CAIRN.INFO : Matières à réflexion

1 – Introduction

1Dans l’industrie des biotechnologies, les clusters industriels constituent l’un des objets les plus étudiés. De nombreux travaux soutiennent l’idée d’un lien entre la proximité géographique et l’échange de savoirs tacites entre les entrepreneurs. Ces échanges permettraient aux acteurs de capter les externalités de connaissance issues des activités de R&D et d’augmenter les capacités d’innovation des entreprises [Audretsch et Stephan, 1996]. Les travaux sur cette question en France ont exploré l’effet des proximités géographique et technologique [Autant-Bernard, 2002 ; Boufaden et Plunket, 2005] et les caractéristiques des clusters associées à la création d’entreprises [Autant-Bernard, 2006 ; Lemarié et al., 2001 ; Corolleur, Mangematin et Torre, 2003].

2L’étude que nous présentons dans cet article vise à complémenter ces travaux en adoptant une perspective relationnelle. Nous proposons d’explorer les effets de la proximité géographique sur l’échange de connaissances entre les entrepreneurs en biotechnologie. À l’aide des techniques développées par l’analyse des réseaux sociaux, nous décrivons en détail comment les entrepreneurs évaluent et contrôlent collectivement les savoirs dont ils ont besoin, ainsi que la manière dont les réseaux locaux d’échange sont associés aux performances des entreprises. Nous nous appuyons sur la notion d’autorité épistémique locale pour décrire le fonctionnement du processus collectif d’apprentissage à cette échelle. Nous suggérons que l’étude de l’apprentissage collectif à travers l’analyse des relations interpersonnelles d’échange de connaissances procure un cadre conceptuel à l’aide duquel il est possible d’examiner finement l’efficacité des formes locales de coordination.

3Nous présentons en premier lieu le lien que nous établissons entre le processus collectif d’apprentissage, l’émergence des autorités épistémiques et l’évaluation collective des savoirs dans l’industrie des biotechnologies. Nous dérivons de cette théorie les hypothèses pouvant expliquer l’échange de savoirs à l’intérieur des clusters. Ensuite, nous présentons l’enquête et les données que nous avons collectées auprès des entreprises en biotechnologie en France pour tester ces hypothèses. Enfin, nous présentons nos résultats et nous discutons quelques-unes de leurs implications et limites.

2 – Apprentissage collectif et autorités épistémiques dans l’industrie des biotechnologies

4Les activités d’innovation nécessitent l’association de nombreux acteurs. Dans l’industrie des biotechnologies, cette capacité à « être connecté » est souvent associée à des performances positives pour les entreprises [Baum, Calabrese et Silverman, 2000 ; Salman et Saives, 2005]. 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.

5Un conflit épistémique émerge lorsque les mécanismes de contrôle de la validité des savoirs ne sont pas stabilisés au sein d’un collectif [Lazega, 2001]. Un conflit épistémique peut être défini comme un désaccord sur le type de savoirs qui doit être mobilisé dans l’accomplissement des tâches, c’est-à-dire sur la pertinence des savoirs. Au niveau intra-organisationnel, les organisations résolvent ces désaccords en se dotant d’autorités capables de générer un consensus sur les savoirs qui sont pertinents [Lazega et Van Duijn, 1997 ; Skerlavaj et Dimovski 2006]. Ces autorités épistémiques, qui bénéficient souvent d’une autorité formelle dans l’organisation, peuvent orienter le processus d’apprentissage, notamment en attribuant les ressources en fonction de la hiérarchisation des savoirs.

6Au niveau inter-organisationnel, l’absence d’une autorité formelle encadrant les échanges rend plus difficile la mise en place de cette forme de coordination [Kogut, 2000]. Dans l’industrie des biotechnologies, le choix d’une autorité épistémique est d’autant plus difficile qu’il s’agit d’un secteur d’activité où plusieurs types d’acteurs entrent en jeu. La division du travail qui caractérise l’industrie biopharmaceutique positionne les entreprises de biotechnologie au carrefour de trois types d’organisations : les centres de recherche, les investisseurs en capital-risque et les grands groupes pharmaceutiques [Corolleur et al., 2003 ; Pisano, 1991 ; Powell, Koput et Smith-Doerr, 1996]. Dans ce contexte, le choix des autorités épistémiques dépend en partie du type d’organisation auquel l’entrepreneur a été affilié dans sa formation initiale ou dans son expérience professionnelle [Higgins et Gulati, 2003 ; Pina-Stranger et Lazega, 2010]. Par exemple, les entrepreneurs ayant suivi une formation initiale scientifique auront tendance à choisir des autorités épistémiques qui ont reçu le même type de formation, alors que les entrepreneurs provenant de l’industrie pharmaceutique auront tendance à choisir des autorités épistémiques provenant du même secteur d’activité [Pina-Stranger, 2009].

7Le lien entre les affiliations professionnelles et le choix des autorités épistémiques rend compte de la manière dont les statuts épistémiques se construisent dans le milieu des entrepreneurs en biotechnologie. La notion de statut épistémique se réfère à la position sociale d’un acteur par rapport aux savoirs qui sont mobilisés, au sein d’un collectif, dans l’accomplissement des tâches. Les statuts épistémiques sont associés principalement au droit de savoir, c’est-à-dire au droit de définir les savoirs devant être utilisés, et au « devoir de représentation », c’est-à-dire au devoir de revendiquer la pertinence de certains savoirs vis-à-vis du collectif au sein duquel un certain type de statut épistémique peut être construit et attribué. Les autorités épistémiques sont celles qui bénéficient d’un statut épistémique élevé au sein du collectif : on leur attribue le droit de savoir et, en retour, elles représentent la communauté à l’intérieur de laquelle ce savoir est pertinent [Lazega, 1992].

