Available via license: CC BY-NC-ND 4.0
Content may be subject to copyright.
Revue d'économie industrielle
156 | 4e trimestre 2016
L'économienumériqueenquestion
Le numérique transforme-t-il le lien entre
territoire et innovation ? Une étude empirique sur
les PME
Does digitalization affect the link between territories and innovation? Evidence
from SMEs
FrançoisDeltour,SébastienLeGalletVirginieLethiais
Éditionélectronique
URL : https://journals.openedition.org/rei/6439
DOI : 10.4000/rei.6439
ISSN : 1773-0198
Éditeur
De Boeck Supérieur
Éditionimprimée
Date de publication : 31 décembre 2016
Pagination : 23-55
ISBN : 9782807390584
ISSN : 0154-3229
Référenceélectronique
François Deltour, Sébastien Le Gall et Virginie Lethiais, « Le numérique transforme-t-il le lien entre
territoire et innovation ? Une étude empirique sur les PME », Revue d'économie industrielle [En ligne],
156 | 4e trimestre 2016, mis en ligne le 08 mars 2017, consulté le 02 juin 2022. URL : http://
journals.openedition.org/rei/6439 ; DOI : https://doi.org/10.4000/rei.6439
© Revue d’économie industrielle
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016 23
LE NUMÉRIQUE TRANSFORME-T-IL
LE LIEN ENTRE TERRITOIRE
ET INNOVATION ?
UNE ÉTUDE EMPIRIQUE SUR LES PME
François Deltour, École des Mines de Nantes, LEMNA
Sébastien Le Gall, Université Bretagne Sud, LEGO, Marsouin
Virginie Lethiais, Telecom Bretagne, LEGO, Marsouin
Mots-clés : Innovation, localisation, numérique, TIC, territoire,
PME.
Keywords: Innovation, location, digital, ICT, territory, SME.
1. INTRODUCTION
Dans un contexte où l’innovation des entreprises est vue comme une
« ardente obligation » afin de gagner en compétitivité (Conseil d’ana-
lyse économique, 2010, p. 32), les questionnements sur les déterminants
de l’innovation demeurent d’actualité (Mongo, 2013). Face à la numéri-
sation croissante de l’économie, de nombreux travaux se sont interrogés
sur la contribution des TIC à l’innovation. Que ce soit parce que les TIC
permettent de favoriser la capitalisation des savoirs R&D de l’entreprise
(Pavlou et El Sawy, 2006), de mieux identifier les besoins émergents du
marché (Tambe et al., 2012), ou encore de faciliter la coordination (Banker
et al., 2006), ces technologies sont généralement perçues comme un levier
de l’innovation (Deltour et Lethiais, 2014 ; Higón, 2012).
Parallèlement, le rôle du territoire sur la capacité d’innovation a fait
l’objet d’une large littérature où le rôle de la proximité est largement
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016
24
discuté. La proximité géographique aurait des vertus justifiant la concen-
tration des activités innovantes au niveau local ou régional (Audretsch
et Feldman, 2003 ; Feldman et Kogler, 2010 ; Massard et Torre, 2004).
Cependant, un fait nous semble établi : la proximité géographique ne fait
pas tout. Différents arguments peuvent être avancés. Tout d’abord, une
localisation à proximité ne se traduit pas nécessairement par de la coo-
pération ; deux entreprises peuvent être en situation de proximité et ne
pas interagir (Torre, 2014). À l’inverse, la coopération existe entre firmes
distantes (Aguiléra et al., 2015 ; Ben Letaifa et Rabeau, 2013 ; Tanguy
et al., 2015). Ensuite, le numérique apparaît comme un moyen d’échan-
ger à distance, y compris des connaissances tacites, ce qui remet en ques-
tion le rôle déterminant de la proximité géographique dans les échanges
entre entreprises (Aguiléra et Lethiais, 2011 ; Doran et al., 2012). Enfin,
les relations interentreprises peuvent s’appuyer sur des formes tem-
poraires de proximité spatiale (Bathelt et Schuldt, 2008 ; Rychen et
Zimmermann, 2008 ; Torre, 2014). Dès lors la colocalisation n’apparaît
plus comme une condition nécessaire à la coopération ou à l’émergence
d’innovations.
Pourtant, les différences persistantes entre territoires en matière d’in-
novation ont conduit les chercheurs à s’interroger en termes d’accessibi-
lité aux ressources et non plus en termes de localisation de ces ressources
(Mc Cann, 2007 ; Shearmur, 2011). Cette approche en termes d’accessibi-
lité aux ressources ramène la question du rôle du numérique au centre
du débat. Si les technologies contribuent à faciliter la mobilisation de res-
sources situées à distance, leur utilisation devrait bénéficier tout particu-
lièrement aux entreprises localisées sur des territoires faiblement dotés
en ressources. Le numérique pourrait donc transformer le lien entre ter-
ritoire et innovation. Peu de travaux, pourtant, tentent de mesurer la
manière dont les technologies peuvent affecter la relation entre la capa-
cité d’innovation des firmes et leur localisation.
