L ANALYSE DES BREVETS : UN PROBLEME DE FORMAT

L ANALYSE DES BREVETS : UN PROBLEME DE FORMAT Bernard DOUSSET (*), Nesrine YAHI (*) bernard.dousset@irit.fr, nesrine.yahi@gmail.com (*) IRIT, Institut de recherche Informatique Toulouse, Université Paul Sabatier, 118 Route de Narbonne, 31000 Toulouse FRANCE Mots clefs : Veille scientifique et technologique, gestion des connaissances, management, mémoire d'entreprise, ingénierie des connaissances, modélisation des connaissances, innovation, collecte d informations Keywords: Scientific monitoring and technology watch, knowledge management, management, knowledge engineering, innovation, knowledge modeling, information gathering Palabras clave: Escudriñar científico y tecnológico, administración del conocimiento, ingeniería del conocimiento, innovación, formalización del conocimiento, reunir de información Résumé Nous voulons aborder dans cet article les difficultés rencontrées lors de la récupération et l analyse de corpus de brevets issus de différentes bases présentes sur le Web. Le principe général est toujours à peu près le même, mais l architecture des serveurs, les moteurs de recherche, le format des pages de réponses et celui des brevets eux même sont très variables et nous obligent à nous adapter en permanence à leurs évolutions, leurs limitations et aux pièges qu ils nous tendent à tout moment. Si ce travail de récupération de l information, de préparation, de restructuration et de déminage est bien mené, les bases de brevets représentent alors les sources les plus riches en renseignements aussi bien sur les communautés (inventeurs, sociétés déposantes, examinateurs, agents, ), les innovations, les stratégies de tout ordre, la terminologie (molécules, séquences, termes techniques, procédés, matériaux, ), les applications (revendications, ) et la percolation de la recherche fondamentale vers la recherche appliquée (antériorité, citations, ). Nous proposons ici quelques exemples de bases que nous savons traiter, ainsi que des résultats représentatifs de ce qu il est possible d extraire comme information implicite d une analyse approfondie de ce type de source. Abstract In this paper, we present the difficulties encountered during the patents analysis. The general rule of analysis is the same for most patents databases, but the architecture of servers, the search engines, the format of the pages of responses and the patents themselves are quite variable and require us to constantly adapt to their evolution, their 1

limitations and structure. If this work of information retrieval, preparation, restructuring and mining is correctly, patents databases are then the very important sources of strategic information: professionals networks (inventors, firm filers, reviewers, agents, ), innovations, strategies and terminology (molecules, sequences, technical terms, processes, materials, ). We proposed in this paper, some examples of patents databases which we know analysis. 1 Introduction L innovation est au cœur de notre quotidien et du développement économique. Les objets que nous utilisons, les produits que nous consommons chaque jour sont des créations issues d un processus complexe. Ce dernier est le fait d investissements, d études et de recherches qui participent au progrès technique. Cet effort, fruit de travaux publics ou privés, doit être préservé et rentabilisé pour permettre à d autres avancées de voir le jour. Au sens de la propriété industrielle, le brevet protège une innovation technique, c'est-à-dire un produit ou un procédé qui apporte une nouvelle solution à un problème technique donné. En déposant un brevet dans un office national (en France l INPI : Institut National de Propriété Intellectuelle), le déposant obtient un monopole d exploitation pour une durée maximale de 20 ans sous réserve de paiements de redevances. Ce titre est accordé à une personne physique ou morale qui sera ainsi la seule à pouvoir l utiliser et qui pourra interdire toute exploitation de l invention sans autorisation. Le brevet renforce la valeur d une entreprise, plus qu un indicateur de performance, il constitue un élément de son actif immatériel, qui peut être valorisé et transmis. Pour une entreprise, il est nécessaire d effectuer de la veille technologique et scientifique. En effet, rechercher les brevets dans les bases des différents offices nationaux permet d avoir une vue d ensemble sur l état de la technique. Ainsi, une entreprise innovante doit se poser les questions suivantes : Mon invention est-elle nouvelle? Qu existe-t-il déjà dans ce domaine? Qui sont mes concurrents directs? Que font-ils? Ont-ils de nouvelles lignes de produits? Quel est le contexte technologique international dans ce domaine particulier? Quels sont les spécialistes? Quelles techniques utilisent-ils? Qui peut exploiter les brevets déposés et acheter des licences?... Mais comment extraire les données sur les brevets pour faire de la veille? Il existe de nombreuses bases de données et offices de brevets de part le monde, et elles sont le plus souvent accessibles via Internet. Dans les sections suivantes nous verrons comment extraire les données des différentes bases de données principales sur le Web, et quelles sont les difficultés rencontrées ainsi que les problèmes de format constatés. 2 Esp@ceNet : une base de donnée européenne 2.1 Qu est ce qu Esp@ceNet? Comment chercher des brevets sur Esp@ceNet? Esp@ceNEt est un service gratuit permettant de chercher et de récupérer à l unité des documents brevets. Il a été développé par l Office Européen des Brevets (OEB) en coopération avec les états membres. La plupart d entre eux offre un point d accès à Esp@cenet dans la langue nationale, comme FR Esp@ceNet. Ceci permet : d effectuer une première recherche en français sur la base gérée par l INPI et contenant 5 millions de demandes françaises, européennes et internationales PCT de brevets publiés depuis 1978, d étendre la recherche en anglais sur la base mondiale Worldwide, gérée par l Office Européen de Brevets (OEB) et contenant plus de 70 millions de brevets issus de 901 pays. 2