8Les statuts épistémiques ont été décrits principalement à l’appui de deux dimensions : une dimension relationnelle, que l’on a souvent représentée à travers les réseaux de conseil [Cross et al., 2002 ; Gibbons, 2004 ; Krackhardt, 1987 ; Lazega et Van Duijn, 1997] et une dimension biographique, qui a été représentée par les affiliations professionnelles [Higgins et Gulati, 2003], les appartenances géographiques [Casper, 2007] et les performances des entrepreneurs [Gittelman, 2006].
La dimension relationnelle des statuts épistémiques n’a que très rarement été explorée au niveau inter-organisationnel? [2]. Les alliances qui constituent l’objet d’étude de la plupart des travaux sur le secteur des biotechnologies ne permettent pas de dissocier la dimension économique de la dimension épistémique des échanges. Afin de capter cette dimension, il est nécessaire d’observer les relations interpersonnelles. Pina-Stranger et Lazega [2010] explorent l’échange de conseils entre les entrepreneurs en biotechnologies et montrent qu’il n’existe pas de consensus général sur le choix des autorités épistémiques. L’hétérogénéité des affiliations professionnelles des entrepreneurs est associée à la polarisation du système d’échange et à l’émergence de différentes communautés épistémiques. La polarisation des échanges interpersonnels se caractérise dans ce milieu à la fois par l’absence de relations entre des acteurs dont l’origine professionnelle n’est pas la même, et par l’existence à l’intérieur de ces sous-groupes d’une grande densité, réciprocité et multiplexité dans les relations.
Pour sa part, la dimension biographique des statuts épistémiques a fait l’objet de nombreux travaux. Ils mettent en évidence le lien qui existe entre les expériences professionnelles des entrepreneurs et les opportunités auxquelles elles donnent accès [Higgins et Gulati, 2003 ; Kim et Higgins, 2007]. Ces travaux montrent que tous les parcours professionnels ne se valent pas. Certaines expériences professionnelles érigent ceux qui en sont les porteurs en autorités épistémiques, car le savoir qu’ils revendiquent leur est reconnu comme pertinent. Par exemple, Higgins et Gulati [2006] montrent que les entrepreneurs en biotechnologie provenant du secteur biopharmaceutique ont une plus grande probabilité de réussir une introduction en bourse que ceux qui proviennent de la recherche académique. Ceci signifie que certaines expériences – et, en conséquence, certains savoirs – sont considérés comme étant plus pertinents que d’autres par les organisations qui procurent les ressources dont ont besoin les entreprises en biotechnologie.

2.1 – Proximité géographique et autorités épistémiques locales

9L’analyse des dimensions relationnelle et biographique des statuts épistémiques montre qu’il n’y a pas de consensus sur les autorités épistémiques dans l’industrie des biotechnologies [Higgins et Gulati, 2003 ; Pina-Stranger et Lazega, 2010]. Cette absence de consensus 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 intégrant l’ensemble des acteurs, et donc l’ensemble de compétences disponibles. Ce conflit épistémique pose un problème aux entrepreneurs car, indépendamment des affiliations professionnelles et des savoirs revendiqués, ils doivent mobiliser dans leur travail des savoirs issus, entre autres, des domaines scientifique, financier et industriel. Ils ont besoin d’échanger des connaissances avec ceux qui justement ne revendiquent pas la pertinence des mêmes savoirs. Sans participer à un dispositif collectif permettant d’évaluer et rendre disponible ces savoirs, l’entrepreneur perd une partie de sa capacité à « rester dans la course ».

10L’un des dispositifs collectifs de coordination les plus étudiés concerne les clusters industriels? [3]. Les travaux s’intéressant à ce dispositif s’appuient sur l’idée d’un lien entre la proximité géographique induite par la co-localisation géographique des entreprises, et la proximité relationnelle, qui correspond au fait d’être en relation directe ou indirecte avec un certain nombre d’acteurs qui entretiennent potentiellement des relations entre eux. La proximité faciliterait l’échange d’informations tacites, et donc les externalités de connaissance dont peuvent bénéficier les entreprises [Audretsch et Stephan, 1996]. Dans l’industrie biopharmaceutique, ces effets ont été amplement étudiés? [4]. Malgré une vaste littérature, certains auteurs pointent la nécessité de comprendre plus en profondeur les formes spécifiques de coordination qui caractérisent les échanges à l’intérieur des clusters [Boschma, 2005 ; Champenois, 2008, Hamdouch et Depret, 2009 ; Rallet et Torre, 1999].

11L’étude de l’apprentissage collectif à travers l’analyse des statuts épistémiques procure un cadre conceptuel à l’aide duquel il est possible d’explorer les logiques qui caractérisent l’échange de connaissances à l’intérieur des clusters. La thèse de la proximité géographique 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 sur les autorités épistémiques légitimes. 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 où les différentes affiliations professionnelles des entrepreneurs sont associées à l’émergence de différents groupes entretenant peu de relations entre eux, à l’intérieur des clusters, l’échange de connaissances n’est pas caractérisé par ce mouvement de polarisation sociale.

2.2 – Cohésion et performance

12La proximité géographique n’a pas un effet homogène sur les échanges entre les acteurs ni sur les performances. Oh et al. [2004] montrent, par exemple, que le niveau de fermeture relationnelle du groupe est associé de manière non linéaire aux performances. Pour leur part, Cummings et Cross [2003] 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 s’appuient sur l’idée avancée par Coleman [1988] 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. Dans cette approche, la fermeture d’un réseau est un indicateur du niveau de cohésion qui caractérise un groupe [Portes, 1998].

13Dans l’étude de l’apprentissage collectif à l’échelle des clusters, le lien entre fermeture relationnelle et performance repose sur l’idée que la cohésion sociale favorise l’émergence d’un consensus sur les autorités épistémiques, ce qui permet au collectif d’évaluer et rendre disponible les savoirs qu’ils mobilisent. Le niveau de cohésion peut être mesuré de différentes manières [Burt, 1987 ; Moody et 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 multiplexe des relations, c’est-à-dire le fait que deux acteurs échangent plus d’un type de ressource? [5]. Dans notre cas, il s’agit de considérer simultanément les relations d’amitié et de conseil.
Hypothèse 2 : La performance collective des entreprises d’un cluster est positivement corrélée à au niveau de cohésion du cluster, mesuré à partir du nombre moyen de relations dans le réseau de conseil et le réseau d’amitié.

