Compétition scientifique, technique et économique entre régions en biotechnologie

Ministère de l’Education Nationale Direction de la Programmation et du Développement Sous-direction des études statistiques

Convention n° DPD 2001-14

Compétition scientifique, technique et économique entre régionsen biotechnologie

Vincent MANGEMATIN*, Nadine MASSARD**, Corine AUTANT-BERNARD**, Myriam CARRERE*, Roger CORONINI*

Lionel NESTA*, Stéphane RIOU**

* UMR GAEL INRA-UPMF Institut National de la Recherche Agronomique

Université Pierre Mendès France BP 47

38040 Grenoble Cedex 9

** CREUSET Université Jean Monnet

Centre de recherches économiques 6, rue Basse des Rives

42023 Saint-Etienne Cedex 2

Avril 2003

Table des matières

Note de synthèse. Les profils scientifiques et technologiques des régions françaises en biotechnologies......................................................................................6

1 Les dimensions de la compétition technologique..........................................................7

1.1 Les investissements et les résultats apparents ...........................................................7

1.2 Concentrer ses efforts en biotechnologies et diversifier ses compétences internes .10

1.3 Des collaborations scientifiques surtout régionales................................................11

1.4 La distribution régionale de l’innovation ................................................................12

2 Le dynamisme économique des régions en biotechnologies ..................................12

2.1 Création de PME de biotech dans les régions : entre essaimage scientifique et spécialisation industrielle .......................................................................................13

2.2 La croissance des PMEs de biotechnologies : influence régionale ou dynamique individuelle ?...........................................................................................................14

2.3 Conclusion...............................................................................................................15

Note méthodologique sur données, sources et indicateurs ...........................................16

La création de PMEs .....................................................................................................16

Les brevets .....................................................................................................................16

Les publications.............................................................................................................16

La recherche publique ...................................................................................................16

La recherche privée .......................................................................................................16

Le potentiel industriel ....................................................................................................17

La spécialisation sectorielle ..........................................................................................17

Indications bibliographiques .........................................................................................18

Compétition scientifique et technologique entre régions françaises : le cas des biotechnologies...........................................................................................................19

1 La caractérisation des profils régionaux.....................................................................20

1.1 Le profil scientifique ................................................................................................21 1.1.1 La production scientifique et technique et sa concentration .....................21 1.1.2 La spécialisation régionale........................................................................24 1.1.3 Les collaborations par région....................................................................28

1.2 Le profil industriel des régions................................................................................31 1.2.1 Le poids des industries « biotech » et les spécialisations.........................32 1.2.2 La structure par taille d’entreprises...........................................................35 1.2.3 La dynamique des investissements ...........................................................36 1.2.4 L’autonomie décisionnelle........................................................................37

1.3 Le profil de recherche/développement des régions..................................................38

Contrat DPD 2001-14 2

1.3.1 Poids des ressources affectées à la recherche/développement dans les secteurs « biotech »...................................................................................39

1.3.2 Les spécialisations en recherche ...............................................................44

1.4 Les PME en régions.................................................................................................48 1.4.1 Les créations d’entreprises........................................................................48 1.4.2 La création de PME de biotech dans les régions.......................................49 1.4.3 La croissance des PMEs de biotechnologies : influence régionale ou

dynamique individuelle ?..........................................................................53

Le rôle de l’environnement régional dans la création et la croissance des PMEs de biotechnologies : une étude économétrique sur données françaises.................54

Creation and growth of high-tech SMEs: the role of local environment..............55

1 Introduction...................................................................................................................56

2 Determinants of the creation and growth of biotech start-ups .................................57

2.1 Proximity to sources of knowledge ..........................................................................57

2.2 Local environment and absorptive capacity ............................................................58

2.3 Local industrial environment and agglomeration dynamics ...................................60

3 Data and method...........................................................................................................61

3.1 Econometric models.................................................................................................61

3.2 Data and variables ..................................................................................................62

3.3 Empirical results......................................................................................................66

4 Results of econometric estimations..............................................................................70

4.1 Estimation method ...................................................................................................70

4.2 The positive effect of capacities for private/public-sector local interaction............72

4.3 The positive effects of the diversity of scientific competencies ................................72

4.4 Influence of intra-regional spatial structuring of activities.....................................73

4.5 Results of the SME growth model ............................................................................74

5 Conclusion .....................................................................................................................76

5.1 References................................................................................................................77

Appendix ........................................................................................................................77

Annexes.............................................................................................................................81

Annexe 1 : Description des données ..................................................................................82

Annexe 2 : Les spécialisations scientifiques des régions ...................................................83

Annexe 3 : La similarité des profils et des spécialisations scientifiques des régions ........85

Annexe 4 : Le profil industriel des régions ........................................................................87

Annexe 5 : Profil de recherche des régions .......................................................................91

Bibliographie .....................................................................................................................94


Table des tableaux, graphiques et cartes

Note de synthèse. Les profils scientifiques et technologiques des régions françaises en biotechnologies....................................................................................................................6 Graphique 1 : Parts régionales des chercheurs en entreprises, des effectifs employés dans

les industries reliées et des publications en biotechnologies (moyenne 1993-1999)..................................................................................................9

Tableau 1 : La structuration de la recherche scientifique en région.............................11 Tableau 2 : Création et croissance des PME de biotech dans les régions ....................13

Compétition scientifique et technologique entre régions françaises : le cas des biotechnologies..................................................................................................................19 Graphique 1 : Concentration et spécialisation des régions dans la production

scientifique................................................................................................26 Graphique 2 : Part relative des régions dans l'effectif industriel et

l'investissement national ...........................................................................37 Graphique 3 : Parts régionales des chercheurs en entreprises, des effectifs employés

dans les industries reliées et des publications en biotechnologies (moyenne 1993-1999)...............................................................................43

Graphique 4 : Part des recherches en biotechnologies dans les dépenses de recherche des régions................................................................................44

Graphique 5 : Chiffre d’affaires moyen par entreprise en fonction de la date de création.................................................................................................50

Tableau 1 : La production scientifique en biotechnologie par région..........................22 Tableau 2 : Le nombre d’enseignants-chercheurs titulaires en 1999 et le nombre de

doctorants entre 1990 et 1991 ...................................................................24 Tableau 3 : Comparaison régionale .............................................................................28 Tableau 4 : Les collaborations entre régions ...............................................................29 Tableau 5 : La structuration de la recherche scientifique en région.............................30 Tableau 6 : Les collaborations avec l’étranger ............................................................31 Tableau 7 : Répartition régionale des effectifs employés dans

les industries « biotech »...........................................................................33 Tableau 8 a : Les spécialisations industrielles régionales en 1993.................................34 Tableau 8 b : Les spécialisations industrielles régionales en 1999.................................35 Tableau 9 : Structure par taille de la répartition des effectifs industriels en 1999 .......36 Tableau 10 : Indicateurs d’autonomie décisionnelle des régions par secteurs en 1998. 38 Tableau 11 : Répartition régionale des dépenses de Recherche Développement privée40 Tableau 12 : Le degré de spécialisation des régions au sein de la recherche en

biotechnologies, 1993-1999......................................................................45 Tableau 13 : Les spécialisations en Recherche en 1999 ................................................46 Tableau 14 : Résumé statistique des indices de similarité .............................................47 Tableau 15 : Le dynamisme de la région en matière de création d’entreprise

(au travers du concours)............................................................................49 Tableau 16 : L’évolution des PME................................................................................51 Tableau 17 : Création et croissance des PME de biotech dans les régions ....................52 Carte n°1 : Poids des chercheurs dans l’effectif industriel..........................................41


Creation and growth of high-tech SMEs: the role of local environment........................55 Table 1 : List of variables used....................................................................................64 Table 2: Regional characteristics of SMEs.................................................................67 Table 3 : Regional distribution of biotech activities in France between

1993 and 1999 ..............................................................................................69 Table 4: Results of estimations – Creation model Dependent variable:

NBCREA Number of observations: 147 ......................................................71 Table 5: Results of estimations – Growth model Dependent variable: MAGR

Estimation: MCO with robust standard deviations Number of observations: 122 .......................................................................74

Appendix ...........................................................................................................................77 Table 1: Regional characteristics of public research in life sciences, 1993-1999.......77 Table 2: Regional Characteristics of private research in biotechnology, 1993-1999. 77 Table 3: Regional characteristics of markets, i.e. related industries, 1993-1999.......78 Table 4: Regional characteristics of the organisation of research in biotechnology,

1993-1999.....................................................................................................78 Table 5 : Creation model, results of estimation ...........................................................80 Figure 1 : Regional profil of biotech activities .............................................................79

Annexe 3 : La similarité des profils et des spécialisations scientifiques des régions......85 Tableau 3.1 : La similarité des profils scientifiques et techniques .................................85 Tableau 3.2 : La similarités des spécialisation relatives régionales................................86

Annexe 4 : Le profil industriel des régions ......................................................................87 Carte n° 1 : Effectifs industriels ...................................................................................87 Carte n°2 : Poids dans l’industrie................................................................................88 Carte n°3 : Investissements industriels .......................................................................89 Tableau 4.1 : Répartition sectorielle des investissements industriels des régions ..........90

Annexe 5 : Profil de recherche des régions .....................................................................91 Tableau 5.1 : Indice de similarité des profils de recherche des régions françaises

en 1993 .....................................................................................................91 Tableau 5.2 : Indice de similarité des profils de recherche des régions française

en 1999 .....................................................................................................92 Tableau 5.3 : Evolution des indices de similarité des profils de recherche

des régions française entre 1993 et 1999 ..................................................93


Note de synthèse

Les profils scientifiques et technologiques des régions françaises

en biotechnologies

Autant-Bernard C*., Mangematin, V¤., Massard**, N.

L’expansion du domaine des biotechnologies s’est poursuivie et diversifiée au cours de la dernière décennie. Le nombre de publications scientifiques dans ce domaine atteint 5879 en 1999 après une croissance de 64% depuis 1993. Les dépenses de Recherche Développement réalisées par les entreprises privées qui interviennent dans les biotechnologies connaissent une croissance de 49,6 % sur la même période. Cette croissance est supérieure à celle des autres secteurs d’où un accroissement de la part relative des dépenses de R&D en biotechnologie dans l’ensemble des dépenses de R&D de plus de 20%. Les effectifs employés dans les industries reliées (industries liées aux sciences de la vie) s’accroissent de près de 3,5% entre 1993 et 1999 et augmentent leur part relative dans l’ensemble des effectifs industriels. Cette dynamique débouche sur une activité d’innovation soutenue puisque la croissance des dépôts de brevets dans ce secteur entre 1993 et 1999 a été de 63,7% (près de 600 brevets déposés par an en fin de période). Le dynamisme de la recherche et de la technologie en biotechnologie révèle des phases successives de découvertes et d’inventions qui sont valorisées économiquement par des start-ups ou des entreprises installées. Les régions sont ainsi en concurrence non seulement pour avoir des centres de recherches performants mais aussi pour attirer la création de start-ups et favoriser l’implantation de grandes entreprises sur leur territoire.

* CREUSET, Université Jean Monnet, 6 rue basse des rives, 42023 Saint Etienne Cx 2, France. [email protected]

¤ INRA/SERD, Université Pierre Mendès France, BP 47X, 38040 Grenoble, France. [email protected]

** CREUSET, Université Jean Monnet, 6 rue basse des rives, 42023 Saint Etienne Cx 2, France. [email protected]


1 Les dimensions de la compétition technologique

Les biotechnologies étant une activité fondée sur la science, les régions définissent des stratégies pour renforcer leur potentiel scientifique en incitant les universités et les centres de recherches à conduire des recherches de haut niveau. Cependant, la valorisation économique des biotechnologies dépend du potentiel industriel régional, de la demande locale et de la capacité des régions à susciter la création de nouvelles entreprises et à soutenir leur croissance. Ainsi, avons mobilisé des données diverses pour analyser la compétition technologique entre régions : informations sur le potentiel académique et les ressources pour l’innovation (chercheurs académiques et publications scientifiques pour la recherche publique et chercheurs industriels, dépenses de R&D régionales pour la recherche privée), sur la taille du marché local ou potentiel susceptible de porter l’innovation, sur les résultats d’innovation (publications et brevets) et sur les retombées économiques (nombre d’entreprises créées, chiffre d’affaires induit, nombre d’emplois créés)1.

1.1 Les investissements et les résultats apparents

Le graphique 1 donne une vision synthétique du degré de spécialisation en biotechnologie des régions françaises entre 1993 et 1999. Il décrit le degré de spécialisation de chaque région dans le domaine des biotechnologies à l’aide de plusieurs indicateurs : part de la R&D consacrée aux biotechnologies, de production de connaissances et de technologie (nombre de publications et de brevets), et enfin importance des ressources humaines estimées par le nombre de thèses soutenues dans chaque région entre 1993 et 1999. Quelques faits ressortent de façon significative :

- La variable part R&D Biotech indique le poids relatif de la recherche en biotechnologies dans le total des dépenses de recherche au sein des régions décrivant un niveau de spécialisation de la recherche dans ce domaine. Nous éliminons ainsi les purs effets taille qui logiquement amènent à une forte localisation de la recherche et de l’innovation dans les zones d’activités productives concentrées. Les hiérarchies sont alors fortement bouleversées, l’Alsace apparaît ici au premier plan prouvant ainsi un investissement particulier des pouvoirs publics et des entreprises dans le domaine des biotechnologies (21%), suivie par Rhône-Alpes puis Midi-Pyrénées et Ile de France au même niveau.

- La variable « part des publications biotech » indique la spécialisation relative de la région dans les domaines scientifiques. C’est un indicateur d’output qui peut être mis en relation avec les variables d’input. La région Ile de France témoigne d’une forte présence dans les domaines scientifiques liés aux biotechnologies, traduisant ainsi un investissement de long terme soutenu par la diversité de la production scientifique en Ile de France et par le rôle précurseur jouer par la génopole et les associations.

- La région Ile de France concentre une large part de la base scientifique et technologique française. Elle regroupe 42% des publications, 37,4% des doctorants en sciences de la vie et 56% des brevets. La région Ile de France

1 Les données et sources utilisées dans cette note sont décrites dans l’encadré méthodologique


semble cependant peu spécialisée dans le domaine des biotechnologies. On assiste ainsi à un effet taille et centralisation bien connu en France. 10% des publications, 11% des thèses et 9% des brevets sont localisées en Rhône-Alpes qui ne cessent d’accroître sa part dans l’activité nationale depuis 1993 tandis que l’Ile de France se régresse en matière de publications scientifiques (48% en 1993). Rhône Alpes apparaît comme une région qui investit dans les biotechnologies, comme le traduit la part de 15% des dépenses de R&D consacrées à ce secteur.

- A côté de ces deux grandes régions généralistes, un autre groupe de régions dispose d’un potentiel important dans cette activité mais selon des trajectoires spécifiques. Du point de vue du potentiel scientifique, la région PACA est aujourd’hui très bien placée, suivie par L’Alsace et le Languedoc–Roussillon, ces régions ayant pour autre point commun de ne pas disposer d’un marché porteur pour les biotechnologies puisque la présence des industries reliées y est relativement assez faible. La Bretagne au contraire est l’exemple type d’une région qui accueille une activité industrielle importante dans les industries utilisatrices de biotechnologies alors que ses capacités en publication et en recherche sont plus limitées (même si elle semble en forte évolution depuis 1993). Le Nord-Pas de Calais et les Pays de Loire sont à classer dans la même catégorie. Enfin Midi-Pyrénées présente un autre cas de figure en se situant en 3ème position pour ce qui concerne les chercheurs et les dépenses de recherche privée malgré un potentiel scientifique et industriel beaucoup plus faible. Cette région se rapproche ainsi du profil des « grandes régions biotech ». Notons toutefois que malgré un fort volontarisme, la région Alsace semble avoir du mal à émerger en terme de publications ou de brevets, la spécialisation en biotechnologies apparaissant plus dans les inputs que dans les outputs.

- Le nombre d’enseignants-chercheurs et de doctorants donne une indication du capital humain du secteur public de recherche au sein des universités et du positionnement des régions dans la formation par la recherche. Le rang des principales régions est similaire. La production régionale est donc fortement concentrée en région parisienne, les 4 premières régions regroupent 61,8% des doctorants et publient 66,7 % de la production scientifique


Graphique 1 : Parts régionales des chercheurs en entreprises, des effectifs employés dans les industries reliées et des publications en biotechnologies (moyenne 1993-1999).

0,00 0,10 0,20 0,30 0,40 0,50 0,60

Ile de France

Champagne-Ardenne

Picardie

Haute-Normandie

Centre

Basse-Normandie

Bourgogne

Nord-Pas-de-Calais

Lorraine

Alsace

Franche-Comté

Pays de la Loire

Bretagne

Poitou-Charentes

Aquitaine

Midi-Pyrénées

Limousin

Rhône-Alpes

Auvergne

Languedoc-Roussillon

PACA

Part des publications biotechPart R&D BiotechNombre thèseBrevetPublications


Pour attirer les entreprises innovantes dans la région, créer des emplois et initier les rendements croissants de manière à créer de véritables districts régionaux dans les biotechnologies, il est nécessaire d’identifier non seulement l’impact des efforts consacrés à la R&D mais aussi l’organisation de la recherche scientifique dans les régions. De cette organisation, qui peut être décrite par les indicateurs de spécialisation et de collaborations scientifiques, découleront des capacités diverses à faire émerger des synergies et à créer des rendements croissants dans la production d’innovation.

1.2 Concentrer ses efforts en biotechnologies et diversifier ses compétences internes

A travers les publications scientifiques qu’elles produisent, les régions peuvent offrir des compétences pointues ciblées sur des domaines spécialisés ou au contraire une large palette de compétences diversifiées touchant au domaine des biotechnologies. On peut repérer les domaines d'expertise scientifique des régions à partir des thématiques des revues dans lesquelles les auteurs ou régions publient. Au total, la diversité de la production scientifique peut être approchée par 55 classes scientifiques qui décrivent 95% de la production scientifique totale. A partir de ces 55 disciplines ou thématiques, deux mesures sont mobilisées pour décrire les bases de connaissances des régions, nommément le profil scientifique et la spécialisation de la région (cf. encadré méthodologique).

Le tableau 1 montre que les grandes régions restent très généralistes dans la production scientifique avec un profil peu spécialisé tandis que les régions qui ont une production plus faible sont plus spécialisées. L’Ile de France est ainsi de loin la région disposant du potentiel scientifique le plus diversifié suivi ensuite par Rhône-Alpes et PACA à des niveaux similaires. La Lorraine apparaît très fortement spécialisée. En fait, la croissance de l’activité scientifique semble à chaque fois se faire par diversification. Aucune grande région ne montre un fort taux de spécialisation.


Tableau 1 : La structuration de la recherche scientifique en région

SPEPUB TXCOPUB TXCOPEXT TXCOPUBPP TXCOPINT USA et Canada Japon

Reste du

MondeUE

Ile-de-France

0,11 58,00% 52,80% 13,40% 35,20% 6,80% 0,70% 5,10% 9,40%

Rhône-Alpes

0,43 57,50% 67,30% 21,40% 39,90% 8,10% 0,80% 5,20% 11,40%

PACA 0,45 59,10% 65,90% 15,30% 39,50% 7,20% 0,60% 4,70% 9,20%Alsace 0,59 48,60% 75,90% 19,80% 50,60% 9,60% 1,50% 4,70% 12,60%Aquitaine 1,12 53,20% 55,80% 16,60% 29,40% 5,30% 0,30% 5,10% 8,10%Languedoc-Roussillon

1,21 53,60% 64,80% 22,00% 35,10% 5,30% 0,50% 7,10% 8,50%

Nord-Pas-de-Calais

1,56 65,30% 63,80% 12,40% 31,10% 5,20% 0,30% 2,40% 10,20%

Midi-Pyrénées

1,86 48,10% 64,50% 22,70% 36,00% 5,30% 0,30% 3,80% 9,90%

Bretagne 2,13 54,30% 65,50% 18,10% 33,70% 5,10% 0,20% 3,90% 7,90%Pays de la Loire

2,15 53,70% 69,70% 23,70% 33,50% 4,30% 0,20% 2,80% 8,20%

Centre 2,56 59,60% 69,30% 9,80% 29,20% 5,20% 0,80% 4,10% 9,10%Auvergne 3 49,90% 63,00% 17,70% 22,10% 4,10% 0,30% 3,70% 4,60%Bourgogne 3,67 42,00% 74,00% 23,60% 28,50% 3,10% 0,20% 3,90% 7,70%Champagne-Ardenne

4,03 56,70% 75,40% 24,60% 31,00% 3,10% 0,20% 4,80% 7,90%

Franche-Comté

4,97 64,00% 58,40% 28,90% 18,90% 3,50% 0,30% 2,10% 7,30%

Picardie 4,98 47,70% 73,60% 15,00% 32,60% 4,20% 0,80% 5,30% 7,00%Poitou-Charentes

5,23 50,00% 66,50% 23,80% 22,80% 3,90% 0,80% 4,10% 7,30%

Haute-Normandie

6,82 56,80% 60,50% 15,00% 24,70% 4,10% 0,40% 1,80% 6,40%

Basse-Normandie

7,69 44,50% 55,30% 21,40% 17,20% 2,70% 0,40% 2,00% 6,00%

Lorraine 8,08 46,00% 68,40% 26,10% 38,10% 4,50% 0,10% 4,90% 8,20%Limousin 8,48 69,00% 71,30% 9,60% 20,10% 3,80% 0,20% 3,30% 5,70%

SPE_PUB:Indice de spécialisation des publications (variance du RTA –Revealed Technological Advantage, calculé à partir des différentes disciplines scientifiques)

TXCOPUB:Part des co-publications dans le total des publications en sciences de la vie

TXCOPEXT:Part des co-publications réalisées avec des chercheurs externes à la région dans le total des co-publications

COPUBPP: Part des copublications impliquant à la fois des chercheurs publics et privés sur le total des co-publications.

TXCOPINT:Part des co-publications réalisées avec des chercheurs étrangers dans le total des co-publications

1.3 Des collaborations scientifiques surtout régionales

Le tableau 1 présente aussi les profils de collaborations françaises par région mesurés par les co-publications. Le résultat le plus frappant réside dans les collaborations liées à la proximité régionale. Sur l’ensemble des collaborations des laboratoires de recherche, hors Ile de France, autour de 75% des collaborations sont réalisées à l’intérieur de la même région, autour de 10 à 15% sont nouées avec l’Ile de France et


les collaborations entre régions restent marginales. L’Ile de France est la région qui a le taux de collaboration intra-régional le plus fort, ce qui s’explique par sa part dans la production scientifique. De même, l’Ile de France représente un pôle de collaborations important pour toutes les régions, y compris les plus éloignées, ce qui tend à laisser penser que la distance géographique à l’Ile de France n’est pas un frein. Exceptée l’Ile de France on ne repère pas de tendance particulière des autres grandes régions de biotechnologies à collaborer entre elles.

Le niveau de collaborations entre institutions publiques et privées diffère fortement d’une région à une autre en valeur absolue. En valeur relative les différences sont moindres car ces collaborations représentent dans la grande majorité des cas entre 12 et 18 % du total des co-publications. L’Ile de France, l’Alsace et la région PACA sont parmi les régions pour lesquelles cette proportion est la plus faible (13 à 15 %) tandis que Rhône-Alpes, Languedoc-Roussillon et surtout Midi-Pyrénées (plus de 18 %) offrent d’importantes potentialités de collaborations public/privé. Les collaborations public/privé semblent être localisées dans les régions où la présence des industries en sciences de la vie (industries reliées) est forte.

Les profils de collaboration avec l’étranger présentent de grande similarité sauf pour l’Alsace qui a développé des relations particulières avec le Japon. Les grandes régions productrices ont des propensions à collaborer avec l’étranger supérieures aux petites régions. Les Etats Unis et le Canada restent la principale destination pour les collaborations. Les collaborations européennes de Rhône-Alpes et de l’Alsace et à un moindre degré du Nord Pas de Calais sont importantes. La proximité de la frontière constitue sans doute une explication de cet état de fait.

1.4 La distribution régionale de l’innovation

Une telle distribution des ressources en biotechnologie se traduit par une distribution régionale des brevets aussi très concentrée sur l’Ile de France (cf. graphique 1). Cette concentration a même tendance à se renforcer entre 1993 et 1999 puisque l’Ile de France passe de 53% à 56% du total des dépôts de brevets (localisé par l’adresse des inventeurs). Rhône-Alpes confirme sa place de seconde région dans ce domaine avec 14,8 % des dépôts de brevets en 1999. L’orientation forte de Midi-Pyrénées en recherche privée lui permet de prendre la troisième place avec 6,8 % des dépôts. Les régions a fort potentiel scientifique au contraire n’arrivent pas à prendre une part significative dans l’activité d’innovation en restant en dessous des 5% du total national, c’est le cas de PACA ou de l’Alsace par exemple.

Enfin, malgré quelques évolutions remarquables, les positions relatives des régions apparaissent relativement stables au cours de la période 1993-1999 révélant sans doute le poids des déterminants structurels.

2 Le dynamisme économique des régions en biotechnologies

Le dynamisme économique des régions dans les biotechnologies traduit la capacité des acteurs régionaux à transformer les avancées scientifiques et techniques en création de valeur et d’emploi. Nous concentrons ici l’analyse sur l’activité des PMEs


sans doute beaucoup plus influencée par le contexte régional que les grands groupes développant des activités en biotechnologies. Deux indicateurs sont donc mobilisés pour évaluer le dynamisme régional : la création de firmes d’une part et la croissance des firmes créées d’autre part.

2.1 Création de PME de biotech dans les régions : entre essaimage scientifique et spécialisation industrielle

Dans l’ensemble, la création de PME de biotechnologies a pris son essor à la fin des années 80. Même si les premières PME de biotechnologies sont apparues dès le milieu des années 50, le phénomène est resté longtemps marginal puisque jusqu’en 1980, seules 14 PME avaient vu le jour. Depuis 1989, ce sont environ 20 PME qui sont créées chaque année en France, avec une accélération très nette depuis 1998 (près de 40 créations chaque année). Ces créations n’ont cependant pas lieu de manière uniforme sur le territoire.

Tableau 2 : Création et croissance des PME de biotech dans les régions

Régions Nb de créations(1)

Date moyenne de création

Effectifs en 1999

Effectif moyen en 1999

TCAM 96-99(4)

Ile de France 117 1994 8857 75,7 7,5Champagne-Ardenne 3 1992 180 60,0 -1,2Picardie 3 1988 34 11,3 17,4Haute-Normandie 3 1995 77 25,7 13,5Centre 8 1984 147 18,4 1,9Basse-Normandie 1 1979 - - -Bourgogne 3 1991 111 37,0 8,9Nord-pas-de-Calais 11 1995 267 24,3 1,8Lorraine 8 1993 31 3,9 1,8Alsace 26 1991 933 35,9 4,6Franche-Comté 1 1991 24 24,0 2,2Pays de la Loire 24 1995 151,5 6,3 17,9Bretagne 19 1991 852 44,8 8,8Poitou-Charentes 1 1991 - - -Aquitaine 24 1994 500 20,8 7,6Midi-Pyrénées 24 1993 274 11,4 14,2Limousin 3 1998 - - -Rhône-Alpes 29 1994 474 16,3 5,5Auvergne 18 1997 113 6,3 5,4Languedoc-Roussillon 19 1997 65 3,4 13,7PACA 16 1992 362 22,6 15,5Non renseigné(2)(3) 41 41 203 203 203TOTAL 402 1993 13453 37,3 8,4

(1) jusqu’en 2001. Attention, il s'agit du nombre de créations et non du nombre de PME en activité (certaines ont disparu au cours de la période)

(2) Les informations concernant la localisation ou la date de création sont manquantes pour certaines PME. Cette ligne indique donc le nombre de PME non renseignées.

(3) Pour les effectifs et le taux de croissance annuel moyen, seules les PME créées avant 1993 sont observées, soit 203 PME.

(4) : TCAM : Taux de croissance annuel moyen des PME


Les caractéristiques de la région en terme de profils scientifiques et industriels définissent l’environnement sur lesquels les PMEs choisissent de s’implanter. Ainsi l’Ile de France rassemble encore une grande partie des créations d’entreprises intervenues entre 1993 et 1999. Cependant, la domination est beaucoup moins nette que dans les activités scientifiques et de recherche/développement. Derrière l’Ile de France la répartition est assez homogène au sein de l’ensemble des régions qui ont une base scientifique généraliste, comme Rhône Alpes, Midi-pyrénées et l’Alsace. Les régions les mieux dotées en recherche publique (nombre d’enseignants-chercheurs, de doctorants et de publications), et montrant une capacité à développer des co-publications public/privé, sont donc souvent celles qui sont les plus dynamiques en terme de créations de PME. Les compétences spécifiques des régions donnent lieu à des vagues de création successives, en fonction de la maturité des technologies présentes et qui sont valorisées par la création de start-ups. Cependant, plusieurs exceptions notables laissent penser que les effets d’essaimage ne reposent pas que sur la compétence scientifique. Des régions relativement peu dotées en recherche publique se trouvent parmi les régions phares en matière de créations de PME (Pays de la Loire et Aquitaine notamment) alors qu’inversement, les grands pôles scientifiques du sud de la France (PACA, dont on peut remarquer le faible taux de co-publications public/privé, et Languedoc-Roussillon) restent en retrait pour la création d’entreprises. Ceci peut traduire une seconde dynamique positive fondée sur la spécialisation régionale des industries reliées.

