DES OUTILS DE BIBLIOMETRIE ET DE BUSINESS INTELLIGENCE AU SERVICE DES NOUVELLES PRATIQUES D OBSERVATION TERRITORIALES

DES OUTILS DE BIBLIOMETRIE ET DE BUSINESS INTELLIGENCE AU SERVICE DES NOUVELLES PRATIQUES D OBSERVATION TERRITORIALES BADOLATO Anne-Marie (*), BONVALLOT Valérie (*), CHALAYE Sylvie (**) badolato.anne-marie@inist.fr, bonvallot.valerie@inist.fr, sylvie.chalaye@eurolio.eu (*) INIST-CNRS, 2, Allée du Parc de Brabois CS 10310 F-54519 Vandoeuvre-lès-Nancy (France), (**) EuroLIO (European Localized Innovation Observatory) - Université Jean Monnet, 2 rue Tréfilerie 42023 Saint-Etienne Cedex 2 (France) Mots clefs : Veille territoriale, Pôle de compétitivité, Indicateur, Tableau de bord, Outil bibliométrique, Outil business intelligence Keywords: Territorial observation, Competitiveness cluster, Indicator, Dashboard, Bibliometric tool, Business intelligence tool Palabras clave : Escudriñar territorial, Polo de competencia, Indicador, Panel de bordo, Herramienta bibliometrica, Herramienta intelligencia empresarial Résumé Les pratiques d observation territoriale ont beaucoup évolué avec la mise en place des pôles de compétitivité. En effet, ces pôles sont des objets complexes à observer et une analyse multidimensionnelle devient alors indispensable pour les caractériser. De plus, les indicateurs demandés par les acteurs publics ne doivent plus seulement correspondre à des zones géographiques prédéfinies (de la commune à la région) mais doivent aussi s intéresser au contour stricto sensu du pôle en prenant donc en compte chacun des organismes membres. Pour soutenir cette nouvelle forme de veille territoriale, des outils sont disponibles : des plates-formes bibliométriques comme Servist développé par l INIST-CNRS qui permet de produire des indicateurs liés au potentiel scientifique, et des logiciels de business intelligence comme QlikView développé par la société QlikTeck qui permet de construire des tableaux de bord comparatifs et interactifs.

1 Introduction La décentralisation et les marges de manœuvres croissantes qu ont eues les collectivités territoriales en matière de développement économique ont constitué un contexte favorable à la mise en place d observatoires territoriaux. Durant ces deux dernières décennies, les pratiques d observation au sein de ces observatoires ont fortement évolué grâce à la démocratisation de l informatique, au développement de l ingénierie de traitement de l information et la formation croissante de personnel à ces techniques. Les pratiques d observation sont en perpétuelle évolution car, pour être utiles, elles doivent tenir compte de la mutation de l économie et de la mise en place de nouvelles politiques publiques. En termes économiques, ces dernières sont essentiellement tournées aujourd hui vers le renforcement de l innovation et reposent sur la logique de cluster 1. En France, la mise en place de la politique des pôles de compétitivité en 2005 est particulièrement représentative de cette tendance. L Etat comme les collectivités territoriales sont parties prenantes de cette politique et apportent des financements importants. Avec la mise en place de ces pôles de compétitivité, de nouveaux besoins d indicateurs apparaissent à cette échelle. Habituellement, dans les observatoires territoriaux, les indicateurs disponibles suivent, dans la grande majorité des cas, des limites géographiques prédéfinies (de la commune à la région). Or, la demande émanant des acteurs publics concerne des indicateurs qui ont pour contour stricto sensu les pôles de compétitivité (ou autres clusters labellisés type SPL 2 ou clusters régionaux) et qui ne suivent pas un périmètre géographique prédéfini. Cette nouveauté entraîne une forte évolution des pratiques d observation territoriale, qui peut être rendue possible grâce au développement d outils informatiques. L objet de cet article est d expliquer en quoi les pôles de compétitivité sont difficiles à observer et en quoi ils font évoluer les pratiques d observation territoriale. Ensuite, deux outils permettant de répondre aux besoins d indicateurs à cette nouvelle échelle sont présentés : Servist 3, plate-forme bibliométrique développée par l INIST-CNRS 4 qui permet de faire une veille sur le potentiel scientifique d un pôle de compétitivité avec ici le cas de Xylofutur 5 et le logiciel QlikView utilisé pour un tableau de bord interactif régional offrant une très grande interactivité. 1 Le cluster est un terme générique qui désigne tout regroupement géographique d organisations qui, en entretenant des relations étroites entre elles, notamment dans des activités de R&D, impactent positivement le niveau d innovation et le développement économique local et national 2 SPL : Système productif local 3 Le Système d exploration, de recherche et de visualisation de l information scientifique et technique est développé par le service Veille de l'inist-cnrs. 4 INIST-CNRS : Institut de l'information scientifique et technique, unité propre du Centre national de la recherche scientifique : http://www.inist.fr/ ; http://www.cnrs.fr 5 Xylofutur : Pôle de compétitivité national appuyé par le Conseil régional d Aquitaine, le pôle industries et pin maritime du futur a été labellisé le 12 juillet 2005. Les membres du pôle comporte 18 grandes entreprises, 55 entreprises, 14 centres de recherche, 9 centres de formation et 36 autres membres.