2.3 – Expériences professionnelles et autorités épistémiques locales

14Au niveau national, les identités perçues à travers les affiliations professionnelles sont utilisées par les entrepreneurs pour juger du type de savoir revendiqué par leurs pairs. Au niveau local, ces affiliations n’expliquent pas le choix des autorités épistémiques. Ceci ne signifie pas pour autant que la concurrence de statuts, c’est-à-dire la concurrence pour s’ériger en tant qu’autorité, soit abolie. Cela suggère plutôt que les capacités d’endogénéisation des entrepreneurs, c’est-à-dire la capacité des acteurs à se représenter les structures sociales dans lesquelles ils évoluent [Lazega, 2008], ne sont pas les mêmes au niveau local et au niveau national. Comme cela a été montré par Ferrary et Granovetter (2009), à l’intérieur d’une zone géographique qui concentre des activités innovantes, on observe une importante activité relationnelle qui facilite la circulation d’informations et la coordination des affaires par les agents. Nous proposons de penser que, dans un contexte de forte proximité relationnelle, les informations générales données par les affiliations professionnelles ne suffisent plus à cerner les identités des autres. Nous suggérons qu’au niveau local, ce qui compte à l’heure de choisir une autorité épistémique, ce sont les expériences qui signalent des accomplissements professionnels spécifiques liés à des tâches de travail décisives pour le développement des entreprises. Ces accomplissements peuvent être par exemple le fait d’être fondateur d’une entreprise de biotechnologie, ou le fait de travailler dans une entreprise cotée en bourse. Chaque type d’expérience professionnelle permet d’identifier qui contrôle et qui revendique quel type de savoir? [6].

15Hypothèse 3 : Les accomplissements professionnels spécifiques des entrepreneurs permettent d’expliquer les échanges de conseils à l’intérieur des clusters, et notamment l’émergence de certaines autorités épistémiques locales.

3 – Enquête

16Les 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 biotechnologie en France. Nous avons sélectionné cette population à partir des informations disponibles dans les associations professionnelles, les regroupements régionaux d’entreprises, la presse spécialisée et les sites des investisseurs en capital-risque. Notre objectif était de collecter des informations sur l’ensemble des entreprises de biotechnologie françaises en activité en 2008. Nous avons choisi de sélectionner les entreprises, dans le domaine des sciences du vivant, qui travaillent dans le secteur de la santé humaine, et qui ont fait l’objet d’investissements d’un montant supérieur à 500K €. Nous avons ainsi exclu toutes les entreprises n’ayant pas encore été « validées par le marché » en nous concentrant sur les entreprises qui se développent définitivement de manière autonome en dehors des laboratoires de recherche publique. Nous avons sélectionné exclusivement des entreprises françaises, et nous avons exclu les filiales des grands groupes pharmaceutiques, les entreprises de services et les entreprises de conseil. Au niveau des individus, en fonction de son stade de développement, nous avons inclus entre un et quatre dirigeants par entreprise. Ils occupent les fonctions de PDG, directeur scientifique, directeur financier et directeur d’opérations.
La population sur laquelle nous avons démarré la collecte des informations et les entretiens comptait 96 entreprises et 229 dirigeants. Nous avons corrigé la sélection de notre population au fur et à mesure que nous collections les informations, car certaines entreprises ne remplissaient pas finalement l’un des critères signalés. Au terme de ce processus d’affinement, notre population totale compte 88 entreprises et 164 dirigeants, soit environ 2 dirigeants par entreprise. Nous avons conduit 125 entretiens en face-à-face et reçu 13 questionnaires par e-mail. Les informations concernant les 26 acteurs n’ayant pas répondu au questionnaire ont été collectées auprès de sources d’informations publiques. Sur les 88 entreprises, nous n’avons pas pu mener des entretiens personnels avec 10, nous avons donc 11 % des données manquantes pour ce qui est des données relationnelles (choix émis).

3.1 – Les réseaux d’échange des entrepreneurs

17Nous 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 les personnes auprès desquelles ils sollicitent des conseils sur des questions relatives au management de leurs principaux partenaires : les centres de recherche, les investisseurs en capital-risque et les grands groupes pharmaceutiques. Les questions relatives à la gestion de ces partenaires nous servent de proxy pour représenter les trois principaux types de savoirs mobilisés dans le développement des produits thérapeutiques : les savoirs scientifiques, financiers et industriels.

18La liste de noms que nous leur avons soumise correspond aux 164 dirigeants des 88 entreprises de biotechnologie de notre population totale. Cette liste est le résultat des corrections faites à la liste originale à l’aide des réponses des entrepreneurs lors des premiers entretiens, notamment grâce à un générateur de noms, qui leur permettait d’inclure les noms des entrepreneurs manquants.

19Nous avons reconstitué le réseau d’amitié en demandant aux entrepreneurs de nous signaler les personnes (amis) avec lesquelles ils resteraient en contact même s’ils changeaient radicalement de métier. Ce protocole permet de limiter l’étendue de la définition de l’amitié sur laquelle nous nous appuyons. Dans notre étude, les relations d’amitié restent des relations professionnelles : elles rendent compte des personnes avec lesquelles les acteurs pensent qu’ils pourront compter indépendamment de la position qu’ils occuperont dans le futur. Dans ce sens, l’amitié représente ici les relations interpersonnelles qui se sont autonomisées par rapport aux affiliations entrepreneuriales présentes, mais qui restent dépendantes d’un contexte professionnel plus large et potentiel.
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 seules ont été considérées les relations à l’intérieur des clusters, et au niveau inter-clusters où ont été considérées uniquement les relations entre les clusters. Le réseau d’amitié est analysé au niveau des clusters.

3.2 – Attributs des entrepreneurs

20La première série de variables que nous avons utilisée concerne les affiliations professionnelles 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 connaissances pour lequel un entrepreneur est le plus sollicité par ses pairs.

21La 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 incluses sont : le fait d’être fondateur d’une entreprise de biotechnologie, le nombre d’entreprises de biotechnologies fondées, les années d’expérience dans l’industrie pharmaceutique et le fait de travailler dans une entreprise cotée.

3.3 – Les clusters en biotechnologie

22L’étude de la proximité géographique est fondée sur l’identification de la localisation des entreprises dans quatre régions : Île-de-France, Midi-Pyrénées, Provence-Alpes-Côte d’Azur (PACA), et Rhône-Alpes. La surreprésentation d’entreprises dans la région Île-de-France nous a poussé à différencier trois clusters technologiques : la Ville de Paris, le Genopole d’Évry et le site Biocitech à Romainville. Ce choix comporte le désavantage d’éloigner de notre définition de cluster la division administrative strictement régionale du territoire. En revanche, ce choix suit le niveau de développement de chaque région et propose une méthode de comparaison. Le type de proximité induit par la coappartenance à une région ne doit pas être entendu sur la seule dimension géographique. Suivant les propositions des études régionales sur les dynamiques de proximité (Regional Studies), nous considérons les régions comme un lieu où les entrepreneurs partagent une proximité institutionnelle [Boschma, 2005 ; Hamdouch et Depret, 2009 ; Rallet et Torre, 1999]. Les autorités publiques, les « agences de moyens » et les associations professionnelles locales sont autant d’institutions autour desquelles les entrepreneurs sont mis en relation, se retrouvent et échangent. De ce fait, comme cela a été montré récemment [Pina-Stranger et Lazega, 2010], les relations interpersonnelles des entrepreneurs à l’intérieur des clusters sont surreprésentées. Dans le tableau 1, nous montrons les résultats de l’analyse d’indépendance statistique? [7] que nous avons réalisée pour explorer les relations d’échange de conseils entre les entrepreneurs en fonction des clusters d’appartenance.