Dans cet article, nous cherchons tout d’abord à tester le rôle du numé-
rique et de la localisation des PME sur leur capacité d’innovation, mais
nous nous interrogeons également sur l’impact combiné de ces deux fac-
teurs. Nous testons trois hypothèses. La première avance que la capacité
d’innovation de la firme dépend moins de sa localisation que de ses carac-
téristiques propres. La deuxième souligne le rôle de levier d’innovation
joué par les ressources numériques. Enfin, nous testons l’hypothèse de
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016 25
l’existence d’un effet différencié du numérique sur la capacité d’innova-
tion de la firme en fonction de sa localisation. Pour cela, nous mobilisons
les données issues d’une enquête réalisée en 2012 auprès d’un échantillon
représentatif de 1 253 PME.
Dans la première partie de cet article, nous posons le cadre conceptuel de
la recherche. Les données et la méthodologie utilisées sont présentées dans
un deuxième temps. Enfin, les résultats sont analysés et discutés au regard
de la littérature.
2. LES DÉTERMINANTS DE L’INNOVATION
DES PME
Dans cet article, nous adoptons une approche par les ressources, en ques-
tionnant celles utilisées par l’entreprise pour innover. Parmi les res-
sources internes, celles liées à l’usage du numérique à la fois comme res-
sources clés ou comme moyen d’activation sont privilégiées. L’entreprise
peut également mobiliser les ressources externes présentes à proximité sur
son territoire.
Parmi les facteurs déterminants dans la capacité des firmes à innover,
le rôle de l’environnement spatial et celui de l’utilisation du numérique
a largement été traité dans la littérature. Ces travaux nous conduisent à
formuler trois hypothèses qui sont ensuite testées dans la partie empi-
rique.
2 .1. La contribution de l’environnement spatial
à l’innovation
De nombreux travaux se sont intéressés au poids de la localisation des
firmes dans leur capacité à innover, au travers de leurs dépôts de brevets
ou leurs dépenses en R&D (Audretsch et Feldman, 2003 ; Autant-Bernard
et Lesage, 2011). Les résultats de ces travaux, qui relèvent de la géographie
de l’innovation, attestent de l’existence de disparités territoriales persis-
tantes dans la capacité à innover. Dans la majorité des cas, la localisa-
tion des firmes dans les zones urbaines ayant des structures sectorielles
diversifiées accroît leur propension à innover. Les principaux arguments
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016
26
avancés reposent sur l’existence d’externalités de connaissance locales
issues de la recherche privée et publique, sur la présence d’infrastruc-
tures de services publics et privés, sur la concentration spatiale du capital
humain et sa faible mobilité (Almeida et Kogut, 1999), ainsi que sur une
intensité accrue de collaborations et de contacts en face-à-face (Breschi et
Lissoni, 2009).
L’ensemble de ces résultats souligne que le point clé pour innover est la
capacité des firmes à mobiliser les ressources dont elles ont besoin. La plu-
part de ces travaux font implicitement l’hypothèse que les firmes mobi-
lisent les ressources disponibles à proximité ou bénéficient des externa-
lités positives générées par l’environnement dans lequel elles évoluent.
Interroger les ressources clés du processus d’innovation est l’objectif essen-
tiel des travaux qui relèvent de la Resource-based View (B ar ne y et C lark , 2 00 7).
Il s’agit pour la firme de mobiliser des ressources « valorisables, rares, non
imitables et non substituables (VRIN) » afin de développer un avantage
concurrentiel durable. Parmi les différentes ressources ayant ces caracté-
ristiques, le courant de la Knowledge-based View (Kogut et Zander, 1992) pri-
vilégie la connaissance. Deux formes de connaissance sont distinguées :
l’information et le savoir-faire. La première renvoie à la connaissance
qui peut être codifiée. La transmission de cette connaissance codifiée est
essentielle dans un processus d’innovation. Elle ne peut en revanche être
une ressource distinctive que si elle est traitée, comprise et assimilée par
les acteurs du processus d’innovation. La deuxième forme renvoie juste-
ment au savoir-faire, à la connaissance tacite, qui ne peut être transférée
que dans la durée, par le contact répété en face-à-face des acteurs du pro-
cessus d’innovation, dans le cadre d’une dynamique d’apprentissage. Des
mécanismes de coordination doivent alors être mis en place pour garantir
le développement du processus d’innovation.
La capacité de la firme à créer de nouvelles connaissances sera détermi-
nante pour sa capacité à innover. Selon Kogut (2000), la firme seule ne
peut accéder à l’ensemble des ressources critiques et se doit d’intégrer des
réseaux. Cela est d’autant plus nécessaire pour la PME qui souffre d’un
handicap majeur : celui de ressources humaines et financières limitées
pour couvrir les coûts et les risques liés à l’innovation. La PME se caracté-
rise ainsi dans ses pratiques d’innovation par une inclination plus forte à
mobiliser les réseaux (Rogers, 2004) et par une insertion spécifique à son
milieu local (Julien, 1996).
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016 27
Par sa localisation, la firme peut en effet chercher à mobiliser des res-
sources « territoriales » dont elle ne peut bénéficier initialement en
interne et/ou en recourant à une simple logique marchande. Une ressource
peut être qualifiée de territoriale si elle vérifie deux caractéristiques. Elle
doit être tout d’abord peu mobile. Dans l’hypothèse inverse, si la ressource
est parfaitement mobile, n’importe quelle localisation est éligible pour la
firme puisqu’il lui suffit de la faire venir à elle. Elle doit ensuite être prin-
cipalement de nature tacite. Pour le processus d’innovation, cela renvoie
à la distinction entre information et savoir-faire évoquée précédemment.
