Les Réseaux de Recherche, La Création de Connaissance et L'innovation

par Anran Mao

Projet de thèse en Sciences économiques

Sous la direction de Anne Plunket.

Thèses en préparation à Paris Saclay , dans le cadre de École doctorale Sciences de l'Homme et de la Société (Sceaux, Hauts-de-Seine ; 2015-....) , en partenariat avec Réseaux Innovation Territoires et Mondialisation (laboratoire) et de Université Paris-Sud (établissement de préparation de la thèse) depuis le 23-10-2018 .


  • Résumé

    Projet de thèse Considéré comme une source importante de croissance économique (Schumpeter, 1934 asset et comme l'atout le plus précieux de l'entreprise pour obtenir un avantage concurrentiel (Cho & Pucik, 2005), l'innovation est un sujet qui perdure depuis des décennies. Selon certains chercheurs, l'innovation est définie comme une nouvelle connaissance incorporée dans des produits, des processus et des services (Afuah, 1998), la création de nouvelles connaissances à partir de l'application de la base de connaissances existante (Gold et al., 2001) ou du processus qui transforme les connaissances. et valoriser les idées (Dvir et Pashar, 2004). Ces définitions permettent de constater que la création de connaissances joue un rôle important dans le processus d'innovation. La capacité de création de connaissances est le fondement des entreprises innovantes en tant que compétitivité cruciale (Nonaka et Takeuchi, 1995). Dans les études sur la création de connaissances, la fonction des réseaux de recherche est souvent évoquée. Définis comme les partenaires d'échange direct d'une personne et que des connaissances ou d'autres ressources peuvent être acquises par l'intermédiaire de ces partenaires (Lin, 2001), les réseaux de recherche sont étroitement liés aux processus de création de connaissances (Argote et al., 2003). Grâce aux interactions et aux retours d'informations dans les réseaux de recherche, différentes connaissances sont combinées de nouvelles manières ou de nouvelles connaissances sont créées (Fischer, 2001). Ma thèse de doctorat portera sur les réseaux de recherche, la création de connaissances et l'innovation. La recherche sera menée de manière progressive. Je me concentrerai d'abord sur un micro-aspect du réseau de recherche au niveau de l'entreprise, puis sur le réseau de recherche de clusters et enfin sur les réseaux de recherche de plates-formes innovantes présentant moins de contraintes géographiques et organisationnelles. Ces trois phases de recherche seront reflétées dans trois documents de recherche publiables et seront réalisées respectivement dans trois ans. Phase 1 Externalisation des connaissances et performance en matière d'innovation Aujourd'hui, même les plus grandes organisations d'innovation ne peuvent pas compter uniquement sur des sources de connaissances internes, elles doivent toutefois avoir besoin de connaissances dépassant leurs frontières pour développer des innovations (Rigby et Zook, 2002). La combinaison des connaissances externes est considérée comme l'une des capacités dynamiques les plus importantes de la société (hiver 2003) et son importance augmente progressivement à l'ère de «l'innovation ouverte» (Brunswiker, 2015). Le résultat en matière d'innovation de la recherche externe de connaissances peut être positif ou négatif pour différents environnements commerciaux (Choi et Park, 2017). Selon certains chercheurs, il existe une relation de forme en U inversé entre le degré d'utilisation d'informations externes et les performances d'innovation technologique (Koput, 1997). Cette relation peut s'expliquer par une recherche excessive, la capacité d'absorption de l'entreprise et la dispersion de l'attention (Laursen et Salter, 2006). La profondeur de la base de connaissances interne de l'entreprise influence le choix des entreprises en matière d'approvisionnement externe (Zhang et Baden-Fuller, 2010). L'acquisition de connaissances externes peut être obtenue par le biais de réseaux de collaboration interentreprises, de réseaux d'informations informels et d'acquisitions technologiques (Kang, 2009). Les réseaux de collaboration entre entreprises permettent aux entreprises de combiner leurs connaissances et de tirer profit des retombées de connaissances (Ahuja, 2000). Un réseau d'information informel, que l'on peut classer comme une sorte de lien faible, transfère des connaissances relativement inestimables, mais nécessite un coût de maintenance inférieur (Hakansson et Johansson, 1992). Les liens directs, indirects et les liens entre partenaires peuvent tous influer sur les performances d'innovation d'une entreprise (Ahuja, 2000). Les entreprises dont la RD est centralisée tirent davantage de valeur de la RD interne, mais moins de la RD externe par le biais de fusions et acquisitions (Arora et al., 2015). L'efficacité de la recherche externe de connaissances via des acquisitions et des collaborations dépend du processus de production de