2.2 La croissance des PMEs de biotechnologies : influence régionale ou dynamique individuelle ?

Les disparités régionales sont cependant à considérer aussi en regard des effectifs de ces PMEs et de leur taux de croissance. La concentration en Ile de France et en Alsace est alors plus prononcée, puisque les PME localisées dans ces deux régions ont en général une taille supérieure à la moyenne. La Bretagne voit également dans ce cas son poids largement renforcé.

Ces disparités de taille résultent probablement de trajectoires de croissance particulièrement favorables dans les premières années qui ont suivi la création. Cette dynamique semble cependant s’essouffler, en particulier en Alsace où le taux de croissance annuel moyen de 93 à 99 est décevant.

Plus généralement, il semble en fait se dessiner trois types de régions :

- Des régions à très petites entreprises plutôt récentes et très dynamiques : Pays de la Loire, Languedoc-Roussillon, Midi-Pyrénées. Le Languedoc-Roussillon semble en particulier connaître une tendance très prononcée au rattrapage, avec à la fois un fort taux de croissance des effectifs des PME déjà implantées et une augmentation considérable du nombre de créations de PME depuis 98.

- Des régions avec des PME de taille moyenne, créées dans les années 90 mais, là encore, très dynamiques : PACA et Haute-Normandie.

- Enfin, un ensemble de régions aux moindres performances : Centre, Nord Pas de Calais, Lorraine et dans une moindre mesure, Alsace, Rhône-Alpes, Auvergne. Ces régions, qui ont été, à l’exception notable de l’Auvergne, assez largement précurseurs en matière de création de PME de biotech disposent de taux de croissance de leurs effectifs nettement en dessous de la moyenne nationale.


L’Alsace et Rhône-Alpes doivent ainsi leur position dominante à un très fort dynamisme en début de période, i.e. surtout avant 1989.

2.3 Conclusion

Les régions apparaissent ainsi en compétition les unes par rapport aux autres pour attirer les PME. Ces dernières choisissent de se localiser non seulement à proximité des lieux de production scientifiques mais aussi près de leurs principaux marchés, constitués par les entreprises actives dans le secteur des sciences du vivant. Cependant, les régions qui regroupent le plus grand nombre de PME sont donc loin d’être les plus dynamiques en terme de croissance des emplois. Il semble ainsi se produire peu d’effets cumulatifs auto-renforçant au sein des régions. Les effets cycliques connus de la croissance des entreprises dans des secteurs high tech semblent pour l’instant dominer les dynamiques régionales. Au de-là de l’attractivité du contexte régional qui peut influencer les choix de localisation des entreprises au moment de leur création, on peut donc s’interroger sur la capacité des régions à favoriser et à stabiliser le développement industriel résultant de ces créations.


Note méthodologique sur données, sources et indicateurs

La création de PMEs

Les données sur les PME sont extraites de la base de données créée par INRA/SERD à partir d’une enquête menée en 1999 par le Ministère français de la Recherche et de la Technologie (http://biotech.education.fr). Les données ont été mises à jour et complétées par l’équipe INRA/SERD à Grenoble (http://www.grenoble.inra.fr).

Nous avons extrait de cette base le nombre de start-up créées chaque année dans chaque région française (excepté la Corse) entre 1993 et 1999, soit 165 créations. La base nous permet aussi de connaître l’effectif employé par ses entreprises sur la période et d’évaluer ainsi leur taux de croissance.

Les brevets

Les données de brevets proviennent de la base de données OST/OEB agrégée par région. L’adresse des inventeurs a été utilisé pour définir la localisation des brevets. Les données sont lissées sur trois ans c’est-à-dire que le chiffre donné pour 1999 correspond à la moyenne des dépôts de brevets pour 1997-1998 et 1999.Nous avons évalué le champ biotechnologie comme la somme des trois sous-domaines technologique suivant : pharmacie-cosmétiques (12), biotechnologies (13) et produits agricoles et alimentaires (14), nomenclature OST des sous-domaines technologiques.

Les publications

Les données de publications sont extraites du Science Citation Index (SCI) et du Biotech. Citation Index (BCI). Elles sont analysées à partir des adresses des institutions de telle sorte que les nombres fournis correspondent au nombre de participation à articles des institutions localisées au sein d’une région particulière.

Le degré d’interactivité caractérisant la recherche scientifique dans les régions est mesuré à partir des données de co-publications. Reliant les institutions deux à deux ces données indiquent le nombre de fois où deux institutions ont signé conjointement le même article. Des agrégations sont ensuite effectuées afin de décrire les caractéristiques principales des collaborations : plutôt entre institutions publiques ou associant des institutions publiques et privées, plutôt interne à une région ou impliquant des institutions n’appartenant pas à la région, parmi lesquelles on peut distinguer les collaborations externes nationales et les collaborations internationales.

La recherche publique

La recherche publique est évaluée ici à travers le nombre de doctorants et d’enseignants-chercheurs. Le nombre de doctorant en biotechnologie et d’enseignants-chercheurs dans les disciplines correspondantes est founi par le ministère de la recherche.

La recherche privée

L’enquête R&D annuelle du Ministère de la Recherche a été utilisée pour évaluer le potentiel régional en recherche privée (dépenses de recherche (DIRD), et effectif de chercheurs). La sélection des entreprises biotech. est fondée sur le clé « biotechnologie » qui est apparue dans les enquêtes 1999 et 2000. Cette sélection regroupe des entreprises appartenant à 47 secteurs différents selon la NAF114. 11 de ces secteurs représentent environ 90% des effectifs. Il s’agit des secteurs A01, B04, B05, C31, F43, G21, G15, J20, N23, N25, N40.


http://biotech.education.fr/

Le potentiel industriel

Les données concernant les industries utilisatrices de biotech recouvrent principalement les secteurs liés aux sciences de la vie (santé humaine, animale et végétale, environnement, agriculture et agro-alimentaire). Ces données portent sur les effectifs employés dans ces secteurs et sur les investissements et sont tirées du CDRom du SESSI : SESSI-région qui réalise la régionalisation à partir de l’Enquête Annuelle d’Entreprise ( EAE).

Les industries considérées sont les suivantes : B01, Industrie des viandes – B02, Industrie du lait – B03, Industrie des boissons – B04, Travail du grain, fabrication d'aliments pour animaux – B05, Industries alimentaires diverses – C31, Industrie pharmaceutique – C32, Fabrication de savons, de parfums et de produits d'entretien – F41, Industrie chimique minérale – F42, Industrie chimique organique – F43, Parachimie – F44, Fabrication de fibres artificielles ou synthétiques

La spécialisation sectorielle

La spécialisation sectorielle est mesurée par l’indicateur classique de l’avantage technologique révélé (RTA). En notant Pif l’activité d’une région f dans un domaine i, pour une année donnée, l'avantage technologique de la région relativement aux autres régions dans le domaine i est défini par :

∑∑∑=

if iff if

i ififif PP

PPRTA

La mesure de la spécialisation dans un domaine est définie comme le ratio de deux proportions. La première est interne à la région (le numérateur), la seconde est relative à l'ensemble des acteurs actifs dans domaine des biotechnologies au niveau national (le dénominateur). Pour un domaine i, si la proportion de l’activité de la région dans ce domaine est supérieure (inférieure) à celle de l'ensemble des acteurs en biotechnologies, l’indicateur est supérieur (inférieur) à l'unité. Le degré de spécialisation d’une région est alors donné par la mesure de la variance de ces indicateurs de spécialisation calculé pour chaque domaine au sein d’une région.


Indications bibliographiques

Arthur WB. 1995. La localisation en grappes de la silicon Valley : à quel moment les rendements croissants conduisent-ils à une position de monopole ? In A Rallet, A Torre (Eds.), Economie industrielle et spatiale: 297-316. Economica: Paris

Autant-Bernard C, Massard N, Mangematin V. 2002. Creation and Growth of high tech SMEs: The role of Local environment. In J Niosi (Ed.), Clusters in high-technology.: Montreal, UQAM

Cooke P. 2001. Biotechnology clusters in the UK: lessons from localisation in the commercialisation of science. Small Business Economics 17(1-2): 43-59

Feldman M. 1994. The Geography of Innovation. Kluwer Academic Publishers: Boston

McKelvey M, Alm H, Riccaboni M. 2002. Does co-location matter for formal knowledge collaboration in the swedish biotechnology-pharmaceutical industry? Research Policy

Feldman M, Francis J. 2001. Entrepreneurs and the formation of Industrial Clusters, Complexity and Industrial Clusters.: Milan

Krugman P. 1995. Rendements croissants et géographie économique. In A Rallet, A Torre (Eds.), Economie industrielle et spatiale: 317-334. Economica: Paris


Compétition scientifique et technologique entre régions

françaises : le cas des biotechnologies

C. Autant-Bernard, M. Carrere, R. Coronini, V. Mangematin, N. Massard, L. Nesta

Les biotechnologies1 sont un des secteurs émergents dont le développement repose sur la création de PME intensives en recherche. Dans tous les pays, le mouvement de création d'entreprises s'est amplifié au cours des dix dernières années. Ainsi, en 1999, les USA comptent environ 1400 PME de biotechnologie contre 1200 pour l'Europe selon Ernst and Young (Ernst&Young, 2000). En France, il s'est créé entre 1998 et 2000 plus de PME de biotechnologie que pendant les 10 années précédentes, soit 100 entreprises (Lemarie et al., 1999a, 1999b).

Aux États Unis, le secteur des biotechnologies s'est développé autour de pôles d'excellence scientifique (Audretsch et al., 1996c; Zucker et al., 1995; Zucker et al., 1997), la mobilité des chercheurs des centres de recherche académique vers le privé constituant un vecteur de diffusion des connaissances et un ressort puissant de la création de start ups. La politique économique et fiscale en faveur des créateurs d'entreprises high tech a produit des résultats impressionnants au Québec, devenu la troisième région d'implantation des firmes de biotechnologie en Amérique du nord (Niosi, 2000). L'expérience française est plus complexe à analyser, car l'État définit une politique économique et fiscale qui s'adresse à tous, alors que les Régions disposent d'autres instruments pour encourager leur développement économique, en favorisant l'émergence des nouvelles technologies, les biotechnologies et les technologies de l'information notamment. Les régions sont ainsi en compétition pour attirer les start ups sur leur territoire, de manière à générer des rendements croissants d'adoption sur un territoire donné (Krugman, 1991). Jusque dans les années 90, les

1 Nous définissons les entreprises de biotechnologie par les technologies qu'elles produisent et mettent en œuvre : sont considérées comme des entreprises de biotechnologies les firmes qui développent ou utilisent des technologies industrielles issues des sciences et techniques de la vie (parfois des matériaux) utilisant les propriétés du vivant en vue de produire des biens et services.


pouvoirs publics ont favorisé les transferts de technologie entre les laboratoires académiques et le tissu industriel via les grandes entreprises. Ainsi, le développement des biotechnopoles a-t-il connu un succès mitigé (Genet, 1997) : la croissance importante des technopoles de Strasbourg et de Clermont Ferrand, qui a permis l'émergence de nombreuses PME, contraste avec des évolutions moins favorables.

L'évolution récente recouvre des phénomènes contradictoires : si l'Ile de France est nettement dominante, notamment avec les entreprises créées autour des Universités et du genopole, les entreprises s'installent également en Alsace, Auvergne, Aquitaine, Bretagne, Rhône-Alpes et Midi Pyrénées (Lemarie et al., 2001; Mangematin et al., 2001a ). Cependant, les entreprises hors Ile de France sont plus petites et génèrent un chiffre d'affaires plus faible. De plus, le nombre d'entreprises ne suit pas complètement l'importance de la recherche académique locale mesurée en nombre de chercheurs.

Une telle situation pose plusieurs questions d'ordre empirique et théorique. S'il est nécessaire d'affiner et de compléter les données sur les entreprises et sur la recherche académique pour décrire le potentiel scientifique et technique régional en France, on peut aussi se demander si les externalités géographiques révélées par les travaux américains couvrent l'ensemble des modalités de valorisation économique des recherches effectuées dans une région ou si elles ne se limitent qu'aux innovations radicales, en focalisant l'étude des mécanismes de spillovers sur les entreprises étant introduites en bourse.

L'objectif de ce projet est de mettre en évidence les liens entre le profil scientifique et technique d'une région et le développement économique. Cette recherche se fonde sur l'exemple de la biotechnologie pour analyser les mécanismes de construction d'une base scientifique et technique régionale et ses effets sur la dynamique économique induite autour des high tech. Les enjeux sont double. (1) Comprendre comment les entreprises bénéficient des externalités scientifiques et techniques créées au niveau régional tant par les autres entreprises que par les laboratoires académiques permet de préciser le rôle de la proximité géographique dans la dynamique économique à un moment où l'ensemble des pouvoirs publics régionaux, nationaux ou européens investissent dans les secteurs high tech que ce soit en soutenant la recherche, l'innovation ou la création d'entreprise. (2) Cette analyse permet d'évaluer l'impact des différents outils de politique économique conduits à plusieurs niveaux, régional, national ou international.

Le premier volet de l’étude est consacré à la description des profils scientifiques, techniques et industriels régionaux. La seconde partie du rapport présente un travail plus interprétatif sur les déterminants de la création et de la croissance des PME de biotechnologies dans lequel l’influence des facteurs régionaux est estimée au travers de méthodes économétriques. Il est présenté dans un article qui constitue la seconde partie.

1 La caractérisation des profils régionaux

Cette première partie est constituée des quatre sous parties qui présentent la performance de chacune des régions françaises suivant 4 dimensions :


1. La dimension scientifique comprenant la production scientifique et sa concentration entre plusieurs acteurs, le degré de spécialisation scientifique de la région et la localisation des collaborations nouées.

2. La dimension industrielle qui permet une mesure du potentiel de demande régionale, présentée à travers les effectifs employés dans les secteurs utilisateurs de biotechnologie, les investissements réalisés, la structure par taille d’entreprise et le degré d’autonomie décisionnelle.

3. La dimension recherche comprenant les moyens affectés par la région à la recherche privée et publique, la spécialisation régionale et des éléments de dynamique de la recherche en région.

4. La dimension PME étudiée à travers l’évolution des PME créées dans la région et le dynamisme de la région en matière de création d’entreprise.

La nouveauté du champ sectoriel étudié, les biotechnologies, et la diversité des sources et types de donnés utilisées pour rendre compte de ces profils régionaux posent d’importants problèmes de nomenclatures. L’identification d’un champ biotechnologie au travers des données de publications, de brevets, de recherche- développement et d’industrie n’est pas pleinement stabilisée. Nous précisons dans le tableau A en annexe 1 les choix de classification que nous avons effectué.

1.1 Le profil scientifique

1.1.1 La production scientifique et technique et sa concentration

L’analyse porte sur plus de 60 000 publications en biotechnologies impliquant la participation d'au moins une institution (publique ou privée) de recherche. Comme le Science Citation Index (SCI) , le Biotech Citation Index (BCI) est une base de données qui permet de repérer l’origine géographique des auteurs publiant. Dans le cadre de ce rapport, nous avons pourtant préféré fonder notre analyse sur les adresses des laboratoires, la correspondance entre les auteurs et leurs adresses respectives n’étant pas strictement déductible de par la construction même du BCI. En outre, les publications scientifiques sont généralement le fruit d'un travail collectif de recherche, rassemblant plusieurs institutions de recherche. Autrement dit, il faut clairement distinguer le nombre de référence bibliographique de celui dénombrant les participations à une publication d'un auteur ou d'une institution. Dans notre échantillon initial, les 60 000 publications ont fait appel a presque 300 000 participations d'institutions de recherche localisées en France (295 676 exactement), soit environ 5 institutions de recherche par publications. Le travail sur les adresses reste délicat, car il doit prendre en compte les fautes de saisie sur les adresses. Par exemple, 97444 adresses différentes françaises sont recensées dans le BCI, ce qui demeure hautement improbable. Dans ce qui suit, nous avons arbitrairement fixé, pour une adresse donnée, un seuil minimal de 6 publications. Cette première restriction nous conduit à repérer environ 1500 adresses en France.

Le tableau 1 ci-dessous présente la production scientifique des régions, en distinguant le nombre de publication (ou référence) par régions, les adresses correspondantes. Ce tableau répertorie également l'indice de Herfindahl par région. Ce dernier, égal à la somme des carrés des parts des adresses par régions, est d'autant plus (moins) élevé


que la production scientifique est concentrée dans peu (beaucoup) d'adresse, i.e. peu d'institution de recherche.

Tableau 1 : La production scientifique en biotechnologie par région

Nombre total de

référence

Nombre d'adresse (Pub>5)

Indice de Herfindahl % rang

Publi-cations totales2

indice de spéciali-sation

11 Ile-de-France 30440 820 0.0031 42,60% 1 39,7 10721 Champagne-Ardenne 474 1 1.0000 0,70% 16 0,65 10822 Picardie 580 5 0.2155 0,80% 18 0,75 10723 Haute-Normandie 579 2 0.5433 0,80% 15 1,25 6424 Centre 1366 33 0.0603 1,90% 11 2,05 9325 Basse-Normandie 382 3 0.3368 0,50% 20 1,1 4526 Bourgogne 940 16 0.0716 1,30% 14 1,25 10431 Nord-Pas-de-Calais 2236 60 0.0251 3,10% 7 3,1 10041 Lorraine 1416 15 0.0698 2,00% 12 2,9 6942 Alsace 4699 98 0.0169 6,60% 5 4,5 14743 Franche-Comté 422 3 0.3571 0,60% 19 0,85 7152 Pays de la Loire 1557 12 0.0988 2,20% 10 2,5 8853 Bretagne 2219 33 0.0546 3,10% 8 3,3 9454 Poitou-Charentes 547 2 0.5800 0,80% 17 1,15 7072 Aquitaine 2191 38 0.0373 3,10% 9 3,75 8373 Midi-Pyrénées 3566 73 0.0215 5,00% 6 4,9 10274 Limousin 257 1 1.0000 0,40% 21 0,65 6282 Rhône-Alpes 6732 98 0.0204 9,40% 2 11,5 8283 Auvergne 1089 15 0.0771 1,50% 13 1,5 10091 Languedoc-Roussillon 4634 44 0.0279 6,50% 4 4,7 13893 PACA 5033 90 0.0171 7,10% 3 7,25 9894 Corse 21 0,00% 22 Total 71380 1 462

Nous tirons les enseignements suivant :

1. La production scientifique est très concentrée dans la région parisienne. Plus de 42% des références sont issues de la région parisienne Rhône-Alpes, PACA, Alsace, Midi-Pyrénées sont des régions actives dans la production scientifique en biotechnologie.

2. Les régions Ile de France, Alsace et Languedoc Roussillon ont une spécialisation prononcée dans les biotechnologies alors que Rhône-Alpes et Aquitaine sont moins spécialisés en biotechnologie.

2 Les publications totales sont estimées à partir du rapport OST 2002, p 149. Les positions relatives des régions sont moyennées entre 1995 et 1999. L’indice de spécialisation résulte du rapport entre la part de chaque région pour les biotechnologies et la part de chaque région dans les publications totales.


3. Une des caractéristiques qui ressort nettement est la grande concentration de la production scientifique en province, contrairement à Paris où la production semble réalisée dans des laboratoires plus nombreux.

4. D'une manière générale, la part de la production scientifique d'une région donnée est inversement proportionnelle à sa concentration : les régions les plus (moins) concentrées sont celles dont la part dans la production scientifique nationale est faible (forte). En effet, le coefficient de corrélation de Spearman (portant sur les rangs) est égal à –0,93.

Ces premiers résultats sont, d'une certaine manière, intuitifs. Les régions les plus productives sont celles faisant intervenir un nombre important d'acteurs, publics ou privés.

Le nombre d’enseignant-chercheurs (disciplines liées aux sciences de la vie, à l’exclusion des cliniciens) donne une indication du capital humain public au sein des universités. Le doctorants donne un indice sur la formation par la recherche que la région réalise, i.e. sa capacité à renouveler et à produire des compétences scientifiques. La production de doctorants est plus dispersée sur l’ensemble du territoire que la production scientifique. Cependant, le rang des principales régions est similaire. La production régionale est donc fortement concentrée en région parisienne, les 5 premières régions assurant 75% de la production scientifique. Comme en témoigne l’indice d’Hinferdhal de la région parisienne, la production scientifique est dispersée entre des institutions différentes. On peut, en première approximation, estimer que les structure de recherches sont plus dispersées.


Tableau 2 : Le nombre d’enseignants-chercheurs titulaires en 1999 et le nombre de doctorants entre 1990 et 1991

CR Régions doctorants % Enseignants-chercheurs % rang 11 Ile-de-France 6701 37,3% 3544 30,4% 121 Champagne-Ardenne 23 0,1% 178 1,5% 2022 Picardie 381 2,1% 174 1,5% 1123 Haute-Normandie 194 1,1% 237 2,0% 1624 Centre 343 1,9% 279 2,4% 1325 Basse-Normandie 90 0,5% 195 1,7% 1926 Bourgogne 299 1,7% 234 2,0% 1431 Nord-Pas-de-Calais 649 3,6% 504 4,3% 941 Lorraine 846 4,7% 412 3,5% 642 Alsace 864 4,8% 397 3,4% 543 Franche-Comté 161 0,9% 203 1,7% 1852 Pays de la Loire 286 1,6% 466 4,0% 1553 Bretagne 593 3,3% 522 4,5% 1054 Poitou-Charentes 228 1,3% 196 1,7% 1772 Aquitaine 710 3,9% 542 4,6% 873 Midi-Pyrénées 757 4,2% 580 5,0% 774 Limousin 15 0,1% 173 1,5% 2182 Rhône-Alpes 1912 10,6% 1102 9,4% 283 Auvergne 356 2,0% 279 2,4% 1291 Languedoc-Roussillon 1245 6,9% 465 4,0% 493 PACA 1256 7,0% 917 7,9% 394 Corse 0,0% 22 0,2% 22 non localisés 70 0,4% 52 0,4% Ensemble 17979 100,0% 11673 100,0%

1.1.2 La spécialisation régionale

La production scientifique des régions est basée sur des domaines d'expertise des institutions de recherche. Le travail qui suit décrit les spécialisations régionales en faisant fi, pour l'heure, de ces institutions de recherche. Ainsi, les mesures présentées ci-après sont appliquées aux régions, et non au niveaux des institutions par région. Nous décrivons les domaines d'expertise scientifiques des régions à partir des thématiques des revues dans lesquelles les auteurs ou régions publient. Au total, nous avons répertorié 180 sous disciplines attachées aux sciences de la vie. Notons que la diversité de la production scientifique peut être approximée par 55 classes scientifiques qui décrivent 95% de la production scientifique totale. A partir de ces 55 disciplines ou thématiques, deux mesures sont mobilisées pour décrire les bases de connaissances des régions, nommément le profil technologique et la spécialisation technologique de la région.

Par profil technologique, nous décrivons les compétences technologiques présentes au sein des régions en sommant simplement les publications par thématiques. Il s'ensuit que chaque région peut être décrite par un vecteur de 55 technologies présentant le nombre de publications par thématique. Par spécialisation technologique, nous entendons un domaine d'expertise scientifique et technique particulier de la région par rapport (i) aux autres connaissances technologiques qu'elle détient; (ii) aux autres


régions. Nous reprenons la mesure de la spécialisation développée dans divers travaux (Piscitello, 1998a; 1998b; Praest, 1998; 1999; Cantwell et Fai, 1999; Cantwell et Piscitello, 1999; Fai, 1999, Nesta, 2001). Une région est d'autant plus spécialisée qu'elle développe des pôles d'excellence technologique, en terme d'avantage technologique relatif (Relative Technological Advantage – RTA). En notant Pif le nombre de publications déposés par la région f dans la thématique i, pour une année donnée, l'avantage technologique de la région relativement aux autres acteurs en biotechnologies dans la technologie i est défini par :

∑∑∑=

if iff if

i ififif PP

PPRTA

La mesure RTA est définie comme le ratio de deux proportions. La première est interne à la région (le numérateur), la seconde est relative à l'ensemble des acteurs actifs dans domaine des biotechnologies (le dénominateur). Pour une thématique i, si la proportion des publications déposés par la région dans la thématique i est supérieure (inférieure) à celle de l'ensemble des acteurs en biotechnologies, le RTA est supérieur (inférieur) à l'unité. L’annexe 1 donne une idée précise de la spécialisation relative de chaque région par disciplines. Il est ainsi intéressant de remarquer que les grandes régions restent très généralistes dans la production scientifique avec un profil peu spécialisé tandis que les régions qui ont une production plus faible sont plus spécialisées.

Le degré de spécialisation de la région f est défini comme le coefficient de dispersion de la variable RTA sur l'ensemble des technologies détenues par la région :

f,RTA

f,RTAf,RTAf CVSPE

µσ

==

Ce ratio est d'autant plus élevé que l'écart type des RTA de la région est élevée. Si la région ne possède pas de pôle d'excellence scientifique relativement aux autres classes dans lesquelles elle est présente, son degré de spécialisation SPE est faible. Si au contraire son profil technologique est très prononcé (l'écart type est élevé), SPE est élevé.

Le graphique 1 ci-dessous est une première représentation des régions en deux dimensions. Ce faisant, nous développons une typologie en 4 groupes, croisant le degré de concentration (Indice de Herfindahl) de la production scientifique (l'axe vertical) et le degré de spécialisation des régions (axe horizontal). La Corse est exclue de l'analyse du fait de sa position atypique. Nous repérons trois groupes, les deux premiers représentant des groupes polaires :

• Les régions peu concentrées et peu spécialisées (relativement aux autres): Ile de France, PACA, Rhône-Alpes.


• Les régions très concentrées et très spécialisées (relativement aux autres) : Centre, Limousin, Basse et Haute Normandie, Poitou Charente, etc.

• Des régions intermédiaires, où la production scientifique est plutôt peu concentrée et le degré de spécialisation régionale reste faible (elles sont donc plutôt diversifiées).

Graphique 1 : Concentration et spécialisation des régions dans la production scientifique

Spécialisation

1.41.2 1.0.8.6.4.2

HERF

1.2

1.0

.8

.6

.4

.2

0.0

-.2

PACA


Auvergne

Rhône-Alpes

Limousin

Midi-PyrénéesAquitaine

Poitou-Charentes

Bretagne

Pays de la Loire

Franche-Comté

Alsace Lorraine

Nord-Pas-de-Calais

Bourgogne

Basse-Normandie

Centre

Haute-Normandie

Picardie

Champagne-Ardenne

Ile-de-France

Les grandes régions productrices en biotechnologies ont un indice de spécialisation faible, témoignant ainsi d’une production large sur l’ensemble des aspects des biotechnologies. La base de connaissances apparaît dispersée non seulement entre plusieurs laboratoires mais aussi sur l’ensemble des domaines scientifiques. A contrario, les régions plus petites ont une production plus concentrée. Si l'on suit la figure ci-dessus, il semble qu'un effet de seuil apparaisse. En effet, en deçà d'un certain degré de spécialisation (SPE<1), les régions peuvent garder une faible concentration de leur production scientifique. En revanche, si le degré de spécialisation croît davantage (SPE>1), alors la production scientifique fait appel à davantage d'institutions de recherche. Cette liaison indique dès lors un effet de seuil qui n'est pas neutre vis-à-vis de l'organisation régionale de la recherche. Notamment, les régions les plus productives sont celles qui sont le moins concentrées et le moins spécialisées. En conséquence, la promotion de la recherche, pour une région donnée, semble devoir s'armer d'un nombre d'acteur suffisamment important pour promouvoir sa production scientifique. Ces propos rejoignent ceux plus généraux des écrits relatifs à la diversité des savoirs. Ces premiers résultats montrent en effet que la diversité des savoirs au sein d'une région est davantage la source d'une production scientifique substantielle.


Rappelons que chaque région peut être décrite en fonction de deux vecteurs de 55 variables décrivant les 55 thématiques scientifiques retenues dans notre échantillon. Le premier vecteur est relatif au profil technologique dénombrant le nombre de publication d'une région par thématique. Le second est relatif à la spécialisation relative de la région dans une technologie donnée (RTA). Deux régions peuvent ainsi être comparées aux autres par rapport à ce qu'elles savent (profil technologique) et par rapport à leur expertise scientifique (RTA). La mesure de la similarité interrégionales utilisée ici est celle du coefficient de corrélation. D'autres auraient pu être développées, et nous pensons principalement à la mesure des distances euclidiennes telle que développée dans les travaux de Jaffe (1986). Toutefois, les résultats ne sont pas tributaires de la méthode retenue, comme les travaux de Nesta (2001) le montrent.