d accéder à la base de données «Statut des brevets» de l INPI, permettant de suivre les évènements liés à la vie d un brevet français ou européen délivré, désignant la France. Afin d entamer une recherche sur Esp@cenet, il est nécessaire de se connecter au site web http://fr.espacenet.com. La page de recherche avancée est présentée dans les figures 1 et 2 ci-dessous. Figure 1 : Page de recherche avancée du site web Esp@ceNet Figure 2 : Les différentes bases de données brevets sur le site Esp@ceNet La fonctionnalité de recherche sur Esp@ceNet est simplifiée. Dans la figure 3, sont présentés les champs à remplir pour effectuer une recherche sur un domaine de biotechnologies : les aptamères. La recherche à été faite dans la base de données Worldwide, donc en anglais. Figure 3 : L équation de recherche sur Esp@ceNEt. 3

2.2 Comment extraire les brevets sur Esp@ceNet 2.2.1 Réponse d Esp@ceNet à l équation de recherche Après avoir saisi l équation de recherche sur le site Esp@ceNet, nous obtenons un certain nombre de pages de brevets en résultat, comme présenté sur la figure 4. Sur Esp@ceNet, une page peut contenir jusqu à 15 brevets. Figure 4 : Page de résultats brevets sur Esp@ceNet 2.2.2 Extraction du code source des pages pointant vers les brevets Il est ensuite nécessaire de récupérer le code source de chacune de ces pages réponses en les enregistrant dans des fichiers textes appelés pour une plus grande clarté «espacenet+n de la page.txt», comme présenté figure 5. 4

Figure 5 : Enregistrement du code source 2.2.3 Extraction des url des brevets L étape suivante consiste à extraire de ces codes sources, les url permettant d accéder aux différents brevets. Pour cela, il est nécessaire de créer un premier programme codé en PERL présenté dans la figure 6. Celui-ci permet de créer un fichier de sortie contenant les liens internet de chacun des brevets. Figure 6 : Programme PERL d extraction des URL des brevets d Esp@ceNet 5