Si une ressource immatérielle clé repose par exemple sur un savoir ou un
savoir-faire non codifiable émanant des acteurs localisés sur un territoire,
la mobiliser suppose pour la firme de s’y implanter. La proximité géogra-
phique apparaît ainsi comme un catalyseur de l’activation des ressources
présentes sur le territoire.
Pour une PME soucieuse de développer sa capacité d’innovation, il y aurait
donc un bénéfice évident à se localiser sur les territoires denses bénéfi-
ciant d’un avantage comparatif localisé, fortement dotés en ressources ter-
ritoriales spécifiques.
Différents points nous conduisent à nuancer cette vision.
Une localisation au sein d’un cluster, idéal-type du territoire innovant,
n’implique pas un modèle unique de mobilisation des ressources qui s’ap-
puierait principalement sur le local (Torre, 2014). Une des raisons est que
la proximité géographique ne facilite pas nécessairement les relations
interentreprises, qui peuvent en revanche bénéficier d’autres formes de
proximités (Aguiléra et al., 2015). Massard et Mehier (2010) suggèrent de
remplacer l’approche en termes d’externalités de connaissances par une
approche en termes d’accessibilité aux connaissances, qui fait nécessaire-
ment appel à la notion de proximité non géographique (et en particulier
relationnelle). C’est alors moins la localisation de la firme sur un territoire
dense, que la capacité de la firme à accéder aux ressources qui devient la
question clé (Mc Cann, 2007). Selon la nature des activités d’innovation
et donc le type d’innovation, la distance aux aires métropolitaines peut
donc être plus déterminante – ou à l’inverse moins déterminante – que
les caractéristiques propres du territoire dans la capacité d’innovation des
firmes ; quoi qu’il en soit, ces facteurs n’ont qu’un faible impact sur la
capacité d’innovation (Shearmur, 2011).
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016
28
De plus, la majorité des travaux en économie ou en géographie de l’innova-
tion qui voient dans la proximité géographique une condition nécessaire
à l’émergence d’innovations mesurent l’innovation par le biais des dépôts
de brevets et/ou s’intéressent à des activités intensives en connaissance.
C’est notamment le caractère intensif en connaissances des activités d’in-
novation telles qu’elles sont définies par ces auteurs qui, selon nous, jus-
tifie les comportements d’agglomération. Une autre approche consiste à
considérer l’innovation de manière plus large. C’est l’approche suivie par
le dispositif d’enquêtes CIS (Community Innovation Survey)1, dans lequel une
innovation est définie comme « nouvelle pour l’entreprise mais pas néces-
sairement pour le marché » et peut « avoir été développée à l’origine par
l’entreprise ou par d’autres entreprises ». Si les enquêtes CIS ont motivé
de nombreux travaux sur les déterminants de l’innovation (DGCIS, 20112),
peu se sont intéressés spécifiquement aux déterminants spatiaux. Parmi
eux, les travaux de Galliano et al. (2014) et Magrini et Galliano (2012) ana-
lysent l’impact des externalités spatiales sur la capacité d’innovation
des firmes industrielles françaises, en prenant en compte le profil spa-
tial complet de la firme constitué de l’ensemble de ses établissements. Ils
contribuent notamment à mettre en avant le rôle déterminant de la mul-
tilocalisation de la firme sur sa capacité d’innovation et sa performance
à l’innovation. À partir de ces mêmes enquêtes, des travaux menés sur le
secteur de l’agroalimentaire montrent que, si les réseaux d’innovation ne
se limitent pas à l’échelle locale, ils varient en fonction de la taille des
firmes (Tanguy et al., 2015). Toutes les entreprises, d’ailleurs, ne mobilisent
pas de façon identique les ressources disponibles sur le territoire dans leur
processus d’innovation (Galliano et al., 2013).
Plus généralement, le rôle que jouent les externalités locales et la mobili-
sation des ressources disponibles localement et à distance sur le processus
d’innovation des entreprises dépend de nombreux facteurs (Feldman et
Kogler, 2010), tels que la taille de la firme, son secteur d’activité, son profil
1 Les enquêtes CIS ont été mises en place au début des années 1990 par la Commission
européenne (Eurostat). Elles sont conduites de façon harmonisée au niveau européen
et interrogent les entreprises sur leur stratégie en termes d’innovation. En France,
elles sont conduites par l’INSEE et la plus récente date de 2014.
2 Un rapport de la DGCIS intitulé « L’innovation dans les entreprises : moteurs, moyen
et enjeux » présente quinze articles de recherche qui s’appuient sur les données des
enquêtes CIS.
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016 29
spatial, le type d’innovation considéré. Le lien entre urbanisation et inno-
vation, s’il a largement été démontré dans les travaux qui portent sur les
dépôts de brevets ou les dépenses de R&D et/ou sur les entreprises des sec-
teurs intensifs en connaissance, semble alors moins évident lorsque l’on
adopte une définition plus large de l’innovation et que l’on considère l’en-
semble des secteurs d’activité.
Nous testons donc dans un premier temps l’effet de la localisation de la
firme sur la capacité d’innovation des entreprises, notre hypothèse étant
que la capacité d’innovation, appréhendée au sens large, dépend moins
de la localisation de la firme que de ses caractéristiques propres.