Tableau 1

Test d’indépendance statistique sur les relations de conseil entre entrepreneurs à l’intérieur et entre les clusters

Tableau 1
Paris (IDF) Genopole (IDF) PACA Biocitech (IDF) Rhône-Alpes Midi-Pyrénées Paris (IDF) 1,11 0,75 0,78 1,23 0,95 0,96 Genopole (IDF) 1 1,89 0,69 1 0,46 0,37 PACA 0,62 0,49 2,75 0,66 0,78 0,24 Biocitech (IDF) 1,26 1,15 0,65 1,03 0,75 0,89 Rhône-Alpes 0,94 0,63 0,93 0,69 2,41 0,27 Midi-Pyrénées 0,68 0,58 0,67 1,15 1,05 7,14 Lecture du tableau 1 : Les relations de préférence correspondent au ratio des relations observées et des valeurs non préférentielles calculées à partir des comportements relationnels observés (indépendance statistique). La lecture des lignes correspond au nombre moyen des choix émis par l’ensemble des acteurs du cluster. La lecture des colonnes correspond au nombre moyen des choix reçus par l’ensemble des acteurs du cluster.

Test d’indépendance statistique sur les relations de conseil entre entrepreneurs à l’intérieur et entre les clusters

23L’indépendance statistique est caractérisée par des valeurs proches de 1. Nous observons que les relations intra-cluster présentent, à l’exception de Paris et de Biocitech, des valeurs bien supérieures. Cela signifie que les choix relationnels à l’intérieur des clusters sont surreprésentés par rapport aux comportements relationnels observés. Ce sont les mécanismes sociaux associés à cette intensité relationnelle que nous visons à expliquer dans cet article. Les graphes représentés dans la figure 1 nous permettent de regarder spécifiquement le réseau d’échanges de conseil à l’intérieur de chaque cluster. Les sommets les plus grands représentent les autorités épistémiques locales? [8], c’est-à-dire les entrepreneurs ayant reçu le plus grand nombre de choix dans les réseaux de conseil des autres entrepreneurs.

Figure 1

Réseau d’échange de conseils à l’intérieur des clusters

Figure 1

Réseau d’échange de conseils à l’intérieur des clusters

Lecture Figure 1 : L’orientation des arcs représente le sens dans lequel un conseil a été sollicité. La taille des sommets dépend du nombre de choix reçus dans le réseau de conseil.

3.4 – Modèles d’analyse

24Afin d’étudier l’effet des variables indépendantes sur la demande et l’attribution de conseils au niveau national et à l’échelle des clusters, nous avons mobilisé l’approche statistique des Exponential Random Graph Models (ERGM)? [9] [Robins et al., 2007 ; Snijders et al., 2006].

25Ces modèles stochastiques sont conçus pour identifier les sous-structures relationnelles qui caractérisent un réseau tout en incluant des effets aléatoires censés représenter l’hétérogénéité de comportements qui échappe aux observations, et des variables exogènes caractérisant les individus (variables) et leurs relations (variables dyadiques). Les sous-structures relationnelles identifiées sont principalement les dyades et les triades. Leur identification permet de contrôler les effets endogènes associés à l’existence d’une relation. Par exemple, deux entrepreneurs peuvent établir une relation de conseil parce qu’ils partagent une même origine professionnelle (effet exogène de similarité), ou peuvent établir une relation parce qu’ils ont un contact en commun (effet endogène de transitivité). L’inclusion des sous-structures permet ainsi de caractériser le réseau et de contrôler les effets relationnels des variables exogènes associés aux hypothèses. Les sous-structures et les variables sont représentées par des paramètres qui 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. Dans l’Annexe A, nous définissons précisément les paramètres structuraux et les paramètres des effets relationnels associés à des attributs exogènes.

4 – Résultats et discussion

4.1 – Proximité géographique et consensus sur les autorités épistémiques

26Afin de tester, sur le plan des relations interpersonnelles, l’hypothèse de la proximité géographique, nous avons comparé l’effet des affiliations professionnelles sur l’établissement d’une relation de conseil dans 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. Le tableau 2 présente les résultats obtenus.

27Les paramètres structuraux montrent tant au niveau national qu’à l’intérieur des clusters les tendances à la fois hiérarchique (Alternating Triangles-Cyclic) et transitive (Alternating Triangles-Transitive et Alternating independent twopaths) [Snijders et al., 2006]. Ces résultats confirment ceux obtenus par d’autres études dans l’analyse des réseaux de conseil au niveau intra-organisationnel [Lazega et Van Duijn, 1997] et au niveau inter-organisationnel [Pina-Stranger et Lazega, 2010]. Ces paramètres structuraux permettent de contrôler l’effet des variables exogènes sur l’échange de conseils.

28Des travaux précédents ont montré que l’échange de conseils dans ce milieu se caractérise par un mouvement de polarisation entre des entrepreneurs dont les affiliations professionnelles sont différentes [Pina-Stranger, 2009 ; Pina-Stranger et Lazega, 2010]. Les modèles présentés dans le tableau 2 explorent ce mouvement de polarisation. Les effets de similarité testés dans ces modèles rendent compte de la probabilité qu’entre les acteurs qui partagent un même attribut il existe une relation de conseil. En ce qui concerne les variables binaires, nous observons dans le modèle 1 une valeur positive du paramètre lié à l’origine professionnelle recherche académique. Ceci indique que la probabilité que les acteurs ayant cette même origine professionnelle établissent une relation de conseil entre eux, est élevée. Nous observons le même type de résultat pour le paramètre statut épistémique économique. Ces deux types d’affiliations définissent ainsi les frontières des communautés à l’intérieur desquelles les entrepreneurs choisissent leurs conseillers. Dans ces communautés, les entrepreneurs revendiquent la pertinence du même type de savoirs dans la mesure où ils ont trouvé un consensus sur les acteurs à qui ils accordent une certaine autorité 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 affiliations professionnelles pèsent sur le choix des conseillers.