2 L observation des pôles de compétitivité : les changements dans les activités d observation territoriale 2.1 Observation territoriale : des besoins d indicateurs Les pratiques d observation territoriale se sont surtout développées dans les années 1980 avec la mise en place d observatoires territoriaux. Alors qu'auparavant l observation était surtout gérée par l Etat par la prégnance institutionnelle de l INSEE et d autres institutions étatiques (ministères et services déconcentrés de l Etat), le mouvement de décentralisation des pouvoirs et le développement de l intercommunalité ont fait naître auprès des collectivités territoriales des besoins d observation et d analyse du territoire plus approfondies et plus qualitatives que ce que les organismes centraux étaient en mesure de faire. Les observatoires territoriaux créés, que ce soit à une échelle régionale ou à une échelle plus locale, ont ainsi pour vocation de mieux appréhender les évolutions à l œuvre sur le territoire, de parvenir à un diagnostic partagé entre les différents acteurs, à partir duquel les problématiques et les enjeux peuvent être mieux saisis [1] et ceci dans une multitude de domaines (économie, habitat, social, transport, environnement etc.). L un des atouts majeurs de ces observatoires est l ancrage au sein du territoire et la dynamique d animation auprès des acteurs locaux qui est particulièrement importante pour l interprétation et l appropriation des résultats. Cette connaissance produite permet d identifier les points forts et les points faibles du territoire et permet aux collectivités territoriales de prendre des décisions en termes de politiques publiques. Dans ce contexte, les acteurs publics ont besoin également de plus en plus d approches comparatives qui restent encore assez peu développées. 2.2 Les pratiques d observation territoriale «classiques» En économie, les pratiques d observation se basent soit sur des sources de données existantes (issues de l INSEE par exemple), soit plus rarement sur des sources spécifiques (à partir d enquêtes notamment). Les indicateurs tels que le nombre d emplois ou le nombre d entreprises sont élaborés pour un territoire aux frontières bien définies (suivant les limites d une aire urbaine, d une agglomération ou bien d une région) et en fonction de nomenclatures pré-établies (comme la NAF Nomenclature des Activités Françaises). Cette pratique d observation est la plus courante et la plus classique. En termes d analyse de résultats, la tendance est ainsi de supposer implicitement que les activités économiques se bornent à des frontières géographiques et sectorielles, d une part, et de faire trop souvent abstraction du contexte régional, national ou européen dans lequel s insèrent les territoires, d autre part. Sur ce dernier point, les dynamiques de coopérations entre les différentes échelles territoriales (local, régional, national, international) ne sont d ailleurs pratiquement jamais étudiées. Ce constat est très révélateur de la difficulté à avoir des données individuelles de relations (par exemple de sous-traitance / donneur d ordre) ou bien de coopérations technologiques et scientifiques entre des organismes privés et publics de territoires différents. Pourtant ces dernières sont fondamentales pour bien appréhender la dimension collective de l innovation au sein d un territoire et pour mieux cerner la participation des acteurs privés et publics à des réseaux d innovation nationaux et internationaux. La difficulté réside également dans l accessibilité à des données européennes provenant de sources homogénéisées, ce qui limite les comparaisons entre territoires européens. Malgré ces limites, les indicateurs d emplois et d entreprises construits sur une «approche classique» restent fondamentaux pour suivre la dynamique d un territoire mais ils se révèlent insuffisants dès lors que se mettent en place des politiques d innovation favorisant les coopérations entre acteurs impliqués dans des domaines différents et outrepassant les frontières territoriales établies. C est le cas avec l implémentation des pôles de compétitivité basés sur le triptyque science-industrie-formation et ne fixant pas au préalable de limites territoriales dans les coopérations entre les acteurs de ces trois sphères.

2.3 Les pôles de compétitivité : un objet d observation complexe lié à son contenu multidimensionnel La politique des pôles de compétitivité a été lancée en 2005. «Un pôle de compétitivité rassemble sur un territoire donné, des entreprises, des laboratoires de recherche et des établissements de formation pour développer des synergies et des coopérations. D autres partenaires dont les pouvoirs publics, nationaux et locaux, ainsi que des services aux membres du pôle sont associés. L enjeu est de s appuyer sur les synergies et des projets collaboratifs et innovants pour permettre aux entreprises impliquées de prendre une position de premier plan dans leurs domaines en France et à l international» 6. Les pôles se sont distingués des SPL (Systèmes productifs locaux) qui avaient plutôt vocation à renforcer les relations entre entreprises et n étaient pas centrés sur la R&D. Après plusieurs années d existence des pôles, les attentes formulées par les acteurs publics en termes de tableaux de bord insistent très fortement sur la nécessité d avoir des indicateurs d impact sur le territoire, compte tenu des financements généralement alloués aux pôles. Néanmoins, les indicateurs d impact ne peuvent pas être dissociés des indicateurs de caractérisation. Un pôle peut revêtir des formes très diverses et l impact sur le territoire ne sera pas le même selon ses caractéristiques propres. Ainsi, avant même de s intéresser à l impact, il était nécessaire de progresser sur la caractérisation des pôles de compétitivité et de proposer des indicateurs à cette échelle qui puissent ensuite justement être mobilisables dans ces études d impact. Pour ces dernières, il existe des difficultés méthodologiques particulières qui ne sont pas développées ici (pour plus de précisions sur ce sujet [2]). Les pôles de compétitivité sont difficiles à observer et à caractériser car ils représentent un objet complexe, qui ne peut être résumé en un ou quelques indicateurs. Une analyse multidimensionnelle est nécessaire pour bien comprendre le positionnement et les différences de performances des clusters. Une approche trop synthétique parfois demandée par les acteurs aurait pour conséquence d atténuer les spécificités de chaque pôle. De nombreux indicateurs doivent ainsi être construits pour mieux cerner leur dynamique. Cette approche multidimensionnelle [3] distingue 6 grands thèmes qu illustre la Figure 1. 1. La structure générale du pole. On s intéresse ici aux déterminants structurels du fonctionnement du cluster qu ils soient : - d ordre économique : nombre, statut et taille des organisations impliquées dans le pôle (entreprises, universités, centres techniques, de formation ). Le nombre d emplois et la qualification de ceux-ci intéressent aussi tout particulièrement les collectivités. - d ordre géographique : concentration au sein d une grande métropole ou localisation interrégionale. - ou qu il s agisse des structures de gouvernance et d animation du cluster : Les qualités de l animateur du cluster (étendue des contacts, niveau de connaissances du cluster ) et la formalisation d un cadre explicite, clair, basé sur les forces du cluster et partagé entre toutes les parties font partie des facteurs de succès [4]. 6 Source : http://competitivite.gouv.fr