Les liens présents dans les codes sources ne permettent pas directement d accéder aux brevets. Afin de bloquer l extraction massive de brevets, ces sites tronquent volontairement leurs liens. Pour contourner ce premier petit blocage, il est nécessaire de rajouter au préalable une partie de l adresse du site devant chacun des liens afin de disposer des url entières : «http://worldwide.espacenet.com/publicationdetails/biblio?db=epodoc&ii=9[ ]» 2.2.4 Extraction des codes sources des brevets Ces opérations préalables permettent de disposer des url de tous les brevets correspondant à la requête. Sur le site Esp@ceNet, un anti-robot stoppe l extraction du code source des brevets au dessus d un certain nombre. Il n est donc pas possible d utiliser un aspirateur classique de pages web tel que HTtrack pour tout télécharger. Afin d éviter ce blocage, nous avons recours à un programme JAVA qui permet de récupérer les codes sources un par un. 2.3 Quelles sont les données que l on récupère sur Esp@ceNet La figure 7 est un exemple de brevet que l on peut récupérer sur Esp@ceNet, avec les informations et les champs utiles pour une analyse de données. Figure 7 : Exemple de données que l on peut récupérer 6

2.4 Exemples de croisements d informations issues d Esp@ceNet Figure 8 : Croisement issu d Esp@ceNet : les équipes et les auteurs inventeurs dans le domaine Figure des deux 8 : Croisement roues électriques issu d Esp@ceNet : les équipes et les Figure 9 : Croisement issus d Esp@ceNet : Pays déposant les brevets dans le monde des deux roues électriques auteurs inventeurs dans le domaine des deux roues électriques 7

3 USPTO : Une base de données américaine 3.1 Qu est ce qu USPTO et où trouver les brevets. USPTO ou United States Patent and Trademark, soit littéralement le bureau américain des brevets et des marques de commerce, est l instance administrative chargée d émettre des brevets et des marques déposées aux Etats Unis. L office est situé en Virginie et coopère avec the European Patent Office (EPO) et le Japan Patent Office (JPO). USPTO permet de lancer des recherches uniquement sur les demandes de brevets et sur les brevets publiés aux Etats-Unis depuis 1970. Le texte intégral est disponible pour les brevets délivrés à partir de 1976. Pour lancer une recherche il faut se connecter au site : http://www.uspto.gov/patents/process/search/index.jsp. Il est alors possible d effectuer deux types de recherche : Rechercher dans la base PatFT des brevets déjà délivrés qui ont une ISD (issue date), Rechercher dans la base AppFT des brevets déposés mais non encore délivrés. Dans les deux cas les brevets seront disponibles en texte intégral, mais plus développés lorsqu ils sont déjà délivrés. 8

Base de données pour les brevets délivrés aux Etats Unis Base de données pour les brevets enregistrés mais non encore délivrés Figure 10 : options de recherche dans la base de données USPTO 9

Equation de recherche choisie : Présence du mot aptamer au singulier et au pluriel dans le titre et/ou le résumé. Recherche sur nombre d années choisies Champs de recherche dans la base de données brevets Figure 11 : Page de recherche sur la base de données USPTO 3.2 Comment télécharger les brevets sur USPTO 3.2.1 Extraction du code source des pages de réponse Après avoir saisi l équation de recherche sur le site USPTO, nous obtenons un certain nombre de pages de titres de brevets en résultat, comme présenté sur la figure 10. Sur USPTO, une page peut contenir jusqu à 50 brevets et chaque brevet possède 2 pointeurs (url) un derrière son n, l autre derrière son titre. Comme dans le cas d Esp@ceNet, nous allons tout d abord récupérer l ensemble des url des brevets, puis les dé doublonner (il y en a 2 systématiquement) et les compléter avec le nom du site : ce n est pas le même pour PatFT et AppFT. 10