connaissances interne à une entreprise (Grigoriou et Rothaermel, 2017). Bien que les organisations se concentrent sur la recherche de connaissances externe dans leurs initiatives d'innovation ouverte, l'effort requis pour l'assimiler au sein de l'organisation est souvent négligé (Salter et al., 2014). Monteiro et Birkinshawt (2016) ont identifié trois processus importants dans l'absorption de connaissances externes: la traduction, la mise en correspondance et la transformation. Gatekeeper (associer et assimiler les connaissances externes) est identifié comme un rôle important dans le processus d'absorption des connaissances externes (Ter Wal et al., 2017). L'analyse du gatekeeper au niveau de l'entreprise est encore limitée. À cette toute première étape de ma recherche, je me concentrerai sur la manière dont une entreprise aura accès à des bases de connaissances externes et sur la façon de maximiser l'efficacité des connaissances externes sur la performance de l'entreprise en matière d'innovation grâce à l'absorption des connaissances acquises. Les études existantes sur ce sujet se concentrent principalement sur les acquisitions et les alliances de collaboration, tandis que le réseau informel d'information, qui est également important pour la performance d'innovation d'une entreprise, est souvent négligé. Mes recherches vont essayer de couvrir cette pénurie. Différentes méthodes d'absorption des connaissances externe: traduire, faire correspondre et transformer. Gatekeeper (associer et assimiler les connaissances externes) est identifié comme un rôle important dans le processus d'absorption des connaissances externes (Ter Wal et al., 2017). L'analyse du gatekeeper au niveau de l'entreprise est encore limitée. À cette toute première étape de ma recherche, je me concentrerai sur la manière dont une entreprise aura accès à des bases de connaissances externes et sur la façon de maximiser l'efficacité des connaissances externes sur la performance de l'entreprise en matière d'innovation grâce à l'absorption des connaissances acquises. Les études existantes sur ce sujet se concentrent principalement sur les acquisitions et les alliances de collaboration, tandis que le réseau informel d'information, qui est également important pour la performance d'innovation d'une entreprise, est souvent négligé. Mes recherches vont essayer de couvrir cette pénurie. Différentes méthodes de recherche de connaissances externes (acquisition, collaboration et surtout réseaux informels) seront examinées sous les aspects de «champ de recherche» et de «profondeur de recherche» afin de déterminer leur impact sur les performances d'innovation d'une entreprise. Le rôle de portier dans le réseau sera également étudié pour voir comment une entreprise peut accroître l'efficacité de différentes méthodes d'approvisionnement en connaissances externes en renforçant la capacité d'absorption. J'utiliserai les méthodes d'analyse de réseau basées sur les données de brevet existantes. Phase 2 Entreprises multinationales et grappes industrielles Selon Porter (2000), une grappe industrielle est «un groupe géographiquement proche d'entreprises interconnectées et d'institutions associées dans un domaine particulier, liées par des points communs et des complémentarités». Les effets positifs des grappes sur l'innovation sont bien documentés depuis que le concept a été proposé par Marshall en 1920. Les entreprises en grappes sont considérées comme plus innovantes en raison d'effets fondés sur les réseaux, telles que des interactions améliorées avec les entreprises voisines (Harrison, 1992). Ils partagent des connaissances dans l'environnement local, en particulier des connaissances sous forme tacite (Asheim, 1999). La base de connaissances partagée dans les grappes permet aux entreprises de combiner et de recombiner en permanence des ressources similaires et non similaires pour créer de nouvelles connaissances et innovations (Maskell et al., 1998). Certains chercheurs ont présenté un scénario différent sur les avantages des clusters pour la co-localisation. Selon Torre et Rallet (1999), la proximité organisationnelle pèse plus que la proximité géographique dans le transfert de connaissances et la diffusion de l'innovation. La proximité géographique peut même nuire au réseau relationnel local en cas de manque d'organisations ou d'institutions appropriées (Torre et Rallet, 2005). De plus, la proximité géographique est moins importante lorsqu'il existe une proximité sociale (Cassi et Plunket, 2012). À l'ère de la mondialisation, les entreprises établissent de plus en plus d'unités de R & D à l'étranger. Il a été prouvé que la dispersion géographique renforçait la contribution de la R & D d'une entreprise à sa performance en matière d'innovation (Kafouros et al., 2018). Les portefeuilles mondiaux de R & D peuvent aider les entreprises à surmonter les contraintes géographiques et à accéder à des connaissances distantes