Nous n'entrons pas dans le détail région par région de similarités (ou pas) entre régions (les tableaux de l’annexe 2 montrent que la similarité des profils technologiques des grandes régions de production scientifique en biotechnologie). En revanche, le tableau 3 synthétise nos résultats en présentant la moyenne des coefficients de corrélation par régions. Si nous ne pouvons véritablement conclure si une liaison claire entre les deux mesures (r² = 0.086, p=0.703 donc non significativement différent de 0), nous constatons pourtant que si les régions sont similaires du point de vue de leur thématiques scientifiques (vecteur PROFIL), elles semblent opter pour des domaines d'expertise qui leur sont propres. Grosso modo, si toutes les régions savent la même chose, elles se spécialisent dans des domaines différents.


Tableau 3 : Comparaison régionale

PROFIL RTA 11 Ile-de-France 0.8600 -0.221321 Champagne-Ardenne 0.8503 0.101022 Picardie 0.6557 0.034223 Haute-Normandie 0.8649 -0.019724 Centre 0.8458 -0.017525 Basse-Normandie 0.7490 0.027026 Bourgogne 0.7732 0.093031 Nord-Pas-de-Calais 0.8426 -0.081541 Lorraine 0.8020 -0.016442 Alsace 0.8083 -0.099643 Franche-Comté 0.7045 -0.041952 Pays de la Loire 0.8541 0.084453 Bretagne 0.8706 0.030854 Poitou-Charentes 0.8819 0.047372 Aquitaine 0.8873 0.069773 Midi-Pyrénées 0.8662 -0.018274 Limousin 0.7821 -0.018482 Rhône-Alpes 0.8494 -0.060483 Auvergne 0.8129 0.087191 Languedoc-Roussillon 0.8653 0.055293 PACA 0.8751 -0.013394 Corse 0.5876 0.0337

1.1.3 Les collaborations par région

Le tableau 4 présente les profils de collaborations françaises par région tandis que le tableau 5 précise les taux d’externalisation par les copublications et l’importance des copublications entre institutions publiques et privées pour chaque région. Le résultat le plus frappant réside dans les collaborations liées à la proximité régionale. Sur l’ensemble des collaborations des laboratoires de recherche, hors Ile de France, autour de 75% des collaborations sont réalisées à l’intérieur de la même région, autour de 10 à 15% sont nouées avec l’Ile de France et les collaborations entre régions restent marginales. L’Ile de France est la région qui a le taux de collaboration intra-régional le plus fort, ce qui s’explique par sa part dans la production scientifique. De même, l’Ile de France représente un pole de collaboration important pour toutes les régions, y compris les plus éloignées, ce qui tend à laisser penser que la distance géographique à l’Ile de France n’est pas un frein.


Tableau 4 : les collaborations entre régions

11 82 54 31 42 91 73 53 93 72 24 23 41 83 21 25 26 52 22 43 74 94 total

11 Ile-de-France 85,7% 2,1% 1,6% 1,3% 1,2% 1,1% 1,0% 0,9% 0,8% 0,7% 0,6% 0,5% 0,5% 0,3% 0,3% 0,3% 0,2% 0,2% 0,2% 0,2% 0,1% 0,0% 100%

82 Rhône-Alpes 11,6% 74,3% 2,6% 0,9% 1,4% 1,4% 1,0% 0,7% 0,9% 0,8% 0,7% 0,4% 0,6% 0,5% 0,3% 0,4% 0,5% 0,2% 0,3% 0,2% 0,3% 0,0% 100%

54 Poitou-Charentes 11,0% 3,2% 73,5% 0,7% 1,5% 2,4% 1,3% 0,7% 1,0% 1,4% 0,5% 0,3% 0,5% 0,5% 0,2% 0,1% 0,3% 0,2% 0,4% 0,1% 0,1% 0,0% 100%

31 Nord-Pas-de-Calais 15,6% 2,1% 1,2% 70,5% 1,7% 1,4% 1,4% 0,8% 1,1% 0,5% 0,5% 0,7% 0,4% 0,4% 0,3% 0,2% 0,2% 0,4% 0,1% 0,2% 0,2% 0,0% 100%

42 Alsace 12,9% 2,6% 2,2% 1,4% 72,8% 1,2% 1,5% 0,4% 0,6% 1,0% 0,4% 0,3% 0,9% 0,3% 0,5% 0,2% 0,3% 0,1% 0,1% 0,2% 0,1% 0,0% 100%

91 Languedoc-Roussillon 9,9% 2,3% 3,0% 1,0% 1,0% 75,3% 2,0% 0,9% 0,6% 1,1% 0,5% 0,2% 0,4% 0,4% 0,3% 0,1% 0,3% 0,2% 0,2% 0,3% 0,1% 0,0% 100%

73 Midi-Pyrénées 12,1% 2,2% 2,1% 1,3% 1,7% 2,7% 71,5% 1,1% 0,6% 1,4% 0,5% 0,3% 0,3% 0,6% 0,3% 0,1% 0,3% 0,2% 0,3% 0,1% 0,1% 0,0% 100%

53 Bretagne 13,8% 2,0% 1,6% 0,9% 0,6% 1,6% 1,4% 70,3% 2,1% 1,4% 0,9% 0,3% 0,5% 0,5% 0,4% 0,6% 0,4% 0,2% 0,4% 0,2% 0,0% 0,0% 100%

93 PACA 15,2% 3,2% 2,9% 1,9% 1,1% 1,4% 1,0% 2,8% 61,3% 1,5% 0,9% 0,4% 1,3% 0,8% 0,5% 0,9% 0,5% 0,4% 0,7% 0,8% 0,5% 0,1% 100%

72 Aquitaine 11,7% 2,4% 3,4% 0,7% 1,6% 2,0% 2,0% 1,5% 1,2% 68,5% 0,9% 0,4% 0,6% 0,3% 0,5% 0,3% 0,4% 0,2% 0,5% 0,2% 0,2% 0,1% 100%

24 Centre 17,2% 3,4% 1,9% 1,2% 1,2% 1,5% 1,2% 1,6% 1,3% 1,6% 64,1% 0,3% 0,5% 0,4% 0,5% 0,1% 0,5% 0,2% 0,7% 0,5% 0,3% 0,0% 100%

23 Haute-Normandie 23,6% 3,6% 2,2% 2,6% 1,4% 1,2% 1,2% 0,9% 1,1% 1,2% 0,4% 56,5% 0,7% 0,5% 0,4% 1,2% 0,3% 0,6% 0,1% 0,1% 0,4% 0,0% 100%

41 Lorraine 13,5% 3,3% 2,0% 0,8% 2,4% 1,2% 0,8% 1,0% 1,9% 1,1% 0,5% 0,4% 68,2% 0,5% 0,3% 0,3% 0,5% 0,3% 0,3% 0,5% 0,1% 0,0% 100%

83 Auvergne 10,0% 3,2% 2,3% 1,2% 1,0% 1,5% 1,8% 1,2% 1,3% 0,7% 0,4% 0,4% 0,5% 72,5% 0,2% 0,3% 0,5% 0,2% 0,2% 0,2% 0,3% 0,1% 100%

21 Champagne-Ardenne 17,1% 3,2% 2,0% 1,5% 2,7% 2,2% 1,7% 1,5% 1,4% 1,8% 1,1% 0,5% 0,6% 0,4% 59,1% 0,3% 1,2% 0,7% 0,2% 0,7% 0,3% 0,0% 100%

25 Basse-Normandie 19,9% 5,1% 1,4% 1,2% 1,2% 0,9% 1,0% 3,1% 3,3% 1,5% 0,4% 1,9% 0,9% 0,8% 0,4% 55,2% 0,6% 0,1% 0,4% 0,6% 0,3% 0,0% 100%

26 Bourgogne 10,7% 4,1% 2,0% 0,6% 1,2% 1,3% 1,2% 1,0% 1,1% 1,2% 0,8% 0,2% 0,8% 0,6% 0,8% 0,4% 70,0% 0,2% 0,3% 1,3% 0,1% 0,0% 100%

52 Pays de la Loire 17,6% 3,0% 2,0% 2,2% 0,9% 1,5% 1,2% 0,7% 1,5% 1,0% 0,4% 0,9% 0,7% 0,5% 0,9% 0,1% 0,3% 63,7% 0,2% 0,5% 0,1% 0,0% 100%

22 Picardie 15,3% 3,1% 3,5% 0,4% 0,9% 1,7% 1,5% 1,7% 2,3% 2,1% 1,7% 0,1% 0,6% 0,4% 0,2% 0,3% 0,5% 0,2% 61,2% 0,4% 1,8% 0,0% 100%

43 Franche-Comté 13,0% 3,0% 1,4% 1,3% 1,5% 2,1% 0,7% 0,7% 2,8% 0,7% 1,4% 0,1% 1,2% 0,5% 0,9% 0,5% 2,2% 0,5% 0,4% 65,0% 0,1% 0,0% 100%

74 Limousin 18,4% 5,9% 2,2% 2,6% 1,4% 0,9% 1,3% 0,3% 3,0% 1,7% 1,2% 1,0% 0,6% 1,0% 0,6% 0,5% 0,3% 0,1% 3,5% 0,1% 53,3% 0,0% 100%

94 Corse 7,0% 0,0% 7,0% 3,5% 0,0% 1,8% 3,5% 5,3% 5,3% 14,0% 0,0% 1,8% 0,0% 3,5% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 47,4% 100%


Tableau 5 : La structuration de la recherche scientifique en région SPEPUB TXCOPUB TXCOPEXT TXCOPUBPP

Ile-de-France 0,11 58,0% 52,8% 13,4%Champagne-Ardenne 4,03 56,7% 75,4% 24,6%Picardie 4,98 47,7% 73,6% 15,0%Haute-Normandie 6,82 56,8% 60,5% 15,0%Centre 2,56 59,6% 69,3% 9,8%Basse-Normandie 7,69 44,5% 55,3% 21,4%Bourgogne 3,67 42,0% 74,0% 23,6%Nord-Pas-de-Calais 1,56 65,3% 63,8% 12,4%Lorraine 8,08 46,0% 68,4% 26,1%Alsace 0,59 48,6% 75,9% 19,8%Franche-Comté 4,97 64,0% 58,4% 28,9%Pays de la Loire 2,15 53,7% 69,7% 23,7%Bretagne 2,13 54,3% 65,5% 18,1%Poitou-Charentes 5,23 50,0% 66,5% 23,8%Aquitaine 1,12 53,2% 55,8% 16,6%Midi-Pyrénées 1,86 48,1% 64,5% 22,7%Limousin 8,48 69,0% 71,3% 9,6%Rhône-Alpes 0,43 57,5% 67,3% 21,4%Auvergne 3,00 49,9% 63,0% 17,7%Languedoc-Roussillon 1,21 53,6% 64,8% 22,0%PACA 0,45 59,1% 65,9% 15,3%

SPE_PUB:Indice de spécialisation des publications (variance du RTA –Revealed Technological Advantage, calculé à partir des différentes disciplines scientifiques)

TXCOPUB:Part des co-publications dans le total des publications en sciences de la vie

TXCOPEXT:Part des co-publications réalisées avec des chercheurs externes à la région dans le total des co-publications

COPUBPP: Part des copublications impliquant à la fois des chercheurs publics et privés sur le total des co-publications.

Le niveau de collaborations entre institutions publiques et privées diffère fortement d’une région à une autre en valeur absolue. En valeur relative les différences sont moindres car ces collaborations représentent dans la grande majorité des cas entre 10 et 15 % du total des co-publications. L’Ile de France, l’Alsace et la région PACA sont parmi les régions pour lesquelles cette proportion est la plus faible (13 à 15 %) tandis que Rhône-Alpes, Languedoc-Roussillon et surtout Midi-Pyrénées (plus de 18 %) offrent d’importantes potentialités de collaborations public/privé. Les collaborations public/privé semblent être localisées dans les régions où la présence des industries en sciences de la vie (industries reliées) est forte (vois ci-dessous).

Les profils de collaboration avec l’étranger (tableau 6) présentent de grande similarité sauf pour l’Alsace qui a développé des relations particulières avec le Japon. Les grandes régions productrices ont des propensions à collaborer avec l’étranger supérieures aux petites régions. Les Etats Unis et le Canada restent la principale destination pour les collaborations. Rhône-Alpes et Alsace sont des régions très ouvertes sur l’étranger qui donnent de plus une préférence particulière aux collaborations européennes. Cette préférence européenne apparaît aussi, bien qu’à un


moindre degré, dans le Nord Pas de Calais. La proximité de la frontière constitue sans doute une explication de cet état de fait.

Tableau 6 : les collaborations avec l’étranger

TXCOPINT

USA et Canada France Japon Reste du

Monde Union

Européenne

11 Ile-de-France 35,2% 6,8% 78,1% 0,7% 5,1% 9,4%

21 Champagne-Ardenne 31,0% 3,1% 84,0% 0,2% 4,8% 7,9%

22 Picardie 32,6% 4,2% 82,6% 0,8% 5,3% 7,0%

23 Haute-Normandie 24,7% 4,1% 87,3% 0,4% 1,8% 6,4%

24 Centre 29,2% 5,2% 80,8% 0,8% 4,1% 9,1%

25 Basse-Normandie 17,2% 2,7% 89,0% 0,4% 2,0% 6,0%

26 Bourgogne 28,5% 3,1% 85,2% 0,2% 3,9% 7,7%

31 Nord-Pas-de-Calais 31,1% 5,2% 81,9% 0,3% 2,4% 10,2%

41 Lorraine 38,1% 4,5% 82,4% 0,1% 4,9% 8,2%

42 Alsace 50,6% 9,6% 71,6% 1,5% 4,7% 12,6%

43 Franche-Comté 18,9% 3,5% 86,8% 0,3% 2,1% 7,3%

52 Pays de la Loire 33,5% 4,3% 84,5% 0,2% 2,8% 8,2%

53 Bretagne 33,7% 5,1% 82,9% 0,2% 3,9% 7,9%

54 Poitou-Charentes 22,8% 3,9% 83,9% 0,8% 4,1% 7,3%

72 Aquitaine 29,4% 5,3% 81,3% 0,3% 5,1% 8,1%

73 Midi-Pyrénées 36,0% 5,3% 80,9% 0,3% 3,8% 9,9%

74 Limousin 20,1% 3,8% 87,1% 0,2% 3,3% 5,7%

82 Rhône-Alpes 39,9% 8,1% 74,4% 0,8% 5,2% 11,4%

83 Auvergne 22,1% 4,1% 87,3% 0,3% 3,7% 4,6%

91 Languedoc-Roussillon 35,1% 5,3% 78,5% 0,5% 7,1% 8,5%

93 PACA 39,5% 7,2% 78,2% 0,6% 4,7% 9,2%

94 Corse 30,9% 3,1% 62,9% 0,0% 28,9% 5,2%

TXCOPINT:Part des co-publications réalisées avec des chercheurs étrangers dans le total des co-publications

1.2 Le profil industriel des régions

Afin de rendre compte d’effets globaux d’agglomération susceptibles d’entraîner des processus dynamiques sur la recherche en biotechnologie, il semble utile de repérer le potentiel industriel des régions françaises. Nous évaluons ce potentiel à partir des données recueillies sur le Cdrom SESSI-régions, en nous concentrant sur les industries utilisatrices de produits biotech, notre but étant de mettre en lumière un éventuel effet dynamique de la demande et des industries reliées (externalités pécuniaires) sur la recherche en régions.


Les industries considérées sont les suivantes :

Le secteur F44 sera souvent omis ou donné seulement à titre indicatif. Sa faible taille conduit à un grand nombre de données manquantes ou non significatives le concernant.

Les structures industrielles sont retracées à partir des données d’effectifs, d’investissement, de taille des entreprises et d’autonomie décisionnelle.

1.2.1 Le poids des industries « biotech » et les spécialisations

La carte n°1 en annexe 4 nous donne la répartition régionale des effectifs totaux employés dans les industries « biotech ». Le tableau 7 donne la répartition régionale pour 1993 et 1999.

NAF114 NOM SECTEUR B01 Industrie des viandes B02 Industrie du lait B03 Industrie des boissons B04 Travail du grain, fabrication d'aliments pour animaux B05 Industries alimentaires diverses C31 Industrie pharmaceutique C32 Fabrication de savons, de parfums et de produits d'entretien F41 Industrie chimique minérale F42 Industrie chimique organique F43 Parachimie F44 Fabrication de fibres artificielles ou synthétiques

Les années traitées sont 1993 et 1999


Tableau 7 : Répartition régionale des effectifs employés dans les industries « biotech »

Poids dans

l’indus-trie

Effectif 1993

% du total

Effectif 1999

% du total rang CR région rang rang

11 Ile-de-France 73771 13,10 1 78516 13,48 1 17,92 1321 Champagne-Ardenne 17678 3,14 15 15684 2,69 16 17,13 1622 Picardie 31248 5,55 6 29437 5,05 6 23,32 523 Haute-Normandie 27691 4,92 8 25690 4,41 10 21,77 624 Centre 26692 4,74 10 26930 4,62 9 17,58 1525 Basse-Normandie 16715 2,97 16 16201 2,78 15 20,87 726 Bourgogne 17826 3,17 14 18306 3,14 12 18,49 1031 Nord-Pas de Calais 40090 7,12 4 40262 6,91 5 18,00 1241 Lorraine 18450 3,28 12 17067 2,93 14 12,62 2042 Alsace 24444 4,34 11 24356 4,18 11 17,82 1443 Franche-Comté 8342 1,48 20 8213 1,41 20 8,33 2152 Pays de la Loire 36075 6,41 5 43896 7,53 4 20,34 853 Bretagne 49386 8,77 3 59000 10,13 3 41,84 154 Poitou-Charentes 15375 2,73 17 14766 2,53 17 18,92 972 Aquitaine 26910 4,78 9 27834 4,78 8 26,82 4

Midi-Pyrénées 17869 3,17 13 1796473 3,08 13 18,36 1174 Limousin 4565 0,81 21 5013 0,86 21 14,80 1982 Rhône-Alpes 57383 10,19 2 59998 10,30 2 16,39 1883 Auvergne 11982 18 12986 2,23 18 16,97 1791 Languedoc-

Roussillon 11369 2,02 19 11228 1,93 19 28,96 3

93 Provence-Alpes-Côte d'Azur

29155 5,18 7 29225 5,02 7 32,42 2

TOTAL 563016 100,00 582572 100,00

2,13

L’Ile de France ( environ 13 %) et Rhône-Alpes (environ 10 %) ressortent au premier rang des régions françaises dans ces domaines en 1993, suivies par la Bretagne (essentiellement du fait de son poids dans l’agroalimentaire). Les positions apparaissent très stables entre 1993 et 1999.

Cependant si on rapporte l’effectif des industries « biotech » à l’effectif industriel total de chaque région les hiérarchies se modifient (avant dernière colonne du tableau et carte n°2 en annexe 4). La Bretagne (41,8 %) passe au premier plan suivie de PACA (32,41 %), de Languedoc-Roussillon et d’Aquitaine. L’Ile de France et Rhône-Alpes ne se retrouvent qu’en 13ème et 18ème place avec un poids des secteurs biotech dans l’ensemble de leur effectif industriel inférieur à 20 %.

Le niveau de spécialisation des régions pour chaque secteur industriel a été calculé selon la définition du RTA donnée ci-dessus (hors secteur F44). Un indice supérieur à 1 indique que le secteur considéré représente une part relative de l’activité totale plus élevée au sein de la région qu’au niveau national. Le degré de spécialisation de chaque région (coefficient de variation des indices de spécialisation sur chaque secteur) est aussi donné dans les Tableaux 8 a et 8 b.


Tableau 8 a : Les spécialisations industrielles régionales en 1993

NOM REGION CR B01 B02 B03 B04 B05 C31 C32 F41 F42 F43 F44 Degré Spéc.

Ile-de-France 11 0,39 0,36 0,91 0,60 0,98 2,47 2,19 0,64 0,25 1,37 0,00 0,72Champagne-Ardenne 21 0,43 1,27 4,79 1,89 0,95 0,43 0,71 0,04 0,17 0,60 1,78 1,17Picardie 22 0,27 0,48 0,03 0,94 1,96 0,36 2,46 1,05 0,92 1,38 1,89 0,74Haute-Normandie 23 0,29 0,51 0,44 0,39 0,75 1,45 1,78 2,11 2,28 1,62 0,00 0,63Centre 24 0,58 0,87 0,25 1,34 0,86 2,27 3,32 0,43 0,20 0,40 0,00 0,91Basse-Normandie 25 1,51 3,56 0,41 0,66 0,87 0,52 0,78 0,30 0,02 0,16 0,00 1,11Bourgogne 26 0,94 0,98 0,61 0,99 0,94 0,75 0,17 0,48 0,51 3,44 0,00 0,88Nord - Pas-de-Calais 31 0,61 0,50 1,08 2,24 1,56 0,30 0,88 1,21 1,03 0,99 4,05 0,51Lorraine 41 0,73 2,41 2,33 0,76 0,53 0,17 0,53 1,82 2,04 0,26 1,71 0,73Alsace 42 0,59 0,37 2,28 0,78 1,23 0,88 0,27 2,09 1,64 0,46 3,19 0,65Franche-Comté 43 0,64 2,82 0,12 1,06 0,76 0,39 0,00 0,10 3,71 0,63 0,89 1,15Pays de la Loire 52 2,48 1,78 0,33 1,19 0,86 0,40 0,18 0,43 0,09 0,39 0,00 0,91Bretagne 53 2,89 1,24 0,19 1,72 0,87 0,12 0,61 0,36 0,05 0,10 0,00 1,07Poitou-Charentes 54 1,17 1,53 3,40 0,85 0,87 0,22 0,19 1,04 0,56 0,59 0,00 0,84Aquitaine 72 1,06 0,84 0,86 0,71 1,14 0,97 0,26 0,80 1,31 1,47 0,00 0,34Midi-Pyrénées 73 1,24 1,87 0,29 0,73 0,77 0,89 1,26 1,68 0,41 0,93 1,07 0,48Limousin 74 2,64 1,61 0,05 0,50 1,09 0,13 0,36 0,11 0,01 0,78 0,00 1,10Rhône-Alpes 82 0,84 0,92 0,73 0,61 0,63 1,44 0,19 1,83 2,26 1,06 3,03 0,56Auvergne 83 0,96 1,50 1,63 0,91 0,50 1,85 0,76 0,15 1,23 0,56 0,00 0,51Languedoc-Roussillon 91 0,76 0,29 3,75 0,80 1,19 0,62 0,18 2,11 0,39 0,82 0,00 0,94PACA 93 0,47 0,03 0,85 0,65 1,26 0,73 0,48 1,13 2,71 2,15 0,00 0,74


Tableau 8 b : Les spécialisations industrielles régionales en 1999

NOM REGION CR B01 B02 B03 B04 B05 C31 C32 F41 F42 F43 F44 DegréSpéc.

Ile-de-France 11 0,28 0,28 0,66 0,40 0,72 2,53 3,03 0,60 0,33 1,39 0,00 0,92Champagne-Ardenne 21 0,37 1,26 5,91 1,83 0,93 0,71 0,69 0,08 0,25 0,27 2,95 1,33Picardie 22 0,24 1,03 0,06 1,10 1,57 0,48 2,23 0,55 1,38 1,61 1,79 0,64Haute-Normandie 23 0,31 0,57 0,33 0,35 0,77 1,56 1,15 1,97 2,78 1,45 0,00 0,69Centre 24 0,63 0,71 0,26 1,52 0,78 2,22 2,68 0,57 0,28 0,42 0,00 0,80Basse-Normandie 25 1,39 3,75 0,37 0,52 0,82 0,57 0,62 0,28 0,21 0,24 0,00 1,16Bourgogne 26 0,90 1,15 0,69 0,90 1,00 0,86 0,17 0,29 0,44 3,22 0,00 0,84Nord - Pas-de-Calais 31 0,56 0,60 1,00 2,48 1,62 0,38 0,66 1,27 1,00 1,07 6,20 0,55Lorraine 41 0,70 2,36 2,85 0,40 0,71 0,10 0,52 1,43 2,17 0,23 6,82 0,81Alsace 42 0,62 0,26 2,02 1,09 1,43 0,90 0,26 2,03 1,51 0,79 0,65 0,56Franche-Comté 43 0,64 3,38 0,45 0,93 0,79 0,39 0,00 3,44 1,06 0,77 0,00 0,97Pays de la Loire 52 2,57 1,61 0,39 1,08 0,81 0,31 0,17 0,31 0,22 0,34 0,00 0,95Bretagne 53 2,60 1,06 0,09 1,75 1,03 0,11 0,61 0,45 0,09 0,16 0,00 1,00Poitou-Charentes 54 1,43 1,39 3,40 1,06 0,83 0,12 0,48 1,06 0,65 0,46 0,00 0,80Aquitaine 72 0,98 0,91 1,21 0,68 1,19 1,00 0,24 0,87 1,58 0,97 0,00 0,35Midi-Pyrénées 73 1,36 1,75 0,45 0,70 1,00 0,61 0,76 1,17 0,65 0,94 0,96 0,40Limousin 74 2,02 0,57 0,14 0,79 1,59 0,64 0,61 0,11 0,00 0,67 0,00 0,85Rhône-Alpes 82 0,83 0,91 0,69 0,52 0,77 1,25 0,25 2,07 1,95 1,41 1,41 0,53Auvergne 83 1,18 1,69 1,44 1,03 0,52 1,63 0,53 0,16 1,15 0,34 0,00 0,54Languedoc-Roussillon 91 0,56 0,44 4,77 0,82 1,28 0,66 0,22 1,30 0,64 0,95 0,00 1,07PACA 93 0,28 0,06 1,06 0,66 1,35 0,82 0,46 1,62 2,72 2,04 0,00 0,72

Les régions Aquitaine, Midi Pyrénées, Rhône-Alpes et Auvergne apparaissent ainsi peu spécialisées du point de vue de leur structure industrielle au sein des industries utilisatrices de biotechnologies tandis que la Bretagne, La Basse-Normandie, Champagne-Ardenne et Languedoc-Roussillon montrent au contraire un degré de spécialisation relativement plus important.

1.2.2 La structure par taille d’entreprises

Les données disponibles permettent un premier repérage du degré de concentration des marchés au sein des régions. Un indicateur de taille moyenne des établissements producteurs dans chaque région peut être calculé. Il est accompagné d’indication sur la part des effectifs employés dans des établissements industriels de PMI et la part des effectifs employés dans des établissements de petite et moyenne taille.


Tableau 9 : Structure par taille de la répartition des effectifs industriels en 1999

CR Region Taille moy. (nb.de salariés)

Part des petits et moyens

établissements (%)

part des petites et moyennes

entreprises (%)11 Ile-de-France 79 0,84 0,4321 Champagne-Ardenne 84 0,85 0,5422 Picardie 129 0,73 0,5023 Haute-Normandie 144 0,75 0,4624 Centre 95 0,87 0,6125 Basse-Normandie 80 0,97 0,6526 Bourgogne 92 0,85 0,4531 Nord - Pas-de-Calais 106 0,81 0,5241 Lorraine 83 0,86 0,7542 Alsace 121 0,76 0,5443 Franche-Comté 96 0,68 0,6152 Pays de la Loire 71 0,95 0,6353 Bretagne 86 0,92 0,4254 Poitou-Charentes 77 0,98 0,5672 Aquitaine 83 0,85 0,6073 Midi-Pyrénées 93 0,89 0,3974 Limousin 65 0,79 0,5382 Rhône-Alpes 106 0,79 0,5483 Auvergne 74 0,75 0,4491 Languedoc-Roussillon 74 0,97 0,5093 Provence-Alpes-Côte d'Azur 96 0,79 0,53

Globalement l’emploi dans les secteurs étudiés se situe pour une part largement majoritaire dans les petits et moyens établissements. Une importante différenciation sectorielle doit cependant exister dans ce domaine qu’il nous restera à étudier plus précisément. Par ailleurs ces petits établissements peuvent appartenir à des entreprises plus grandes. La part des effectifs de PMI est en effet inférieure et oscille dans un grand nombre de région entre 40 et 60 %. Seules l’Alsace et Midi-Pyrénées se distinguent plus nettement. La première pour l’importance de ses PMI et la seconde au contraire pour sa structure beaucoup plus marquée par les grandes entreprises.

1.2.3 La dynamique des investissements

La carte n°3 en annexe 4 représente la distribution géographique des investissements dans les industries de biotechnologies donnée dans le tableau de cette même annexe. La répartition suit très fortement celle des effectifs (corrélation de rang de 0,92 en 1993 ; 0,86 en 1999). Ce décalage plus net en 1999 tient pour une part au dynamisme particulier de Rhône-Alpes (premier investisseur), de Nord-Pas de Calais (deuxième investisseur et seulement cinquième en effectif ) et de PACA (quatrième investisseur et 7ème en effectif) tandis que l’Ile de France et la Bretagne ont un dynamisme qui n’est pas à la hauteur de leur potentiel industriel. Le graphiques 2 illustre les parts relatives des différentes régions en effectifs industriels, en investissements.