Si l’on considère que c’est l’accessibilité aux ressources plus que la simple
localisation de la firme, qui est déterminante dans sa capacité d’innova-
tion, il devient pertinent d’intégrer le numérique, qui peut faciliter l’ac-
cès à certaines ressources (en particulier aux connaissances) et leur mobi-
lisation.
2.2. La contribution des ressources numériques
à l’innovation
Le recours au numérique est devenu fréquent dans les activités innovantes
des entreprises (Cainelli et al., 2006), et notamment des PME (Deltour et
Lethiais, 2014 ; Higón, 2012). Ce recours est justifié par le fait que les TIC, en
tant que dispositifs numériques de collecte, de traitement, de stockage et
de transmission d’information, ont bénéficié ces dernières années de gains
exponentiels quant à leurs performances matérielles (capacités de calcul et
de transmission…) et leurs performances socio-économiques (développe-
ment des fonctionnalités, convergence des supports, coûts réduits). Les tra-
vaux traitant du lien entre l’innovation dans les firmes et les ressources
numériques ont appréhendé ces dernières via des mesures agrégées (Kleis
et al., 2012) ou via différentes catégories de TIC plus ou moins détaillées
(Deltour et Lethiais, 2014). Du fait de leur caractère pervasif et polyvalent,
les TIC sont perçues comme des ressources clés de l’innovation mais éga-
lement comme des moyens d’activation de ressources clés internes ou de
mobilisation de ressources externes pour l’innovation (Cardona et al., 2013 ;
Nambisan, 2013). Nombreuses sont les investigations montrant un lien
effectif entre l’usage ou l’investissement en TIC et les retombées positives
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016
30
obtenues en termes d’innovation. C’est par exemple le cas de Cainelli
et al. (2006) qui mobilisent les données italiennes issues de l’enquête CIS
(Community Innovation Survey) pour analyser l’innovation dans le secteur des
services. C’est également le cas de Martin et Nguyen-Thi (2015) qui, à par-
tir de ce même dispositif d’enquête, mettent en évidence l’influence du
niveau d’usage des TIC sur l’innovation des entreprises au Luxembourg.
De son côté, Higón (2012) analyse le lien entre TIC et innovation dans le
contexte spécifique des PME et montre, sur un large échantillon de PME
britanniques, que les TIC favorisent l’innovation, essentiellement en tant
que technologies de réduction des coûts et de renforcement de l’efficience.
Afin d’éclairer les mécanismes qui lient numérique et innovation à l’in-
térieur des firmes, Pavlou et El Sawy (2006) identifient trois usages des
TIC favorisant le développement de nouveaux produits : l’usage des sys-
tèmes de gestion de projet et gestion des ressources ; l’usage des systèmes
de gestion de connaissance ; l’usage des systèmes de travail collaboratif.
Concernant spécifiquement l’usage des systèmes collaboratifs, Banker
et al. (2006) montrent que l’utilisation des outils et logiciels collaboratifs
renforce effectivement la collaboration entre les personnes chargées de
l’innovation. En conséquence, cette utilisation réduit le cycle de dévelop-
pement, réduit les coûts de développement, accroît les possibilités de réa-
lisations différentes et les réutilisations, et enfin améliore la qualité du
produit conçu. Tambe et al. (2012) analysent comment les pratiques de col-
lecte externe d’information soutenues par le numérique sont source d’in-
novation (de produit) et de productivité. Parallèlement, Kmieciak et al.
(2012) avancent l’idée que certaines catégories de TIC permettent une meil-
leure compréhension du marché en facilitant les échanges avec les clients,
qui participent ainsi (via les e-mails, les forums de discussion, les réseaux
sociaux) à concevoir des produits répondant à leurs attentes. Même si cette
ouverture aux clients reste souvent limitée (Kuusisto et Riepula, 2011), elle
peut être dans certains cas très forte : il s’agit par exemple des pratiques
de crowdsourcing dédiées à l’innovation ou les pratiques d’open innova-
tion qui s’appuient largement sur des supports numériques. Enfin, les TIC
sont largement reconnues dans la littérature pour leur contribution à l’in-
novation de processus, car porteuses de transformation de l’organisation
(Brynjolfsson et Hitt, 2000, Brynjolfsson et Saunders, 2010).
En définitive, les travaux cités s’accordent sur l’idée que le numérique
accroît la capacité d’innovation des entreprises, notamment des PME.
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016 31
Ce soutien s’exerce dans une diversité de situations d’innovation (déve-
loppement de nouveaux produits, adoption de nouveaux procédés…) et en
mobilisant une large palette de technologies (qu’elles soient génériques ou
dédiées à l’innovation).
Conformément à ces travaux, nous formulons donc l’hypothèse qu’un
niveau élevé de ressources numériques au sein de l’entreprise affecte posi-
tivement sa capacité d’innovation.