dans d'autres régions (Kogut et Zander, 1993). Bien que de nombreuses entreprises choisissent de placer leurs unités de RD à l'étranger dans des grappes locales, peu de recherches se concentrent sur l'interaction entre les multinationales et les grappes (entreprises multinationales). Le Duc et Lindeque (2017) étudient le cas de trois parcs scientifiques aux Pays-Bas et suggèrent aux multinationales de s'installer dans des clusters pour exploiter la proximité organisationnelle avec des entreprises plus petites et des instituts du savoir afin de générer des flux de connaissances positifs issus de la collaboration et du partage des connaissances. Les multinationales sont plus disposées à s'agglomérer avec d'autres multinationales plutôt que des sociétés nationales pour un solde positif entre les entrées et les sorties de connaissances (Mariotti et al., 2010). L'entrée des entreprises multinationales dans la phase d'émergence d'une grappe contribue à la survie et à la croissance de la grappe, mais peut en revanche réduire le champ de la recherche technologique (Richter et al., 2017). La deuxième phase de ma thèse poursuivra l'étude du réseau de recherche d'une entreprise dans un contexte de frontière. Cette phase se concentrera sur les interactions entre les multinationales et les grappes industrielles. Trois questions principales seront développées au cours de cette phase: 1. Comment la proximité de différentes dimensions (sociale, géographique et organisationnelle) peut-elle expliquer les décisions des EMN de s'implanter dans des parcs industriels? 2. Dans quelle mesure les clusters peuvent-ils aider à améliorer les performances des multinationales en matière d'innovation par rapport aux performances des multinationales installées hors du cluster? 3. Les multinationales des clusters peuvent-elles fonctionner comme un lien entre des réseaux de recherche locaux et externes? Les questions 2 et 3 sont de nouveaux aspects qui n'ont pas été abordés par les chercheurs précédents. Je prendrai le parc d'innovation Chine-Israël (une grappe multinationale verticale axée principalement sur l'industrie biopharmaceutique créée en 2015 avec le soutien des gouvernements chinois et israélien) à titre d'exemple pour cette étude. Ma recherche utilisera une méthode quantitative basée sur les données de brevets recueillies auprès du SIPO (office de la propriété intellectuelle de Chine) en complément des enquêtes qualitatives pour répondre aux trois questions identifiées et apporter la preuve des conclusions des recherches précédentes. La discussion sur ces trois questions fourniront de nouvelles informations aux responsables d'EMN ainsi qu'aux décideurs. Phase 3 Réseaux de recherche sur les plateformes innovantes L'innovation technologique basée sur une plateforme innovante est de plus en plus importante pour les industries émergentes (Evans et al., 2006). Le modèle de plate-forme permet à une entreprise d'accéder à l'innovation externe en complément de l'innovation interne (Chesbrough, 2003). Ces innovations externes sont générées à partir de ressources extérieures à l'entreprise, notamment des clients, des sociétés de recherche, des partenaires commerciaux et des universités (Linder et al. 2003). Au sein de l'écosystème de plates-formes innovantes, entourant une entreprise principale, les membres de la plate-forme coexistent, se parasitent mutuellement et travaillent ensemble pour créer de la valeur pour les consommateurs (Zhang et al., 2014). Le modèle d'innovation de plate-forme a déjà été adopté par les leaders de nombreux secteurs, tels que Google, Microsoft, Sony, Lockheed Martin, McCormick et Nike. La concurrence entre les entreprises innovantes s'est déplacée de leurs produits et services vers les écosystèmes de plate-forme auxquels elles appartiennent (Li et al., 2014). L'une des principales préoccupations de l'innovation de plate-forme est la relation entre la structure des plates-formes et le résultat de l'innovation. L'ouverture d'une plate-forme est considérée comme un facteur important qui influe sur la probabilité d'innovation (West, 2003). Les propriétaires de plateformes sont en mesure de stimuler l'innovation en accordant l'accès à leurs plateformes aux technologies de base de la plateforme (Farrell, 2007). L'ouverture optimale diminue en réponse à une augmentation de la valeur intrinsèque de la plate-forme, mais augmente en réponse à la valeur croissante des développeurs, à la taille des pools de développeurs et d'utilisateurs finaux et à la réutilisation croissante des ressources. On constate une relation en U inversé entre les taux d'innovation et l'ouverture des propriétaires de plates-formes dans l'industrie des systèmes informatiques portables (Boudreau, 2010). L'ouverture optimale d'une plate-forme diminue lorsque la valeur intrinsèque de la plate-forme augmente, mais augmente en fonction de la valeur croissante des développeurs, de la taille des pools de