Figure 1 : Tableau de bord Identification et Caractérisation du Cluster (ICC) : structuration générale 2. La capacité de R&D : les déterminants liés au potentiel de R&D (niveau de ressources affectées à la production de nouvelles connaissances). Le montant des dépenses de R&D, dans les secteurs privé et public, constitue une variable clé pour caractériser les clusters. Nombre de travaux économétriques ont en effet montré la présence d externalités de connaissances 7 issues à la fois de la recherche privée et universitaire sur le niveau local 7 Les externalités désignent des phénomènes d interactions entre individus ou firmes qui ne sont pas internalisés par le marché c est-à-dire qui ne donnent pas lieu à une contrepartie financière. Le terme externalités de connaissances renvoie au fait qu une connaissance produite par un individu se diffuse et peut être appropriée par des individus autres que celui qui en est à l origine.

d innovation. La capacité de R&D se mesure également à l aide du potentiel scientifique. 8 Ce dernier correspond aux connaissances de nature plutôt fondamentale et donc produites en amont du processus d innovation et dont l importance est surtout liée à la présence de laboratoires de recherche. 3. La capacité d'innovation. Au-delà des ressources humaines et financières affectées à la production de connaissances, la performance du cluster dépend de sa capacité à transformer ces ressources en innovations technologiques ou non technologiques c'est-à-dire au niveau organisationnel ou marketing [5]. 4. Les coopérations ou le niveau de connectivité. Pour Andersson et Karlsson [6], la production régionale d innovation dépend de la vitesse à laquelle les nouvelles connaissances sont introduites dans la région en provenance d autres régions, et de la facilité des échanges de connaissances à l intérieur même de la région. Ces deux dimensions sont d autant plus importantes que la capacité des acteurs à développer des coopérations, locales ou plus globales, est forte. Ainsi, le niveau de connectivité du cluster doit s apprécier de deux façons : à l extérieur de celui-ci pour bénéficier des connaissances produites au niveau global ; au sein du cluster pour favoriser la diffusion des connaissances entre les différents acteurs impliqués. Les clusters peuvent également se distinguer selon la nature même des coopérations : s effectuent-elles pour l essentiel entre entreprises, entre laboratoires ou entre entreprises et laboratoires? L historique des relations est une autre dimension à prendre en compte. Ainsi, au-delà des mesures incitatrices pour développer des coopérations, l un des facteurs déterminants pour expliquer l intensité des échanges est l existence de liens de partenariats établis par le passé [7]. Enfin, la structure relationnelle du réseau est fondamentale pour mieux comprendre le niveau d innovation. Pour Owen-Smith et Powell [8], l impact sur l innovation diffère selon le niveau de concentration géographique du réseau, la position des agents dans le réseau et les caractéristiques institutionnelles des agents. Dans un réseau géographiquement concentré, les liens formels et informels entre acteurs ont tendance à se superposer. La centralité de l organisation dans le réseau n a alors que peu d effet sur l innovation. Dans un réseau géographiquement dispersé des liens informels plus faibles rendent difficile le contrôle de la diffusion. Ceci se traduit par des liens contractuels resserrés avec une limitation de l accessibilité aux informations. Dans ce cas, la centralité dans le réseau est importante pour obtenir les informations et aura un impact sur l innovation. Par ailleurs, la dimension institutionnelle est importante. Plus le réseau est dominé par des organismes publics, moins la centralité est importante car la diffusion des connaissances est largement plus étendue lorsque des institutions basées sur la «science ouverte» («open science») sont très présentes. 5. Le secteur et le marché. La performance du cluster dépend aussi des opportunités technologiques plus ou moins fortes selon son positionnement sectoriel. La spécialisation versus la diversité sectorielle et technologique peut impacter le niveau d innovation. Néanmoins, ces effets ne font pas consensus dans la littérature [9]. Globalement, on peut avancer que, si la diversité des compétences disponibles sur un territoire a un impact plutôt favorable sur la production d innovations du fait d une plus grande possibilité de combinaisons de savoirs, il est important de développer des spécialisations pour pouvoir capter des connaissances de pointe produites à distance, les assimiler et les exploiter. 8 Le potentiel scientifique correspond plutôt aux connaissances fondamentales issues des laboratoires de recherche publique alors que le potentiel technologique correspond plutôt à des connaissances appliquées détenues par les entreprises. Ce clivage n empêche pas que les entreprises peuvent participer avec des laboratoires à des activités moins appliquées que ce qu elles ont l habitude de faire et inversement.

