets de l’innovation de tous les autres aspects, il peut être possible d’estimer le prix réellement payé par les consommateurs pour cette innovation en utilisant ces méthodes⁴⁰. À cause de toutes les données requises, il est habituellement très difficile de procéder ainsi. De plus, sauf peut‑être pour quelques innovations mineures, il serait risqué de tenter d’utiliser un modèle fondé sur des données existantes pour prédire la valeur qu’accorderont les consommateurs à des améliorations futures. 

Ce raisonnement nous amène à une autre complication connexe. Bien des produits sont faits de nombreuses composantes. Chacune de ces composantes peut être un produit distinct que l’entreprise « jumelle » à d’autres composantes avant de l’offrir aux consommateurs. Songeons par exemple à l’ordinateur personnel ou au PC. On peut décrire sommairement le PC comme un ensemble de composantes : microprocesseur, mémoire, dispositifs de stockage comme disques durs, interfaces, etc. Chacune de ces composantes peut être vendue séparément et on peut observer le prix de chacune sur le marché. Si une innovation permet d’améliorer l’une de ces composantes, on pourrait (en théorie) déduire sa valeur en observant le prix de la composante avant et après l’incorporation de la nouvelle technologie. Malgré cela, de nombreuses innovations sont réalisées de façon beaucoup plus subtile. Par exemple, un fabricant de microprocesseurs pourrait élaborer un nouveau moyen par lequel les opérations logiques pourraient être effectuées de manière plus efficiente par une puce. Cette innovation pourrait être incorporée à la prochaine génération de puces vendues sur le marché, en même temps que de nombreuses autres améliorations et technologies établies. Dans ces cas, qui sont très répandus, la valeur de cette amélioration des opérations logiques ne peut être établie isolément parce qu’elle n’est pas vendue séparément et que bien d’autres facteurs influencent le rendement de la puce et, par conséquent, la valeur que les consommateurs accordent au produit. 

Des réserves semblables s’appliquent à la mesure de la « quantité » dans le contexte de l’innovation⁴¹. De façon générale, il n’existe aucune mesure complètement adéquate de la quantité dans le contexte de l’innovation, même si l’ampleur des dépenses en R‑D et les indicateurs des extrants de l’innovation, comme les brevets, ont parfois déjà été utilisés. 

Les dépenses en R‑D sont un indicateur utile de la participation globale des entreprises à l’innovation à un moment donné, mais il est difficile de les utiliser pour obtenir une idée de la quantité, et ce, pour au moins deux raisons. Premièrement, les dépenses en R‑D sont une mesure des intrants plutôt que des extrants. Même si des dépenses plus élevées en R‑D en vue de l’obtention d’un résultat particulier peuvent représenter de meilleures possibilités de réussite, on ne sait pas précisément jusqu’à quel point cette relation fonctionne à l’échelle d’une entreprise donnée. Si une entreprise dépense deux fois plus qu’une autre en R‑D dans le but de réaliser une innovation, il n’est probablement pas juste de dire que la première entreprise est deux fois plus concurrentielle que la seconde. Si nous estimions que la première entreprise est deux fois plus grosse que la seconde sur la foi de cette information, nous ne saurions même pas dans quelle mesure nous aurions surestimé ou sous‑estimé la position relative des entreprises. Deuxièmement, puisque les dépenses en R‑D rendent compte des montants investis, elles ne constituent peut‑être pas un indicateur suffisamment précis de la rivalité en matière d’innovation à l’égard d’un objectif donné. En effet, les dépenses en R‑D peuvent être réparties entre un certain nombre de projets si le personnel scientifique ou l’équipement d’une entreprise est généralement affecté à divers projets. Les données économiques ne permettent pas de déterminer de quelle façon les activités communes de R‑D devraient être réparties entre divers projets. 