2.3. L’effet conjoint de la localisation
et du numérique sur l’innovation
Très peu de travaux traitent du rôle du numérique dans la relation entre le
territoire et l’innovation. Parmi eux, Feldman (2002), avance que les dimen-
sions individuelles, sociales et géographiques de l’innovation impliquent
qu’Internet ne remettra pas en cause les avantages géographiques associés
à la concentration des ressources et aux opportunités créées par la proxi-
mité géographique. Morgan (2004) considère que la mondialisation et la
digitalisation croissante des économies ne réduiront pas l’importance de la
proximité géographique pour l’innovation en avançant trois arguments : la
forte dimension sociale des échanges ; la nature des connaissances échan-
gées qui, pour les plus critiques, impose le face-à-face ; l’efficacité des sys-
tèmes territoriaux d’innovation. Ces travaux viennent en contradiction des
visions qui associent à l’essor du numérique, le déclin des contraintes d’une
gestion à distance (Fujita et Thisse, 2003). Les échanges d’informations ou
de connaissances via les TIC seraient ainsi complémentaires plutôt que subs-
tituables aux échanges interpersonnels en face-à-face pour le processus
d’innovation. Cet effet complémentaire/substituable du numérique et de la
proximité sur la capacité d’innover peut également être discutée au regard
du déroulement du processus d’innovation. Des travaux (Nooteboom,
2000 ; Suire et Vicente, 2008) ont ainsi montré que selon les phases du pro-
cessus d’innovation (des phases d’exploration aux phases d’exploitation),
la distance cognitive entre les firmes collaborant et le besoin de proximité
géographique sont variables : alors que la distance cognitive entre parte-
naires est forte au début du processus et que le besoin de proximité géo-
graphique peut s’avérer un facteur favorable, c’est le contraire lors des der-
nières phases lorsque le risque d’appropriation des connaissances est très
important entre les partenaires. La colocalisation va ainsi s’imposer, mais
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016
32
seulement de façon temporaire. Selon Torre (2014), la gestion de la proxi-
mité temporaire est précisément réalisable grâce au développement du
numérique. Les TIC accroissent les possibilités d’interactions par rapport
aux infrastructures de transport traditionnelles et permettent une « mul-
tilocalisation en temps réel » (ibid., p. 58). Dans la continuité, la capacité à
innover dépendrait moins de l’activation par la PME des ressources du ter-
ritoire sur lequel elle est implantée que de l’accessibilité aux ressources
clés, qui peuvent être situées à distance (Shearmur, 2011). Dans ce contexte,
le rôle du numérique dans la capacité d’innovation devient déterminant
car il facilite l’accès aux ressources clés. Ce rôle serait de plus d’autant plus
important que ces ressources clés sont difficilement accessibles.
Finalement, nous testons l’hypothèse de l’existence d’un effet différencié
des ressources numériques sur la capacité d’innovation, conditionnel à la
localisation de la firme.
3. MÉTHODOLOGIE
Afin de tester les trois hypothèses formulées, nous mobilisons une enquête
réalisée en 2012 auprès d’un échantillon représentatif de 1 253 PME, que
nous avons complétée par le recueil d’informations de localisation des
firmes interrogées. Outre les statistiques descriptives qui nous permettent
de faire un état des lieux de l’innovation des PME, nous utilisons les outils
de l’économétrie afin d’identifier les déterminants de la capacité d’inno-
vation des entreprises de notre échantillon.
3.1. La collecte des données
L’enquête porte sur l’utilisation des outils numériques par les PME3 de
la région. Plus précisément, cette enquête cible les entreprises de 10 à
250 salariés appartenant aux secteurs de l’industrie, du commerce et des
services (à l’exception de l’agriculture et des services publics), localisées
en région Bretagne. L’enquête repose sur un questionnaire, qui interroge
3 Nous utilisons le terme PME (Petites et Moyennes Entreprises) dans cet article, bien
que les entreprises interrogées ne répondent pas strictement à la définition de PME
de l’INSEE, qui comprend un critère de taille (10-250 salariés) mais aussi de chiffre
d’affaires que nous n’avons pas pris ici en considération.
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016 33
d’abo rd cha que PME sur son activité et sa situation générale, et énumère
ensuite une large palette d’équipements et leur utilisation possible à l’in-
térieur de la firme, ou bien avec des partenaires extérieurs. Une série de
questions porte sur la politique d’innovation de l’entreprise.
Le questionnaire a été soumis à toutes les PME recensées dans les
registres de la Chambre de Commerce et de l’Industrie (CCI) de la région,
soit 7 036 entreprises. Le questionnaire était à remplir en ligne sur un
site dédié. Afin d’augmenter le nombre de répondants, une administra-
tion complémentaire a été réalisée par téléphone. En définitive, ce sont
1 253 questionnaires complets qui ont été collectés, ce qui représente un
taux de réponse de près de 18 %. Le répondant est, dans la majorité des cas,
le dirigeant de l’entreprise ou le responsable administratif ou/et finan-
cier. La méthode des quotas a été utilisée afin d’obtenir un échantillon
représentatif des PME bretonnes selon le secteur d’activité, la CCI de ratta-
chement et l’effectif salarial. Les statistiques de l’échantillon suivant ces
trois critères sont présentées en Annexe 1.
Partant de cette base de 1 253 entreprises, le recueil des informations géo-
graphiques a été effectué via le recours à une base de données géogra-
phique de l’INSEE. Le degré d’urbanisation de la commune sur laquelle est
localisée chaque firme a été intégré dans la base à partir du zonage en aire
urbaine proposé par l’INSEE, selon les modalités détaillées dans la section
suivante.