Tableau 2

Effet des affiliations professionnelles sur l’échange de conseil au niveau national et à l’intérieur des clusters

Tableau 2
Variables indépendantes Relations de conseil Modèle 1 : niveau national Modèle 2 : intra-clusters Paramètres estimés (erreurs types) t-statistics Paramètres estimés (erreurs types) t-statistics Effets structuraux 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 Effets d’homophilie sur les variables binaires 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 épistémique scientifique 0,11 (0,07) 0,05 -0,07 (0,20) 0,06 Statut épistémique économique 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 sur variables dyadiques Formation initiale : science/économie -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 épistémique : scientifique/économique -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 Lecture Tableau 2 : Analyse par exponential random graph models (ERGM). Effets structuraux et attributs exogènes dans le réseau de conseil à l’échelle inter-organisationnelle. Les valeurs significatives sont en gras. Ce sont celles où le paramètre estimé divisé par l’erreur-type est supérieur à 2. Les effets structuraux correspondent aux sous-structures relationnelles qui caractérisent les réseaux. Les effets d’homophilie sur les variables binaires rendent compte de la probabilité d’une relation de conseil entre deux acteurs partageant un même attribut. Les effets d’hétérophilie sur les variables dyadiques rendent compte de la probabilité d’une relation de conseil entre deux acteurs qui ne partagent pas un même attribut.

Effet des affiliations professionnelles sur l’échange de conseil au niveau national et à l’intérieur des clusters

29Concernant les effets d’hétérophilie sur les variables dyadiques, ce que le modèle teste, c’est la probabilité qu’entre deux entrepreneurs qui partagent une même différence, il existe une relation de conseil. Cette différence, par exemple celle qui existe entre, d’un côté, les entrepreneurs ayant suivi une formation initiale scientifique et, de l’autre, les entrepreneurs ayant fait une école de commerce, est représentée par une matrice binaire où 1 signale l’existence de cette différence entre les deux acteurs, et 0 signale que ce n’est pas le cas. Nous observons dans le modèle 1 que les différences liées à la formation initiale, au statut épistémique et à la fonction dans l’entreprise sont associées à des valeurs négatives. Les relations entre les acteurs qui partagent ces différences sont peu probables. Ces tendances simultanées rendent compte de l’existence d’un mouvement de polarisation entre les acteurs qui ont des affiliations professionnelles et un statut épistémique relevant du domaine des « sciences », et ceux qui ont des affiliations professionnelles et un statut épistémique relevant du domaine de « l’économie ». Le modèle 2 présente cependant des résultats différents. Deux des trois effets négatifs ne sont pas significatifs. Ceci indique qu’à l’échelle des clusters, l’échange de conseils n’est pas contraint par la constitution de plusieurs communautés antagoniques. Le choix des autorités épistémiques à l’échelle des clusters fait l’objet d’un consensus par rapport aux tendances observées au niveau national.
Ces résultats confirment notre première hypothèse : l’échange de conseils à l’échelle des clusters 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 car les entrepreneurs ne sont pas en désaccord ouvert sur le choix des autorités épistémiques.

4.2 – Cohésion et performance collective à l’intérieur des clusters

30Notre deuxième hypothèse prédisait un lien entre le niveau de cohésion observé à l’intérieur des clusters et ses performances collectives. Dans la figure 2, nous présentons les « profils relationnels » des clusters. Ceux-ci ont été ordonnés de gauche à droite en fonction du montant moyen des fonds levés par les entreprises du cluster auprès des capitaux-risqueurs.

31La première variable indique la moyenne du montant des fonds levés par les entreprises auprès des capitaux-risqueurs. Elle nous permet de mesurer la performance collective des entreprises des clusters. Les trois indicateurs suivants concernent la moyenne de choix relationnels 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 moyenne des relations multiplexes (conseil et amitié) va de 0,58 à 1,24. 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, le nombre moyen d’isolés ne semble 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. Nous présentons dans l’annexe B les corrélations entre ces variables. Elles confirment les tendances par cluster observées dans la figure 2.

Figure 2

Caractéristiques relationnelles intra-cluster

Figure 2

Caractéristiques relationnelles intra-cluster

32Les caractéristiques structurales mises 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 qui confirme notre deuxième hypothèse. Ce degré de cohésion repose autant sur les relations d’échange de conseils que sur les relations d’amitié. La corrélation entre le niveau de cohésion et le total des fonds levés par cluster nous apprend que l’effet de la proximité géographique n’est pas homogène.

4.3 – Expériences professionnelles et autorités épistémiques locales

33Nous avons vu que les affiliations professionnelles n’expliquaient pas les dynamiques d’échange à l’intérieur des clusters (tableau 2). Nous suggérons que la proximité relationnelle induite par la coappartenance à un cluster fournit aux entrepreneurs des informations sur les expériences professionnelles de leurs pairs qui leur permettent de fonder de manière plus détaillée le choix des autorités épistémiques. Ce type d’attributs biographiques devrait en conséquence expliquer le choix des autorités épistémiques locales. Afin de tester cette hypothèse, nous examinons l’effet des accomplissements professionnels spécifiques des entrepreneurs sur l’échange de conseil au niveau local. Nous présentons les résultats dans le tableau 3.

34Concernant les effets structuraux, les tendances des valeurs des paramètres restent inchangées par rapport aux modèles précédents.

35Concernant les variables exogènes, le modèle du tableau 3 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 à ne garder progressivement que les paramètres dont les valeurs sont significatives. Le modèle final présenté inclut les paramètres qui représentent au mieux les tendances relationnelles à l’intérieur des clusters.