Les clusters peuvent se distinguer également par rapport au potentiel de marché auquel ils s adressent. Les performances ne seront pas les mêmes selon que le cluster se positionne sur un ou plusieurs marchés au sein desquels il adapte et diffuse les technologies développées. Pour Hendry et Brown [10], les stimuli et les trajectoires technologiques des marchés constituent un élément fortement explicatif des différences de performance des clusters. 6. L environnement territorial. En plus des caractéristiques propres au cluster, nous proposons d introduire des indicateurs caractérisant l environnement territorial au sein duquel se trouve le cluster. Concrètement dans ce module, les indicateurs territoriaux habituellement construits à l échelle d un ou plusieurs territoires peuvent ici être exploités. Les indicateurs construits sur une approche classique croisant territoires et domaines d activités sont donc complémentaires à ceux construits à l échelle d un pôle. 2.4 Les pôles : un nouveau périmètre d analyse faisant évoluer les pratiques d observation territoriale Construire des indicateurs à l échelle des pôles n est pas évident. Il ne suffit plus de collecter des données agrégées à des échelles géographiques prédéfinies, couplées ou non à des échelles sectorielles (principalement définies par le code NAF des entreprises). Les besoins d indicateurs à l échelle des pôles de compétitivité font évoluer les démarches d observation territoriale. Sur les territoires, on a assez souvent pu observer des tentatives de construction d indicateurs à l échelle des pôles en rapprochant les nomenclatures NAF avec les activités de ceux-ci. Mais ces analyses basées sur une entrée géographique et sectorielle prédéfinies ne permettent pas réellement d observer la dynamique des pôles de compétitivité pour deux raisons : le contour géographique des pôles ne suit pas les limites territoriales administratives ou les zonages d études prédéfinies comme les zones d emploi. L étendue géographique des pôles peut être très variée et dépasse souvent les limites régionales ; le contour sectoriel des pôles est souvent difficile à cerner car ces derniers peuvent regrouper des membres aux activités très différentes (industrielles ou tertiaires). C est notamment vrai pour des pôles davantage constitués sur une logique de marché que sur une logique sectorielle. De nouvelles démarches d observation doivent alors être mises en œuvre pour s affranchir des périmètres géographiques et sectoriels prédéfinis. La construction d indicateurs à l échelle des pôles de compétitivité stricto sensu impose de disposer au départ de la liste des membres (entreprises, laboratoires, autres) et de collecter ensuite des données individuelles, d où le développement de démarches de veille territoriale. Méthodologiquement, plusieurs voies sont envisageables : 1. Les démarches de veille internet permettent de collecter des informations qualitatives sur les membres. 2. La collecte directe d informations auprès des entreprises ou auprès des animateurs des pôles peut être réalisée via des enquêtes. Le problème de cette procédure est la grande sollicitation des entreprises et animateurs entre les initiatives nationales et locales de demande d information. 3. La dernière voie envisageable et privilégiée par EuroLIO est d utiliser des bases de données produites au niveau national ou européen, de manière systématique par des organismes de production, fourniture et traitement d information qu ils soient publics (Insee, Ministères, OCDE, etc.) ou privés (Bureau van Dijk...). Les avantages de cette procédure sont les suivants : elle sollicite très peu les animateurs des clusters (seule la liste des membres leur est demandée) ;