développeurs et d'utilisateurs finaux et de la réutilisation croissante des ressources (Parker et Van Alstyne, 2017). L'ouverture au niveau technologique contribue au potentiel de marché d'une plate-forme, tandis que l'ouverture au niveau du fournisseur peut avoir un impact négatif sur le potentiel du marché (Ondrus et al., 2015). L'entrée du propriétaire de la plate-forme sur le marché complémentaire a également un impact significatif sur le résultat de l'innovation. L'entrée des propriétaires de plates-formes peut peser sur les loyers des compléments et réduire leur volonté d'innover (Choi et Stefanadis, 2003; Heeb, 2003). La troisième phase s'étendra des réseaux de recherche au sein des clusters à un contexte encore plus vaste. Les platesformes innovantes servent de passerelles pour relier les innovateurs au-delà des restrictions géographiques et organisationnelles. Diverses recherches ont été menées sur le thème de l'innovation de plate-forme, mais les littératures existantes se concentrent principalement sur la stratégie de tarification et les incitations à l'innovation de plate-forme. Les réseaux de recherche de la plate-forme restent à discuter. Je vais essayer de visualiser les réseaux de recherche entre les acteurs des plates-formes afin d'identifier les différentes structures de plate-forme (en particulier l'ouverture des plates-formes) découvertes par des études théoriques antérieures et d'évaluer l'impact de ces structures de plateforme sur le résultat de l'innovation. Grâce aux diagrammes de réseau, l'ouverture des platesformes innovantes et les interactions dynamiques entre les propriétaires de la plate-forme et les différents inventeurs seront clairement visibles. Ma recherche dans cette phase sera la première tentative d'appliquer l'analyse de réseau sur le thème des plates-formes innovantes et de façonner un nouvel angle pour l'économie des plates-formes. La méthode d'apprentissage automatique peut être utilisée dans cette phase pour traiter les données saisies sur les platesformes.

  • Titre traduit

    Research Network, Knowledge Creation and Innovation


  • Résumé

    Research Plan Being regarded as an important source of economic growth(Schumpeter, 1934)and a firm's most valuable asset for achieving competitive advantage (Cho & Pucik, 2005), innovation has been an enduring topic for decades. According to some researchers, Innovation is defined as new knowledge incorporated in products, processes, and services (Afuah, 1998), creation of new knowledge from the application of existing knowledge base (Gold et al., 2001) or the process that turn knowledge and ideas into value (Dvir and Pashar, 2004). Through these definitions, we can see that knowledge creation plays an important role in the innovation process. The ability of knowledge creation is the foundation of innovating firms as a crucial competitiveness (Nonaka and Takeuchi, 1995). In the studies of knowledge creation, the function of research networks are often mentioned. Defined as a person's direct exchange partners and knowledge or other resources may be acquired through those partners (Lin, 2001), research networks are tightly connected with the processes of knowledge creation (Argote et al., 2003). Through interaction and feedback in the research networks, different pieces of knowledge are combined in new ways or new knowledge is created (Fischer, 2001). My PhD research will focus on research networks, knowledge creation and innovation. The research will be conducted in a progressive way. I will first focus on a micro aspect of research network on firm level, then extend to the research network of clusters and at last on research networks of innovative platforms which have less geographical and organizational restrictions. These three phases of research will be reflected in three publishable research papers and be carried out respectively in three years. Phase 1 External knowledge sourcing and innovation performance Today even the largest innovation organizations cannot rely only on internal knowledge sourcing but have to require knowledge beyond their boundaries when developing innovations (Rigby and Zook, 2002). Combining external knowledge is considered as one of the firm's most important dynamic capacities (Winter, 2003) and its importance is gradually increasing in the era of “open innovation” (Brunswiker, 2015). The innovation outcome of external knowledge sourcing may be either positive or negative regarding different business environments (Choi and Park, 2017). According to some researchers, an inverted U shape relationship exists between the extent of using external information and technology innovation performance (Koput, 1997). This relationship can be explained by over searching, firm's absorptive capacity and dispersion of attention (Laursen and Salter, 2006). The depth of the firm's internal knowledge base effects firms' choice of external sourcing choice (Zhang and