Tableau 3

Effet des accomplissements professionnels spécifiques sur l’échange de conseils à l’intérieur des clusters

Tableau 3
Variables indépendantes Relations de conseil intra-clusters Paramètres (erreurs-types) t-statistics Effets structuraux Densité observée (paramètre fixe) 0,01 Réciprocité 4,03 (0,26) -0,05 Alternating In-stars -0,04 (0,12) 0,04 Alternating Out-star 1,01 (0,19) 0,02 Alternating Triangles-Transitive 1,59 (0,11) 0,03 Alternating Independent Twopaths -0,15 (0,05) 0,01 Alternating Triangles-Cyclic -1,00 (0,13) 0,01 Effets exogènes Variables binaires Activité fondateur 0,17 (0,08) -0,04 Popularité entreprise cotée 0,23 (0,08) 0,09 Variables continues Activité ans expérience industrie pharmaceutique 0,01(0,00) 0,05 Activité nombre de biotechnologies créées -0,13 (0,06) -0,09 Popularité nombre de biotechnologies créées 0,08 (0,04) -0,05 Lecture Tableau 3 : Analyse par exponential random graph models (ERGM). Effets structuraux et attributs exogènes dans le réseau de conseil à l’échelle inter-organisationnelle. Les valeurs significatives sont en gras. Ce sont celles où le paramètre estimé divisé par l’erreur-type est supérieur à 2. Les effets structuraux correspondent aux sous-structures relationnelles qui caractérisent le réseau. Dans les effets exogènes, l’activité est la probabilité que les acteurs ayant l’attribut mentionné émettent des choix relationnels. La popularité est la probabilité qu’ils en reçoivent.

Effet des accomplissements professionnels spécifiques sur l’échange de conseils à l’intérieur des clusters

36D’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, à l’échelle des clusters, des sous-groupes à l’intérieur desquels les échanges seraient plus intenses, et qui entretiendraient peu de relations avec les autres sous-groupes.

37Ensuite, nous explorons les effets d’activité, qui rendent compte de la probabilité que les acteurs associés à l’attribut analysé émettent des choix relationnels. 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 biotechnologies créées 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 la création de plus d’une entreprise en biotechnologie, ont tendance à ne pas demander de conseil à l’intérieur de leur cluster.

38Enfin, nous explorons les effets de popularité qui rendent compte de la probabilité que les acteurs associés à l’attribut analysé reçoivent des choix relationnels. L’effet de popularité associé au nombre de biotechnologies créées 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. La centralité des acteurs ayant cumulé au cours de leur carrière ces expériences signale la pertinence des savoirs qui y sont associés, et érige les entrepreneurs concernés en autorités épistémiques locales.
Ces résultats confirment notre dernière hypothèse : certains accomplissements professionnels expliquent l’échange de conseils à l’intérieur des clusters. Plus spécifiquement, nos analyses 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 en biotechnologie [Niosi, 2003 ; Mangematin et al., 2003 ; Catherine et al., 2004 ; Salman et 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 » les 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 biotechnologie [Stuart et al., 1999 ; Higgins et Gulati, 2006].

5 – Conclusion

39Nous avons présenté une approche fondée sur l’observation des relations inter-individuelles et conçue pour étudier les mécanismes de coordination qui caractérisent l’échange de connaissances au niveau inter-organisationnel. Cette approche nous a permis d’explorer les caractéristiques du processus d’apprentissage collectif à l’échelle des clusters. Nos résultats montrent :

40Que la proximité relationnelle induite par la coappartenance à un cluster (proximité géographique et proximité institutionnelle) favorise l’échange de connaissances entre les entrepreneurs. Nous avons notamment vu que, contrairement au niveau national, à l’intérieur des clusters les échanges ne sont pas limités par un mouvement de polarisation entre différentes communautés. Autrement dit, à l’intérieur des clusters, les relations entre les entrepreneurs ne sont pas déterminées par les affiliations de leur parcours professionnel. Dans ce sens, nous pouvons dire qu’à cette échelle, les entrepreneurs ont trouvé un consensus sur les autorités épistémiques qui évaluent et contrôlent la pertinence des savoirs – scientifiques, économiques ou industriels – qui peuvent être mobilisés dans l’accomplissement des tâches. Nous suggérons qu’une partie de l’efficacité des clusters repose sur l’émergence de ce consensus, et sur la proximité épistémique qu’il génère, car il augmente la capacité de coordination des acteurs et, en conséquence, leur capacité à apprendre et à capter les externalités de connaissance ;

41Que l’intensité des échanges à l’intérieur des clusters est positivement associée à leur niveau de performance collective. Ce lien entre cohésion et performances confirme en partie l’idée selon laquelle l’échange informel de connaissances favorise les activités d’innovation ;

42Et enfin, que certains accomplissements professionnels spécifiques permettent d’expliquer l’émergence des autorités épistémiques locales. Nous suggérons que les capacités d’endogénéisation des entrepreneurs, c’est-à-dire la capacité à se représenter les structures sociales dans lesquelles ils évoluent, sont, au niveau local, plus grandes qu’au niveau national car la proximité qu’ils partagent – qui est à la fois géographique, relationnelle, institutionnelle et épistémique – leur procure davantage d’informations sur les parcours professionnels de leurs pairs. Notamment, nous avons vu que les savoirs et expériences professionnelles associés à la création d’entreprises en biotechnologie et à la gestion d’une entreprise de biotechnologie cotée, expliquent le choix des autorités épistémiques locales. L’accès à ces deux types de savoirs semble être, dans le contexte des clusters, particulièrement important pour les entrepreneurs.

43De 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 qui pointent la voie de nos futurs travaux :

441. Nous n’avons observé que les relations entretenues par les dirigeants des entreprises. Les mécanismes de coordination décrits n’intègrent pas d’autres types d’acteurs et de relations inter-organisationnelles qui participent également à l’efficacité des clusters. Nous pouvons mentionner en particulier les relations qu’entretiennent les entrepreneurs avec les capitaux-risqueurs. Ces relations, que nous avons étudiées dans un autre article [Pina-Stranger et Lazega, accepté], sont au cœur du développement des entreprises. Afin de représenter au mieux la complexité de l’environnement de ces entreprises, nos travaux actuels visent à collecter des informations sur les relations inter-organisationnelles (les contrats de collaboration) et les brevets des entreprises. Nous comptons croiser ces informations avec nos données afin d’intégrer les collaborations formelles et les performances scientifiques des entreprises dans nos analyses.

452. Nous n’avons pas inclus de variables institutionnelles décrivant les clusters et pouvant expliquer l’émergence de certaines formes de coordination. En particulier, nous n’avons pas pris en considération la question de la gouvernance politique et l’histoire des clusters. De futures explorations devront prendre en compte ces éléments, notamment en ce qui concerne l’implication des entrepreneurs dans les processus décisionnels des clusters et la promotion de leur image au niveau international.
3. Enfin, nous n’avons pas exploré exhaustivement le lien entre les autorités épistémiques locales et la construction des statuts épistémiques au niveau national et international. Nos travaux actuels visent à répondre à cette question de l’encastrement multiple des réseaux de connaissances dans différents collectifs sociaux plus ou moins emboîtés.