Graphique 2 : Part relative des régions dans l'effectif industriel et l'investissement national

0,00

2,00

4,00

6,00

8,00

10,00

12,00

14,00

16,00

Alsace

Aquita

ine

Auverg

ne

Bourgo

gne

Bretag

neCen

tre

Champa

gne-A

rdenn

e

Ile-de

-France

Langu

edoc

-Rou

ssillo

n

Limou

sin

Lorrain

e

Nord-Pas

de Cala

is

Basse-N

orman

die

Haute-

Norman

die

Pays d

e la L

oire

Picardi

e

Poitou

-Cha

rentes

Régions

part

nat

iona

le

EFFECTIF

INVESTISSEMENT

1.2.4 L’autonomie décisionnelle

Enfin un dernier type d’indicateur peut aider à caractériser le profil industriel d’une région : son autonomie décisionnelle. Celle-ci est mesurée d’une part par le poids des implantations étrangères dans l’effectif (en %), noté ETR. et d’autre part par l’effectif régional autonome des établissements industriels c’est-à-dire l’effectif employé dans un établissement de la région dont le siège social est dans la même région, noté auto. Le tableau 10 présente la répartition sectorielle de ces indicateurs.


Tableau 10 : Indicateurs d’autonomie décisionnelle des régions par secteurs en 1998.

C31 ERT.

Auto

C32 ERT.

Auto

F41 ETR.

Auto

F42 ERT.

Auto

F43 ERT.

Auto

EB Auto

Alsace 87,89 23,29 18,28 81,55 92,07 76,35 44,64 74,64 69,27 48,58 82,90

Aquitaine 51,01 65,20 14,45 58,93 62,93 39,59 17,31 60,99 38,15 22,26 74,81

Auvergne 86,67 19,50 0,57 99,43 9,21 56,58 8,77 17,15 /// 75,54 73,54

Bourgogne 9,64 36,08 26,02 76,02 3,47 0,00 36,36 62,23 71,13 69,63 80,32

Bretagne 8,99 42,97 11,05 93,99 2,13 91,27 65,32 36,09 48,01 19,89 88,82

Centre 52,24 36,67 34,64 16,31 54,39 72,80 39,44 26,88 30,19 48,61 78,91

Champagne-Ardenne

92,03 4,02 100,00 27,28 17,14 44,29 35,67 91,40 60,92 76,94 84,19

Franche-Comté

6,57 90,15 /// ... /// 42,19 93,07 6,90 28,27 97,30 76,92

Ile-de-France 58,37 93,02 34,27 95,70 20,18 86,39 40,44 89,33 56,04 95,62 90,40


1,58 17,42 /// 29,61 7,64 20,71 43,04 88,92 49,76 50,77 57,61

Limousin 85,79 0,00 /// 38,89 26,67 0,00 /// ... 100,00 91,54 70,31

Lorraine /// 82,48 71,06 99,54 52,40 1,66 25,42 5,68 15,29 83,82 56,28

Midi-Pyrénées

18,53 18,47 0,29 30,65 13,76 19,85 15,95 36,49 18,63 90,58 86,63

N. -Pas de Calais

58,25 54,86 33,43 66,87 61,15 48,24 74,40 61,54 43,30 67,34 76,63

Basse-Normandie

72,67 24,49 23,04 72,58 4,32 0,00 10,50 10,50 52,00 74,91 79,41

Haute-Normandie

41,59 1,73 14,62 70,21 44,27 19,94 52,51 28,64 77,80 47,90 65,84

Pays de la Loire

82,24 43,96 8,43 89,50 41,49 15,43 66,13 77,30 58,26 62,13 78,88

Picardie 70,74 30,53 54,92 16,43 49,81 78,06 69,30 23,83 61,90 61,87 39,41

Poitou-Charentes

/// 81,13 /// 74,82 5,93 71,14 21,82 30,16 42,43 14,06 83,77

PACA 1,30 74,74 19,95 91,67 27,41 18,65 69,78 11,99 31,88 66,18 68,69

Rhône-Alpes 57,38 74,25 30,24 78,45 34,46 21,02 7,84 27,39 27,15 92,57 87,94

Une grande variabilité à la fois sectorielle et régionale de ces indicateurs est repérable qui suggère de les inclure dans les traitements économétriques afin de mettre en lumière un effet éventuel sur les niveaux de recherche et d’innovation ou sur leur stabilité temporelle.

1.3 Le profil de recherche/développement des régions

Les données présentées ici proviennent de l’enquête R&D du Ministère de la Recherche dont nous avons extrait les informations concernant les entreprises apparaissant dans le codage biotechnologie des enquêtes 1999 et 2000.


1.3.1 Poids des ressources affectées à la recherche/développement dans les secteurs « biotech »

Le tableau 11 offre une vision de la répartition spatiale des dépenses de recherche (DIRD) effectuées dans les secteurs « biotech ». Comme il est devenu habituel de le constater dans les travaux de géographie de l’innovation menés tant en Europe qu’aux Etats-Unis, on observe une très forte concentration spatiale de la recherche dépassant l’effet de concentration du à la répartition de la production industrielle. Ici, les deux plus grandes régions de recherche en biotech : Ile de France et Rhône-Alpes représentent à elles seules 72,4% des dépenses nationales en 1993 (dont 58,55 % pour l’Ile de France) et cette part s’accroît encore à 74,31% en 1999 (croissance essentiellement due à la part de Rhône-Alpes). Ainsi nous nous trouvons dans une configuration de type centre-périphérie tant l’écart entre la région parisienne et le reste du territoire est important. Le décalage avec les autres régions est ensuite très fort et on ne voit pas véritablement apparaître de régions que l’on pourrait qualifier de second rang (PACA arrive en troisième position avec environ 3% de la recherche nationale).


Tableau 11 : Répartition régionale des dépenses de Recherche Développement privée

Région DIRD

Biotech €93

Rang %

DIRD Biotech 99

(€)

Rang %

Croissance 93-99

Ile de France 1 1

741 81958.55%

1 111 30358.63%

49.80%

Champ.Ardennes 16 16

5 9200.46%

9 8530.51%

66.44%

Picardie 11 15

14 8061.16%

11 4840.6%

-22.43%

Haute-Normandie 7 7

32 3212.55%

37 0891.95%

14.75%

Centre 4 6

40 3403.18%

54 9502.89%

36.21%

Basse-Normandie 15 18

8 4510.66%

7 8730.41%

-6.83%

Bourgogne 18 19

4 2940.33%

6 1230.32%

42.60%

Nord-Pas de Calais 8 10

21 2041.67%

18 8910.99%

-10.90%

Lorraine 20 20

1 0850.08%

3 6710.19%

238.41%

Alsace 6 5

35 4982.8%

57 4923.03%

61.95%

Franche-Comté 17 14

5 3060.41%

13 4380.7%

153.24%

Pays de la Loire 9 9

18 7981.48%

20 3331.07%

8.16%

Bretagne 13 8

10 9440.86%

22 8261.2%

108.58%

Poitou-Charente 19 17

2 3150.18%

8 2210.43%

255.09%

Aquitaine 10 11

15 7071.23%

17 7230.93%

12.83%

Midi-Pyrénées 3 3

69 8575.51%

101 1195.33%

44.75%

Limousin 21 21

2 4500.01%

3 0580.16%

24,81%

Rhône-Alpes 2 2

175 46213.85%

297 17815.68%

69.36%

Auvergne 14 12

9 8990.78%

17 6330.93%

78.13%

Languedoc-Roussillon 12 13

12 6250.99%

16 9380.89%

34.16%

PACA 5 4

39 8783.14%

57 9663.05%

45.35%

Total 1 266 774 100% 1 895 163 100% 49,6%

En rapportant le nombre de chercheurs en biotech à l’effectif industriel global dans ce secteur on neutralise l’effet de la concentration préexistante de la production (cf. carte n° 1). On obtient ainsi un indicateur du capital humain de la région dans ces secteurs. L'Ile de France apparaît toujours comme le pôle principal de concentration de la recherche. Midi-Pyrénées et la Franche Comté se place en très bonne position derrière et, dans ce contexte, PACA réduit fortement son écart avec Rhône-Alpes.


Carte n°1 : Poids des chercheurs dans l’effectif industriel

France - Régionspar KH_BIO

0,155 à 0,472 (3)0,081 à 0,155 (2)0,063 à 0,081 (3)0,053 à 0,063 (4)0,049 à 0,053 (4)0,027 à 0,049 (5)

Poids des chercheurs dans l'effectif industriel

Pour partie, le degré de dynamisme de chaque région peut être apprécié au travers de l’écart entre sa part dans l’effectif industriel et celle relative à la recherche privée. Comme nous l’indique le graphique 3 , cet indicateur révèle le profond décrochage de la structure de recherche de certaines régions relativement à leur structure productive. La répartition des effectifs étant moins inégale, l’écart est positif dans la plupart des régions observées. Il est toutefois nettement plus important en proportion pour ce qui concerne la Bretagne, le Nord Pas de Calais ou Pays de Loire ; quasi nul en PACA. Seule la région parisienne, et à un moindre degré Rhône-Alpes, maintiennent un écart fortement négatif.

Le graphique 3 donne finalement une vision synthétique de la répartition régionale des ressources pour l’innovation en biotechnologies en moyenne en France entre 1993 et 1999. Il décrit le potentiel de chaque région en matière de recherche privée (nombre de chercheur en entreprise dans le domaine des biotechnologies), de production de connaissances publiques (nombre de publications), de demande (effectif employé dans les industries reliées). Quelques faits ressortent de façon significative :


La région Ile de France concentre 42% des publications, 53,2% des chercheurs en entreprises, 58,6% de la DIRD et alors qu’elle représente un marché de proximité faible (13,1%) tel qu’il est estimé par les effectifs des industries reliées en 1999. 10% des publications, 14,8% des chercheurs en entreprises, 15,6% de la DIRD et 10% des industries reliées sont localisées en Rhône-Alpes qui ne cessent d’accroître sa part dans l’activité nationale depuis 1993 tandis que l’Ile de France se maintient pour ce qui concerne la recherche privée et les industries reliées mais régresse en matière de publications scientifiques (48% en 1993).

A côté de ces deux grandes régions généralistes, un autre groupe de régions dispose d’un potentiel important dans cette activité mais selon des trajectoires spécifiques. Du point de vue du potentiel scientifique, la région PACA est aujourd’hui très bien placée, suivie par L’Alsace et le Languedoc–Roussillon, ces régions ayant pour autre point commun de ne pas disposer d’un marché porteur pour les biotech puisque la présence des industries reliées y est relativement assez faible. La Bretagne au contraire est l’exemple type d’une région qui accueille une activité industrielle importante dans les industries utilisatrices de biotech alors que ses capacités en publication et en recherche sont plus limitées (même si elle semble en forte évolution depuis 1993). Le Nord-Pas de Calais et les Pays de Loire sont à classer dans la même catégorie. Enfin Midi-Pyrénées présente un autre cas de figure en se situant en 3ème position pour ce qui concerne les chercheurs et les dépenses de recherche privée malgré un potentiel scientifique et industriel beaucoup plus faible. Cette région se rapproche ainsi du profil des « grandes régions biotech ».


Graphique 3 : Parts régionales des chercheurs en entreprises, des effectifs employés dans les industries reliées et des publications en biotechnologies (moyenne 1993-1999).

0,00 0,10 0,20 0,30 0,40 0,50 0,60

Limousin

Franche-Comté

Auvergne

Poitou-Charentes

Basse-Normandie

Champagne-Ardenne

Lorraine

Bourgogne

Midi-Pyrénées


Haute-Normandie

Alsace

Aquitaine

Centre

Picardie

PACA

Pays de la Loire

Nord-Pas-de-Calais

Bretagne

Rhône-Alpes

Ile de France

BrevetChercheurs en biotechEffectifs Sciences de la viePublications


Le graphique 4 évalue le poids relatif de la recherche en biotechnologies dans le total des dépenses de recherche au sein des régions décrivant un niveau de spécialisation de la recherche dans ce domaine. Nous éliminons ainsi les purs effets taille qui logiquement amènent à une forte localisation de la recherche et de l’innovation dans les zones d’activités productives concentrées. Les hiérarchies sont alors fortement bouleversées, l’Alsace apparaît ici au premier plan prouvant ainsi une spécialisation particulière de sa recherche dans le domaine des biotechnologies (21%), suivie par Rhône-Alpes puis Midi-Pyrénées et Ile de France au même niveau.

Graphique 4 : Part des recherches en biotechnologies dans les dépenses de recherche des régions.

0,00%

5,00%

10,00%

15,00%

20,00%

25,00%

Ile d

e Fr

ance

Cha

mpa

gne-

Ard

enne

s

Pica

rdie

Hau

te N

orm

andi

e

Cen

tre

Bas

se N

orm

andi

e

Bou

rgog

ne

Nor

d-Pa

s de

Cal

ais

Lorr

aine

Als

ace

Fran

che-

Com

té

Pays

de

la L

oire

Bre

tagn

e

Poito

u C

hare

ntes

Aqu

itain

e

Mid

i-Pyr

énée

s

Lim

ousi

n

Rhô

ne-A

lpes

Auv

ergn

e

Lang

uedo

c-R

ouss

illon

PAC

A

régions

part

de la

rech

erch

e en

bio

tech

Au total, si on sait que les déterminants de la localisation de la recherche tiennent pour une grande part à la localisation existante des activités de production, on voit bien ici qu’ils suivent aussi des dynamiques propres qui généralement conduisent à une plus forte polarisation. Pour l'essentiel, les modèles théoriques s'appuient sur l'hypothèse d'une dimension géographique bornée des externalités de connaissances pour expliquer cette spécificité des phénomènes de concentration spatiale de la recherche. Les discussions portent alors sur la caractérisation des structures locales les plus favorables à l’émergence d’externalités opposant classiquement les « partisans » de la spécialisation aux « partisans » de la diversité. Un repérage des principales caractéristiques des régions françaises de ce point de vue sera donc utile à la prise en compte du rôle des structures locales dans l’estimation des performances des régions.

1.3.2 Les spécialisations en recherche

Ici c’est seulement par l’analyse des profils de spécialisation de la recherche privée que nous allons rendre compte des contextes d’émergence des externalités.


Tableau 12 : Le degré de spécialisation des régions au sein de la recherche en biotechnologies, 1993-1999.

REGIONS Degré de spécialisation

Ile de France Champagne-Ardenne Picardie Haute-Normandie Centre Basse-Normandie Bourgogne Nord-Pas-de-Calais Lorraine Alsace Franche-Comté Pays de la Loire Bretagne Poitou-Charentes Aquitaine Midi-Pyrénées Limousin Rhône-Alpes Auvergne Languedoc-Roussillon PACA

27.6 10.9 2.2 0.2 2.8 4.4 1.3 8.1 2.6

25.5 0.5 5.6 9.1

24.1 18.1 24.4 0.1

14.7 13.7 11.0 3.5

FRANCE 10.0

Le degré global de spécialisation des régions est donné ici par la variance des spécialisations sur les différents secteurs dans lesquels on trouve des entreprises réalisant de la recherche en biotechnologies. Pour l’Ile de France, l’Alsace, Poitou-Charente et Midi-Pyrénées les dépenses de R&D en biotechnologies sont fortement concentrées sur quelques secteurs forts. Pour l’Ile de France en particulier…..

On remarquera au contraire que, parmi les grandes régions, PACA montre un degré de spécialisation assez faible décrivant un éclatement des dépenses sur un grand nombre de secteurs différents. Les études économétriques devront aussi intégrer ce type de problématiques afin de nous aider à déterminer le type de structures le plus avantageux pour la production d’innovation (brevets) ou pour attirer la création d’entreprises et leur permettre de croître.

Lorsque nous analysons la recherche en biotechnologies à partir des entreprises apparaissant dans le codage biotechnologie en 1999 et 2000, un nombre important de secteurs sont concernés ce qui rend difficile des études de spécialisation secteurs par secteurs. Nous proposons donc ici une vision complémentaire de la recherche en évaluant la recherche effectuée dans les secteurs identifiés comme utilisateurs de biotechnologies. Ce faisant nous sommes conscients d’introduire un biais car les recherches dans ces secteurs peuvent très bien être éloignées du domaine particulier des biotechnologies. Nous pensons cependant que l’image des potentiels régionaux offerte par cette analyse n’est pas sans intérêt.

Nous pouvons donc donner, comme pour les structures industrielles, le tableau des spécialisations régionales en recherche dans les grands secteurs « biotech ». Le degré global de spécialisation des régions est donné ici par la variance des spécialisations sur les différents secteurs (hors F44).


Tableau 13 : Les spécialisations en Recherche en 1999

NOM REGION CR B01 B02 B03 B04 B05 C31 C32 F41 F42 F43 F44 Degré Spéc.

Ile-de-France 11 0,40 0,70 0,06 0,09 0,48 1,23 1,46 1,29 0,26 0,45 0,00 0,24Champagne-Ardenne

21 0,00 2,60 9,01 1,22 1,07 0,87 2,83 0,00 0,29 0,36 3,91 6,62

Picardie 22 0,00 0,00 0,00 0,00 2,56 0,23 0,76 1,09 2,72 3,63 0,00 1,69Haute-Normandie 23 1,84 0,00 0,00 0,00 0,51 0,75 1,72 0,24 2,99 0,38 0,00 0,92Centre 24 0,44 4,76 0,00 7,98 0,21 0,86 2,13 0,33 0,40 0,40 0,00 6,17Basse-Normandie 25 5,45 19,9

20,00 0,00 2,38 0,24 0,00 1,20 0,35 4,20 0,00 33,76

Bourgogne 26 0,00 0,06 0,07 0,00 2,20 1,12 0,00 0,37 0,09 2,36 0,00 0,79Nord - Pas-de-Calais 31 2,84 0,00 13,5

712,6

24,95 0,25 0,14 1,04 0,76 2,43 9,50 23,45

Lorraine 41 0,00 5,55 7,90 0,00 0,00 0,03 0,36 0,00 7,48 0,00 0,00 10,38Alsace 42 0,00 0,27 4,97 2,24 3,65 0,98 0,02 4,47 0,24 0,62 16,9

23,40

Franche-Comté 43 0,00 11,13

0,00 0,56 0,00 1,33 0,00 0,00 0,00 0,62 0,00 10,78

Pays de la Loire 52 5,26 2,95 3,82 8,14 3,98 0,96 0,34 0,00 0,00 0,80 0,00 6,58Bretagne 53 28,0

65,09 0,00 10,2

15,83 0,41 0,41 1,88 0,40 1,36 0,00 66,94

Poitou-Charentes 54 12,01

0,00 6,47 0,77 3,76 0,68 0,00 0,00 3,38 0,31 0,00 13,78

Aquitaine 72 0,00 1,02 0,77 0,00 0,30 0,41 0,07 0,00 3,87 2,69 0,00 1,58Midi-Pyrénées 73 8,11 1,81 0,00 0,00 12,1

20,15 0,00 0,94 1,01 3,96 0,00 15,45

Limousin 74 0,00 0,00 0,00 0,00 24,48

0,00 0,00 0,00 1,26 2,69 0,00 52,71

Rhône-Alpes 82 0,27 0,42 1,56 0,00 0,55 0,97 0,05 0,81 1,73 1,51 2,70 0,37Auvergne 83 0,00 1,23 3,42 0,00 0,21 1,61 0,00 0,00 0,00 0,03 0,00 1,16Languedoc-Roussillon

91 0,00 0,00 0,00 0,61 1,57 1,16 0,43 0,31 1,46 0,49 0,00 0,32

PACA 93 0,00 0,00 0,00 0,07 0,28 0,44 0,18 0,14 3,44 2,95 0,00 1,53

La composition des structures de recherche départementales et régionales peut être évaluée relativement à la moyenne nationale ou de manière plus fine en définissant des couples de régions ou départements. Cette dernière mesure peut être réalisée en utilisant l’indice d’Aquino (1978). Celui-ci se définit comme suit

2

,,

,

∑ −= k

kjki

ji

VVAQ

avec i

kiki x

xV ,

, = et j

kjkj x

x ,, =V les parts du secteur k dans les dépenses totales de

recherche des régions i et j. Un indice d’Aquino proche de 1 indique une forte divergence de la composition sectorielle de la recherche de deux régions. A l’inverse, un indice proche de 0 indiquera une extrême similarité. Les tableaux 5.1 et 5.2 en


annexe 5 donnent les relations de similarité de profils de recherche deux à deux entre les régions françaises.

Pour chaque région nous avons indiqué en gras la zone la plus dissemblable à celle-ci ainsi qu’en italique-gras celle avec laquelle sa structure de recherche est la plus proche. La forte moyenne de l’indice de la région Lorraine et du Limousin par rapport aux autres régions françaises suggère l’existence d’un profil de spécialisation éloigné du profil moyen des autres régions. Sans entrer ici dans le détail de l’analyse de ces tableaux, qui sera menée ultérieurement, nous pouvons assez vite repérer la faible prédétermination géographique de la similarité des régions. En effet de manière générale la proximité géographique des régions n’implique pas une tendance à la plus forte similarité de leur profil. Au contraire, les indices démontrant les plus fortes similarités concernent souvent des régions éloignées géographiquement. PACA et Aquitaine présentent notamment une très forte similarité.

Tableau 14 : résumé statistique des indices de similarité 1993 1999 Moyenne nationale 0,52 0,51 Moyenne reg max Limousin (0,84) Lorraine (0,75) Moyenne reg min Rhône-Alpes (0,41) Rhône-Alpes (0,40) Paire reg max Limousin-Aquitaine et Limousin-

Auvergne (0,97) Auvergne - Lorraine (0,94)

Paire reg min PACA-Aquitaine (0,11) PACA - Aquitaine (0,07)

Enfin le tableau 5.3 en annexe 5 décrit l’évolution de ces indices entre 1993 et 1999 permettant ainsi de repérer une éventuelle tendance à la convergence ou au contraire à la divergence des profils dans ce contexte de croissance globale des dépenses de recherche et développement en biotechnologies (+ 44,86 % des dépenses entre 1993 et 1999)1. D’autres méthodes de repérage de la convergence des profils sont possibles (notamment celle qui consiste à repérer la convergence par rapport à une moyenne nationale et non dans les relations deux à deux) mais nous nous limiterons à ce premier repérage dans le cadre de ce rapport.

Dans l’ensemble la moyenne nationale des indices reste stable. Cette stabilité masque cependant des processus plus complexes alliant des tendances contradictoires à la divergence ou à la convergence selon les régions et leur contexte de croissance1. Seule Midi-Pyrénées cependant dénote une tendance marquée à la divergence en moyenne.

1 Nous devons cependant être très prudent sur ce chiffre de croissance qui ne compare que deux années (comparer des moyennes sur trois ans par exemple permettrait de limiter l’impact des fluctuations annuelles). De plus il reste encore à préciser dans quelle mesure l’enquête R&D est exploitable en termes d’analyse des évolutions temporelles (problèmes du suivi des entreprises).


1.4 Les PME en régions

La division du travail de recherche entre la recherche publique, les PME et les groupes industriels apparaît comme une nouvelle forme d'organisation économique. La généralisation de l’utilisation des biotechnologies dans les secteurs liés aux sciences de la vie transforme la répartition du travail entre les différents acteurs impliqués dans leur développement (recherche publique, grandes entreprises, PME, start up). Les PME joue un rôle spécifique de trait d’union entre la recherche académique et la recherche privée. Les PME sont aussi l’un des éléments déterminants pour comprendre la constitution du secteur des biotechnologies. Sont plus particulièrement analysés les facteurs de croissance des PME. En effet, l'évolution du secteur des biotechnologies se traduit par un triple mouvement : la création et le développement des PME, l'émergence d'un secteur des biotechnologies qui se traduit par de multiples reconfigurations (fusions entre PME, rachats, etc.) et un développement fort du nombre d'alliances.

1.4.1 Les créations d’entreprises

Deux indicateurs convergents sont utilisés pour décrire la création d’entreprises en biotechnologie :

• les résultats du concours pour les secteurs couvrant les sciences de la vie (biotechnologie, agro-alimentaire, chimie finie, pharmacie)

• la création d’entreprises recensées dans l’enquête. 30% des entreprises sont créées entre 1998 et 2000.

Le tableau 15 présente les résultats du concours.


Tableau 15 : Le dynamisme de la région en matière de création d’entreprise (au travers du concours)

Code région Régions Candidats

2000 Lauréats

2000 Candidats

2001 Lauréats

2001

% réussite sur les 2 années

11 Ile de France 34 11 44 19 38,46%21 Champagne Ardenne 5 3 4 2 55,55%22 Picardie 3 0 4 2 28,57%23 Haute Normandie 1 1 2 1 66,66%24 Centre 5 2 11 2 25,00%25 Basse Normandie 2 1 0 0 50,00%26 Bourgogne 6 0 5 0 0,00%31 Nord Pas de Calais 6 2 6 2 33,33%41 Lorraine 4 2 2 2 66,66%42 Alsace 4 2 7 3 45,45%43 Franche Comté 1 0 3 0 0,00%52 Pays de la Loire 10 6 13 4 43,47%53 Bretagne 10 4 6 1 31,25%54 Poitou Charentes 6 1 12 4 27,77%72 Aquitaine 11 4 9 0 20,00%73 Midi Pyrénées 16 8 16 5 40,62%74 Limousin 4 1 0 0 25,00%82 Rhône Alpes 20 8 24 10 40,90%83 Auvergne 5 4 4 1 55,55%91 Languedoc Roussillon 11 2 10 2 19,04%93 Provence Alpes Côte d'Azur 10 5 14 5 41,66%94 Corse 3 2 1 0 50,00% Total 177 69 197 65 35,82%

Il s'agit des candidats et lauréats à la création d'entreprise des domaines : 2A GÉNIE CHIMIQUE, 3D GÉNIE ALIMENTAIRE, 4A BIOTECHNOLOGIES, 4B PROCÉDÉS PHARMACEUTIQUES.

Pour l'ensemble des domaines il y a eu en 2000 1732 candidats et 296 lauréats (17,09%) et en 2001 1466 candidats et 238 lauréats (16,23%).

La liste des lauréats provient du site du Ministère de la Recherche : http://www.recherche.gouv.fr/technologie/concours/laureats/default.htm

1.4.2 La création de PME de biotech dans les régions

Les PME étant réparties sur plusieurs secteurs, il est difficile de les repérer. A la suite d’un travail réalisé en collaboration avec Ernst & Young, nous avons dressé une liste de PME liées aux biotechnologies en les distinguant en fonction de leur implication (au cœur des biotechnologies i.e. conçoivent et développement des produits ou procédés issus des biotechnologies, services aux biotechnologies i.e. services pour les acteurs publics ou privés des biotechnologies, entreprises incluses dans un groupe et enfin entreprises engagées sur les biotechnologies mais pas comme activité principale).


http://www.recherche.gouv.fr/technologie/concours/laureats/default.htm

Les informations ont été collectées par nos soins entre décembre 2001 et février 2002, via les sites web des entreprises et le site sociétés.com. 379 entreprises ont ainsi été identifiées. Le tableau 15 montre la pré-éminence de l’Ile de France tant en nombre d’entreprises qu’en taille. La croissance du CA des entreprises demeure relativement faible sauf pour la région PACA et Alsace.

Le graphique 5 fait ressortir trois groupes :

• Les régions où l’implantation des biotechnologies est ancienne et a permis de générer du CA, plutôt à droite

• Les régions où l’implantation des biotechnologies est la plus récente, Auvergne, Languedoc-Roussillon et où le CA généré est faible

• Les régions où les biotechnologies sont bien implantées, comme l’Ile-de-France ou Rhône Alpes.