On a proposé les brevets comme solution de rechange potentielle aux dépenses en R‑D comme mesure quantitative de l’innovation. Contrairement aux dépenses en R‑D, les brevets présentent comme avantage le fait d’être une unité d’« extrants » de R‑D liée à la réussite, au moins en fonction de certains aspects techniques. De plus, les entreprises obtiennent souvent des brevets relativement tôt dans le processus de R‑D, bien avant qu’elles soient prêtes à vendre les produits qui y ont trait, de sorte que l’on peut observer l’obtention de brevets suffisamment tôt pour que l’information soit utile dans une analyse d’un projet de fusion entre des entreprises innovatrices. Enfin, les documents relatifs aux brevets contiennent suffisamment de renseignements pour que l’on puisse associer chaque brevet à un programme de R‑D donné, du moins en principe. 

Malheureusement, l’utilisation des brevets comme mesure de la quantité en innovation présente aussi de graves problèmes. Le principal problème vient du fait que la totalité des innovations n’est pas brevetée. Il semble que les brevets soient beaucoup plus utiles comme moyen de protéger les rendements de l’innovation dans certaines industries que dans d’autres⁴². Dans bien des industries, les brevets ne semblent pas être utilisés à cette fin de façon appréciable. Par conséquent, dans les industries comme celle des semi-conducteurs, il serait trompeur d’essayer de quantifier l’innovation en observant le nombre de brevets. Même dans les industries où les entreprises utilisent activement les brevets pour protéger leurs innovations, on reconnaît généralement que le simple fait de dénombrer les brevets donne une indication relativement « floue » des extrants en matière de recherche43. S’il faut utiliser les brevets, il est préférable de trouver une façon d’en mesurer l’importance relative. La pondération des brevets en fonction du nombre de mentions subséquentes dans les brevets ultérieurs a donné de bons résultats⁴⁴.

Puisqu’il n’existe pas d’autre mesure valable de la quantité en matière d’innovation, il faut s’appuyer sur plusieurs indicateurs imparfaits, comme les dépenses en R‑D et les brevets.

Page précédente | Table des matières | Page suivante

---

²⁷ Si l’on suppose que les entreprises prennent des décisions stratégiques en fonction de l’extrant, le modèle de l’oligopole de Cournot est généralement utilisé. Si, par contre, on suppose que les entreprises se font concurrence sur les prix, et particulièrement si les produits sont différenciés, on utilise le modèle de Bertrand. Ces deux modèles débouchent sur les prévisions valables suivantes : les prix sont établis selon l’élasticité de la demande et le coût marginal et les prix ont tendance à augmenter avec le renforcement de la concentration dans une industrie, toutes choses étant égales par ailleurs. Ces types de modèles statiques se sont aussi bien comportés dans des essais empiriques. Par conséquent, nous exprimons peu de réserves quant à l’utilisation des modèles économiques standard pour évaluer les effets concurrentiels à court terme.

²⁸ Cette question présente un intérêt évident dans le contexte des fusions. Par exemple, elle était au centre de la contestation récente par la Federal Trade Commission de l’acquisition par Genzyme de Novozyme et de la décision ultérieure de la Commission d’autoriser cette fusion. Dans cette procédure, la Federal Trade Commission (FTC) s’est d’abord inquiétée parce que Genzyme et Novozyme étaient en 2001 les seules entreprises effectuant de la R‑D sur un traitement de la maladie de Pompe; la fusion aurait donc pu avoir des répercussions négatives sur le rythme des activités d’innovation. La FTC a finalement conclu (malgré la dissidence de certains commissaires) que les efforts d’innovation ne risquaient pas d’être affaiblis par l’opération. Voir « FTC Closes its Investigation of Genzyme Corporation’s 2001 Acquisition of Novozyme Pharmaceuticals, Inc. », le 13 janvier 2004, à l’adresse suivante : http://www.ftc.gov/opa/2004/01/genzyme.htm.

²⁹ Voir Jean Tirole, The Theory of Industrial Organization, MIT Press, 1988, p. 394‑396.