Annexe A

Définition des paramètres structuraux utilisés dans les analyses par exponential random graph models (ERGM)? [10]

Annexe A

Définition des paramètres structuraux utilisés dans les analyses par exponential random graph models (ERGM)? [10]

Annexe B

Corrélations entre les caractéristiques structurales des relations de conseil à l’intérieur des clusters et les fonds levés par les entreprises des clusters

Annexe B
Variables 1 2 3 4 5 6 1 Fonds levés -- -- -- -- -- -- 2 Degré conseil 0,80 -- -- -- -- -- 3 Degré amitié 0,93 0,90 -- -- -- -- 4 Degré relations multiplexes 0,94 0,89 0,96 -- -- -- 5 Isolés conseil 0,24 -0,30 -0,30 0,11 -- -- 6 Isolés amitié -0,51 -0,64 -0,73 -0,56 0,54 --

Corrélations entre les caractéristiques structurales des relations de conseil à l’intérieur des clusters et les fonds levés par les entreprises des clusters

Notes

  • [1]
    Je remercie très vivement pour son soutien la Ville de Paris qui a rendu cette étude possible et les acteurs qui ont eu la patience et la générosité de répondre à mes questions. Je tiens à remercier également l’association professionnelle France Biotech pour son précieux soutien. Je remercie les correcteurs anonymes de la Revue française de socio-économie.
  • [2]
    Voir un exemple dans Lazega et al. [2004] ou dans Manolova et al. [2009].
  • [3]
    Voir une synthèse dans Hamdouch et Depret [2009].
  • [4]
    Concernant la France voir, par exemple, Autant-Bernard [2002], Boufaden et Plunket [2005], Corolleur [2003], Lemarié et al. [2001].
  • [5]
    Nous suggérons que la multiplexité rend compte de la force des liens, de la même manière que la fréquence, la durée ou l’intensité [Granovetter, 1973]. Les travaux sur la force des liens ont montré que, dans un contexte incertain, l’échange de savoirs complexes et tacites nécessite des liens forts – dans notre cas multiplexes – pour être efficace [Granovetter, 1983 ; Krackhardt, 1995 ; Powell et Grodal, 2005]. Ce contexte correspond à l’environnement dans lequel évoluent les entreprises en biotechnologie.
  • [6]
    Pour une autre manière de dissocier les types d’expériences, voir Ingram et Baum [1997].
  • [7]
    Cette méthode permet de prendre en considération les comportements relationnels propres à chaque cluster dans la mesure où l’importance relative des choix émis et reçus n’est pas calculée en fonction du nombre des choix possibles, mais en fonction du nombre de choix observés pour chaque cluster.
  • [8]
    Pour illustration, dans ces graphes, nous avons fixé un seuil correspondant à 15 % des acteurs les plus centraux pour représenter les autorités épistémiques locales. Dans les modèles que nous présentons par la suite, aucun seuil n’est fixé. Les tendances observées concernent l’intégralité de la population étudiée.
  • [9]
    Nous avons utilisé le logiciel PNet, http://www.sna.unimelb.edu.au/pnet.
  • [10]
    Les graphes représentant les sous-structures relationnelles ont été réalisés avec Visone : http://visone.info/
Français

Résumé

La proximité géographique a souvent été décrite comme un facteur favorisant le transfert de savoirs tacites entre les organisations. Nous explorons cette hypothèse en examinant les réseaux interpersonnels de conseils entre entrepreneurs dans plusieurs clusters biotechnologiques français. Nos résultats montrent qu’à l’intérieur des clusters l’échange de connaissances est plus efficace qu’au niveau national, que l’intensité des relations est associée aux performances des entreprises, et qu’il existe un consensus sur le choix des autorités épistémiques locales.

Mots-clés

  • proximité géographique
  • homophilie et hétérophilie
  • performances collectives
  • autorités épistémiques locales
  • processus collectif d’apprentissage
  • réseaux inter-organisationnels de conseil