elle permet une plus grande objectivité des indicateurs car la source d information est la même quel que soit le pôle. Elle facilite ainsi les comparaisons entre pôles ; elle permet une mise à jour plus facile dans le temps car les bases sont régulièrement alimentées. Ainsi pour les 6 grands thèmes définis précédemment une soixantaine d indicateurs originaux à une échelle locale (régions, agglomérations, clusters) peuvent être calculés à partir d une dizaine de sources différentes, parmi elles : les données collectées par la DGCIS sur les pôles de compétitivité, la base des brevets européens REGPAT de l OCDE, la base Pascal de l INIST-CNRS, les DADS de l INSEE, DIANE du Bureau van Dijk etc. Dans le cadre d une étude menée par EuroLIO pour la DATAR en 2009 [11], la faisabilité de la production de tels indicateurs a été étudiée sur 3 clusters tests (Pôle de compétitivité Xylofutur, SPL Mécaloire, SPL Paris Mix). La suite de l article s intéresse à la manière dont les indicateurs liés au potentiel et aux coopérations scientifiques des pôles (thèmes «Capacité de R&D» et «Coopérations») ont été réalisés à partir des bases de données bibliographiques et d outils bibliométriques, ainsi qu au moyen de mettre à disposition l ensemble des données sous la forme d un tableau de bord interactif. 3 Des outils au service de l observation des dynamiques localisées d innovation Le développement d outils informatiques facilite la production d indicateurs à l échelle d un pôle de compétitivité ainsi que la visualisation des résultats obtenus et ceci de manière interactive. Des outils répondent à deux grands types de besoins de la part des acteurs locaux : - Les acteurs publics ont besoin de suivre les dynamiques du potentiel et des coopérations scientifiques des organismes privés et publics localisés sur leur territoire et ailleurs, comme dans le cadre des pôles de compétitivité. L outil SERVIST développé par l INIST-CNRS associé à des outils de représentations cartographiques comme Matheo Analyzer 9 facilitent la veille dans le cadre de l observation du potentiel scientifique d un pôle de compétitivité (et donc d une partie de sa capacité de R&D) et permet une analyse au niveau micro des coopérations entre acteurs quels que soient leur localisation géographique ou leur positionnement sectoriel. - Le besoin d analyse comparative est clairement exprimé par les acteurs locaux qui ont besoin de positionner leur territoire au sein de l Europe pour mieux identifier les points forts et les points faibles de leur territoire ou des pôles. Dans ce contexte, EuroLIO a mis en place un tableau de bord grâce à l utilisation du logiciel QlikView 10 dont le point fort est l interactivité entre un utilisateur et l interface et la simplicité de manipulation pour faire apparaître des résultats pour des utilisateurs ne pratiquant pas la gestion de bases de données et les statistiques. 3.1 La veille au service de l observation des pôles de compétitivité : exemple de mesure de leur potentiel scientifique à l'aide de Servist et Matheo Analyzer L objectif de cette partie est de montrer en quoi un outil bibliométrique comme Servist et des outils de cartographies peuvent fournir des indicateurs, des informations visuelles concernant le potentiel scientifique des pôles de compétitivité. Tout le processus, de la collecte de données à la production et à la représentation graphique des indicateurs, va être présenté. La démarche méthodologique sera illustrée avec le pôle Xylofutur sur la période 1995-2009. 9 Logiciel développé par la société Matheo Software http://www.matheo-analyzer.com/ 10 Logiciel développé par la société QlikTeck http://www.qlikview.com/

3.1.1 Collecte des données 3.1.1.1 Sources d'information La production d'indicateurs est liée au corpus initial. Les sources d'informations retenues sont les bases de données bibliographiques puisque le potentiel scientifique est généralement mesuré à partir des publications scientifiques. Ces bases ont pour avantage d être régulièrement mises à jour et permettent ainsi de développer une démarche de veille scientifique. La première étape de sélection est liée aux domaines traités mais aussi à la structure de la notice bibliographique en fonction du type d'indicateurs à calculer : présence d'un champ interrogeable dédié aux affiliations car seul le nom des organismes des clusters est fourni ; présence de l'affiliation de tous les auteurs pour mettre en évidence les coopérations scientifiques ; présence d'une classification pour identifier les spécialisations des clusters. Afin d'éviter de multiplier les phases de prétraitement, et notamment celles de reformatage et d'homogénéisation des classifications, sont retenues des bases multidisciplinaires dont le service Veille de l INIST-CNRS connait parfaitement le fond et la forme : PASCAL 11 et le Science Citation Index Expanded 12. 3.1.1.2 Requête pour constituer le corpus La recherche des notices est faite à partir du nom des organismes appartenant au pôle. Comme il n'existe ni identifiant unique (type SIRET) ni règles d'écriture, la complexité de cette étape est liée aux points suivants : le nom d'un organisme se présente sous différentes formes d'écriture à un temps t mais également sur la période étudiée 13 (fusion, renumérotation, intégration, éclatement d'un laboratoire par exemple). Toutes ces formes doivent être recensées ; les auteurs déclarent le siège social de l entreprise ou l établissement secondaire. Pour les entreprises multi-établissements, la publication peut donc être adressée au siège alors que la recherche s est faite dans un établissement secondaire ; l adresse précise n est pas toujours indiquée, ce qui est une gêne pour les entreprises multi-établissements. Dans ce cas, une recherche sur internet avec le nom des auteurs et l entreprise est réalisée pour localiser la ville des auteurs de manière à décider si la notice est conservée. Lorsque la vérification est impossible, la notice n'est pas gardée. En plus de ces difficultés, une limite de la démarche apparaît. Comme seul le nom des organismes du pôle est connu, la recherche bibliographique ne s'effectue pas à partir des noms des personnes. Ainsi, des publications peuvent être comptabilisées alors que leurs auteurs, appartenant à l'organisme, ne font pas directement partis du cluster. Il ne s agit donc pas de la production scientifique du pôle stricto sensu mais de celle des membres le composant, d'où l idée plus large de potentiel scientifique. Une fois chaque source interrogée, les notices sont regroupées en un corpus puis dédoublonnées semi-automatiquement, dans Excel, sur les champs "Source" 14 et "Titre" 15 à l'aide d'une macro. 11 Base de données bibliographiques, multidisciplinaire et multilingue qui couvre l'essentiel de la littérature mondiale en sciences, technologie et médecine, produite par l'inist-cnrs. 12 Base de données bibliographiques, multidisciplinaire et multilingue qui couvre l'essentiel de la littérature mondiale en sciences, technologie et médecine, produite par Thomson Reuters. 13 Exemple : pour le "Laboratoire d'ingénierie des systèmes biologiques et des procédés" les différentes formes d'écriture suivantes ont été recherchées, entre autres : LISBP, UMR792, UMR 792, UMR5504, UMR 5504, LBB, Laboratoire biotechnologie-bioprocédés, LIPE, Laboratoire d'ingénierie des procédés de l'environnement, EA 833. En effet, ce laboratoire est le résultat de la fusion en 2007 des laboratoires LBB et LIPE.