Nombres de brevets Résultats Brevets Figure 12 : Page de résultats brevets sur USPTO 3.2.2 Extraction du code source des pages de brevets Cette fois-ci, pas de limitation dans le déchargement, nous pouvons confier cette tâche à un robot comme HTtrack en lui fournissant simplement la liste d url générée précédemment. Il est ainsi possible de récupérer des milliers de brevets en texte intégral au format html, mais ils ne sont pas bien balisés (notamment au niveau du titre, du n ou de la date d issue). En s appuyant sur les mises en forme html, il est possible de reconstituer les balises manquantes et d obtenir un format bibliométrique des plus corrects au format txt. Dans cette base un seul problème subsiste au niveau des abréviations des pays et des Etats américains dans la localisation des Inventeurs et des Déposants. En effet, les codes à 2 lettres utilisés ne sont pas compatibles ou plutôt se chevauchent allègrement ce qui peut conduire à de très graves erreurs dans les analyses géostratégiques. Par exemple : CA désigne soit la Californie soit le Canada, MG le Michigan ou la Mongolie! Nous devons donc coupler les codes à 2 lettres avec les villes associées pour pouvoir générer les bonnes localisations : (Los Angeles, CA) => California, (Toronto, CA) => Canada, 11

3.3 Exemple d utilisation de ce type de format 8 inventeurs communs entre Posco et Postech Academy- Industry Foundation En rouge, les inventeurs En bleu, les déposants Figure 13 : Réseau Inventeurs x Déposant dans le domaine des Aptamères (Source USPTO) 12

4 Patentlens : une base de donnée mondiale 4.1 Qu est-ce que Patentlens? Comment chercher des brevets sur Patentlens? Patentlens est une base de données mondiale qui recense tout de même une majorité de brevets américains. On peut y accéder à partir du site www.patentlens.net. Figure 14 : Meta-données pour décrire le format bibliographique de Patentlens Figure 15 : Format bibliographique de Patentlens 4.2 Exemple d utilisation des données issues de Patentlens. Dans le cadre d un bureau d étude, nos étudiants ont analysé un corpus issu de Patentlens sur le sujet des deux roues à propulsion électrique. Après avoir étudié de près les inventeurs, les déposants, les codes de classification, les dates de dépôt, etc., ils ont croisé les sociétés déposantes avec les agents qui les aident à rédiger et déposer leurs brevets. Des relations apparaissent alors qu ils peuvent nous aider à comprendre les alliances possibles et donc les stratégies en cours. 13

Figure 16 : Croisement entre les compagnies en bleu et les agents en rouge, données patentless 14

5 PatentStar : une base de données chinoise 5.1 Qu est-ce que PatentStar? Comment chercher des brevets sur PatentStar? Il existe différentes bases de données chinoise. La plus connue étant celle en lien avec le moteur de recherche Baidu. BaiduBrevets ne propose que de chercher les brevets qui contiennent deux ou trois mots choisis. Ce moteur de recherche ne permet pas de chercher les termes dans le titre ou des noms d auteurs et ne met pas d opérateurs ensemblistes à disposition. C est pourquoi nous allons plutôt nous intéresser à la base CNPAT soit China Patent Information Center qui est accessible à partir du site search.patentstar.com.cn. Bien que CNPAT propose des fonctions de recherche développées, il est nécessaire de partir d une traduction efficace afin de réaliser une recherche bien ciblée. Figure 16 : Recherche avancée via des champs de recherche aux codes standardisés (AN, PN, IC, ) 15

5.2 Comment extraire les brevets sur Patentstar : des problèmes de format? Cette base de données est conçue de manière à rendre difficile l accès aux données brutes. Sur la figure X on observe la présentation d un brevet sur cette base de données. Figure 17 : Un brevet sur la base de données Patentstar Il est plus intéressant d automatiser l extraction des brevets que d extraire chaque brevet en utilisant le bouton présenté ci dessus. Le code source ne contient pas les informations du brevet à cause des pages html imbriquées. Il a donc fallu éplucher le code source (contenant beaucoup de JavaScript) afin de trouver un lien permettant d accéder aux informations. Dans la figure 18 est présenté le morceau du code source qui permet d obtenir le lien correspondant à la page html décrivant le brevet : 16

var strid = $.query.get('id').replace(/ /g, "");// Correspond au numéro de brevet var ifrmurl = "ShowXml.html?xmlNum=" + strid; var ifrid = ""; switch (tabti) { case ' 著 录 项 目 信 息 ': //Cas correspondant à la page html imbriquée contenant le contenu du brevet ifrmurl = ifrmurl + '&Ty=1'; break; Figure 18: Morceau de code source de la page principale d'un brevet 5.3 Exemple d utilisation des données issues de Patentlens Figure 19 : Nombre de brevets par provinces chinoises déposés dans CNPAT sur les chaussures de sport. 17