Baden-Fuller, 2010). External knowledge sourcing can be achieved through inter-firm collaboration networks, informal information network and technology acquisitions (Kang, 2009). Inter-firm collaboration networks enable firms to combine knowledge and benefit from knowledge spillovers (Ahuja, 2000). Informal information network, which can be categorized as a sort of weak tie, transfer relatively invaluable knowledge, but requires lower maintenance cost (Hakansson and Johansson, 1992). The direct ties, indirect ties, and connections between partners, can all influence a firm's innovation performance (Ahuja, 2000). Firms with centralized R&D derive more value from internal R&D, but less from external R&D via mergers and acquisitions (Arora et al., 2015). The effectiveness of external knowledge sourcing via both acquisitions and collaborations depend on a firm's internal knowledge production process (Grigoriou and Rothaermel, 2017). Though organizations focus on external knowledge sourcing in their open innovation initiatives, the effort required for its assimilation within the organization is often overlooked (Salter et al., 2014). Monteiro and Birkinshawt (2016) identified three important process in external knowledge absorption: translating, matchmaking and transforming. Gatekeeper (combine and assimilate external knowledge) is identified as an important role in the absorption process of external knowledge (Ter Wal et al., 2017). The analysis of gatekeeper at firm level is still limited. At this very first stage of my research, I will focus on how a firm accesses to external knowledge bases and how to maximize the effectiveness of external knowledge on firm's innovation performance through the absorption of the knowledge acquired. Existing studies on this mainly focus on acquisitions and collaboration alliances, while informal information network which is also important for a firm's innovation performance is often neglected. My research will try to cover this shortage. Different methods of external knowledge sourcing (acquisition, collaboration and especially informal networks) will be examined from the aspects of both “search scope” and “search depth” to see their impact on a firm's innovation performance. The role of gatekeeper in the network will also be studied to see how a firm can increase the efficiency of different external knowledge sourcing methods by strengthening the absorption ability. I will use the methods of network analysis based on existing patent data. Phase 2 Multinational enterprises and Industry clusters According to Porter (2000), an industry cluster is “a geographically proximate group of inter-connected companies and associated institutions in a particular field, linked by commonalities and complementarities”. The positive effects of clusters on innovation have been well documented since the concept was first proposed by Marshall in 1920. Firms in clusters are considered to be more innovative due to network based effects, such as enhanced interactions with nearby firms (Harrison, 1992). They share knowledge in local environment, especially knowledge in tacit form (Asheim, 1999). The shared knowledge basis in cluster enables firms to continuously combine and recombine similar and non-similar resources to create new knowledge and innovations (Maskell et al.,1998). Some researchers presented a different scenario on the co-localization benefits of clusters. According to Torre and Rallet (1999), organizational proximity weighs more than geographical proximity in knowledge transfer and diffusion of innovation. Geographical proximity may even harm local relational network in case of lacking proper organizations or institutions (Torre and Rallet, 2005). Also, geographical proximity occurs to be less important when social proximity exists (Cassi and Plunket, 2012). In the era of globalization, firms are increasingly establishing R&D units abroad. Geographic dispersion is proved to enhance the contributions of a firm's R&D to its innovation performance (Kafouros et al., 2018). Global R&D portfolios may help firms overcome geographical constraints and access distant knowledge in other regions (Kogut and Zander, 1993). Although many firms choose to locate their oversea R&D units in local clusters, few researches focus on the interaction between MNEs and clusters (multinational enterprises). Le Duc and Lindeque (2017) study the case of three science parks in Netherland and suggest MNEs co-locate in clusters to exploit organizational proximity with smaller firms and knowledge institutes to achieve positive knowledge flows from collaboration and knowledge sharing. MNEs are more willing to agglomerate with other MNEs instead of domestic companies for a positive balance between knowledge inflows and outflows (Mariotti et al., 2010). MNEs' entry in a cluster's emergence phase supports the survival and growth of the cluster, but on the other hand, may decrease the scope of technological search (Richter et al., 2017). The second phase of my thesis will continue the study of firm's research network in a boarder context. This phase will focus on the interactions between MNEs and industry clusters. Three main questions will be developed in this phase: 1. how can proximity of different dimensions (social, geographical and organizational) explain MNEs' decisions of co-locating in industry parks? 