³⁰ Dans un échantillon de projets de recherche sur les médicaments visant dix entreprises pharmaceutiques sur une période de 17 ans, Cockburn et Henderson constatent un très faible degré de corrélation entre l’importance de l’investissement en R‑D d’une entreprise à l’autre et voient plutôt une corrélation positive dans les extrants des activités de recherche – soit que la réussite d’une entreprise augmente la probabilité de réussite chez une autre. Voir Iain Cockburn et Rebecca Henderson, « Racing to Invest? The Dynamics of Competition in Ethical Drug Discovery », Journal of Economics and Management Strategy, vol. 3, 1994.

³¹ Cockburn et Henderson (1994) concluent comme suit (p. 484) : [traduction] « Nous constatons que les publications théoriques modernes sur les jeux n’ont qu’une utilité limitée comme indicateur empirique et cette conclusion fait ressortir la nécessité non seulement de modéliser la R‑D comme une course où les gagnants décrochent des prix multiples, mais aussi d’élaborer des théories qui incorporent des modèles plus sophistiqués sur les coûts d’ajustement et l’hétérogénéité des entreprises et de recueillir des données suffisamment globales et détaillées. »

³² Jennifer F. Reinganum, « The Timing of Innovation: Research, Development, and Diffusion », chapitre 14 de l’ouvrage collectif publié sous la direction de R. Schmalensee et R.D. Willig, Handbook of Industrial Organization, volume I, Elsevier, p. 865‑866. Il est aussi à noter que, dans bien des cas, aucun résultat analytique clair ne se dégage.

³³ Wesley M. Cohen et Richard C. Levin, « Empirical Studies of Innovation and Market Structure », chapitre 18 de l’ouvrage collectif publié sous la direction de R. Schmalensee et R.D. Willig, Handbook of Industrial Organization, volume II, Elsevier, p. 1077‑1078.

³⁴ Philippe Aghion, Nick Bloom, Richard Blundell, Rachel Griffith et Peter Howitt, « Competition and Innovation: An Inverted‑U Relationship », Quarterly Journal of Economics, vol. 120, 2005.

³⁵ Aghion et autres (2005), p. 705‑710.

³⁶ Rapport du Comité consultatif sur les gains en efficience, août 2005, p. 43.

³⁷ Bien sûr, il est possible qu’un rival qui ne vend pas le produit dans un endroit donné aujourd’hui le fasse après une fusion ou qu’un rival vendant un autre produit puisse être en mesure de vendre le produit pertinent après la fusion.

³⁸ L’industrie pharmaceutique fournit ce qui est probablement l’exemple le plus éloquent de ce phénomène. Les entreprises pharmaceutiques doivent examiner quelque 5 000 composés chimiques pour chaque produit approuvé en vue de la vente au public. Voir PhRMA (Pharmaceutical Research and Manufacturers of America), « Why do Prescription Drugs Cost so Much and Other Questions About Your Medicines », juin 2000, p. 2.

³⁹ Dennis W. Carlton et Robert H. Gertner, « Intellectual Property, Antitrust, and Strategic Behavior », dans l’ouvrage collectif publié sous la direction de A.B. Jaffe, J. Lerner et S. Stern, Innovation Policy and the Economy , MIT Press, 2003, p. 42‑43.

⁴⁰ Par exemple, Berndt et al. ont évalué au moyen d’un modèle hédoniste les médicaments contre les ulcères vendus aux États‑Unis et ont constaté que les prix sont fortement tributaires de facteurs comme l’existence de schémas posologiques plus commodes, l’absence d’incompatibilité importante avec d’autres médicaments et l’existence d’un traitement approuvé pour différents ensembles de symptômes (Ernst R. Berndt, Robert S. Pindyck et Pierre Azoulay, « Consumption Externalities and Diffusion in Pharmaceutical Markets: Antiulcer Drugs », Journal of Industrial Economics, vol. LI, 2003). Par conséquent, leur modèle permettrait d’estimer la prime que les consommateurs seraient prêts à payer au‑delà du prix des thérapies existantes pour le traitement d’un nouveau symptôme. On trouve de nombreux exemples d’économistes qui tentent d’ajuster les prix dans l’industrie de l’informatique, en tenant compte des changements de la qualité, au moyen de modèles hédonistes d’établissement des prix. Voir, par exemple, Kenneth H. Brown, « Hedonic price indexes and the distribution of buyers across the product space: an application to mainframe computers », Applied Economics, vol. 32, 2000 et Ariel Pakes, « A Reconsideration of Hedonic Price Indexes with an Application to PCs », American Economic Review, vol. 93, 2003.