Figure 20 : Nombre de brevets de CNPAT sur les 20 entreprises les plus actives dans le domaine des chaussures de sport 6 Conclusion La propriété industrielle est l un des rares secteurs où tous les producteurs de bases de données ont la possibilité d utiliser le même système d indexation documentaire : la Classification Internationale des Brevets (CIB). La CIB est un système de classement hiérarchique qui divise l ensemble des domaines techniques en 8 sections, puis en classes, sous-classes et groupes, soit environ 69 000 subdivisions. Pourtant, s il existe de très nombreuses bases de données signalant les brevets, elles sont de natures variées. Comme on l a vu, beaucoup se protègent de l extraction massive par des url tronquées ou des problèmes de format auxquels il faut palier, via des programmes informatiques adaptés, afin de pouvoir exploiter les données de façon optimale. Les différentes bases étudiées ne délivrent pas les mêmes contenus, elles diffèrent notamment au niveau des classifications proposées (internationale, américaine, européenne), du traitement des familles de brevets, des antériorités, des dates, des pays de dépôt, des revendications et de la description ainsi que de certaines informations moins courantes comme les examinateurs, les agents, Les formats de sortie peuvent 18

aussi être très variables bien que le plus souvent en html, mais les balises diffèrent ou sont manquantes, les codages des dates et des numéros, la syntaxe des inventeurs, des déposants, de leurs localisations sont spécifiques et il est donc très difficile d harmoniser toutes ces sources afin de pouvoir les traiter avec des outils génériques. Pourtant ce travail, s il aboutit, nous ouvre l accès à d innombrables informations stratégiques de première importance. La veille est un outil de choix pour les entreprises, aussi bien pour les grands groupes que pour les PME-PMI. Chaque base de données permet de récolter des informations variées qui, corrélées entre elles, permettent de répondre aux questions que se posent les services de R&D et il est nécessaire pour chacun d étudier et d observer le contexte international de la recherche dans son domaine. Esp@ceNet permettra d observer la scène européenne, tandis qu USPTO contient les brevets américains quant à la Chine, qui cherche maintenant à promouvoir l innovation et la recherche, l étude de son contexte scientifique devient inévitable. La veille scientifique et technologique devient incontournable pour une croissance et un développement économique intelligent de nos entreprises et de nos laboratoires. 7 Bibliographie [1] Esp@ceNet : http://fr.espacenet.com/ [2] INPI : http://www.inpi.fr/ [3] Patentlens : www.patentlens.net/ [4] USPTO : www.uspto.gov/ [5] La prise en charge de l autisme : Bureau d étude. Veille technologique et Scientifique. V. DORE, Q. FAZILEAU, E. OHIER, S. ROUPIE [6] Athlectic Shoes : Bureau d étude. Veille technologique et Scientifique, J. LOUËDEC, A. TOULLIER, A. VACHER [7] Les deux roues electriques : Bureau d étude. Veille technologique et Scientifique. E. JUSSIAUME, M. LEFEBVRE, K. MARESQ, R, VALETTE [8] Hologramme : Bureau d étude. Veille technologique et Scientifique. L. ALVAREZ, M. ARABA, B. ESCALIER, G. GUILLERMIN [9] Les aptamères : Bureau d étude. Veille Technologique et Scientifique. C. BENOIT, I. BENZAGOUTA, N. YAHI 19