2. To which extent can clusters help to enhance MNEs' innovation performance comparing to performance of MNEs locate outside the cluster? 3. Can MNEs in the clusters work as a linkage between local and external research networks? Question 2 and 3 are new aspects that haven't be discussed by previous researchers. I will take China-Israel Innovation Park (a vertical multinational cluster mainly focus on biopharmaceutical industry established in 2015 supported by Chinese and Israel government) as an example for this study. My research will be using a quantitative way based on patent data collected from SIPO (China state intellectual property office) as a complementary of qualitative surveys to answer the three questions identified and provide evidences for the conclusions of previous researches. The discussion on these three questions will provide new insights for MNE managers as well as policy makers. Phase 3 Research networks on the innovative platforms Technological innovation based on innovative platform is increasingly important for emerging industries (Evans et al., 2006). The platform model allows a firm to access to external innovation as a complement to internal innovation (Chesbrough, 2003). These external innovations are generated from resources outside the firm, including customers, research companies, business partners and universities (Linder et al. 2003). Within the innovative platform ecosystem, surrounding a core enterprise, the platform members coexist, mutually parasitic, and work together to create value for consumers (Zhang et al., 2014). The platform innovation model have been already adopted by leaders in multiple industries, such as Google, Microsoft, Sony, Lockheed Martin, McCormick and Nike. The competition among innovative enterprises has shifted from their products and services to the platform ecosystems they belong to (Li et al., 2014). One of the main concerns of platform innovation is the relation between the structure of the platforms and the outcome of innovation. The openness of a platform is considered to be an important factor that influences the likelihood of innovation (West, 2003). Platform owners are able to stimulate innovation by granting access of foundational platform technologies to other platform members (Farrell, 2007). Optimal openness declines in response to a rise in intrinsic platform value but rises in response to rising developer value, the sizes of developer and end user pools, and rising resource reuse. An inverted-U relationship is found between innovation rates and platform owners' openness in handheld computing systems industry (Boudreau, 2010). The optimal openness of a platform declines when intrinsic platform value rises but increases in response to rising developer value, the sizes of developer and end user pools, and rising resource reuse (Parker and Van Alstyne, 2017). Openness on the technology level contributes to a platform's market potential while openness on provider level can have a negative impact on the market potential (Ondrus et al., 2015). The entry of platform owner in the complementary market also have significant impact on the outcome of innovation. The entrance of platform owners may squeeze complementors' rents and reduce their willingness to innovate (Choi and Stefanadis, 2003; Heeb, 2003). The third phase will extend from research networks inside the clusters to a context which is even larger. Innovative platforms serve as bridges to link innovators together beyond geographical and organizational restrictions. Various researches have been conducted on the topic of platform innovation, but the existing literatures mainly focus on the pricing strategy and the incentives of platform innovation, the research networks of the platform remain to be discussed. I will try to visualize the research networks between actors of the platforms to identify the different platform structures (especially the openness of platforms) discovered by previous theoretical studies and evaluate the impact of these platform structures on the outcome of innovation. Through network diagrams, the openness of innovative platforms and the dynamic interactions among platform owners and various inventors will be clearly visible. My research in this phase will be the first attempt to apply network analysis on the topic of innovative platforms and shape a new angle for the economics of platforms. The method of machine learning may be used in this phase to process the data captured on the platforms.