⁴¹ Par le terme « quantité », nous n’entendons pas nécessairement le nombre d’innovations effectuées par chaque entreprise qui pourrait les effectuer parce que l’on aurait alors tendance à mettre en jeu de nombreux « marchés » différents – nous utilisons le terme comme indicateur abrégé de l’importance de la concurrence dans l’innovation, étant donné que l’on a recours à la quantité d’extrants dans l’analyse classique des fusions. 

⁴² Dans une enquête de type classique, les gestionnaires de la R‑D de la plupart des industries de fabrication ont déclaré que les brevets et les autres droits formels de propriété intellectuelle ne constituaient que des moyens parmi d’autres d’obtenir des rendements sur les activités de R‑D (Richard C. Levin, Alvin K. Klevorick, Richard B. Nelson et Sidney G. Winter, « Appropriating the Returns from Industrial Research and Development », Brookings Papers on Economic Activity, vol. 3, 1987). Selon les répondants à une enquête réalisée auprès de 650 gestionnaires de la R‑D, les délais de mise en marché, l’aplanissement de la courbe d’apprentissage et les efforts complémentaires de vente et de service sont des facteurs plus importants que les brevets en ce qui concerne les avancées relatives à des produits. En ce qui concerne les nouveaux procédés, la situation était encore plus frappante, les brevets se situant au dernier rang des diverses façons d’obtenir un rendement, derrière les délais de mise en marché, les avantages liés à la courbe d’apprentissage, le secret et les efforts de vente et de service. Les résultats d’une enquête à jour auprès de 1 478 laboratoires de R‑D ont confirmé une bonne partie de ces conclusions (Wesley M. Cohen, Richard R. Nelson et John P. Walsh, « Protecting Their Intellectual Assets: Appropriability Conditions and Why U.S. Manufacturing Firms Patent (or Not) », National Bureau of Economic Research Working Paper 7552, 2000). Cependant, les deux enquêtes ont révélé des écarts substantiels entre les industries dans les façons dont les entreprises cherchent à obtenir un rendement sur les dépenses en R‑D, le secret et les délais de mise en marché étant généralement importants en ce qui concerne les innovations liées aux produits et le secret uniquement comme mécanisme principal dans le cas des innovations liées à des procédés.

⁴³ Selon Griliches, les brevets sont fortement associés à la R‑D dans les données transversales, mais la relation entre les brevets, comme mesure de l’extrant des inventions, et la R‑D dans les données en séries chronologiques propres à chaque entreprise est beaucoup plus faible : [traduction] « Étant donné que l’essentiel des dépenses en R‑D est consacré au développement, la plupart des écarts relatifs aux séries chronologiques de cette variable doivent provenir du différentiel des résultats dans le développement ultérieur de projets existants plutôt que du lancement de nouveaux projets. Les corrélations relativement faibles dans la dimension chronologique ne devraient donc pas nous surprendre; elles donnent à penser que le nombre de brevets est un indicateur beaucoup plus faible des variations à court terme de l’extrant des inventions ou de la “fécondité” de la R‑D ». Voir Zvi Griliches, « Patent Statistics as Economic Indicators: A Survey », Journal of Economic Literature, vol. XXVIII, 1990, p. 1574.

⁴⁴ Voir notamment Dietmar Harhoff, Francis Narin, F.M. Scherer et Katrin Vopel, « Citation Frequency and the Value of Patented Inventions », Review of Economics and Statistics, vol. 81, 1999; Bronwyn H. Hall, Adam Jaffe et Manuel Trajtenberg, « Market Value and Patent Citations », RAND Journal of Economics, vol. 36, 2005.