Graphique 5 : Chiffre d’affaires moyen par entreprise en fonction de la date de création

AuvergneLanguedoc-Roussillon

Pays de LoireAquitaine Ile-de-FranceRhône-Alpes

Midi-PyrénéesLorraineNord Pas-de-Calais

PACAAlsace

Bretagne

Centre

Champagne-Ardenne

1982

1984

1986

1988

1990

1992

1994

1996

1998

0 100 200 300 400 500 600 700 800 900 1000

CA moyen

date

de

créa

tion

moy

enne


Tableau 16 : L’évolution des PME

Nombre d’entreprise

CA en 99 (en K€) Pers en 99 Date de

création Taux de croissance annuel

moyen par entreprise Nombre d’entreprises

existantes Nombre d'entreprises créées

CR Région moyenne Du CA Des effectifs En 1995 En 1999 En 1998 En 1999 En 2000 11 Ile-de-France 120 31 053 131 1994 3% -1% 54 91 37 10 16

21 Champagne-Ardenne 6 5 513 60 1992 -4% -7% 2 3 1 - -

22 Picardie 3 0 17 3 3 - - -

23 Haute-Normandie 4 0 48 1 3 - - -

24 Centre 9 2 395 33 1984 4% 2% 6 7 1 - 1

25 Basse-Normandie 1 0 - 1 1 - - -

26 Bourgogne 3 0 37 3 3 - - - Nord-Pas-de-Calais 1994 5 1 10 4 896 76 1% 7% 7 1 331

41 695 -3% 7 - Lorraine 8 7 1993 -7% 5 2 -Alsace 71 1% 1 2 28 12 951 1991 10% 18 22 242

43 Franche-Comté 1 0 24 1991 - 1 1 - - -

52 2 Pays de la Loire 25 1 167 13 1995 -1% 9% 11 18 - 6 Bretagne 12 20 6 722 47 1990 1% 4% 16 3 - 153

54 Poitou-Charentes 1 0 35 - 1 1 - - - Aquitaine 26 2 362 33 1994 -4% -2% 16 21 2 2 172 Midi-Pyrénées 2 23 1 929 15 1993 13% -4% 14 21 2 273

74 Limousin 3 0 - 1 1 - - 2 Rhône-Alpes 44 32 5 505 1993 6% 13% 18 24 2 1 282 Auvergne 2 19 1 359 19 1997 -15% 10% 3 16 5 483 Languedoc-Roussillon 12 19 1 016 12 1996 10% 2% 6 2 4 591 Provence-Alpes-Côte d’Azur 18 26% 7 996 67 1992 17% 10 16 - 5 -93

379 France entière 12084 67 1993 191 294 33 33 43


Dans l’ensemble, la création de PME de biotechnologies a pris son essor à la fin des années 80. Même si les premières PME de biotechnologies sont apparues dès le milieu des années 50, le phénomène est resté longtemps marginal puisque jusqu’en 1980, seules 14 PME avaient vu le jour. Depuis 1989, ce sont environ 20 PME qui sont créées chaque année en France, avec une accélération très nette depuis 1998 (près de 40 créations chaque année). Ces créations n’ont cependant pas lieu de manière uniforme sur le territoire.

Tableau 17 : Création et croissance des PME de biotech dans les régions Effectif

moyen en 1999

Date moyenne de création

Effectifs en 1999

TCAM Nb de créations(1) Régions 96-99

Ile de France 117 1994 8857 75,7 7,5Champagne-Ardenne 3 1992 180 60,0 -1,2Picardie 3 1988 34 11,3 17,4Haute-Normandie 3 1995 77 25,7 13,5Centre 8 1984 147 18,4 1,9

1 1979 - - -3 1991 111 37,0 8,9

Nord-pas-de-Calais 11 1995 267 24,3 1,8Lorraine 8 1993 31 3,9 1,8Alsace 26 1991 933 35,9 4,6Franche-Comté 1 1991 24 24,0 2,2Pays de la Loire 24 1995 151,5 6,3 17,9Bretagne 19 1991 852 44,8 8,8Poitou-Charentes 1 1991 - - -Aquitaine 24 1994 500 20,8 7,6Midi-Pyrénées 24 1993 274 11,4 14,2Limousin 3 1998 - - -Rhône-Alpes 29 1994 474 16,3 5,5Auvergne 18 1997 113 6,3 5,4Languedoc-Roussillon 19 1997 65 3,4 13,7

16 1992 362 22,6 15,5Non renseigné(2)(3) 41 41 203 203 203TOTAL 402 1993 13453 37,3 8,4

Basse-Normandie Bourgogne

PACA

(1) jusqu’en 2001. Attention, il s'agit du nombre de créations et non du nombre de PME en activité (certaines ont disparu au cours de la période)

(2) Les informations concernant la localisation ou la date de création sont manquantes pour certaines PME. Cette ligne indique donc le nombre de PME non renseignées.

(3) Pour les effectifs et le taux de croissance annuel moyen, seules les PME créées avant 1993 sont observées, soit 203 PME.

Les caractéristiques de la région en terme de profils scientifiques et industriels définissent l’environnement sur lesquels les PMEs choisissent de s’implanter. Ainsi l’Ile de France rassemble encore une grande partie des créations d’entreprises intervenues entre 1993 et 1999. Cependant, la domination est beaucoup moins nette que dans les activités scientifiques et de recherche/développement. Derrière l’Ile de France la répartition est assez homogène au sein de l’ensemble des régions qui ont une base scientifique généraliste, comme Rhône Alpes, Midi-pyrénées et l’Alsace. Les régions les mieux dotées en recherche publique (nombre d’enseignants-chercheurs, de doctorants et de publications), et montrant une capacité à développer des co-publications public/privé, sont donc souvent celles qui sont les plus dynamiques en terme de créations de PME. Les compétences spécifiques des régions


donnent lieu à des vagues de création successives, en fonction de la maturité des technologies présentes et qui sont valorisées par la création de start-ups. Cependant, plusieurs exceptions notables laissent penser que les effets d’essaimage ne reposent pas que sur la compétence scientifique. Des régions relativement peu dotées en recherche publique se trouvent parmi les régions phares en matière de créations de PME (Pays de la Loire et Aquitaine notamment) alors qu’inversement, les grands pôles scientifiques du sud de la France (PACA, dont on peut remarquer le faible taux de co-publications public/privé, et Languedoc-Roussillon) restent en retrait pour la création d’entreprises. Ceci peut traduire une seconde dynamique positive fondée sur la spécialisation régionale des industries reliées.

1.4.3 La croissance des PMEs de biotechnologies : influence régionale ou dynamique individuelle ?

Les disparités régionales sont cependant à considérer aussi en regard des effectifs de ces PMEs et de leur taux de croissance. La concentration en Ile de France et en Alsace est alors plus prononcée, puisque les PME localisées dans ces deux régions ont en général une taille supérieure à la moyenne. La Bretagne voit également dans ce cas son poids largement renforcé.

Ces disparités de taille résultent probablement de trajectoires de croissance particulièrement favorables dans les premières années qui ont suivi la création. Cette dynamique semble cependant s’essouffler, en particulier en Alsace où le taux de croissance annuel moyen de 93 à 99 est décevant.

Plus généralement, il semble en fait se dessiner trois types de régions :

- Des régions à très petites entreprises plutôt récentes et très dynamiques : Pays de la Loire, Languedoc-Roussillon, Midi-Pyrénées. Le Languedoc-Roussillon semble en particulier connaître une tendance très prononcée au rattrapage, avec à la fois un fort taux de croissance des effectifs des PME déjà implantées et une augmentation considérable du nombre de créations de PME depuis 98.

- Des régions avec des PME de taille moyenne, créées dans les années 90 mais, là encore, très dynamiques : PACA et Haute-Normandie.

- Enfin, un ensemble de régions aux moindres performances : Centre, Nord Pas de Calais, Lorraine et dans une moindre mesure, Alsace, Rhône-Alpes, Auvergne. Ces régions, qui ont été, à l’exception notable de l’Auvergne, assez largement précurseurs en matière de création de PME de biotech disposent de taux de croissance de leurs effectifs nettement en dessous de la moyenne nationale. L’Alsace et Rhône-Alpes doivent ainsi leur position dominante à un très fort dynamisme en début de période, i.e. surtout avant 1989.


Le rôle de l’environnement régional dans la création et la croissance des

PMEs de biotechnologies : une étude économétrique sur données

françaises

Autant-Bernard C, Massard N, Mangematin V. 2003.

Creation of high tech SMEs: The influence of local environment. Cambridge Journal of Economics Submitted


Creation and growth of high-tech SMEs: the role of local environment#

Autant-Bernard C*., Mangematin, V¤., Massard**, N.##

Abstract

The aim of this paper is to understand the determinants of the creation and growth of high tech SMEs at a regional level when industry matures. The biotech sector is examined to understand the role of local environment in the economic valorization of scientific results. Relations between the scientific and technical profile of a region, the size of the local market for biotech products and services, and economic development are explored. In addition to academic research, demand is also taken into account as a factor in the development of high-tech industries. Results show that a minimum level of activity within a region is necessary for the establishment of a positive trajectory founded on new business creation. The dynamism of this positive trajectory nevertheless seems to depend strongly on organizational factors. Regional policies can have positive impact on firm creation, especially by promoting diversity and excellence in science. However, the growth of SMEs depends mainly on internal characteristics of firms.

Key words: Geography of innovation, knowledge spillovers, University-industry, biotechnology, SMEs, growth, creation.

JEL classification: M130, Q130, L210, O30

First version October, 2002. Revised March 2003

# Financial support from Ministry of Research, Research statistics bureau is highly acknowledged. E. Weisenburger also helps us to understand and to use national statistics on research. We appreciate his contribution.

* CREUSET, University Jean Monnet, 6 rue basse des rives, 42023 Saint Etienne Cx 2, France. [email protected]

¤ INRA/SERD, University Pierre Mendes France, BP 47X, 38040 Grenoble, France. [email protected]

** CREUSET, University Jean Monnet, 6 rue basse des rives, 42023 Saint Etienne Cx 2, France. [email protected]

## This contribution largely benefit from the help of Lionel Nesta, Clementine Body and Roger Coronini to collect and organise data. We greatly acknowledge their help. This paper also benefits from helpful comments at the participants of the Biotech workshop in Gothenburg 25-27 September 2002, organised by Chalmers University. Usual caveats apply.


1 Introduction

In the United States, the biotechnology sector has developed around poles of scientific excellence (Audretsch et al., 1996c; Zucker et al., 1995; Zucker et al., 1997). The movement of researchers from academic laboratories towards the private sector has provided a vehicle for the diffusion of knowledge and has been a powerful force behind the creation of start-ups (Almeida et al., 1999; Catherine et al., 2003). Economic and tax policies to support entrepreneurs in the creation of high-tech firms have had impressive results in Quebec, now North America's third region as regards the creation of biotech firms (Niosi, 2000). In Europe, different public policies have been implemented and the results in terms of creation and growth of biotech SMEs is contrasted, United Kingdom, Germany and Sweden performing better than France and southern Europe (Senker et al., 2001). In France, national and regional are combined to support the economic development of high tech sectors. National policy makers define economic and tax policy for all entrepreneurs and not specifically for high-tech firms, while the regions have various incentives (incubators, science parks, regional funding, etc.) to promote local economic development and the emergence of new technologies, especially biotechnologies and information technologies. Two effects are underlined: economic wealth and employment creation through the development of new economic activities and cluster effects which increase the attractiveness of the region for firm locations because of expected spillovers and positive externalities (Cooke, 2001). Regions are thus competing to attract start-ups, with a view to generating increasing returns to adoption in their territory (Krugman, 1991). Until the 1990s the authorities facilitated technology transfers between academic laboratories and industry via large firms. However, the development of biotechnopoles around large firms was moderately successful (Genet, 1997). Since the early 1990s the number of biotech SMEs has grown rapidly and firms' location seems to depend on multiple factors: scientific excellence, regional specialisation in scientific sub fields, regional industrial specialisation, public incentives. Moreover, within the last ten years, key resources to attract start-up creation may have been enlarged from scientific excellence to the size of the local market as biotech sector matures (Afuah et al., 1997; Mangematin et al., 2002). This is a new phase in the technological and industrial development of biotechnologies, the implications of which, in terms of location, are still largely unclear.

During the last ten years, public policy makers were encouraging economic development through firm start-up. The determinants of creation and growth of biotech SMEs since the 1990s are thus examined to understand the role of local environment in the economic valorization of scientific results. We explore relations between the scientific and technical profile of a region, the size of the local market for biotech products and services, and economic development viewed as start-up creation and growth. Thus, the definition of local environment is not limited to the local technological externalities and public research–industry links, to which most analyses of biotech location in the US are limited (Zucker et al., 2002). Apart from academic research, the size of the local market is also taken into account as a potential factor in the development of high-tech industries. Between national to local (departement) levels, the regional level is considered as relevant in identifying the effects of location. Moreover, statistical series on R&D, frims, public sector research organisations are available at the level of aggregation.

As all public and private actors recognize the industrial and commercial potential of the life sciences, location of firms in any region seems to be one of the most important issues in regional policy. Either dynamics of self-reinforcement in highly


concentrated scientific and technological poles dominate processes of location, in which case the role of public intervention is severely limited; or the weight of determinants such as demand, links with related industries or the challenges of commercialisation in the recent development of these activities paves the way towards new dynamics of location, sources of original regional development trajectories.

In order to understand the determinants of the local dynamics of firm creation and growth, , Section 2 considers the main elements in the theoretical literature on which we base our analysis of geographic determinants in the creation and growth of biotech SMEs. It concludes with a number of testable hypotheses. Section 3 presents the data and methods used in our econometric estimations. It also provides a statistical image of scientific, technological and industrial profiles of French regions in the biotechnology domain. The results of estimations are interpreted in Section 4, and conclusions on regional public policy concerning innovation are presented in Section 5.

2 Determinants of the creation and growth of biotech start-ups

In France, most biotech firms are young and have an average of about 50 to 60 employees (Lemarie et al., 2001). The creation of SMEs and their growth is thus one of the best indicators for measuring the development potential of a geographic area in biotechnology. Age and size make it possible to identify a region's capacities both to attract investments in biotech and to offer a stimulating environment for firms established in the area to grow. After an exploration phase in which scientific progresses have been screened to identify potential innovations, biotech sector enters in a maturing phase in which innovation are developed and marked (Afuah et al., 1997). In order to grasp the logics underlying spatial trends in highly innovative science-based sector, three groups of studies can be mobilized. The first includes work on the "geography of innovation" which seeks to explain the concentration of innovative activities by measuring the spatial dimension of knowledge externalities. Here the focus is on the advantages of being located near sources of knowledge. The second group illuminates the role of local environment in firms' capacities to absorb knowledge. Studies in this group aim to identify local organizational profiles best suited to the valorisation of the externalities produced. The third group, focused less on innovation and technological externalities, identifies broader determinants of location of industrial activities borrowed from economic geography: increasing returns, pecuniary externalities and market structures.

2.1 Proximity to sources of knowledge

Even if spatial economics focused on the role of technological externalities on spatial concentration of activities for a long time, empirical tests appear only recently. Empirical analyses of the mechanisms of spatial concentration of innovative activities often proves to be difficult at an econometric level (Autant-Bernard et al., 1999), and that it is risky inferring questions of localization from indicators such as patents, the number of innovations or even relations between geographic areas and R&D


expenditures (Anselin et al., 1997)1. We can nevertheless identify a number of conclusions of such research:

• Innovation in a given region is closely related to public- and private-sector research expenditure in that region (Feldman, 1994a), including in sectors that are not research-intensive (Mangematin et al., 2001b);

• Innovation in a given region is not only related to public and private R&D expenditure but also to the region's entire technology transfer infrastructure (presence of technological centres, of technology transfer agencies, etc.) (Feldman, 1994b). Thus, the presence of complementary activities generates more spillovers and reduces costs and risks related to firms' innovation;

• There are no eviction effects between public and private R&D expenditure. They enhance each other to create areas of expertise (Jaffe et al., 1993). Although academic research is often a major source of local knowledge externalities (especially in the US), universities are not the only generators of externalities, and externalities very often spread within industries.

These initial conclusions emphasize the role of research infrastructure on the firm creation. The regional research infrastructure includes public sector research (universities) as well as private firm research labs. .

H1: Biotech SMEs are set up in centres of excellence. They are localised nearby public academic research.

H2: Biotech SMEs are set up in the regional neighbourhood of major firms with substantial research potential , which are expected to produce knowledge externalities.

2.2 Local environment and absorptive capacity

Traditional explanations in terms of spillovers remain unsatisfactory. Breschi and Lissoni (Breschi, Lissoni, 2001) provide a critical reassessment of the theoretical conception of localised knowledge spillovers and econometric literature based on the Knowledge Production Function. They consider that the insistence upon knowledge as a pure local public good and the concept of knowledge spillovers as the major analytical category to explain the localised nature of innovative activities has diverted research from other mechanisms governing knowledge flows. In fact, economic theory remains indecisive as to the ability of SMEs to capture externalities. Whereas conceptual studies emphasize the concept of absorptive capacity based on local interactions, empirical work describes a correlation between intensity of presence of university research in a given geographic area and the propensity to innovate, irrespective of the sector concerned. It sheds little light on the verified presence of local externality effects. Audretsch, Feldman and Stephan (Audretsch et al., 1996a, 1996b; Audretsch et al., 1996c) made a specific analysis of high-tech sectors and showed that, in sectors where innovation is based on science, geographic links are weaker. 70% of formal relations between biotech firms and universities are not based on geographic proximity. Mangematin and Nesta (Mangematin et al., 1999) showed that the highest the absorptive capacity of the firm, the fewer the university-industry

1 Anselin et al. (2002) nevertheless show the relevance of econometric studies that use data on numbers of innovations and patents at detailed levels of location.


based on local interactions. Studies of relations between biotech firms and universities are not, however, transposable to choice of location when firms set up. In this phase, relations between start-ups and firms in their "natural" network are fundamental and location is often in the entrepreneur's "natural" environment (Liebeskind et al., 1996; Steier et al., 2000). On an infra-regional scale, Acs et al. (Acs et al., 1997) highlight the effects of local spillovers owing to the presence of a large university and reputable research departments.

It seems, therefore, that the results of the analysis are very different at the time of start up, when the survival and development of the firm depend on the founder's close network of relations (Baum et al., 2000), and later, when the firm is established and builds sound relations in the same scientific, productive and commercial network (Pisano, 1991). One of the main explanations for these differences relates to firms' absorptive capacities. According to Cohen and Levinthal (Cohen et al., 1990), in order to capture technological externalities, firms need to have their own adequate knowledge and competencies (e.g. a high level of research, a variety of available competencies). Firms therefore try to develop their absorptive capacities, in other words, to master certain knowledge in order to be able to identify and exploit new knowledge available in their environment. But, as C. Autant-Bernard (Autant-Bernard, 2001) notes, it is likely that the level of research and its degree of diversity affect not only the level of externalities captured in a local environment but also their geographic origin. The fact of having a high level of varied in-house competencies seems decisive in the ability to take advantage of distant sources of knowledge. Conversely, highly specialized emergent firms with weak internal resources need a healthy local environment to help them to take advantage of neighbouring sources of externalities. Although the question of absorptive capacities defined at the level of a geographic zone is still seldom addressed in the literature, Autant-Bernard et Ris (2001) provide some bases on which to found hypotheses. Apart from traditional determinants such as level of research done locally and level of knowledge produced (publications, patents, etc.), they also pay attention to the conditions of transmission of knowledge. Proximity to sources of knowledge is not a favourable factor as such; it has to be associated with the establishment of real links between the institutions through which the knowledge can flow. A high level of collaboration between researchers enhances firms' absorptive capacities. The results of Zucker, Darby and Armstrong (Zucker et al., 1998) and of Cockburn and Henderson (Cockburn et al., 1998) suggest that firms benefit from public research only if they collaborate with a university researcher. The simple fact of being located near a university is not enough.

Such relations nevertheless often imply a common language and codes. The existence of a degree of specialization is thus a condition for the diffusion of knowledge. Yet, if use of a common internal language is all that is emphasized, the firm could fail to capture external knowledge because it is too specialized. We have here the well-known debate on the comparative advantages of diversity or specialization, found in studies of the geography of innovation (Audretsch and Feldman, 1999). Specialization is necessary to master a set of common knowledge, and is particularly advantageous in the start-up phase. By contrast, diversity enables a firm to be more sensitive to a wider range of information. Based on a study of large pharmaceutical firms during the 90’s, Arora and Gambardella (Arora et al., 1994) distinguish between specialized competency that makes it possible to evaluate and run a specific research programme in a narrow domain, and the architectural competencies used to combine different domains of specialized competencies. They show that in the short term, specialized competencies are correlated with a better innovative performance in the firm, whereas in the medium term, the ratio is inverted and architectural competencies predominate in firms with the best performance. Moreover, the importance of innovation through a


recombination of knowledge in high-tech sectors, and the difficulties of coordination and transfer between individuals with different specialities, explain the advantage of proximity. Firms therefore try to set up in areas with varied competencies. Audretsch and Feldman (1999) confirm this point by showing how the presence of diverse but complementary knowledge is capable of creating economically beneficial local externalities. In this sense, the diversity of knowledge should facilitate innovation and the growth of existing SMEs by allowing individuals to establish new connections between knowledge.

This work enables us to formulate the following hypotheses:

H3 : A region's capacity to promote scientific collaboration helps to develop local SMEs' absorptive capacities. Local interactions are particularly enriching in the start-up phase.

H4 : A region's specialization in a specific area of knowledge (scientific specialisation) can enhance the absorptive capacities of start-ups and thus facilitate their establishment.

2.3 Local industrial environment and agglomeration dynamics

It is generally considered that biotech is an activity with a "high potential for concentration" (Steinle et al., 2002). Yet, even if the link with basic research and the role of "star scientists" is unquestionable in the early development phases of biotech firms (especially in the US), the characteristics of their development in France and, above all, the recent shift to a new phase of maturation, profoundly modify this initial model. Links with basic research and perhaps even with the research capacities of large groups (Cooke, 2002) are losing weight as relations with customers and with users become more important. Certain factors explaining the location of industrial activities, inspired by economic geography, can prove decisive. Based on the existence of increasing returns, the size of the local market is a key element of attraction and of dynamic self-reinforcement. In the biotech business this market is measured not so much in terms of size of regional population as in terms of presence of user industries, since biotech firms are primarily suppliers of other firms in the life sciences. The main user industry of biotech are firms, hospital and university labs involved in life sciences, i.e. agriculture, agrofood, pharmacy, medecine veterinary and biotechnology (human, vegetal and animal health and the production of research tools and devices). Feldman (Feldman, 2001) suggests that service companies in biotechnology set up close to major production centres rather than to universities, even if in some areas they are close to both.

The size of the market is the first dimension. However, the market structure is not neutral. In their explanation of agglomeration processes, economic geography models most often emphasize the role of diversity, whether it concerns consumer preferences (Krugman, 1991) or available intermediate goods (Krugman et al., 1995). The combination of economic geography and endogenous growth (Martin et al., 1999) presents a far more complex picture of the role of diversity, in which the impact of the effects of diversity depends on the region's specialization in the production of technological goods (Massard et al., 2001). Spillovers from related industries increase the attractiveness of a region for firm creation. Contributions focused on biotechnologies highlight the advantages of specialization during the set-up phase of SMEs, based on the advantages of specialization in terms of identification of a region in relation to its competencies, available skilled manpower or outlets for specialized products/services.


Finally, the work of Krugman (1991) also highlights the dispersing effects of competition. The presence of too many firms in an area strengthens competitive pressure, both in the search for consumers and in the job market. This pressure is a dispersing force because in certain conditions it can discourage firms from setting up in the area.

Based on these theories concerning determinants of industrial agglomeration, the following hypotheses can be put forward:

H5 : The larger the market, the greater the number of start-ups.

H6 : Specialization of a region in a sector related to the life sciences (biomedical, agro-food, etc.) stimulates the creation of SMEs.

H7 : The intensity of competition in related industries reduces firms' propensity to create.

The creation of wealth in a region can be attributed primarily to firms. Hence, the location of firms and especially of high-tech firms likely to create jobs and wealth in the future is a major challenge for the regions. Yet start-up is just a stage in the life of a firm which has to grow. Do the regions play a key part in the start-up phase? Do they impact on the subsequent growth of firms?

In the explanation of business creation we find a mix of attraction effects (choice of location) and positive effects of local environment in the emergent sector. In the explanation of growth, attraction effects disappear (due to the irreversibility of location created when the firm is set up), and other local development factors appear which can determine start-ups' abilities to survive and grow. The difficulties encountered in reaching a clear conclusion in the debate on specialization and diversity can perhaps be explained by the confusion of its mechanisms in most empirical studies carried out to date.

To analyse the role of local environment in the economic valorization of scientific results, and to define public policy to support business, it is necessary to analyse not only the creation phase but also determinants of growth. Thus, hypothesis H7 is worth testing.

H8: The characteristics of the regional environment influence SMEs' growth potential.

3 Data and method

To analyse the determinants of creation and growth of biotech SMEs, several databases have to be connected to perform econometric analysis.

3.1 Econometric models

The empirical tests that we propose are based on two types of model: a regional SME creation model and a biotech SME growth model.

The former explains a region's capacity to stimulate the creation of biotech SMES in relation to four types of regional characteristic:

• characteristics of public-sector research


• characteristics of private-sector research which give an overall picture of research in biotech firms

• characteristics of the market, describing the region's profile in related industries

• organizational characteristics, in the scientific area as well as market area.

The creation model is as follows:

NBCREAi t = α + β1 RPUBit + β2 RPRIVit + β3 MARCHit + β4 ORGit + εit

With:

NBCREAit = the number of new SMEs set up in region i during year t,

RPUBit = the matrix of variables characterizing the public-sector research potential in region i in year t,

RPRIVit = the matrix of variables characterizing the private-sector research potential in region i in year t,

MARCHit = the matrix of variables characterizing the market in related industries in region i in year t

ORGit = the matrix of variables characterizing the organization of research (openness, collaboration, specialization, etc.) in region i in year t,

Εit = a random term.

The second model considers that the level of growth of a biotech SME is explained both by a set of variables characterizing the firm itself and by the characteristics of its regional environment. It thus takes the following form:

MAGRki = α + β1 RPUBi + β2 RPRIVi + β3 MARCHi + β4 ORGi + β5 ENTREk + uit

With:

MAGRki = mean annual growth rate of firm k situated in region i,

RPUBi, RPRIVi, MARCHi, ORGi = the variables of the characteristics of the region to which k belongs, calculated either for the initial year or as a mean of the period under consideration,

ENTREk = all the variables characterizing firm k,

uit = a random term.

3.2 Data and variables

Five data bases are mobilized for this study. Table 1 presents the different variables used as well as the main sources of data.


Data on SMEs were drawn from the database created by UMR GAEL2 on the basis of a survey carried out in 1999 by the French research and technology ministry (http://biotech.education.fr). The data were updated and enriched by the UMR GAEL team in Grenoble (http://www.grenoble.inra.fr). 250 independent SMEs created between 1960 and 2002 are recorded in the data base. We extracted from this base the number of start-ups created every year in each French region (except Corsica) between 1993 and 1999 (NBCREA variable) that is to say 165 creations. We also calculate the mean annual growth rate in terms of employee numbers (MAGR) of SMEs existing during the period 1996-1999. 122 firms are present throughout the period and are correctly informed. The variables characterizing firms are described in Table 1.

2 www.grenoble.inra.fr, available on request.



Table 1 : List of variables used Type Name Definition

MAGR Mean annual growth rate of employee numbers of SMEs (between 1996 and 1999)

#SME Number of SMEs in the region (in 1996) TO Annual turnover of SMEs (1996-1999) EFF Annual employee numbers of SMEs (1996-1999) #PATENT Annual number of patents registered by SME (1996-

1999)

Biotech SMEs

NBCREA Annual number of SMEs created (1993-1999) PUB Annual number of publications PhDS Annual number of life science PhDs. Proxy of public

research inputs in biotechnology per region. Public research in life sciences SPE_PUB Index of specialization of publications (variance of the

RTA –Revealed Technological Advantage, calculated on the basis of the different scientific disciplines).

RE_BIO Number of researchers in firms doing biotechnology research.

PART_DERD_BIO Private R&D expenditure by firms doing biotech research, in relation to all R&D in the region

CONCENT_BIO Index of geographic concentration of R&D (Herfindhal index on departmental R&D expenditure).

SPE_BIO Index of sectoral specialization of R&D (RTA variance calculated on the basis of sectoral DERD).

Private-sector biotech research

PATENT_BIO Number of biotech patents of which at least one inventor lives in the region.

INV_RI Investments of related industries. NB_ETS_RI Number of firms in industries related to the biotech

sector. CONCURR_RI Average size of establishments in related industries. CONCENT_RI Index of geographic concentration of the biotech market

(Herifndhal index on employee numbers per department in related industries).

SPE_RI Specialization index of the biotech market (RTA variance calculated on the basis of employee numbers per sector in related industries).

Biotech market: related industries

PART_EFF_RI Share of employee numbers in related industries in total number of employees in industry.

TXCOPUB Share of co-publications in the total number of life science publications.

TXCOPEXT Share of publications co-authored with researchers from outside the region in the total number of publications.

TXCOPINT Share of publications co-authored with foreign researchers in the total number of publications.

Organization of biotech activities

COPUBPP Number of publications co-authored by public- and private-sector researchers.

PUBTOT Number of publications in all disciplines put together. DERDTOT Domestic R&D expenditure in all sectors put together. INVTOT Industrial investments in all sectors put together.

Overall regional characteristics

PATENTREG Patents filled by actors within the region


• Patent data concerning patents filed by SMEs were supplied by the INPI* (French national patent office), while those concerning numbers of patents filed in each region were drawn from the OST/OEB data base of patents aggregated by geographic area. The inventor's address was used for location (PATENTREG variable).