3.2. Les variables retenues
L’enquête nous donne plusieurs types d’information concernant la straté-
gie des PME en termes d’innovation. Nous adoptons, dans cet article, une
définition proche de celle utilisée dans les enquêtes CIS : une entreprise
est considérée comme innovante si elle s’est positionnée sur de nouveaux
produits ou services ou si elle a introduit de nouveaux procédés dans les
deux dernières années. L’enquête nous renseigne également sur la straté-
gie de la firme en termes de R&D collaborative ainsi que de protection de
ses innovations (et notamment de dépôt de brevets).
Les variables susceptibles d’influencer la capacité d’innovation des firmes
sont de trois types : son profil spatial, ses ressources numériques et ses
caractéristiques propres.
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016
34
Le profil spatial de la firme
Nous utilisons deux variables pour caractériser le profil spatial de la firme.
La première est la localisation de l’entreprise au sein de l’espace.
L’INSEE décompose l’espace en 9 catégories, qui permettent d’appréhen-
der l’existence de pôles urbains, mais aussi l’influence de ces pôles sur
les communes périphériques4. Conformément à des travaux antérieurs
(Magrini et Galliano, 2012), nous fusionnons certaines de ces catégories
afin d’adopter une décomposition en 3 modalités : les grands pôles urbains
(constitués des communes qui regroupent plus de 10 000 emplois), le péri-
urbain (qui regroupe l’ensemble des communes sous influence des grands
pôles urbains, par le fait que plus de 40 % de leur population travaille dans
ces grands pôles) et ce que nous appelons l’espace rural (qui rassemble les
6 autres catégories, soit l’ensemble des communes situées en dehors des
grandes aires urbaines, et qui ne subissent pas l’influence de ces grandes
aires). Cette décomposition s’appuie sur la concentration des emplois, et
constitue une bonne approximation du degré d’urbanisation de l’espace
et donc du niveau d’agglomération des ressources que l’entreprise est sus-
ceptible de mobiliser et des externalités locales dont elle peut bénéficier
(Magrini et Galliano, 2012).
L’enquête étant à destination des entreprises (et non des établissements),
seuls des sièges sociaux ont été interrogés. C’est donc la localisation du
siège de l’entreprise qui est prise en compte. Cette approche est conforme
à la majorité des travaux en géographie de l’innovation, même si cer-
tains auteurs recommandent de prendre en compte la localisation de l’en-
semble des établissements de la firme (Galliano et al., 2014 ; Magrini et
Galliano, 2012). Être localisée sur plusieurs sites peut en effet permettre
à une firme de bénéficier des externalités locales issues de ses multiples
localisations. Une multilocalisation peut traduire une volonté de localiser
un ou plusieurs sites de l’entreprise dans un environnement propice à son
4 Les 9 catégories du zonage en aires urbaines proposé par l’INSEE sont les suivantes :
les grands pôles (au moins 10 000 emplois), les couronnes des grands pôles, les com-
munes multipolarisées des grandes aires urbaines, les pôles moyens (de 5 000 à
moins de 10 000 emplois), les couronnes des pôles moyens, les petits pôles (de 1 500 à
moins de 5 000 emplois), les couronnes des petits pôles, les autres communes multi-
polarisées et enfin, les communes isolées, hors influence des pôles.
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016 35
développement et donc potentiellement favorable à l’innovation (Magrini
et Galliano, 2012). L’enquête ne nous permet pas d’identifier la localisation
de chacun des sites de l’entreprise. Elle nous informe en revanche sur le
caractère multisites de la firme, que nous intégrerons dans le modèle en
complément de la localisation du siège.
Les ressources numériques
Les ressources numériques des firmes sont caractérisées selon trois dimen-
sions complémentaires. Les deux premières sont notamment mises en
avant par Aral et Weill (2007) : les compétences informatiques internes et
les actifs TIC. Les actifs TIC sont appréhendés par la diversité des usages
des TIC, qui peut prendre cinq modalités en fonction du nombre d’outils
numériques différents utilisés dans l’entreprise parmi une liste de onze5.
Les compétences informatiques internes à l’entreprise sont mesurées par
une variable qui peut prendre trois modalités suivant qu’il existe un ser-
vice informatique constitué dans l’entreprise, qu’au moins un salarié de
l’entreprise est diplômé du supérieur en informatique ou qu’aucune de ces
compétences n’existe en interne. Enfin, nous intégrons dans les modèles
un troisième facteur, l’appropriation d’Internet au sein de l’entreprise. Ce
facteur a été identifié dans des travaux antérieurs comme nécessaire à la
numérisation des échanges dans les relations interentreprises (Aguiléra
et Lethiais, 2011 ; Aguiléra et al., 2015) et il peut donc affecter la capacité
d’innovation des firmes. Cette appropriation d’Internet est mesurée par la
part des salariés qui utilisent Internet tous les jours ou presque, codée en
cinq modalités : tous, plus de 50 %, entre 25 % et 50 %, moins de 25 %, et
enfin aucun.
Les caractéristiques de la firme
Nous retenons plusieurs caractéristiques propres à la PME qui ont été iden-
tifiées dans la littérature comme des déterminants classiques de la capa-
cité d’innovation des firmes : la taille, le secteur, le niveau de qualification
5 Les 11 outils TIC ou usages des TIC considérés dans l’enquête sont les suivants : EDI
(Échange de Données Informatisées), intranet, listes de diffusion, agendas partagés,
espaces de travail partagés, logiciels de définition et de gestion des processus, logi-
ciels métiers, certificats électroniques, site Web, réseaux sociaux, visioconférence.