Bibliographie

  • Audretsch D. et Stephan P. (1996). « Company-scientist locational links: The case of biotechnology », The American Economic Review, 86(3), p. 641-652.
  • En ligneAutant-Bernard C. (2002), « The geography of knowledge spillovers and technological proximity », Economics of Innovation & New Technology, 10(4), p. 237-254.
  • En ligneAutant-Bernard C. (2006), « Where do firms choose to locate their R&D? A spatial conditional logit analysis on French data », European Planning Studies, 14(9), p. 1187-1208.
  • En ligneBaum J., Calabrese T. et Silverman B. (2000), « Don’t Go it Alone: Alliance Network Composition and Start-ups’ Performance in Canadian Biotechnology », Strategic Management Journal, 21(3), p. 267-294.
  • En ligneBoschma R. (2005), « Role of proximity in interaction and performance: conceptual and empirical challenges », Regional Studies, 39(1), p. 41-45.
  • Boufaden N. et Plunket A. (2005), « Investigating technological and geographic proximity on forms’ innovation in an immature cluster: the Paris area biotech cluster », DRUID Conference, Copenhagen.
  • En ligneBurt R. (1987), « Social contagion and innovation: Cohesion versus structural equivalence », American Journal of Sociology, 92(6), p. 1287-1335.
  • En ligneCasper S. (2007), « How do technology clusters emerge and become sustainable firm mobility within the San Diego biotechnology cluster », Research Policy, 36, p. 438-455.
  • Catherine D. et Corolleur F.et al. (2004), « Turning scientific and technological human capital into economic capital: the experience of biotech start-ups in France », Research Policy, 33(4), p. 631-642.
  • En ligneChampenois C. (2008), « La colocalisation d’entreprises innovantes comme non-choix. L’exemple de l’industrie allemande des biotechnologies », Géographie Économie Société, (10), p. 61-86.
  • En ligneColeman J. (1988), « Social capital in the creation of human capital », American Journal of Sociology, 94(1), p. S95-S120.
  • Corolleur F., Mangematin V. et Torre A. (2003), « Start-Ups and Biotech Clusters in France. The Importance of Geographic Proximity », In Fuchs, G., Luib, B., (eds), Biotechnology in Comparative Perspective, Routledge, Oxford & New York, p. 221-257.
  • En ligneCross R., Borgatti S. et Parker A. (2002), « Making invisible work visible: Using social network analysis to support strategic collaboration », California Management Review, 44(2), p. 25-46.
  • En ligneFerrary M. et Granovetter M. (2009), « The role of venture capital firms in Silicon Valley’s complex innovation network », Economy and Society, 38(2), p. 326-359.
  • En ligneGibbons D. (2004), « Friendship and advice networks in the context of changing professional values », Administrative Science Quarterly, 49(2), p. 238-262.
  • En ligneGittelman 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), p. 1052-1068.
  • En ligneGranovetter M. (1973), « The strength of weak ties », American Journal of Sociology, 78(6), p. 1360-1380.
  • En ligneGranovetter M. (1983), « The strength of weak ties: A network theory revisited », Sociological theory, 1, p. 201-233.
  • Hamdouch A. et 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, Lyon.
  • En ligneHiggins M. et Gulati R. (2006), « Stacking the deck: The effects of top management backgrounds on investor decisions », Strategic Management Journal, 27(1), p. 1-25.
  • En ligneHiggins M. C. et Gulati R. (2003), « Getting Off to a Good Start: The Effects of Upper Echelon Affihations on Underwriter Prestige », Organization Science, 14(3), p. 244-263.
  • En ligneIngram P. et Baum J. A. (1997), « Opportunity and Constraint: Organizations’ Learning From the Operating and Competitive Experience of Industries », Strategic Management Journal, (18), p. 75-98.
  • En ligneKim J. et Higgins M. C. (2007), « Where do alliances come from? The effects of upper echelons on alliance formation », Research Policy, 36(4), p. 499-514.
  • En ligneKogut B. (2000), « The network as knowledge: generative rules and the emergence of structure », Strategic Management Journal, 21(3), p. 405-425.
  • En ligneKrackhardt D. (1987), « Cognitive social structures », Social Networks, 9(2), p. 109-134.
  • En ligneKrackhardt D. (1995), « Review Structural Holes », Administrative Science Quarterly, 40, p. 350-355.
  • Lazega E. (1992), Micropolitics of 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 Partnership, Oxford University Press, New York.
  • Lazega E. (2008), « Théorie de la coopération entre concurrents », in P. Steiner et F. Vatin (eds), Traité de sociologie économique, PUF, Paris, coll. « Quadrige », p. 1-22.
  • En ligneLazega E. et 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, p. 375-397.
  • Lazega E.et al. (2004), « Discipline scientifique et discipline sociale : réseaux de conseil, apprentissage collectif et innovation dans la recherche française sur le cancer (1997-1999) », Recherches sociologiques, p. 3-27.
  • En ligneLemarié S., Mangematin V. et Torre A. (2001), « Is the creation and development of biotech SMEs localised? Conclusions drawn from the French case », Small Business Economics, 17(1), p. 61-76.
  • En ligneMangematin V., Lemarie S.et al., (2003) « Development of SMEs and heterogeneity of trajectories: the case of biotechnology in France », Research Policy, (32), p. 621-638.
  • En ligneManolova T. S., Manev I. M. et 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.
  • En ligneMoody J. et White D. (2003), « Structural cohesion and embeddedness: A hierarchical concept of social groups », American Sociological Review, p. 103-127.
  • En ligneNiosi J. (2003), « Alliances are not enough explaining rapid growth in biotechnology firms », Research Policy, (32), p. 737-750.
  • En ligneOh H., Chung M. et Labianca G. (2004), « Group social capital and group effectiveness: The role of informal socializing ties », Academy of Management Journal, 47(6), p. 860-875.
  • Pina-Stranger A. (2009), « Transfert technologique et processus collectif d’apprentissage dans l’industrie des biotechnologies en France », Sociologie Santé (30), p. 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: Revista Hispana para el Análisis de Redes Sociales. vol. 18, numéro spécial Réseaux sociaux et santé, p. 107-144.
  • En lignePina-Stranger A. et Lazega E. (2010), « Inter-organizational collective learning: the case of biotechnology in France », European Journal of International Management, special issue Knowledge and Learning Networks in organizations, vol. 4, n° 6, p. 602-620.
  • Pina-Stranger A. et Lazega E. (accepté), « Bringing personalized ties back in: Their added value for Biotechentrepreneurs and venture capitalists in inter-organizational networks », The Sociological Quarterly.
  • En lignePisano G. (1991), « The governance of innovation: Vertical integration and collaborative arrangements in the biotechnology industry », Research Policy, 20, p. 237-249.
  • En lignePortes A. (1998), « Social capital: its origins and applications in modern sociology », Annual review of sociology, 24(1), p. 1-24.
  • Powell W. et Grodal S. (2005), « Networks of innovators » in J. Fagerberg, D.C. Mowery, R.R. Nelson (eds), Handbook of Innovation, p. 1009-1031.
  • En lignePowell W.W., Koput K.W. et Smith-Doerr L. (1996), « Interorganizational Collaboration and the Locus of Innovation: Networks of Learning in Biotechnology », Administrative Science Quarterly, 41(1), p. 116-145.
  • En ligneRallet A. et Torre A. (1999), « Is geographical proximity necessary in the innovation networks in the era of global economy? », GeoJournal, 49(4), p. 373-380.
  • En ligneRobins G. L.et al. (2007), « Recent developments in exponential random graph (p *) models for social networks », Social Networks, 29, p. 192-215.
  • En ligneSalman N. et Saives A. (2005), « Indirect networks: an intangible resource for biotechnology innovation », R&D Management, 35(2), p. 203-215.
  • En ligneSkerlavaj M. et Dimovski V. (2006), « Social network approach to organizational learning », Journal of applied business research, 22(2), p. 89-97.
  • Snijders T.et al. (2006), « New specifications for exponential random graph models », Sociological Methodology, p. 99-153.
  • En ligneStuart T., Hoang H. et Hybels R. (1999), « Interorganizational endorsements and the performance of entrepreneurial ventures », Administrative Science Quarterly, 44(2), p. 315-349.
Alvaro Pina-Stranger
IRISSO, CNRS – Université Paris Dauphine
ICSO, Universidad Diego Portales, Santiago, Chile
Mis en ligne sur Cairn.info le 17/05/2011
https://doi.org/10.3917/rfse.007.0045
Pour citer cet article
Distribution électronique Cairn.info pour La Découverte © La Découverte. Tous droits réservés pour tous pays. Il est interdit, sauf accord préalable et écrit de l’éditeur, de reproduire (notamment par photocopie) partiellement ou totalement le présent article, de le stocker dans une banque de données ou de le communiquer au public sous quelque forme et de quelque manière que ce soit.
keyboard_arrow_up
Chargement
Chargement en cours.
Veuillez patienter...