• Public research is evaluated in two ways, the first of which is inputs. The only available reliable variable broken down into both region and year is the number of biotech PhDs, provided by a survey by the research ministry. This variable gives a good approximation of existing research capacities (PhD variable). The second indication is output, estimated in terms of publications signed by authors belonging to institutions in the region (PUB variable). This measurement represents the role of public research in the production and diffusion of new knowledge. Publication data are drawn from the Science Citation Index (SCI) and the Biotech Citation Index (BCI) and are analysed in terms of institutions' addresses, since the final figures relate to participation in articles by institutions located in a particular region.

• Data drawn from the research ministry's annual survey are used in the construction of variables concerning the analysis of the regions' private-sector research potential (national expenditure on R&D and employee numbers). The selection of biotechnologies was based on the biotech code which appeared in the 1999 and 2000 surveys.

• Finally, data concerning the customer industries of biotech firms, primarily in sectors related to the life sciences (human, animal and plant health, environment, agriculture and agro-food) that we term related industries (RI) are drawn from the SESSI** CDRom, "SESSI-region", on which data are regionalized on the basis of the EAE***, the annual survey on enterprises.

Table 1 also presents a set of organization variables calculated for each domain: scientific (publications), technological (patents and private R&D expenditure) and industrial (employee numbers in related industries). Internal concentration within a region is measured in terms of Herfindhal indexes on the basis of distribution between departments and regions****. Sectoral specialization is measured by the classic "revealed technological advantage" (RTA) indicator (Frost, 2001; Nesta, 2001). If Pif is the activity of region f in domain i, for a given year, the region's technological advantage in relation to other regions in domain i is defined by:

∑∑∑=

if iff if

i ififif PP

PPRTA

* INPI : Institut National de la Propriété Industrielle

** SESSI : Service d'Etudes des Stratégies et des Statistiques Industrielles

*** EAE : Enquête Annuelle d'Entreprise

**** In France, departments are administrative units within regions.


The measurement of specialization in a domain is defined as the ratio of two proportions. The first is internal, in the region (the numerator) while the second is relative to all actors active in the biotech domain at national level (the denominator). For domain i, if the proportion of the region's activity in this domain is superior (inferior) to that of all actors in biotechnology, the indicator is greater (less) than the unit. The variance of this indicator measured for each domain within a region gives an overall degree of specialization for the region. Specialization is calculated on the basis of a nomenclature of publications in terms of theme, R&D expenditure in sectors of research, patents in technological domains, and employee numbers in related industries in main sectors of users.

The level of competition in related industries is measured by the average size of firms present in the region. A large size thus represents a low level of competition.

Lastly, the degree of interactivity of regional institutions is measured in terms of the data on co-publications (COPUB).They reveal the existence of effective scientific collaborations (McKelvey et al., 2002). Contrary to citations which generally do not imply effective collaborations, co-publications signal collaborations amongst co-authors. It seems to be a good indicator of the regional interactions amongst labs and researchers. Different variables have been defined to describe collaborations, i.e. public-sector or public/private-sector collaboration (COPUBPP), and whether they are purely internal to the region or involve institutions outside the region. All these co-publication variables are described in Table 1.

3.3 Empirical results

Table 2 presents the main characteristics of regions as regards firm creation and firm growth.


Table 2: Regional characteristics of SMEs.

REGIONS # of firm creation NBCREA93-99*

Average number of employees

EFF96

Mean Annual Growth Rate MAGR96-99


5310210234

110

1060

13151

10149

10

110.0119.013.053.534.028.033.6

108.06.4

76.022.06.7

40.8-

31.913.4

-29.67.79.2

34.7

5.5 -3.9 17.4 13.5 1.9

-9.1 8.9

-0.2 0.6 3.6 2.2 6.7 7.7

39.1 7.6

15.5 -

6.4 6.9

15.2 8.2

FRANCE 165 55.2 7.1

Source: INRA database

In France the biotech sector was still expanding fast in the late 90s. The number of institutions' participations in scientific publications in this domain rose by 64% from 1993, up to 5,879 in 1999. R&D expenditures by private-sector firms increased by 49.6% during the same period – a higher growth rate than that of all other sectors. Hence, the relative share of biotech R&D expenditures compared to all R&D expenditures rose by over 20%. Employee numbers in related industries also show the strong growth of these industries since they rose by nearly 3.5% between 1993 and 1999 and increased their relative share in the total number of employees in industry. However, biotech SMEs remain small and recently set-up.

Table 3 below provides a synthetic view of the regional distribution of biotech activities in France. Four facts emerge strongly.

1. Despite of supportive public policies in favour of biotech and innovation in general, (creation of knowledge base and commercialisation), the results in terms of employment creation are disappointed and public authorities seems to justify their investments by the expected indirect returns.

2. The strong concentration of activity in the Ile de France region, with the Rhône-Alpes region following far behind. 42% of publications, 58.6% of national R&D expenditure and 13.1% of related industries were situated in Ile de France in 1999. 10% of publications, 15.6% of national R&D expenditure and 10% of related industries were located in Rhône-Alpes, which consistently increased its share in national activity since 1993 while Ile de France maintained its position as regards R&D expenditure and related industries but regressed as regards scientific publications (48% in 1993).


3. Alongside these two large leading regions, another group of regions has a strong potential in biotech but with specific trajectories. From the point of view of scientific potential, the PACA (Provence-Alpes-Côte d'Azur) region is currently very well placed, followed by Alsace and Languedoc-Roussillon. Another point these regions have in common is a lack of buoyant markets for biotech since they have few related industries established in the region. By contrast, Brittany is a typical example of a region with a high level of industrial activity in which biotechnology is used, while its capacities for publication and research are more limited (even if these seem to have been growing rapidly since 1993). The Nord-Pas de Calais and Pays de Loire regions are in the same category. Finally, Midi-Pyrénées is in a different category since it is in third position as regards R&D expenditure, despite a far weaker scientific and industrial potential.

4. Finally, despite a few noteworthy developments, the relative positions of the regions appear to be relatively stable during the 1993-1999 period. This probably reveals the weight of structural determinants.

No obvious relation between the scientific presence of a specific region and firm creation appears. An understanding of the mechanisms influencing the creation and growth of SMEs is indispensable for gaining further insight into regional location and its dynamic evaluation. A total of 165 biotech firms were created in France during the period under study, 22 of which were founded in 1993 and 34 in 1999. Whereas the average number of employees of biotech SMEs in 1996 was 58, their mean annual growth rate from 1996 to 1999 was 7%.


Table 3 : Regional distribution of biotech activities in France between 1993 and 1999

RegionCode Publications 1993

Rank %

Publications 1999

Rank % Growth 1993 RI

empl.No's Rank %

1999 RI empl. No's

Rank %

Growth 93-99

Biotech DERD €93

Rank %

Biotech DERD 99 (€)

Rank %

Growth 93-99

1 1 1 1 1 1 Ile de France 1,713.22 47.9%

2,474.19 42.08%

44.41% 73,771 13.1%

78,516 13.47%

6.43% 741 819 58.55%

1 111 303 58.63%

49.80%

19 18 15 16 16 16 Champagne-Ardenne

13.95 0.39%

44.82 0.76%

221.25% 17,6783.13%

15,684 2.69%

-11.27% 5 9200.46%

9 853 0.51%

66.44%

15 17 6 6 11 15 Picardie 27.250.76%

45.27 0.77%

66.14% 31,2485.55%

29,437 5.05%

-5.79% 14 8061.16%

11 484 0.6%

-22.43%

16 15 8 10 7 7 Haute-Normandie

23.45 0.66%

45.95 0.78%

95.98% 27,6914.91%

25,69 4.40%

-7.22% 32 3212.55%

37 089 1.95%

14.75%

12 13 10 9 4 6 Centre 52.11 1.46%

105.10 1.78%

101.67% 26,6924.74%

26,93 4.62%

0.89% 40 3403.18%

54 950 2.89%

36.21%

20 20 16 15 15 18 Basse-Normandie

11.83 0.33%

26.45 0.45%

123.60% 16,7152.96%

16,201 2.78%

-3.07% 8 4510.66%

7 873 0.41%

-6.83%

14 14 14 12 18 19 Bourgogne 46.431.3%

89.75 1.52%

93.27% 17,8263.16%

18,306 3.14%

2.69% 4 2940.33%

6 123 0.32%

42.60%

9 8 4 5 8 10 Nord-Pas-de-Calais

86.18 2.41%

201.25 3.42%

133.50% 40,097.12%

40,262 6.91%

0.42% 21 2041.67%

18 891 0.99%

-10.90%

8 11 12 14 20 20 Lorraine 95.962.69%

118.59 2.01%

23.58% 18,453.27%

17,067 2.92%

-7.49% 1 0850.08%

3 671 0.19%

238.41%

3 5 11 11 6 5 Alsace 253.567.10%

358.21 6.09%

41.27% 24,4443.34%

24,356 4.18%

-0.36% 35 4982.8%

57 492 3.03%

61.95%

18 19 20 20 17 14 Franche-Comté 15.86 0.44%

30.15 0.51%

90.04% 8,3421.48%

8,213 1.4%

-1.54% 5 3060.41%

13 438 0.7%

153.24%

11 10 5 4 9 9 Pays de la Loire

69.32 1.94%

138.98 2.36%

100.48% 36,0756.4%

43,896 7.53%

21.67% 18 7981.48%

20 333 1.07%

8.16%

10 7 3 3 13 8 Bretagne 79.612.23%

208.77 3.55%

162.24% 49,3868.77%

59 10.12%

19.46% 10 9440.86%

22 826 1.2%

108.58%

17 16 17 17 19 17 Poitou-Charentes

22.45 0.63%

45.71 0.77

103.64% 15,3752.73%

14,766 2.53%

-3.96% 2 3150.18%

8 221 0.43%

255.09%

7 9 9 8 10 11 Aquitaine 113.013.16%

158.01 2.68%

39.81% 26,914.77%

27,834 4.77%

3.43% 15 7071.23%

17 723 0.93%

12.83%

6 6 13 13 3 3 Midi-Pyrénées 184.145.15%

294.09 5%

59.70% 17,8693.17%

17,964 3.08%

0.53% 69 8575.51%

101 119 5.33%

44.75%

21 21 21 21 21 21 Limousin 4.410.12%

22.58 0.38%

411.34% 4,5650.81%

5,013 0.86%

9.81% 2 4500.01%

3 058 0.16%

1,148.47%

2 2 2 2 2 2 Rhône-Alpes 288.398.07%

607.99 10.34%

110.82% 57,38310.19%

59,998 10.29%

4.55% 175 46213.85%

297 178 15.68%

69.36%

13 12 18 18 14 12 Auvergne 9 899 50.171.4%

105.66 1.79%

110.58% 11,9822.12%

12,986 2.22%

8.37%0.78%

17 633 0.93%

78.13%

4 4 19 19 12 13 Languedoc-Roussillon

217.80 6.1%

363.32 6.17%

66.80% 11,3692.01%

11,228 1.92%

-1.24% 12 6250.99%

16 938 0.89%

34.16%

5 3 7 7 5 4PACA 0.24% 45.35% 203.435.69%

394.36 6.7%

93.85% 29,1555.17%

29,225 5.01%

39 8783.14%

57 966 3.05%

Total 3,572.61 100% 5,879.30 100% 563,016 100% 582,572 100% 1 266 774 100% 1 895 163 100%


4 Results of econometric estimations

To understand the relative effects of the different regional variables on the firm creation and growth, two different models are tested: the first one concerns the ability of regions to attract firm creation (panel data on region) and the second one analyses the firm growth (panel data on firms).

4.1 Estimation method

The data used for the dependent variable of the first model are count data. They are therefore positive wholes with a large number of zero values. We therefore prefer a Poisson model which seems well adapted for business creation data at regional level. On this scale, the number of zero observations is very high, or else observations take low values (in our sample, the mean is 1.12 and the max is 12). Yet the dispersion level of distribution can sometimes prove to be higher than the mean (3.94 in our sample). Negative binomial model is appropriate (Greene, 2000). By introducing "alpha" parameter, the generalization of the Poisson model takes into account the heterogeneity of the dependent variable. The estimation and significance of this parameter indicate whether this model has to be preferred to the traditional specification of the Poisson model.

The backward elimination method was used to select the variables1. The results are presented for the model which conserves only significant variables (Table 4 below). For information, the results of the global model are also provided in Table 5 (attached).

1 Step-by-step introduction yields similar results.


Table 4: Results of estimations – Creation model Dependent variable: NBCREA Number of observations: 147

Poisson regression

Neg. Binomial regression

Constant

2.98*** (0.88)

2.98*** (0.74)

SPEPUB

-0.38*** (0.08)

-0.38*** (0.08)

CONCENT_BIO

-1.55*** (0.56)

-1.55*** (0.55)

1.54** (0.61)

1.54*** (0.53)

TXCOPEXT

-3.81*** (1.27)

-3.81*** (1.10)

COPUBPP 0.23E-01*** (0.69E-02)

0.23E-01*** (0.83E-02)

DERDTOT

0.37E-07** (0.18E-07)

0.37E-07* (0.21E-07)

Log-likelihood χ² Pseudo-R² Alpha

-161.10 220.76*** 0,63

-160.97 0.26 ns

CONCENT_RI

0.02 ns

The figures between brackets are standard deviations. The significance thresholds are indicated by *, ** and *** which signify 10%, 5% and 1%, respectively.

The "alpha" parameter estimated in the regression on the negative binomial model does not appear significant. Poisson model is preferred to the negative binomial model.

A relatively low number of variables significantly influences SME creation in each region. This is hardly surprising, given the strong correlations that generally link this type of variables. Thus, as regards the influence of global "weight" of the region, a single variable emerges significantly: the total amount of R&D expenditure in the region (all sectors taken into account) more important than biotech R&D expenditures. It appears that this variable alone reflects all the quantitative effects of agglomeration that prompt firms to set up more easily in areas that already have a strong scientific, technological and industrial potential. Yet the influence here seems much too weak to effectively validate this hypothesis.

Moreover, the absence of significance of potential variables measuring the relative weight of biotech capacities in the regions proves that even if the effect of overall size is relevant, relative specialization in the biotech sector has no particular attractive effect. Hypotheses H1 and H2 therefore receive little confirmation in this study. One of the explanations can be found in the generic nature of biotechnology which irrigates different economic sectors, just like information technologies.

All the other significant variables are, in our own terms, organizational variables. Both the industrial organisation and the organisation of research within a specific area influence firm creation. The linkages between public sector research and industry increases the regional propensity to attract firms. The intensity of competition within the biotech sector decreases the attractiveness of the region while the geographic concentration of user industries increases it. In this respect our results strengthen the validity of various theories which show that apart from effects of "automatic" self-reinforcement which give a systematic advantage to large size, the organizational capacities of the regions are essential. The creation of new biotech firms therefore


seems to be a particularly relevant field for illuminating this type of regional determinant.

4.2 The positive effect of capacities for private/public-sector local interaction

The results obtained from co-publication data measure the impact of the level of scientific interactions characterizing the region. The significant positive effect of the public-private co-publications variable (COPUBPP) validates our hypothesis H3. We show here that the presence of public research is not in itself beneficial. Based on co-publications, McKelvey et al. (2002) show the importance of geographic proximity in public/private scientific collaborations in biotech. However, collaborations amongst organisations do not depend on geographic proximity. The value of the existence of real, identifiable collaboration between local public- and private-sector institutions is highlighted primarily when the creation of SMEs is being promoted. On the other hand, the level of collaboration between local actors with institutions outside the region (TXCOPEXT) has a very strong negative effect on the propensity to create SMEs within the region. This difference of results can be explained by the particular characteristics of processes of new business creation which prefer attraction effects in a region that immediately offers much potential for local public/private-sector interaction, whereas the effects of openness onto the outside immediately seem far more beneficial for public-sector research itself than for firms. Local public authorities have to note that the level of extra-regional collaborations (TXCOPEXT) seems to have a negative effect on creation. Another explanation can be found in the characteristics of firms: only a minority of firms have a worldwide standing in terms of scientific advances and competencies. Thus the effects of openness of the collaboration patterns cannot be detected through statistical analysis. On the contrary, the majority of SMEs are service oriented and target, at least in their early stages local markets. Thus, the density of linkages amongst local actors play an important role.

4.3 The positive effects of the diversity of scientific competencies

A particularly robust result of our regressions highlights the negative role of regions' scientific specialization. The beneficial effects expected from specialization, especially to facilitate exchanges of knowledge in the emergent phases of activities (H4), are not confirmed. In fact, this specialization acts negatively, thus accrediting the opposite hypothesis with a favourable effect on diversity in firms' start-up phase. Measured in terms of publications, specialization of public research describes the more or less limited scope of scientific fields of competence available in a region. The analysis of the role of scientific knowledge in the technological development of biotech can help us to interpret this result. First, the technological maturation of a sector transforms the modalities of related scientific research. The production of new knowledge involves more and more recombination of existing modules and less and less highly specialized original research (Arora, 1994; Arora et al., 1994). Secondly, and more specifically, the biotech sector has the characteristic of providing generic tools to a wide range of related industries. Generic orientation, linked to scientific and technical trends towards oneness of the living world, generates economic opportunities in different sectors. A diversified regional research framework would therefore increase start-ups' opportunities for finding the varied scientific competencies they need.


This interpretation in terms of diversity is particularly appropriate here since our measurement of specialization concerns basic scientific competencies. Its negative effect therefore reflects no competitive effect. In many studies on the role of local sectoral structures in the development of innovative agglomerations, measurement of diversity concerns the characteristics of local employment or of private-sector research. The negative effect in this case cannot lead directly to conclude that diversity is an advantage, without directly measuring the impact of diversity. It may well result from effects of competition. Even if a specialized local structure logically allows many beneficial interactions between firms in the same sector, it is not for all that free of all forms of competitive behaviour, especially in the appropriation of knowledge. This argument is developed by Audretsch and Feldman (1999) who also observe that specialization is a relatively strong curb on innovation in local areas in the US. By contrast, in our results the variables directly intended to measure the impact of the degree of specialization in related industries and/or of the degree of competition (hypothesis H6 and H7) reveal no significant effects.

4.4 Influence of intra-regional spatial structuring of activities

The variables of spatial structuring within regions have a strong albeit contrasting influence. The degree of intra-regional spatial concentration of biotech research expenditure (CONCENT_BIO) proves to have a negative influence on business creation, whereas the spatial concentration of demand (CONCENT_RI) has a positive impact. The former point can be interpreted in two ways. First, this variable may reflect a competition effect not revealed elsewhere. However, observation of the data suggests another interpretation. It is often the very "small" regions in terms of research potential that provide the strongest concentration indicators. Hence, when this potential is very weak (in terms of research institution, for example), dispersion is impossible. It is therefore essentially an effect of size that we have here, due to the reduced attractiveness of areas with very little biotech research potential.

By contrast, intra-regional spatial concentration of related industries has a strong beneficial effect on the creation of new firms. Interest in a proximity effect therefore seems to concern above all a link to the market, to demand. Thus, rather than the size of the market itself (hypothesis H5), it is the ability to benefit from agglomerations of customer industries that is sought. The advantages of proximity highlighted in studies in the geography of innovation to explain the attractive pull of basic public research and centres of scientific excellence seem, in the context described here, rather to concern relations between start-ups and their potential customers. This confirms our hypothesis on a clearer orientation of SMEs towards the market, marking a new phase in the maturity of the biotech sector in the 1990s (Mangematin et al., 2002).

The main conclusions of this estimation of a regionalized model of SME creation attest to the complexity of the processes at play. The determinant expected attraction effect of public-sector research is not the size per se but the diversity of the knowledge base. Note, however, that this absence of effect may result from the type of data used to characterize public research. Publication data describe a local productive capacity but one whose use is not limited in space, unlike the number of researchers which reflects not only the level of available resources in public research but also a capacity for local diffusion. Future research will have to confirm this hypothesis.

The importance of organizational variables is the other obvious result of these estimations. It is clear that apart from the resources mobilized locally, the


organizational capacities likely to help local firms to take full advantage of those resources are decisive. Results clearly emphasize the role that local public authority can play to encourage firm location, using economic tools like science parks, incubators and so on.

In light of these observations, we understand the problems involved in defining regional policies in this context, even if conclusions can already be drawn. Capacity for local public/private-sector interaction, diversity of available scientific competencies, and concentration of market potential are all assets for new business creation. The theoretical literature nevertheless suggests the need for caution as regards these diverse influences, by considering that anything applying to the explanation of the number of start-ups in a region does not necessarily apply to the analysis of the influence of regional environment on the growth of incumbent firms in an area.

4.5 Results of the SME growth model

The model presented in the equation (2) presents an estimation of the growth rate of SMEs during the early years of creation. It links the mean annual growth rate of biotech SMEs between 1996 and 1999 to two sets of variables: the first describes the intrinsic characteristics of the firm itself while the second defines the scientific, technological and industrial characteristics of the region in which this firm is established. Several studies have tried to identify the main internal determinants of the growth of biotech firms (e.g. Prevezer, 1997; Niosi, 2000; Mangematin and Mandran, 1999). Estimations of the influence of variables describing regional environment have been performed with control variables on the intrinsic characteristics of firms. The model is estimated by MCOs with robust standard deviations in order to correct the heteroscedasticity. The results are presented in Table 5 below. Only the best specification of the model is presented.

Table 5: Results of estimations – Growth model Dependent variable: MAGR Estimation: MCO with robust standard deviations Number of observations: 122 Variables coefficients Constant -1,958**

(591) SARL (limited responsibility firm)

- 6.31 (3.81)

CREATION 0.98*** (0.29)

RESNET96 - 0.002*** (0.000)

EFF96 -0.02*** (0.008)

R2 0.109 F-test 3.80***

The figures between brackets are standard deviations. The significance thresholds are indicated by *, ** and *** which signify 10%, 5% and 1% respectively.


Four internal variables show significant effects. The introduction of dummies representing the legal structure of the firm enables us to show the positive influence of SA (i.e. limited liability versus SARL structure which is preferred for family business) structure on a firm's growth. Year of creation (CREATION) also has a significant favourable effect, indicating that the most recent firms have the highest growth rates. SMEs therefore seem to have difficulty getting over the exhaustion of opportunities that characterizes the end of the exploitation of an initial idea. Likewise, the negative coefficient of the employee variable at the beginning of the period (EFF96) shows the absence of increasing returns and suggests the eventual exhaustion of growth potential. Finally, the firm's net income at the beginning of the period has a significant negative effect even if it is very weak (RESNET96).

None of the variables characterizing regional environment emerges significantly. While the choice of a new firm's location is influenced by regional factors, the development dynamics of established firms relates entirely to their own specific characteristics. Interpreting this type of result is complex. Further research would be needed to complete these preliminary results. However, at this stage we can venture three comments likely to guide future research.

1. The first comment concerns the geographic level of reference. The regional level was chosen because it represents a relevant level for science and technology public policy in France. This level seems to be relevant regarding firm creation because specific public policy measures have been defined at this level. However, it could be not the relevant level for firm growth because the growth could be influenced or not by the environment either outside the region or infra-regional. Most theories on the geography of innovation or the analysis of proximity effects situate the relevant local framework on a smaller geographic scale (districts, clusters or even metropolitan areas). A true measure of the influence of local environment probably does need to be considered at more detailed infra-regional levels. This would tend to mean that even if a region's overall resources have no direct influence, the characteristics of the intra-regional spatial organization of those resources are likely to be important. Basic analyses of intra-regional concentration are probably not enough to make such influences fully evident.

2. The second comment is related to the evolution of firms. Ph. Mustar (Mustar, 1998) showed that the development of high tech firms follows different stages. The support of the local environment is necessary at the early stages of the firm. But, its development requires to find clients and supports outside the local environment: national or international venture capitalists, national or international clients or partners etc. Thus, the local environment (region) plays a key role at the beginning, the firm must enlarge its network when it is developing. The regional level is thus non relevant to explain the growth.

3. The third comment provides a more fundamental explanation based on the possible interdependence of individual and regional effects. Can we account for the effects of regional structures independently of the characteristics of firms in the region? While regional characteristics can create a certain potential for externalities, for example, the exploitation of that potential will mostly result from active strategies by the firms. Externalities, whether of public- or private-sector origin, are perceived less and less as phenomena to which firms are subjected. Rather, firms are seen as playing an active part by trying to appropriate the knowledge they produce, as far as possible, and, above all, by capturing knowledge produced elsewhere. As a consequence, externalities are not inherent characteristics of knowledge but refer to the way firms manage knowledge (Breschi and Lissoni, 2001). The creation of an absorptive capacity and the


establishment of effective relations, especially with external sources of knowledge production, can under no circumstances result exclusively from regional structural characteristics. In that sense, it’s worth noting that all firms do not search for same resources in the regions. Mangematin et al. (Mangematin et al., 2002), have revealed the existence of different patterns of development of the biotech firms. Some SMEs aim for a world market to industrialise their innovation while others are not designed to experience exponential growth and choose to target local markets. We certainly do have to take these categories into account in measuring the influence of regional environment on SME’s growth.

5 Conclusion

In this article our aim has been to provide quantified elements for assessing the role of regional environment in the dynamics of creation and growth of biotech SMEs in France in the 1990s. Apart from the particular context under study, we provide elements of empirical refutation of theories on the location of innovative activities and on economic geography. Five data bases have been used and a large number of variables created to describe this regional environment. Even if methodological improvements are now envisaged (finding better proxies for public-sector research, using the panel method), the first results obtained are fairly clear. The existence of a minimum level of activity within a region is necessary for the establishment of a positive trajectory founded on new business creation. The dynamism of this positive trajectory nevertheless seems to depend strongly on organizational factors. Rather than the quantitative potential of public- and private-sector research in the region, it is the diversity of available scientific competencies and the capacity to develop public/private interactions that favour the establishment of biotech start-ups in the region. Likewise, it is not so much the size of the regional market itself that is important, as the possibility for the firm to exploit agglomeration effects on such markets.

Hence, in the biotechnology domain, regional policies cannot count only on the accumulation of regional resources. It is not simply the fact of belonging to the same region that facilitates transfers and stimulates phenomena of externalities. In this sense regional technology policy is far more than support for R&D expenditures or for the direct production of artefacts. Its role is also to set up and support the variety of mechanisms that allow firms to capture and absorb external knowledge. In biotechnologies, diffusion of technological knowledge is complex; hence, the need for a varied institutional infrastructure. Promoting diversity, facilitating the establishment of relations and cooperation between actors with varied competencies, belonging to networks or institutional systems all marked by their own culture, using the agglomeration to encourage producer-user relations: all these are examples of the "organizational capacities" that can distinguish regions.

The results obtained on our growth model prompt us to conclude with a final comment. Even if the characteristics of the regional environment can, in themselves, have attraction effects for investments in biotechnology, in no way are they enough to determine the growth potential of firms in the region. These characteristics do determine a more or less favourable context, but the growth dynamics of firms result above all from their ability to take advantage of that context through the implementation of active strategies vis-à-vis their environment.


5.1 References

Appendix

Table 1 : Regional characteristics of public research in life sciences, 1993-1999. REGIONS PUB* SPEPUB PhD


15 343205256246611167493

1 007678

2 156186677

1 010234

1 0321 764

1093 047

5442 1712 240

0.114.034.986.822.567.693.671.568.080.594.972.152.135.231.121.868.480.433.001.210.45

734.0 3.3

36.7 19.9 32.1 11.1 34.6 67.7 85.6 90.6 15.0 35.1 67.4 20.0 80.9 77.3 2.1

199.4 37.1

133.4 131.4

34 178 3.39 1 914.7 FRANCE

Source : Biotechnology Citation Index

Table 2 : Regional Characteristics of private research in biotechnology, 1993-1999.

REGIONS CH BIO SPE BIO CONCENT BIO Ile de France Champagne-Ardenne Picardie Haute-Normandie Centre Basse-Normandie Bourgogne Nord-Pas-de-Calais Lorraine Alsace Franche-Comté Pays de la Loire Bretagne Poitou-Charentes Aquitaine Midi-Pyrénées Limousin Rhône-Alpes Auvergne Languedoc-Roussillon PACA

2 710404985

11730306010

1673286979

6734725

7565079

240

27.610.92.20.22.84.41.38.12.6

25.50.55.69.1

24.118.124.40.1

14.713.711.03.5

0.25 0.97 0.35 0.71 0.45 0.78 0.77 0.81 0.66 0.57 0.54 0.36 0.44 0.60 0.36 0.41 0.83 0.65 0.60 0.92 0.49

FRANCE 5 089 10.0 0.60

Source :R&D Survey, Ministère de la Recherche et de la Technologie.


Table 3 : Regional characteristics of markets, i.e. related industries, 1993-1999. REGIONS EFF IR SPE IR CONCURR IR CONCENT IR


77 62516 52730 20026 12527 40716 16718 36839 98317 61124 4538 417

39 71254 02014 98226 62017 3484 785

58 43312 15819 97828 519

1.170.310.030.571.360.380.240.140.300.090.400.490.570.300.040.030.380.290.110.100.67

81.7 75.7

127.0 107.3 93.9 92.9 88.4 98.9 89.5

100.9 68.1 88.8

101.2 72.8 71.1 59.7 62.2 85.4 63.4 60.9 71.6

0.230.820.630.520.350.420.530.520.560.570.410.270.300.370.390.550.640.660.820.610.31

FRANCE 570 441 0.38 83.9 0.50

Source : Enquête Annuelle d’Entreprises du Ministère de l’Industrie (SESSI).