3.1.2 Prétraitements Plusieurs prétraitements sont indispensables : Reformatage en XML : Le format informatique des données est converti en XML car les prétraitements des données ainsi que Servist s appuient sur des outils d ingénierie XML. Traitements sur la description documentaire (champs) : L utilisateur précise les champs sur lesquels il souhaite faire des analyses pour identifier les index à générer dans Servist. Dans le cadre de l'étude pour le pôle Xylofutur, en plus des index habituels 16, les suivants ont été créés pour répondre au besoin d'indicateurs particuliers : pays d'affiliation pour mettre en évidence des coopérations internationales ; marquage pour les affiliations et mettre en évidence les acteurs et leurs coopérations ; année pour mettre en évidence les évolutions ; code de classement PASCAL pour mettre en évidence les spécialisations du pôle. Traitements sur les données (contenus) : Les contenus de ces champs ne sont pas toujours manipulables tels quels et demandent : le choix de la granularité de la structure : on peut simplifier une structure complexe, ou au contraire détailler certains champs : dans la présente étude, le pays d'affiliation a été extrait dans un nouveau champ. le choix de la granularité des informations : pour les notices issues de la base de données PASCAL, les codes de classement renvoient à des thématiques (qui définiront les spécialisations) avec plusieurs niveaux de détails. La nomenclature à 6 caractères, bon compromis entre le niveau le plus agrégé et le plus fin, est donc retenue. Ces codes ont été verbalisés. l homogénéisation à l intérieur d un champ : les noms des organismes appartenant au cluster ont été homogénéisés pour n avoir plus qu une forme préférentielle pour chaque organisme. l enrichissement à l aide de tables extérieures : les affiliations non membres du cluster ont été marquées de manière à indiquer le statut de l organisme (entreprise / laboratoire / etc.) et sa localisation (département géographique pour la France ou le Pays). Transcodage (jeux de caractères) : la conversion des jeux de caractères est une opération est importante pour préserver les caractères spéciaux (accentués, mathématiques et autres) lors des reformatages nécessaires aux prétraitements des données. 3.1.3 Fonctionnalités de Servist et scenarios Servist repose sur la volonté de prendre en compte des besoins spécifiques, en partie pris en charge aujourd hui par les différentes solutions à la disposition des veilleurs. Cette plateforme est le résultat d une collaboration engagée avec le LORIA en 1999 [12]. Elle peut être utilisée pour calculer et mettre à 14 Source : titre, numéro et volume de la revue 15 Titre de l'article 16 Base d'origine (Bases de données bibliographiques interrogées : ici PASCAL et SCI-E), Auteur, Affiliation, Périodique, Type de document, Descripteur, Mot du titre anglais

disposition des indicateurs liés à la production scientifique que cette dernière soit liée à une thématique, un organisme, un territoire ou à un pôle de compétitivité comme ici Xylofutur. Les principales fonctionnalités de Servist répondent à trois besoins distincts : l exploration d un corpus de notices à l aide d une recherche rapide ou d un index, des calculs de bibliométrie simple et avancée (possibilité de croiser deux ou trois index, de mettre en évidence des cooccurrences), la visualisation des résultats sous forme d histogrammes et de cartographie. Différents scénarios de production d indicateurs pour Xylofutur vont illustrer quelques-unes de ces fonctionnalités 17. Pour le pôle Xylofutur, 2519 notices entre 1995 et 2009 ont été recensées puis reformatées en XML. Leur description documentaire a été modifiée. Le contenu de certains champs a été homogénéisé et/ou enrichi. 3.1.3.1 Comptages Servist permet d identifier les principaux publiants d un pôle de compétitivité, l évolution du nombre de publications et les principales spécialisations traitées. Production scientifique La Figure 2 illustre l'index "Marquage" dédié aux affiliations du corpus qui permet d'afficher la production scientifique de chaque membre du pôle et de leurs copubliants. Les résultats sont déchargeables pour être manipulables dans Excel. Figure 2 Liste des publiants 17 Pour plus de détails des fonctionnalités de Servist voir [13].

Evolution de la production scientifique La Figure 3 illustre l'onglet "Bibliométrie" qui permet de sélectionner le champ consacré à l'année de publication afin de calculer la production scientifique puis de montrer son évolution à travers un histogramme. La mise à jour très régulière de la base permet d avoir des informations très récentes, contrairement à d autres bases de données habituellement utilisées dans les observatoires, pour lesquelles on constate plusieurs années de retard. Le nombre de publications est encore peu élevé pour 2009, car tous les articles parus pour cette année n étaient pas encore recensés au moment de l extraction (juin 2009). Ils l ont été à la fin du premier semestre 2010. Figure 3 : Evolution annuelle de la production Répartition par thématique de la production scientifique La répartition par thématique des publications a été calculée à partir des 1603 notices de la base de données PASCAL 18. La Figure 4 illustre l'index "Code classement PASCAL" qui permet de lister les spécialisations dans lesquels les membres du pôle publient. Comme notre démarche n est pas centrée au départ sur un choix de nomenclature prédéfinie mais bien sur la liste des membres, il est ainsi possible d analyser la diversité des spécialisations dans un pôle de compétitivité. 18 En effet, pour prendre en considération l'ensemble des 2519 notices, il aurait fallu réindexer les 916 références issues de l'isi afin d'avoir des données homogènes. Cette démarche chronophage a été écartée d'autant plus que les "subjects categories" de l ISI sont attribuées au périodique et non à l article.