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016
36
des salariés et la part à l’export (Mairesse et Mohnen, 2010 ; Mongo, 2013).
L’ensemble de ces caractéristiques est intégré dans les modèles comme
variables de contrôle. La taille est mesurée par le chiffre d’affaires de
l’entreprise en quatre modalités (moins de 1 million, entre 1 et 2,5 mil-
lions, entre 2,5 et 5 millions, 5 millions et plus)6. Le questionnaire ne nous
indique pas directement la part à l’export des entreprises, mais nous donne
des informations sur la localisation de la clientèle ; plus précisément, nous
avons intégré dans les modèles deux variables qui décrivent de manière
plus complète l’étendue du marché : la première variable qui nous indique
si la PME réalise plus de 30 % de son chiffre d’affaires au niveau local et
plus de 30 % au niveau régional (ce qui traduit une clientèle très majoritai-
rement intrarégionale) et la seconde variable qui nous indique si plus de
30 % du chiffre d’affaires est réalisé à l’échelle nationale et plus de 30 % à
l’échelle internationale (ce qui traduit une clientèle très majoritairement
extrarégionale). La qualification de la main-d’œuvre est mesurée par la
part des salariés de l’entreprise ayant un niveau d’étude supérieur au bac-
calauréat en trois modalités (moins de 10 %, de 10 à 49 % et 50 % et plus).
Le secteur d’activité est intégré dans les modèles sous la forme de variables
binomiales qui traduisent l’appartenance à chacune des huit catégories
d’activité considérées : le commerce, le transport, l’hébergement et la res-
tauration, les activités immobilières financières et d’assurance, l’indus-
trie (manufacturière, extractive et autres industries), la construction, les
activités spécialisées scientifiques et techniques, information communica-
tion, et enfin les autres services.
Les fréquences des variables retenues dans les modèles sont présentées en
Annexe 2.
3.3. Le traitement des données
Dans un premier temps, nous présentons des statistiques descriptives
issues de l’enquête (section 3.1), qui nous permettent de faire un état des
6 La taille de l’entreprise peut aussi être estimée par l’effectif salarié, que nous mesu-
rons en 3 modalités (entre 10 et 19 salariés, entre 20 et 49 salariés, 50 à 250 sala-
riés). Chacun des modèles a été construit avec les deux variables alternativement ; le
chiffre d’affaires étant plus souvent significatif que les effectifs et les autres résul-
tats restant inchangés, nous présentons uniquement les résultats des modèles avec
le chiffre d’affaires.
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016 37
lieux de l’innovation des PME et notamment de comparer les différentes
mesures de l’innovation qui sont le plus souvent utilisées dans la littéra-
ture, dans le cas particulier de notre population d’entreprises.
Nous utilisons ensuite les outils de l’économétrie afin de tester l’influence
du profil spatial de la PME et de son utilisation du numérique sur sa capa-
cité d’innovation (sections 4.2 et 4.3). Nous utilisons un modèle Logit bino-
mial : la variable expliquée est égale à 1 si l’entreprise déclare avoir innové
en produit ou en procédé au cours des deux dernières années, et à 0 dans
le cas contraire.
Nous testons l’effet de la localisation de la firme et l’effet du numérique sur
la capacité d’innovation, indépendamment l’un de l’autre. L’effet du numé-
rique est évalué en considérant alternativement trois mesures des res-
sources numériques au sein de l’entreprise : une première mesure qui s’ap-
puie sur l’appropriation d’Internet par les salariés (modèle 1), une seconde
mesure qui utilise la diversité des usages des TIC (modèle 2) et une troisième
mesure qui considère les compétences internes en informatique (modèle 3).
La variable de localisation étant corrélée au fait d’être une entreprise mul-
tisites (la part des entreprises multisites est plus importante au sein des
grands pôles qu’au sein des autres espaces), nous avons construit chacun
des modèles en intégrant, dans un premier temps, uniquement la variable
de localisation et dans un second temps, simultanément la variable de loca-
lisation et la variable multisites. Cela nous permet de bien analyser le rôle
de chacune de ces variables. Enfin, les variables de contrôle qui caracté-
risent l’entreprise sont intégrées dans tous les modèles.
D’autres variables sont corrélées. En particulier, le niveau de qualification
des salariés est dépendant du secteur d’activité, du chiffre d’affaires ou de
la localisation de la firme. De même, la localisation n’est pas parfaitement
indépendante du secteur d’activité, ou encore des trois variables caractéri-
sant les ressources numériques. Afin de vérifier que la dépendance entre
certaines des variables n’induit pas de biais important dans les résultats
que nous présentons, nous avons, lorsque deux variables sont dépendantes,
testé les modèles en intégrant isolément chacune des variables puis en
intégrant les deux. Lorsque l’introduction d’une variable se traduit par un
changement important du coefficient d’autres variables du modèle, nous
le précisons dans les résultats et les interprétons en conséquence.