Table 4 : Regional characteristics of the organisation of research in biotechnology, 1993-1999.

REGIONS TXCOPUB TXCOPEXT COPUBPP Ile de France Champagne-Ardenne Picardie Haute-Normandie Centre Basse-Normandie Bourgogne Nord-Pas-de-Calais Lorraine Alsace Franche-Comté Pays de la Loire Bretagne Poitou-Charentes Aquitaine Midi-Pyrénées Limousin Rhône-Alpes Auvergne Languedoc-Roussillon PACA

58.258.353.361.357.749.642.663.546.447.860.260.457.752.252.847.869.355.851.154.358.3

54.173.266.766.373.261.568.659.663.876.157.564.562.371.158.263.869.768.560.567.166.2

134.5 3.3 2.9 2.9 4.5 2.3 5.6 9.3 9.2

18.1 3.9

11.3 11.5 3.6 9.7

22.2 0.9

37.9 5.9

27.1 21.6

FRANCE 55.2 65.4 348.3

Source : Science Citation Index.


Figures with * give regional sum for 1993 to 1999.

Figure 1 : Regional profil of biotech activities

0% 10% 20% 30% 40% 50% 60%

Limousin

Franche-Comté

Auvergne

Poitou-Charentes

Basse-Normandie

Champagne-Ardenne

Lorraine

Bourgogne

Midi-Pyrénées


Haute-Normandie

Alsace

Aquitaine

Centre

Picardie

PACA

Pays de la Loire

Nord-Pas-de-Calais

Bretagne

Rhône-Alpes

Ile de France

Publications Proportion of employees in Life Sciences industry Proportion of biotech researchers


Table 5 : Creation model, results of estimation Poisson

regression Neg. Binomial regression

Constant

2.64 (1.68)

2.65 (1.71)

Public research

PUB PhDS SPE_PUB

0.69E-02 (0.52E-02) -0.40E-02 (0.50E-02) -0,34*** (0.11)

0.69E-02 (0.72E-02) -0.40E-02 (0.61E-02) -0,34*** (0.13)

Private research

RE_BIO PART_DIRD_BIO CONCENT_BIO SPE_BIO PATENT_BIO

-0.13E-04 (0.17E-02) -6.49 (5.20) -0.85 (0.71) -0.33E-03 (0.40E-02) 0.14E-01 (0.19E-01)

-0.13E-04 (0.29E-02) -6.49 (6.10) -0.85 (0.74) -0.33E-03 (0.51E-02) 0.14E-01 (0.26E-01)

Market for biotech i.e. interrelated industry

INV_IR NB_ETS_IR CONCUR_IR CONCENT_IR SPE_IR PART_EFF_IR

0.27E-06 (0.38E-06) 0.46E-02** (0.21E-02) -0.37E-02 (0.10E-01) 1.73** (0.85) -0.22 (0.57) -0.47E-01 (0.33E-01)

0.27E-06 (0.40E-06) 0.46E-02* (0.26E-02) -0.37E-02 (0.10E-01) 1.73* (1.02) -0.22 (0.66) -0.47E-01 (0.42E-01)

Organisation of biotech research

TXCOPUB TXCOPEXT TXCOPINT COPUBPP

0.11 0.11 (1.53) -3.44* (1.92) 1.90 (2.40) 0.27E-01 (0.20E-01)

(1.90) -3.44* (2.04) 1.90 (2.53) 0.27E-01 (0.28E-01)

Regional characteristics

PUBTOT DERDTOT INVTOT

-0.27E-02 (0.23E-02) -1.08E-06 (0.82E-07) -0.21E-06* (0.12E-07)

-0.27E-02 (0.36E-02) -1.08E-06 (0.12E-06) -0.21E-06 (0.14E-07)

Log-likelihood X² Pseudo-R² Alpha

-161.10 220.76*** 0.65

-160.97 0.26ns 0.02ns


Annexes

L’annexe 1 décrit les données utilisées avec les sources et les choix de classification. L’annexe 2 donne la spécialisation scientifique par région. L’annexe 3 présente les profils scientifiques et les spécialisations relatives par région. L’annexe 4 fournit des cartes et tableaux décrivant le profil industriel des régions. Enfin l’annexe 5 fournit les informations détaillées sur le profil de recherche des régions.


Annexe 1 : Description des données

La création de PMEs

Les données sur les PME sont extraites de la base de données créée par INRA/SERD à partir d’une enquête menée en 1999 par le Ministère français de la Recherche et de la Technologie (http://biotech.education.fr). Les données ont été mises à jour et complétées par l’équipe INRA/SERD à Grenoble (http://www.grenoble.inra.fr).

Nous avons extrait de cette base le nombre de start-up créées chaque année dans chaque région française (excepté la Corse) entre 1993 et 1999, soit 165 créations. La base nous permet aussi de connaître l’effectif employé par ses entreprises sur la période et d’évaluer ainsi leur taux de croissance.

Les brevets

Les données de brevets proviennent de la base de données OST/OEB agrégée par région. L’adresse des inventeurs a été utilisé pour définir la localisation des brevets. Les données sont lissées sur trois ans c’est-à-dire que le chiffre donné pour 1999 correspond à la moyenne des dépots de brevets pour 1997-1998 et 1999.Nous avons évalué le champ biotechnologie comme la somme des trois sous-domaines technologique suivant : pharmacie-cosmétiques (12), biotechnologies (13) et produits agricoles et alimentaires (14), nomenclature OST des sous-domaines technologiques.

Les publications

Les données de publications sont extraites du Science Citation Index (SCI) et du Biotech. Citation Index (BCI). Elles sont analysées à partir des adresses des institutions de telle sorte que les nombres fournis correspondent au nombre de participation à articles des institutions localisées au sein d’une région particulière.

Le degré d’interactivité caractérisant la recherche scientifique dans les régions est mesuré à partir des données de co-publications. Reliant les institutions deux à deux ces données indiquent le nombre de fois où deux institutions ont signé conjointement le même article. Des agrégations sont ensuite effectuées afin de décrire les caractéristiques principales des collaborations : plutôt entre institutions publiques ou associant des institutions publiques et privées, plutôt interne à une région ou impliquant des institutions n’appartenant pas à la région, parmi lesquelles on peut distinguer les collaborations externes nationales et les collaborations internationales.

La recherche publique

La recherche publique est évaluée ici à travers le nombre de doctorants et d’enseignants-chercheurs. Le nombre de doctorant en biotechnologie et d’enseignants-chercheurs dans les disciplines correspondantes est founi par le ministère de la recherche (Science de la vie).

La recherche privée

L’enquête R&D annuelle du Ministère de la Recherche a été utilisée pour évaluer le potentiel régional en recherche privée (dépenses de recherche (DIRD), et effectif de chercheurs). La sélection des entreprises biotech. est fondée sur le clé « biotechnologie » qui est apparue dans les enquêtes 1999 et 2000. Cette sélection regroupe des entreprises appartenant à 47 secteurs différents selon la NAF114. 11 de ces secteurs représentent environ 90% des effectifs. Il s’agit des secteurs A01, B04, B05, C31, F43, G21, G15, J20, N23, N25, N40.

Le potentiel industriel

Les données concernant les industries utilisatrices de biotech recouvrent principalement les secteurs liés aux sciences de la vie (santé humaine, animale et végétale, environnement, agriculture et agro-alimentaire). Ces données portent sur les effectifs employés dans ces secteurs et sur les investissements et sont tirées du CDRom du SESSI : SESSI-région qui réalise la régionalisation à partir de l’Enquête Annuelle d’Entreprise ( EAE).

Les industries considérées sont les suivantes : B01, Industrie des viandes – B02, Industrie du lait – B03, Industrie des boissons – B04, Travail du grain, fabrication d'aliments pour animaux – B05, Industries alimentaires diverses – C31, Industrie pharmaceutique – C32, Fabrication de savons, de parfums et de produits d'entretien – F41, Industrie chimique minérale – F42, Industrie chimique organique – F43, Parachimie – F44, Fabrication de fibres artificielles ou synthétiques.



Annexe 2 : Les spécialisations scientifiques des régions

11 21 22 23 24 25 26 31 41 42 43 52 53 54 72 73 74 82 83 91 93 94

AGRICULTURE, DAIRY & ANIMAL SCIENCE AD 1,09 0 0,53 0 2,13 0,74 0,72 0,2 0,78 0,09 1,49 0,16 3,47 2,62 0,46 3,59 2,25 0,34 3,21 0,19 0,07 0

AGRONOMY AM 0,48 0,56 2,02 0,26 1,2 0,2 3,66 0,67 0,85 0,38 0,32 1,69 3,2 3,27 2,11 1,23 0 0,25 5,86 2,94 0,87 6,133

BIOCHEMICAL RESEARCH METHODS CO 0,83 1,61 1,1 2,14 1,18 1,28 1,34 1,23 0,89 1,7 0,85 1,39 1 0,48 1,5 0,94 0,88 1,39 0,86 0,96 0,92 1,47

BIOCHEMISTRY & MOLECULAR BIOLOGY CQ 1,03 0,7 0,59 1 1,01 0,4 0,74 0,97 0,77 1,45 0,45 0,63 0,72 0,78 0,77 1,07 0,62 1,1 0,53 0,95 1,07 0,607

BIOLOGY CU 1,02 1,48 0,46 0,83 1 1,06 0,33 1,6 1,12 1,24 2,23 0,6 0,78 0,45 0,66 0,9 0,32 1,07 0,62 1,05 0,83 6,511

CX 1,09 0,9 0,16 0,28 1,41 0,65 0,17 1,02 0,23 0,16 1,92 0,19 0,92 0,46 0,74 1,05 1,64 1,27 1,81 1,93 0,42 6,614

BIOPHYSICS DA 0,98 0,94 0,73 1,35 1,35 0,33 0,65 0,94 1,06 1,29 0,54 0,7 0,69 0,95 0,86 1,1 0,51 1,28 0,58 0,79 1,18 0

BIOTECHNOLOGY & APPLIED MICROBIOLOGY DB 0,8 1,41 3,14 0,95 0,91 1,32 2,14 0,81 2,13 0,84 0,79 1,59 1,45 1,25 1,14 1,4 0,59 0,86 1,24 1,29 1,03 0,626

PLANT SCIENCES DE 0,65 1,27 4,3 1,54 1,53 1,16 2,93 0,65 0,77 1,29 0,41 1,35 1,59 1,54 1,47 1,62 0,62 0,67 2,42 1,99 0,68 1,548

ONCOLOGY DM 1,03 1,05 0,39 1,84 0,25 1,33 0,91 1,47 0,42 0,73 1,25 1,23 0,45 0,64 0,79 0,67 1,26 1,27 1,26 0,74 1,39 0,55

CARDIAC & CARDIOVASCULAR SYSTEMS 1,42 0,9 0 0,42 0,59 0,97 0,25 2,83 0,43 0,78 0 0,62 0,46 1,89 0,24 0 0,45 0,26 0,57 0,09 0,33 0

CELL BIOLOGY DR 0,78 0,3 0,55 0,73 0,79 0,51 1,25 0,49 0,94 0,6 0,45 1,04 1 1,15

CHEMISTRY, APPLIED 5,63 1,94 0,35 0,42 0 3,97 0,43 1,85 0,27 0,43 6,16 1,42 1,53 2,67 0,92 1,64 3,27 2,72 0,79 0

CHEMISTRY, MULTIDISCIPLINARY DY 0,73 0,26 3,16 0,71 0,28 2,58 0 0,28 1,43 1,83 2,1 1,47 0,95 1,34 1,04 2,4 1,67 1,05 0,32 0,86 0,61 0

CHEMISTRY, ANALYTICAL EA 2,43 2,3 2,26 1,06 0 1,02 0,39 2,07 0,82 1,17 0,38 0,62 2,07 1,35 0 2,35 1,09 1,47 0,62 0

CHEMISTRY, ORGANIC EE 0,68 1,53 0,32 0,86 3,11 0 0,17 1,42 0,81 1,03 1,69 0 2,38 0,9 0,94 0,61 0,89 0,67 1,7 1,15 1,12 0

CHEMISTRY, PHYSICAL EI 0,76 1,71 2,66 2,39 2,41 3,67 0,93 0,48 0,41 4,06 2 0,5 1,46 0,45 0,44 0,19 1,18 1,42 1,6 0,77 0,49 0

DERMATOLOGY & VENEREAL DISEASES GA 0,9 1,46 0 0,25 4,97 1,83 0 0,41 0,38 0 0,61 2,25 0,83 0,56 0,6 1,41 4,25 1,49 1,11 0,92 1,54 0

ECOLOGY 0,58 0 0,26 0,24 0,67 0 1,84 1,17 1,15 0,03 0 00,31 2,45 2,32 1,8 0,29 0,55 1,12 0,53 4,4 1,19

DEVELOPMENTAL BIOLOGY HY 1,11 0,39 0 0,18 1,49 1,39 0,11 0,54 1,77 0,44 2,42 0,79 0,63 1,16 0,49 0,26 0,69 0,21 0,62 0,62 1,05 0

ENDOCRINOLOGY & METABOLISM IA 1,07 0,53 0,31 0,92 0,57 0,37 0,98 0,3 2,15 0,52 0,64 0,88 0,59 1,12 0,54 0,42 0,5 1,25 0,95 1,09 0

ENGINEERING, ENVIRONMENTAL IH 0,79 0 2,11 0 0,15 0 0 0,08 7,43 0,1 0,47 2,15 1,12 0,83 0,45 2,6 1,78 0,78 0,34 2,71 0,16 0

0,27 0,92 8,21 0,85 1,15 1,75 1,87 0,53 6,6 0,26 0 1,52 1,22 0,93 0,27 6,15 0 0,83 1,14 1,9 0,53 0

ENVIRONMENTAL SCIENCES JA 0,58 1,22 1,26 0,19 0,68 0,29 0,11 0,2 6,99 0,29 1,64 1,95 1,24 1,03 1,85 1,85 2,21 1,26 0,93 2,22 0,74 0

FOOD SCIENCE & TECHNOLOGY JY 0,47 4,42 1,98 0,27 0,61 4,12 5,51 0,85 3,2 0,28 2 3,18 2,48 1,76 1,88 0,97 2,3 0,47 3,55 2,23 0,43 2,109

GASTROENTEROLOGY & HEPATOLOGY 1,19 0,21 0,78 0,2 0,16 0 0,36 1,61 0,28 0,23 1,49 1,23 2,66 0,11 1,12 0,9 0 1,1 0,22 0,25 0,82 0

GENETICS & HEREDITY KM 1,15 0,68 0,69 1,19 0,81 0,66 0,48 0,79 0,61 0,99 0,56 0,75 0,92 1 0,91 0,7 0,89 0,79 0,96 1,01 1,07 1,58

HEMATOLOGY MA 1,15 1,06 0,51 1,54 0,48 1,99 0,42 2,1 0,48 0,49 3,06 1,46 0,43 1,75 1,45 0,74 0,87 0,88 0,3 0,41 0,84 2,182

HORTICULTURE MU 0,35 4,12 1,37 0 1 0 6,07 0,54 0,71 0,43 0,31 1,85 2,07 1,35 3,75 1,27 0 0,21 5,08 3,56 0,75 11,68

BIOLOGY, MISCELLANEOUS

DQ

1,1 0,67 0,82 1,33 0,63 0,98 0,68 0

DW 0,29 1,19

0,66 0,82

GU

1,13

ENGINEERING, CHEMICAL II

KI


11 21 22 23 24 25 26 31 41 42 43 52 53 54 72 73 74 82 83 91 93 94

PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH NE 1,02 0,84 0,87 1,56 1,57 4,79 0 0,73 3,65 0,15 2,42 0,26 0,26 0 1,49 0,18 0 1,42 0,35 0,84 1,41 0

IMMUNOLOGY NI 1,07 0,67 0,32 0,99 1,14 0,44 0,37 1,06 0,6 0,88 1,77 1,8 0,87 1,25 0,58 0,95 2,44 0,94 0,52 0,71 1,21 2,452

INFECTIOUS DISEASES NN 1,17 1,03 0,29 0,35 1,8 0,54 0,05 1,21 0,53 0,52 2,28 0,9 0,55 1,53 1,32 0,58 1,64 1,1 1,01 0,32 1,06 0

MARINE & FRESHWATER BIOLOGY PI 0,28 0 0,91 0 0,11 3,34 0,16 0,73 1,66 0,07 0 3,71 6,57 7,43 1,23 0,25 0,64 0,93 1,21 2,86 1,82 0

MEDICAL LABORATORY TECHNOLOGY PW 1,03 0,68 0,7 2,85 0,64 1,46 0,57 1,12 2,97 0,37 1,97 0,84 1,22 2,77 0,83 0,54 0 1,33 0,57 0,65 0,88 0

MEDICINE, GENERAL & INTERNAL PY 1,2 0,75 0 0,52 1,05 3,2 0,42 1,01 0,78 0,51 3,67 0,81 1,22 1,52 1,12 0,59 1,63 0,96 0,47 0,28 0,95 0

MEDICINE, RESEARCH & EXPERIMENTAL QA 1,19 2,07 0,38 0,43 0,93 0,67 0,2 1,09 0,69 1,38 1,32 0,77 0,51 0,26 0,99 0,53 0,34 1,05 0,45 0,57 0,78 2,276

MICROBIOLOGY QU 0,93 1 0,77 1,07 1,28 1,99 1,76 0,95 1,56 0,49 0,82 1 1,46 1,35 1,3 1,06 1,8 1,07 1,64 0,62 1,16 0

MULTIDISCIPLINARY SCIENCES RO 1,26 0 3,05 0,23 0,18 0,35 0,69 0,47 0,37 1,76 0,57 0,08 0,78 0,25 0,44 0,57 0,54 1,2 0,2 0,6 0,73 0

MYCOLOGY RQ 0,94 2,65 0 0 0,57 0 4,44 0,73 1,72 1,68 0,44 0,7 0,88 1,54 3,46 1,1 0,83 0,48 0,79 0,96 0,22 0

CLINICAL NEUROLOGY RT 1,26 0,99 0,17 1,68 0,62 2,35 0,18 1,21 0,25 0,91 0,95 0,92 0,42 0,34 1,21 0,48 3,59 0,97 1,09 0,36 0,66 0

NEUROSCIENCES RU 1,2 0,15 0,46 1,85 0,42 2,22 0,25 0,58 0,39 1,5 0,6 0,76 0,23 0,45 1,87 0,43 2,9 0,77 0,22 0,93 0,85 0

OBSTETRICS & GYNECOLOGY SD 0,98 1,99 1,87 1,34 2,58 2,33 1,01 0,59 0,69 1,04 2,93 1,63 0,65 0,55 0,97 0,5 3,16 0,93 0,75 0,95 0,96 0

PARASITOLOGY TI 0,69 1,11 0 0,69 3,46 1,05 0,21 4,7 0,14 0,31 0,85 0,46 0,78 0,38 1,15 0,32 6,44 0,57 1,84 2,99 0,67 0

PATHOLOGY TM 0,95 3,9 1,3 0,94 0,52 2,16 0,77 1,09 0,52 0,48 2,18 1,09 0,82 0,9 1,6 1,82 1,37 1,34 0,21 0,5 0,92 5,527

PEDIATRICS TQ 1,24 1,45 2,1 1,08 1,2 3,74 0,97 0,95 1,32 0,45 1,68 0,36 0,86 1,18 1,29 0,63 1,27 0,75 0,36 0,21 0,92 0

PHARMACOLOGY & PHARMACY TU 1,09 1,08 1,05 0,57 0,86 0,87 1,1 1,18 1,57 0,79 2,59 0,65 1,37 0,41 1,09 1,43 1,33 0,67 1,04 0,79 0,53 0

REPRODUCTIVE BIOLOGY WF 1,02 0,42 1,3 0,58 5,81 0,9 0,12 0,28 0,4 0,6 3,14 1,36 2,07 0,64 0,28 0,7 1,37 0,69 4,26 0,53 0,54 0

TOXICOLOGY YO 0,67 1,95 2,3 0,26 0,84 5,17 0,93 0,75 2,85 0,93 1,29 2,15 0,82 1,7 2,17 0,73 0,61 1,95 0,35 0,7 1,1 0

UROLOGY & NEPHROLOGY ZA 1,47 1,14 1,17 1,06 0,43 1,22 1,74 0,22 0,43 0,27 2,95 1,32 1,19 0,87 0,25 0,29 3,72 0,57 0,12 0,24 0,74 0

VETERINARY SCIENCES ZC 0,68 0,8 0 0 4,74 1,15 0,22 1,08 0,46 0,5 0,23 0,99 2,74 1,02 0,54 3,28 0,88 1,52 1,17 0,61 0,64 0

PERIPHERAL VASCULAR DISEASE ZD 1,27 1,55 0,19 0,85 0,93 1,18 0,31 2,63 0,49 0,67 1,06 0,99 0,27 1,02 0,94 0,7 0,8 0,92 0,08 0,28 0,47 2,007

VIROLOGY ZE 1,04 0,12 0,36 0,32 1,57 1 0,36 0,94 0,26 1,38 0,47 0,45 0,79 0,24 0,94 0,5 1,14 1,75 0,36 0,73 1 0

WATER RESOURCES ZR 0,83 0 2,1 0 0,46 0 0 0,16 7,68 0,1 0,47 1,76 1,11 0,83 0,72 2,35 1,77 0,78 0,34 2,43 0,16 0

MOY 0,92 1,22 1,21 0,88 1,25 1,27 1,03 1,01 1,54 0,79 1,24 1,24 1,24 1,11 1,13 1,13 1,28 1,02 1,19 1,19 0,83 1,016

ECT 0,29 1,16 1,41 0,88 1,1 1,29 1,38 0,77 1,87 0,59 0,93 1 1,06 1,13 0,76 1,01 1,25 0,42 1,25 0,96 0,35 2,272

SPE 0,32 0,95 1,17 1 0,88 1,02 1,33 0,77 1,21 0,74 0,75 0,81 0,86 1,02 0,67 0,89 0,98 0,41 1,05 0,8 0,43 2,235


Annexe 3 : La similarité des profils et des spécialisations scientifiques des régions

Tableau 3.1 : la similarité des profils scientifiques et techniques

Comparaison des régions selon leur profil technologique exprimé en nombre de publications par thématiques 11 93 82 23 31 42 91 72 24 73 54 53 21 52 74 83 43 41 94 25 26 22

11 Ile-de-France 0,989 0,973 0,964 0,963 0,958 0,94 0,935 0,932 0,931 0,93 0,888 0,87 0,858 0,841 0,799 0,787 0,779 0,736 0,711 0,705 0,57393 PACA 0,989 0,984 0,967 0,962 0,953 0,949 0,943 0,94 0,951 0,943 0,911 0,894 0,888 0,854 0,83 0,785 0,823 0,684 0,749 0,763 0,61582 Rhône-Alpes 0,973 0,984 0,943 0,966 0,968 0,925 0,919 0,947 0,956 0,9 0,873 0,876 0,849 0,813 0,769 0,754 0,811 0,577 0,707 0,746 0,58123 0,889 Haute-Normandie 0,964 0,967 0,943 0,949 0,906 0,931 0,952 0,911 0,916 0,934 0,889 0,881 0,855 0,844 0,752 0,79 0,748 0,76 0,751 0,63231 Nord-Pas-de-Calais 0,963 0,962 0,966 0,949 0,922 0,895 0,92 0,906 0,92 0,911 0,852 0,872 0,872 0,82 0,759 0,825 0,774 0,594 0,733 0,716 0,56642 Alsace 0,958 0,953 0,968 0,906 0,922 0,934 0,872 0,931 0,94 0,855 0,826 0,83 0,785 0,719 0,71 0,678 0,747 0,604 0,578 0,689 0,56991 Languedoc-Roussillon 0,94 0,949 0,925 0,931 0,895 0,934 0,94 0,916 0,951 0,931 0,929 0,914 0,888 0,763 0,868 0,693 0,843 0,673 0,706 0,835 0,747 72 0,873 Aquitaine 0,935 0,943 0,919 0,952 0,92 0,872 0,94 0,919 0,929 0,961 0,948 0,936 0,923 0,86 0,901 0,757 0,703 0,856 0,859 0,7324 Centre 0,932 0,94 0,947 0,911 0,906 0,931 0,916 0,919 0,952 0,905 0,912 0,851 0,847 0,821 0,815 0,667 0,83 0,643 0,685 0,775 0,65773 Midi-Pyrénées 0,931 0,951 0,956 0,916 0,92 0,94 0,951 0,929 0,952 0,925 0,925 0,916 0,891 0,778 0,82 0,73 0,895 0,539 0,726 0,854 0,74554 0,925 Poitou-Charentes 0,93 0,943 0,9 0,934 0,911 0,855 0,931 0,961 0,905 0,954 0,912 0,933 0,855 0,893 0,814 0,857 0,728 0,832 0,834 0,71453 Bretagne 0,852 0,888 0,911 0,873 0,889 0,826 0,929 0,948 0,912 0,925 0,954 0,911 0,922 0,832 0,931 0,697 0,909 0,663 0,831 0,891 0,79121 0,872 0,75 Champagne-Ardenne 0,87 0,894 0,876 0,881 0,83 0,914 0,936 0,851 0,916 0,912 0,911 0,931 0,863 0,753 0,897 0,509 0,83 0,898 0,76552 Pays de la Loire 0,858 0,888 0,849 0,889 0,872 0,785 0,888 0,923 0,847 0,891 0,933 0,922 0,931 0,838 0,867 0,796 0,892 0,557 0,84 0,868 0,80374 Limousin 0,841 0,854 0,813 0,855 0,82 0,719 0,763 0,86 0,821 0,778 0,855 0,832 0,75 0,838 0,82 0,73 0,724 0,812 0,781 0,683 0,475 83 Auvergne 0,799 0,83 0,769 0,844 0,759 0,71 0,868 0,901 0,815 0,82 0,893 0,931 0,863 0,867 0,82 0,636 0,813 0,639 0,849 0,891 0,75343 Franche-Comté 0,787 0,785 0,754 0,752 0,825 0,678 0,693 0,757 0,667 0,73 0,814 0,697 0,753 0,796 0,73 0,636 0,631 0,535 0,736 0,589 0,4541 Lorraine 0,779 0,823 0,811 0,79 0,774 0,747 0,843 0,873 0,83 0,895 0,857 0,909 0,897 0,892 0,724 0,813 0,631 0,393 0,815 0,909 0,83894 Corse 0,736 0,684 0,577 0,748 0,594 0,604 0,673 0,703 0,643 0,539 0,728 0,663 0,509 0,557 0,812 0,639 0,535 0,393 0,498 0,269 0,23825 Basse-Normandie 0,711 0,749 0,707 0,76 0,733 0,578 0,706 0,856 0,685 0,726 0,832 0,831 0,83 0,84 0,781 0,849 0,736 0,815 0,498 0,844 0,66126 Bourgogne 0,705 0,763 0,746 0,751 0,716 0,689 0,835 0,859 0,775 0,854 0,834 0,891 0,898 0,868 0,683 0,891 0,589 0,909 0,269 0,844 0,867 22 Picardie 0,573 0,615 0,581 0,632 0,566 0,569 0,747 0,73 0,657 0,745 0,714 0,791 0,765 0,803 0,475 0,753 0,45 0,838 0,238 0,661 0,867


Tableau 3.2 : la similarités des spécialisation relatives régionales

Comparaison des régions selon leur profile technologique selon leur indice de spécialisation RTA

11 91 52 83 26 53 22 54 41 72 73 21 94 24 82 93 25 74 23 42 31 43

11 Ile-de-France -0,75 -0,57 -0,5 -0,5 -0,49 -0,48 -0,45 -0,43 -0,414 -0,4 -0,37 -0,18 -0,11 -0,06 -0,06 0,012 0,102 0,148 0,192 0,199 0,456

91 Languedoc-Roussillon -0,748 0,383 0,434 0,454 0,399 0,212 0,361 0,344 0,418 0,112 0,171 0,306 -0,13 -0,21 -0,03 -0,23 0,029 -0,27 -0,36 -0,04 -0,46

52 Pays de la Loire -0,573 0,383 0,318 0,389 0,338 0,224 0,386 0,279 0,302 0,034 0,532 0,014 -0,14 -0,05 0,028 0,066 0,004 -0,18 -0,24 -0,17 -0,18

83 Auvergne -0,501 0,434 0,318 0,615 0,437 0,132 0,267 -0,08 0,344 0,124 0,327 0,457 0,31 -0,42 -0,15 -0,11 -0,01 -0,17 -0,18 -0,19 -0,12

26 Bourgogne -0,497 0,454 0,389 0,615 0,235 0,28 0,211 0,016 0,696 0,082 0,653 0,424 -0,19 -0,41 -0,16 -0,04 -0,12 -0,18 -0,11 -0,21 -0,2