Figure 4 Principaux domaines scientifiques du pôle 3.1.3.2 Analyse statistique par tris croisés Servist permet, à l'aide de tris croisés intrachamps et de tris croisés entre deux ou trois champs, d identifier les coopérations, l'évolution des spécialisations du pôle mais également de chaque publiant. Coopérations Par des tris croisés, il est possible de produire une matrice des copublications scientifiques entre les membres et de mieux appréhender le niveau de coopérations scientifiques selon deux points de vue : la nature et l'intensité des coopérations au sein du cluster (entre laboratoires et entre entreprises et laboratoires) ainsi que l'historique ; le degré d'ouverture avec l'extérieur : coopérations scientifiques entre laboratoires et entre entreprises et laboratoires. La Figure 5 illustre la sélection des index "Marquage" au niveau de l'onglet dédié à la Bibliométrie qui permet de lister les publiants et leurs coopérants.

LPMC de Palaiseau a publié 827 articles avec 98 organismes. US2B de Talence-Cestas a publié 330 articles avec 81 organismes. LPMC a publié 827 articles : - 120 avec des Grandes Ecoles de l'essonne - 100 avec des organismes des Etats- Unis - Figure 5 Sélection des champs pour les coopérations et extrait de la liste des publiants Evolution des spécialisations La Figure 6 illustre qu à l'aide de tris croisés entre deux champs, il est possible, par exemple, de rendre compte de la progression annuelle des spécialisations en sélectionnant les index "Code classement PASCAL" et "Année". La Figure 7 illustre la possibilité d isoler les notices PASCAL et voir pour chaque organisme publiant l'évolution des spécialisations en sélectionnant les index "Marquage", "Code classement PASCAL" et "Année". Réaliser des analyses statistiques en croisant trois champs est une des particularités de Servist.

Figure 6 Evolution des spécialisations Classement croissant du nombre de publications

LPMC a 497 articles dans la base PASCAL répartis dans 42 spécialisations. US2B a 196 articles dans la base PASCAL répartis dans 29 spécialisations. LPMC a 497 articles dans la base PASCAL répartis dans 42 spécialisations. - 134 articles en Physique. Etat condensé répartis sur 13 années ; - 111 articles en Chimie générale et chimie physique sur 14 années ; - Figure 7 Evolution annuelle des spécialisations pour chaque publiant 3.1.3.3 Visualisation géographique La Figure 8 illustre comment Servist permet, pour finir, une visualisation géographique des résultats à l échelle des pays en sélectionnant, par exemple, pour un publiant donné l'index "Pays d'affiliation".

Sur les 827 articles du LPMC, sont coécrits : - Entre 713 et 791 articles avec la France (791) - Entre 81 et 159 articles avec les Etats- Unis (133) - Entre 1 et 80 articles avec le Royaume- Uni (69) - Figure 8 Coopérations internationales du LPMC Afin de compléter ces informations visuelles, l outil d'analyse de documents structurés, Matheo Analyzer 19 a été utilisé ici pour mettre en évidence les réseaux entre les différents types d'acteurs. Le graphe présente la nature des coopérations et montre que les relations scientifiques, de 1995 à 2009, entre les laboratoires de Xylofutur d une part, et les entreprises de Xylofutur d autre part, ont été peu nombreuses (seulement 4 co-publications). Ce type de graphe sera intéressant à analyser dans le temps. La mise en place de la politique des pôles de compétitivité est encore très récente et les dynamiques à l œuvre notamment entre la science et l industrie n apparaissent sûrement pas encore dans les bases de données. 19 Il permet la réalisation de statistiques simples sur un champ, de statistiques croisées (croisement de 2 champs) et de classifications. Le résultat des différentes statistiques est représenté sous formes de graphes : histogramme, camembert, réseau et matrice.

Figure 9 Les relations scientifiques du pôle Xylofutur sur la période 1995 à 2009 par grandes catégories d organisme 3.2 Des besoins d approches comparatives et d interactivité : exemple du tableau de bord interactif d EuroLIO développé sous QlikView 20 QlikView 21 est un outil particulièrement intéressant pour son interactivité et sa facilité d utilisation pour visualiser des résultats. Ce logiciel serait particulièrement utile pour construire un tableau de bord interactif à l échelle des pôles de compétitivité. Celui-ci n a pas encore été développé compte tenu du travail encore à réaliser pour construire les indicateurs de caractérisation pour l ensemble des pôles. Pour le moment, EuroLIO a utilisé QlikView pour mettre en place un tableau de bord régional interactif offrant aux acteurs une comparaison de leur région avec un panel de régions européennes sur une multitude d indicateurs de recherche et d innovation pour enrichir leur diagnostic territorial. L approche comparative est une demande souvent formulée par les acteurs locaux pour mieux positionner leur territoire. Outre les approches comparatives, EuroLIO privilégie les approches structurelles et dynamiques en prenant en compte des séries de données longues. Les indicateurs proposés suivent une grille d analyse composée de deux niveaux : La mesure de l innovation technologique Les déterminants de l innovation qui peuvent être regroupés en 4 grandes catégories : le potentiel de recherche ; le degré de spécialisation/diversité technologique ; le potentiel hors recherche et les réseaux d interactions humaines. 20 Le tableau de bord d EuroLIO est en libre accès sur : http://sgbd.eurolio.eu 21 QlikView développé par la société QlikTeck est un logiciel de Business Intelligence qui permet de consolider des données issues de différentes sources, d explorer les associations entre les données, de visualiser les données à l aide de graphiques, tout ceci pour faciliter la prise de décisions collaboratives (http://www.qlikview.com/fr).