53 Bretagne -0,485 0,399 0,338 0,437 0,235 0,06 0,803 0,015 0,102 0,163 -0,12 0,079 0,056 -0,29 0,116 0,027 -0,12 -0,4 -0,37 -0,19 -0,21

22 Picardie -0,477 0,212 0,224 0,132 0,28 0,06 0,03 0,521 -0,027 0,617 0,108 -0,03 -0,04 -0,04 -0,22 0,12 -0,2 -0,01 0,006 -0,34 -0,22

54 Poitou-Charentes -0,45 0,361 0,386 0,267 0,211 0,803 0,03 0,052 0,228 0,005 -0,06 0,05 -0,16 -0,19 0,273 0,166 -0,15 -0,21 -0,31 -0,14 -0,18

41 Lorraine -0,426 0,344 0,279 -0,08 0,016 0,015 0,521 0,052 0,007 0,508 -0,01 -0,18 -0,19 0,041 -0,33 0,098 -0,09 -0,12 -0,25 -0,37 -0,17

72 Aquitaine -0,414 0,418 0,302 0,344 0,696 0,102 -0,03 0,228 0,007 -0,17 0,604 0,38 -0,28 -0,1 0,007 0,038 -0,1 -0,16 -0,16 -0,1 -0,15

73 Midi-Pyrénées -0,404 0,112 0,034 0,124 0,082 0,163 0,617 0,005 0,508 -0,174 -0,04 -0 0,156 -0,08 -0,42 -0,18 -0,08 -0,12 -0,15 -0,29 -0,23

21 Champagne-Ardenne -0,366 0,171 0,532 0,327 0,653 -0,12 0,108 -0,06 -0,01 0,604 -0,04 0,377 -0,1 0,028 -0,1 0,117 0,021 0,029 -0,06 -0,05 0,06

94 Corse -0,183 0,306 0,014 0,457 0,424 0,079 -0,03 0,05 -0,18 0,38 -0 0,377 -0,1 -0,26 -0,07 -0,13 -0,19 -0,16 -0,12 0,018 0,022

24 Centre -0,11 -0,13 -0,14 0,31 -0,19 0,056 -0,04 -0,16 -0,19 -0,281 0,156 -0,1 -0,1 0,072 -0,1 -0,03 0,213 0,03 0,136 0,1 0,121

82 -0,098 Rhône-Alpes -0,061 -0,21 -0,05 -0,42 -0,41 -0,29 -0,04 -0,19 0,041 -0,08 0,028 -0,26 0,072 0,353 0,094 -0,18 0,35 0,166 -0,07 -0,03

93 Provence-Alpes-Côte d'Azur -0,059 -0,42 0,336 -0,03 0,028 -0,15 -0,16 0,116 -0,22 0,273 -0,33 0,007 -0,1 -0,07 -0,1 0,353 0,218 -0,08 0,069 0,014 0,02

25 0,027 Basse-Normandie 0,012 -0,23 0,066 -0,11 -0,04 0,12 0,166 0,098 0,038 -0,18 0,117 -0,13 -0,03 0,094 0,218 0,024 0,111 -0,07 -0,01 0,271

74 Limousin 0,102 0,029 0,004 -0,01 -0,12 -0,12 -0,2 -0,15 -0,09 -0,1 -0,08 0,021 -0,19 0,213 -0,18 -0,08 0,024 0,222 -0,16 0,206 0,274

23 -0,12 -0,163 -0,12 0,029 -0,16 0,03 0,35 0,336 0,111 0,222 0,131 -0,03 0,222Haute-Normandie 0,148 -0,27 -0,18 -0,17 -0,18 -0,4 -0,01 -0,21

-0,31

-0,14

-0,18

42 Alsace 0,192 -0,36 -0,24 -0,18 -0,11 -0,37 0,006 -0,25 -0,161 -0,15 -0,06 -0,12 0,136 0,166 0,069 -0,07 -0,16 0,131 -0,06 -0,2

31 Nord-Pas-de-Calais 0,199 -0,04 -0,17 -0,19 -0,21 -0,19 -0,34 -0,37 -0,097 -0,29 -0,05 0,018 0,1 -0,07 0,014 -0,01 0,206 -0,03 -0,06 0,009

43 -0,12 0,06 -0,2 Franche-Comté 0,456 -0,46 -0,18 -0,2 -0,21 -0,22 -0,17 -0,148 -0,23 0,022 0,121 -0,03 0,02 0,271 0,274 0,222 0,009


Annexe 4 : le profil industriel des régions

Carte n° 1 : Effectifs industriels

BIO-TECH79 000

19931999

EFFECTIFS INDUSTRIELS


Carte n°2 : Poids dans l’industrie

BIO-TECHen %

42

1999

POIDS INDUSTRIEL


Carte n°3 : Investissements industriels

BIO-TECH5 100 000

19931999

INVESTISSEMENTS INDUSTRIELS


Tableau 4.1 : Répartition sectorielle des investissements industriels des régions

INVESTISSEMENT DES ETABLISSEMENTS

EB C31 C32 F41 F42 F43 F44 ENSEMBLE rang

1993 Alsace 1148886 729190 12298 169450 439325 173987 77964 2751100 4Aquitaine 643830 160949 3405 54687 209050 177639 /// 1249560 12

1993 Auvergne 377731 136878 55216 5721 136488 7350 /// 719384 181993 517411 105233 4449 9035 18135 195755 /// 850018 141993 Bretagne 2027502 76002 49868 26107 14740 8283 /// 2202502 61993 Centre 486694 389883 20244 18247 42803 /// 1705048 101993 Champagne-Ardenne 1077110 51436 61334 S 29305 21994 S 1241179 131993 Franche-Comté 238338 /// 3224 S 31861 S 273423 201993 Ile-de-France 1272650 1090606 410231 188986 96997 345241 /// 3404711 21993 Languedoc-Roussillon 353908 30047 39334 21439 197357 /// 653650 191993 Limousin 186549 S 1311 S S S /// 187860 211993 Lorraine 676828 15445 19294 390101 26435 S 1258767 111993 Midi-Pyrénées 430298 109854 51974 58905 46170 25933 S 723134 171993 Nord-Pas-de-Calais 1918342 319146 115262 366953 235454 S 3395188 31993 Basse-Normandie 694678 82686 15789 11868 S S /// 805021 151993 386779Haute-Normandie 601893 655603 86675 362239 486502 /// 2579691 51993 Pays de la Loire 12852 80340 91373038 194240 29464 38179 /// 17281131993 Picardie 431833 249832 81082693 80699 113684 S 19587411993 Poitou-Charentes 656683 14611 2617 23359 37178 26672 /// 761120 161993 Provence-Alpes-Côte d'Azur 690600 262729 14644 162948 734107 285220 /// 71993 Rhône-Alpes 1103434 618552 37982 570640 782973 256585 83464 3453630 11999 Alsace 1168619 270733 42764 281359 835705 113079 S 27122591999 ne Aquitai 925263 280472 8750 85407 429649 95385 /// 1824926 111999 Auvergne 442074 301662 37548 11541 159144 10449 /// 962418 161999 Bourgogne 492448 128914 2300 21475 59629 210456 /// 915222 171999 Bretagne 2010431 43396 117789 73573 24159 136159 /// 2405507 7

Centre 707808 767103 532170 38682 62577 46968 /// 2155308 101999 Champagne-Ardenne 1128532 147766 35954 3947 S 18582 S 1334781 121999 383411 15768 /// 104038 S 16414 /// 519631 201999 Ile-de-France 1136190 871601 1081169 182674 136445 551137 /// 3959216 31999 Languedoc-Roussillon 458004 6819 17869 64383 32413 /// 1055306 151999 Limousin 300478 10073 5157 230 /// S /// 315938 211999 Lorraine 625403 53834 216442 330623 10378 8211 1247118 131999 énées Midi-Pyr 571263 254244 40587 124174 S 89667

1993

Bourgogne

747177

S

11565

130664

440031

S

2150248

6

1999

Franche-Comté

475818

2227S 1079935 14

1999 Nord-Pas-de-Calais 2262043 176959 113459 363397 889696 225161 54210 4084925 21999 Basse-Normandie 630276 111169 47159 42751 S S /// 831355 191999 Haute-Normandie 653524 100610 223759 1099396 251846 /// 2841213 51999 Pays de la Loire 1938391 103222 21019 23203 67447 74818 /// 2228100 91999 Picardie 1532619 128900 236248 75838 234125 148916 S 2356646 81999 26434Poitou-Charentes 547267 27017 18523 172728 67828 /// 859797 181999 Provence-Alpes-Côte d'Azur 727239 477975 35768 387832 1265326 297254 /// 3191394 41999 Rhône-Alpes 1696035 963304 64293 789878 1154555 390799 S 5058864 1

512078


Annexe 5 : Profil de recherche des régions

Tableau 5.1 : Indice de similarité des profils de recherche des régions françaises en 1993 AQUINO DIRD 93

11 41 21 22 23 24 25 26 31 42 43 52 53 54 72 73 74 82 83 91 9311 00 0, 0,40 0,65 0,26 0,25 0,58 0,26 0,77 0,80 0,28 0,43 0,47 0,59 0,60 0,66 0,17 0,78 0,23 0,35 0,17 0,5721 0,40 0,00 0,61 0,56 0,36 0,71 0,57 0,75 0,56 0,42 0,58 0,43 0,64 0,54 0,72 0,50 0,83 0,47 0,61 0,51 0,6222 0,65 0,61 0,00 0,65 0,66 0,54 0,57 0,43 0,53 0,55 0,58 0,54 0,50 0,16 0,24 0,66 0,91 0,54 0,79 0,56 0,2323 0,26 0,56 0,65 0,00 0,39 0,70 0,33 0,76 0,80 0,34 0,49 0,55 0,68 0,59 0,60 0,15 0,93 0,19 0,17 0,16 0,5224 0,25 0,36 0,66 0,39 0,00 0,66 0,44 0,72 0,76 0,40 0,47 0,43 0,60 0,66 0,72 0,37 0,79 0,39 0,42 0,35 0,6325 0,58 0,71 0,54 0,70 0,66 0,00 0,38 0,62 0,73 0,57 0,24 0,42 0,52 0,53 0,41 0,62 0,86 0,58 0,76 0,59 0,4026 0,26 0,57 0,57 0,33 0,44 0,38 0,00 0,70 0,92 0,33 0,20 0,44 0,66 0,55 0,43 0,25 0,95 0,23 0,40 0,22 0,3431 0,77 0,75 0,43 0,76 0,72 0,62 0,70 0,00 0,69 0,62 0,71 0,54 0,53 0,52 0,61 0,79 0,89 0,62 0,89 0,71 0,5841 0,80 0,56 0,53 0,80 0,76 0,73 0,92 0,69 0,00 0,73 0,75 0,64 0,71 0,52 0,71 0,85 0,84 0,76 0,86 0,81 0,6942 0,28 0,42 0,55 0,34 0,40 0,57 0,33 0,62 0,73 0,00 0,42 0,35 0,44 0,49 0,60 0,34 0,84 0,22 0,43 0,27 0,4943 0,43 0,58 0,58 0,49 0,47 0,24 0,20 0,71 0,75 0,42 0,00 0,34 0,62 0,56 0,43 0,43 0,92 0,39 0,53 0,38 0,3652 0,47 0,43 0,54 0,55 0,43 0,42 0,44 0,54 0,64 0,35 0,34 0,00 0,39 0,53 0,62 0,45 0,90 0,41 0,61 0,46 0,5453 0,59 0,64 0,50 0,68 0,60 0,52 0,66 0,53 0,71 0,44 0,62 0,39 0,00 0,52 0,63 0,63 0,73 0,58 0,77 0,60 0,6254 0,60 0,54 0,16 0,59 0,66 0,53 0,55 0,52 0,52 0,49 0,56 0,53 0,52 0,00 0,21 0,62 0,92 0,45 0,72 0,51 0,2172 0,66 0,72 0,24 0,60 0,72 0,41 0,43 0,61 0,71 0,60 0,43 0,62 0,63 0,21 0,00 0,67 0,97 0,50 0,72 0,54 0,1173 0,17 0,50 0,66 0,15 0,37 0,62 0,25 0,79 0,85 0,34 0,43 0,45 0,63 0,62 0,67 0,00 0,88 0,24 0,22 0,15 0,5774 0,78 0,83 0,91 0,93 0,79 0,86 0,95 0,89 0,84 0,84 0,92 0,90 0,73 0,92 0,97 0,88 0,00 0,93 0,97 0,89 0,9682 0,23 0,47 0,54 0,19 0,39 0,58 0,23 0,62 0,76 0,22 0,39 0,41 0,58 0,45 0,50 0,24 0,93 0,00 0,34 0,15 0,4083 0,35 0,61 0,79 0,17 0,42 0,76 0,40 0,89 0,86 0,43 0,53 0,61 0,77 0,72 0,72 0,22 0,97 0,34 0,00 0,26 0,6591 0,17 0,51 0,56 0,16 0,35 0,59 0,22 0,71 0,81 0,27 0,38 0,46 0,60 0,51 0,54 0,15 0,89 0,15 0,26 0,00 0,4793 0,57 0,62 0,23 0,52 0,63 0,40 0,34 0,58 0,69 0,49 0,36 0,54 0,62 0,21 0,11 0,57 0,96 0,40 0,65 0,47 0,00

moyenne 0,44 0,54 0,52 0,47 0,50 0,54 0,44 0,64 0,70 0,43 0,47 0,48 0,57 0,50 0,53 0,46 0,84 0,41 0,55 0,42 0,48


Tableau 5.2 : Indice de similarité des profils de recherche des régions française en 1999

AQUINO 99 DIRD 11 21 22 23 24 25 26 31 41 42 43 52 53 54 72 73 74 82 83 91 93

11 0,00 0,26 0,68 0,33 0,26 0,72 0,25 0,72 0,91 0,29 0,21 0,33 0,58 0,52 0,66 0,79 0,91 0,30 0,26 0,17 99921 0,26 0,00 0,70 0,31 0,17 0,73 0,41 0,65 0,83 0,32 0,40 0,31 0,57 0,45 0,65 0,79 0,90 0,37 0,44 0,34 0,6422 0,68 0,70 0,00 0,43 0,69 0,34 0,53 0,41 0,65 0,68 0,80 0,69 0,54 0,47 0,25 0,31 0,50 0,47 0,86 0,57 0,2123 0,33 0,31 0,43 0,00 0,30 0,75 0,49 0,69 0,62 0,47 0,51 0,46 0,61 0,22 0,37 0,73 0,81 0,30 0,55 0,30 0,3424 0,26 0,17 0,69 0,30 0,00 0,70 0,42 0,60 0,85 0,36 0,38 0,24 0,43 0,50 0,65 0,79 0,91 0,38 0,47 0,34 0,6225 0,72 0,73 0,34 0,75 0,70 0,00 0,52 0,45 0,88 0,67 0,65 0,66 0,50 0,71 0,50 0,31 0,61 0,61 0,83 0,72 0,4826 0,25 0,41 0,53 0,49 0,42 0,52 0,00 0,52 0,97 0,28 0,27 0,29 0,54 0,50 0,48 0,58 0,68 0,22 0,33 0,23 0,4531 0,65 0,72 0,41 0,69 0,60 0,45 0,52 0,00 0,83 0,55 0,77 0,48 0,32 0,58 0,48 0,40 0,53 0,54 0,82 0,65 0,4741 0,91 0,83 0,65 0,62 0,85 0,88 0,97 0,83 0,00 0,91 0,92 0,89 0,85 0,56 0,53 0,85 0,86 0,77 0,94 0,79 0,5942 0,29 0,32 0,68 0,47 0,36 0,67 0,28 0,55 0,91 0,00 0,34 0,21 0,48 0,41 0,64 0,70 0,82 0,27 0,38 0,28 0,6343 0,21 0,40 0,80 0,51 0,38 0,65 0,27 0,77 0,92 0,34 0,00 0,32 0,62 0,56 0,68 0,82 0,93 0,35 0,19 0,25 0,6752 0,33 0,31 0,69 0,46 0,24 0,66 0,29 0,48 0,89 0,21 0,32 0,00 0,36 0,42 0,64 0,69 0,82 0,31 0,38 0,30 0,6253 0,58 0,57 0,54 0,61 0,43 0,50 0,54 0,32 0,85 0,48 0,62 0,36 0,00 0,54 0,54 0,50 0,67 0,52 0,74 0,57 0,5354 0,52 0,45 0,47 0,22 0,50 0,71 0,50 0,58 0,56 0,41 0,56 0,42 0,54 0,00 0,34 0,65 0,74 0,35 0,57 0,36 0,3272 0,66 0,65 0,25 0,37 0,65 0,50 0,48 0,48 0,53 0,64 0,68 0,64 0,54 0,34 0,00 0,48 0,55 0,38 0,73 0,53 0,0773 0,79 0,79 0,31 0,73 0,79 0,31 0,58 0,40 0,85 0,70 0,82 0,69 0,50 0,65 0,48 0,00 0,31 0,59 0,89 0,70 0,4674 0,91 0,90 0,50 0,81 0,91 0,61 0,68 0,53 0,86 0,82 0,93 0,82 0,67 0,74 0,55 0,31 0,00 0,68 0,99 0,77 0,5582 0,30 0,37 0,47 0,30 0,38 0,61 0,22 0,54 0,77 0,27 0,35 0,31 0,52 0,35 0,38 0,59 0,68 0,00 0,40 0,18 0,3683 0,26 0,44 0,86 0,55 0,47 0,83 0,33 0,82 0,94 0,38 0,19 0,38 0,74 0,57 0,73 0,89 0,99 0,40 0,00 0,30 0,7391 0,17 0,34 0,57 0,30 0,34 0,72 0,23 0,65 0,79 0,28 0,25 0,30 0,57 0,36 0,53 0,70 0,77 0,18 0,30 0,00 0,4993 0,63 0,64 0,21 0,34 0,62 0,48 0,45 0,47 0,59 0,63 0,67 0,62 0,53 0,32 0,07 0,46 0,55 0,36 0,73 0,49 0,00

moyenne 0,75 0,49 0,50 0,50 0,46 0,49 0,58 0,43 0,54 0,47 0,52 0,45 0,52 0,46 0,47 0,58 0,68 0,40 0,58 0,43 0,46


Tableau 5.3 : Evolution des indices de similarité des profils de recherche des régions française entre 1993 et 1999

EVOLUTION AQUINO DIRD 93-99

11 21 22 23 24 25 26 31 41 43 52 53 54 73 74 82 83 91 9311 0,00 21 -0,35 0,0022 0,04 0,14 0,0023 0,29 -0,44 -0,33 0,0024 0,03 -0,53 0,04 -0,23 0,0025 0,24 0,03 -0,37 0,08 0,06 0,0026 -0,02 -0,29 -0,07 0,47 -0,03 0,37 0,0031 - -0,06 -0,14 -0,05 -0,09 -0,16 -0,27 0,26 0,0041 0,14 0,48 0,22 -0,22 0,12 0,20 0,05 0,20 0,0042 0,03 -0,23 0,24 0,38 -0,09 0,17 -0,16 -0,12 0,25 0,0043 -0,50 -0,30 0,37 0,05 -0,18 1,73 0,30 0,10 0,23 -0,20 0,0052 -0,30 -0,28 0,28 -0,15 -0,44 0,57 -0,35 -0,10 0,38 -0,40 -0,07 0,0053 -0,01 -0,11 0,09 -0,11 -0,29 -0,04 -0,19 -0,40 0,19 0,10 0,00 -0,09 0,0054 -0,13 -0,17 1,97 -0,63 -0,24 0,34 -0,08 0,11 0,08 -0,16 -0,01 -0,22 0,04 0,0072 0,00 -0,09 0,04 -0,38 -0,10 0,21 0,11 -0,22 -0,25 0,08 0,57 0,03 -0,15 0,64 0,0073 3,52 0,58 -0,53 3,95 1,15 -0,51 1,31 -0,49 0,00 1,08 0,92 0,51 -0,21 0,06 -0,29 0,0074 0,17 0,09 -0,45 -0,13 0,14 -0,30 -0,29 -0,40 0,02 -0,02 0,01 -0,09 -0,09 -0,20 -0,43 -0,65 0,0082 0,31 -0,21 -0,13 0,58 -0,03 0,05 -0,02 -0,12 0,02 0,21 -0,10 -0,26 -0,11 -0,23 -0,24 1,42 -0,27 0,0083 -0,28 -0,28 0,08 2,18 0,11 0,09 -0,19 -0,08 0,10 -0,10 -0,63 -0,37 -0,05 -0,22 0,02 2,96 0,02 0,17 0,0091 0,01 -0,33 0,01 0,81 -0,02 0,22 0,04 -0,08 -0,03 0,06 -0,35 -0,35 -0,05 -0,30 -0,02 3,70 -0,14 0,19 0,15 0,0093 0,12 0,03 -0,08 -0,35 -0,01 0,19 0,32 -0,19 -0,15 0,27 0,85 0,15 -0,13 0,52 -0,41 -0,20 -0,43 -0,10 0,12 0,05 0,00

moyenne 0,11 -0,08 -0,03 -0,01 -0,02 0,07 -0,01 -0,16 0,08 0,08 0,11 -0,05 -0,09 -0,07 -0,10 0,27 -0,19 -0,02 0,05 0,04 -0,03croissance en

R&D 62,62 12,74 -17,57 153,66 47,82 -22,33 -10,39 23,30 257,70 22,87 60,64 60,17 52,92 23,29 21,98 -80,26 167,01 71,33 -11,95 5,82 34,19

42 72


Bibliographie

Acs Z, Preston L. 1997. Small and Medium-Sized Enterprises, Technology, and Globalization: Introduction to a Special Issue on Small and Medium-Sized Enterprises in the Global Economy. Small Business Economics 9: 1-6

Afuah A, Utterback JM. 1997. Responding to Structural Industry Changes: A Technological Evolution Perspective. Industrial and Corporate Change 6(1): 183-202

Almeida P, Kogut B. 1999. Localization of Knowledge and the Mobility of Engineers in regional Networks. Management Science 45(7): 905-918

Anselin L, Varga A, Acs Z. 1997. Local Geographic Spillovers between University research and High Technology Innovations. Journal of Urban Economics 42: 422-448

Arora A, Gambardella A. 1994. Evaluating Technological Information and Utilizing It: Scientific Knowledge, Technological Capability, and External Linkages in Biotechnology. Journal of Economic Behavior and Organization 24(1): 91-114

Arora A, Gambardella, A. 1994. The changing technology of technological change : general and abstract knowledge and the division of innovative labour. Research Policy 23: 523-532

Audretsch D, Feldman M. 1996a. Knowledge Spillovers and the Geography of Innovation and Production. American Economic Review 86(3): 630-640

Audretsch D, Feldman M. 1996b. R&D spillovers and the geography of innovation and production. American Economic Review 86(3): 630-640

Audretsch D, Stephan P. 1996c. Company scientist locational links: the case of biotechnology. American Economic Review 86(3): 641-652

Autant-Bernard C. 2001. Science and knowledge flows: Evidence from the French Case. Reseach Policy 20: 1069-1078

Autant-Bernard C, Massard N. 1999. Econométrie des Externalités Technologiques et Géographie de l'Innovation : une analyse critique. Economie Appliquée 4

Baum JAC, Calabrese T, Silverman BS. 2000. Don't go it alone: alliance network composition and startups' performance in Canadian Biotechnology. Strategic Management Journal 21: 263-294


Catherine D, Corolleur C, Carrere M, Mangematin V. 2003. Turning scientific Knoledge into Capital: The Experience of Biotech Start-Ups in France. Research Policy Forthcoming

Cockburn IM, Henderson RM. 1998. Absorptive Capacity, Coauthoring Behavior, and the Organisation of Research in Drug Discovery. The Journal of Industrial Economics XLVI(2): 157-182

Cohen WM, Levinthal DA. 1990. Absorbtive capacity, a new perspective of learning and innovation. Administrative Science Quarterly 35: 128-152

Cooke P. 2001. Biotechnology clusters in the UK: lessons from localisation in the commercialisation of science. Small Business Economics 17(1-2): 43-59

Ernst&Young. 2000. Evolution : Ernst & Young Seventh Annual European Life Science Report 2000. Ernst Young International.: London

Feldman M. 1994a. The Geography of Innovation. Kluwer Academic Publishers: Boston

Feldman M. 1994b. Regional Innovative Capacity, The Geography of innovation: 77-91. Kluwer Academic Publishers: Boston

Frost TS. 2001. The Geographic Sources of Foriegn Subsidiaries' Innovations. Strategic Management Journal 22(2): 101-123

Genet C. 1997. Quelles conditions pour la formation des biotechnopoles : une analyse dynamique. Revue d'Economie Régionale et Urbaine(3): 405-424

Jaffe AB, Trajtenberg M, Henderson R. 1993. Geographic Localization of Knowledge Spillovers as Evidenced by Patent Citations. Quarterly Journal of Economics 108(3): 577-598

Krugman P. 1991. Increasing returns and economic geography. Journal of political economy 99(3)

Krugman P, Venables A. 1995. Globalization and the inequality of nations. Quaterly Journal of Economics 110

Lemarie S, Mangematin V. 1999a. Des sociétés jeunes, aux profils variés. Biofutur(194): 56-59

Lemarie S, Mangematin V. 1999b. Les biotechnologies et leurs marchés. Biofutur(194): 60-63

Lemarie S, Mangematin V, Torre A. 2001. Is the creation and development of biotech SMEs localised ? Conclusions drawn from the French case. Small Business Economics 17(1-2): 61-76


Liebeskind JP, Oliver AL, Zucker L, Brewer M. 1996. Social Networks, Learning, and Flexibility: Sourcing Scientific Knowledge in New Biotechnology Firms. Organization Science 7(4): 428-442

Mangematin V, Lemarie S, Catherine D. 2001a. French ag-biotech SMEs : Development Prospects. Agbioforum 4(2): http://www.agbioforum.org/

Mangematin V, Mandran N. 2001b. Innovation without internal research: spillovers from public research or from other firms? The case of the Agro-food industry. In A Kleinecht, P Mohnen (Eds.), Innovation and Firm Performance. Econometric Explorations of Survey Data. Palgrave: London and Basingstoke

Mangematin V, Nesta L. 1999. What kind of knowledge can a firm absorb? International Journal of Technology Management 37(3-4): 149-172

Mangematin V, Nesta L. 2002. Industry Life Cycle, Network Structure and Knowledge Generation. In DH Nagao (Ed.), Academy of Management Annual Conference : Building Effective Networks.: Denver, CO

Martin P, Ottaviano G. 1999. Growing locations : Industry location in a model of endogenous growth. European Economic Review 43: 281-302

Massard N, Riou S. 2001. Specialization and diversity : the debate on the nature of innovative agglomerations, Third Congress on Proximity, New Growth and Territories.: Paris

McKelvey M, Alm H, Riccaboni M. 2002. Does co-location matter for formal knowledge collaboration in the swedish biotechnology-pharmaceutical industry? Research Policy

Mustar P. 1998. Partnerships , configurations and dynamics in the creation and development of SMEs by researchers. Industry and Higher education(august)

Nesta L. 2001. Cohérence des bases de connaissances et changement technique : une analyse des firmes de biotechnologie de 1981 à 1997, department of Economics. Université Pierre Mendes France: Grenoble

Niosi J. 2000. Strategy and Performance factors behind rapid Growth in Canadian Biotechnology Firms. In J de la Motte, J Niosi (Eds.), The Economic and Social Dynamics of Biotechnology. Kluwer: Boston

Pisano G. 1991. The Governance of Innovation: vertical Integration and Collaborative Arrangements in the Biotechnology Industry. Research Policy 20: 237-249



Senker J, Vvan Zwanenberg P, Enzing C, Kern S, Mangematin V, Martinsen R, Munoz E, Diaz V, O'Hara S, Burke K, Reiss T, Wörner S. 2001. European Biotechnology Innovation System. EC: Brussels

Steier L, Greenwood R. 2000. Entrepreneuship and the evolution of angel financial networks. Organization Studies 21(1): 163-192

Steinle C, Schiele H. 2002. When do industries cluster ? A proposal of how to assess an industry's propensity to concentrate at a single region or nation. Reseach Policy 31(6): 849-858

Zucker L, Darby M, Brewer M, Peng Y. 1995. Collaboration structure and information dilemmas in biotechnology: Organisational boundaries as trust production. NBER: Cambridge, MA

Zucker LG, Darby MR, Armstrong J. 1998. Geographically Localized Knowledge : Spillovers or Markets? Economic Inquiry 36(1): 65-86

Zucker LG, Darby MR, Armstrong J. 2002. Commercializing Knowledge: University Science, Knowledge Capture, And Firm Performance in Biotechnology. Management Science 48(1): 138-153

Zucker LG, Darby MR, Torero M. 1997. Labor Mobility from Academe to Commerce. NBER Working paper n° 6050

Compétition scientifique, technique et économique entre régions en biotechnologie

Documents

Transcript of Compétition scientifique, technique et économique entre régions en biotechnologie