Ce tableau de bord se distingue de ceux existants qui prennent le plus souvent 22 : soit la forme de tableaux de données laissant ensuite l utilisateur le soin de traiter ces données (OCDE et Eurostat) ; soit la forme de classement des régions à partir d une série d indicateurs, comme par exemple le rapport de l Observatoire des Sciences et Techniques et le Regional Innovation Scoreboard produit par le MERIT-UNU et le JRC. Les informations fournies par les différents indicateurs sont rarement croisées. Elles sont le plus souvent présentées de manière distincte ou assemblées dans des indicateurs synthétiques ne permettant pas d autres approches comparatives que le classement. Exemples de résultats du tableau de bord interactif d EuroLIO pour la région Midi-Pyrénées. Figure 10 Tableau de bord pour la région Midi-Pyrénées (issu de QlikView) Ce tableau de bord est amené à évoluer de manière à intégrer des données de coopérations scientifiques et technologiques dont l analyse est primordiale, comme nous l avons indiqué en première partie. Ceci fera l objet des prochains développements. 22 Pour un recensement précis de ces tableaux de bord, voir [14].

4 Conclusion L observation des pôles de compétitivité nécessite une grille multidimensionnelle d indicateurs pour bien cerner leurs caractéristiques. Pour produire ces indicateurs la démarche d observation territoriale «classique» n est plus suffisante. Il est indispensable de connaître précisément les membres pour rechercher les informations les concernant dans les bases de données. La plate-forme bibliométrique Servist permet par exemple de mesurer une part de la capacité de R&D en calculant, à partir de notices bibliographiques, des indicateurs liés au potentiel scientifique. Quant au logiciel QlikView, il offre en un seul réservoir l ensemble des indicateurs de caractérisation des pôles pour pouvoir les comparer. Cette nouvelle approche territoriale s intéressant à un groupe d entités précises et non plus à une zone clairement définie, le problème du repérage des affiliations se poursuit. L automatisation de la procédure pour généraliser ces indicateurs à l ensemble des pôles ou pour les réactualiser nécessite donc le développement d algorithmes pour une meilleure identification des affiliations. 5 Bibliographie [1] ROUX E. ET FEYT G. Les observatoires territoriaux Sens et enjeux DATAR - La documentation française Collection Travaux n 14, 112, 2011. [2] CHALAYE S. Evaluer, c est observer : les difficultés d une observation pertinente des clusters. Reflets et perspectives de la vie économique, 1-2, 2011. [3] CHALAYE S ET MASSARD N. Les clusters : diversité des pratiques et mesures de performance. Revue d Economie Industrielle, 128, 2009. [4] SÖLVELL O, LINDQVIST G ET KETELS C. The Cluster Initiative Greenbook Ivory Tower, Sweden, 2003. [5] OCDE. Manuel d'oslo - Principes directeurs pour le recueil et l'interpréation des données sur l'innovation. 3ème édition, ed. OCDE EDITIONS, 2005. [6] ANDERSSON M ET KARLSSON C. The role of accessibility for the performance of regional innovation systems. Working Paper Series in Economics and Institutions of Innovation, 9, 2004. [7] RALLET A ET TORRE A. Proximité géographique ou proximité organisationnelle? Une analyse spatiale des coopérations technologiques dans les réseaux localisés d'innovation. Economie appliquée 44, 147-171, 2001. [8] OWEN-SMITH J ET POWELL W W. Knowledge Natworks as Channels and Conduits : The Effects of Spillovers in the Boston Biotechnology Community. Organization Science, 15, 2004. [9] AUTANT-BERNARD C, MASSARD N ET CHARLOT S. Les déterminants géographiques de l'innovation : diffusion spatiale des connaissances et choix de localisation in Innovation et compétitivité des régions, T MADIES et J-C PRAGER, Editors. La Documentation Française: Paris, 2008. [10] HENDRY C ET BROWN J. Dynamics of clustering and performance in the UK Opto-electronics Industry. Regional Studies 40, 707-725, 2006. [11] DATAR ET EUROLIO. Conception d un tableau de bord territorialisé de l innovation - suivi des clusters. Rapport d étude, 2009. [12] BONVALLOT V, HOUDRY P, PARMENTIER F, TRAMONTI A ET VIDAL S. Servist : Plateforme d exploration, de recherche et de visualisation de données multimédias. in colloque VSST. Marrakech, 2007. [13] BONVALLOT V, CHALAYE S ET HOUDRY P. L'évolution des pratiques d'observation avec les pôles de compétitivité : l'apport de l'outil Servist pour mesurer le potenti el scientifique. in Les indicateurs d'innovation localisée. Toulouse, 2010. [14] CHALAYE S ET MASSARD N. La géographie de l innovation en Europe. Observer la diversité des régions françaises DATAR - La documentation française Collection Travaux n 15, A paraître mars 2012.