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016
38
Nous utilisons ensuite des modèles d’interactions, afin d’évaluer l’effet
combiné de la localisation de la firme et des actifs TIC sur sa capacité d’in-
novation (section 4.4). Ces modèles nous permettent de tester notre hypo-
thèse d’un effet du numérique sur la capacité d’innovation de la PME condi-
tionnel à sa localisation. Les effets conditionnels peuvent en effet être
testés en utilisant des modèles d’interaction (Braumoeller, 2004 ; Wright,
1976). Nous construisons deux modèles avec variable d’interaction. Dans
le premier (modèle 4), nous testons l’effet d’une interaction entre la loca-
lisation de la firme et la diversité des outils numériques. Pour cela, nous
construisons une variable à deux modalités à partir de la mesure de diver-
sité des usages (qui oppose des usages nombreux et très nombreux d’une
part à des usages peu nombreux d’autre part). Cette variable est croisée avec
la variable de localisation, elle-même en trois modalités selon que l’entre-
prise est localisée dans un grand pôle urbain, dans l’espace péri-urbain ou
dans le rural. La variable d’interaction est intégrée dans le modèle ainsi
que les deux variables simples, ce qui nous permet de tester simultanément
l’effet combiné mais aussi les effets directs de l’utilisation du numérique et
de la localisation. Enfin, le dernier modèle (modèle 5) intègre une variable
d’interaction qui croise les compétences informatiques internes et la loca-
lisation. La variable de compétences informatiques internes est recodée
en deux modalités (la présence ou l’absence de compétences informa-
tiques au sein de l’entreprise) et croisée avec la variable de localisation. La
variable d’interaction et les deux variables simples sont intégrées dans le
modèle 5.
4. RÉSULTATS ET DISCUSSION
4 .1. Des mesures divergentes de l’innovation
Le premier résultat mis en évidence par l’enquête que nous avons exploitée
est la présence d’un écart important entre la capacité d’innovation (telle
que nous l’avons définie précédemment), la protection des innovations (et
en particulier les dépôts de brevets) et enfin la collaboration en recherche
et développement (R&D). En effet, suivant la définition de l’innovation
adoptée dans l’enquête que nous avons mobilisée, près d’une PME sur deux
déclare avoir innové en produit ou en procédé au cours des deux dernières
années (figure 1).
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016 39
Figure 1. Pratiques d’innovation au cours des deux années passées
(N=1253)
11
51% 49%
0%
10%
20%
30%
40%
50%
60%
PMEn'ayantpasinnové PMEayantinnové
Nouveauxproduits/services
uniquement(21%)
Nouveauxproduits/services
&nouveauxprocédés(21%)
Nouveauxprocédés
uniquement(7%)
Parallèlement, d’après les résultats présentés dans le tableau 1, seules
15 % des entreprises interrogées déclarent une activité de R&D collabo-
rative. De même, seulement 18 % des PME indiquent avoir utilisé une
méthode de protection de leurs innovations au cours des trois dernières
années, les brevets ne concernant que 6 % des entreprises interrogées
(tableau 2).
Tableau 1. Les partenaires de collaboration dans les activités de R&D
des PME (N=1253)
Votre entreprise réalise-t-elle des activités
de R&D en collaboration avec…
Oui Non Ne se
prononce pas
… des entreprises ? 12 % 64 % 24 %
… des centres de recherche publics ? 5 % 71 % 24 %
… des universités ? 6 % 70 % 24 %
… le centre d’innovation et de transfert
technologique régional ?
1 % 74 % 25 %
… autres ? 1 % 71 % 27 %
Total des activités de R&D collaboratives
(au moins une forme de collaboration)
15 % 61 % 24 %
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016
40
Ces premières statistiques nous confortent dans notre choix d’adopter, dans
le cas des PME, une définition large de l’innovation. Une approche en termes
de R&D ou de protection des innovations (qui utiliserait par exemple les
dépôts de brevets), nous conduirait en effet à passer sous silence des com-
portements d’innovation des PME qu’il nous semble important de prendre
en compte.
4.2. Le rôle du profil spatial de la PME
sur sa capacité d’innovation
Les résultats des modèles 1-1 à 3-2, sont présentés dans le tableau 3. Afin de
faciliter la lecture, nous avons fait le choix de ne pas présenter les valeurs des
coefficients estimés, dont l’interprétation n’est pas directe dans les modèles
Logit. En effet, dans un modèle Logit, le coefficient estimé d’une variable
explicative ne renseigne que sur le sens de la relation qui existe entre cette
variable et la variable expliquée. Il est alors usuel et recommandé d’interpré-
ter les rapports de cotes (ou odds ratios) pour juger de l’influence de chaque
variable explicative7. Nous avons donc présenté dans les tableaux de résul-
tats le signe du coefficient, le niveau de significativité de chaque variable ou
modalité de la variable (une étoile pour 10 %, deux pour 5 % et trois pour 1 %),
et les rapports de cote pour les variables ou modalités significatives. Pour
les variables multinomiales, la modalité de référence est notée « Réf ». Une
variable ou modalité non significative est indiquée par un « . ». Une case gri-
sée indique que la variable ou modalité n’a pas été intégrée dans ce modèle.
7 Un rapport de cotes égal à x implique que la probabilité que la firme innove est mul-
tipliée par x pour la modalité considérée par rapport à la modalité de référence.
Tableau 2. Les méthodes utilisées par les PME pour protéger
l’innovation (N=1253)
Durant les 3 dernières années, votre entreprise
a-t-elle utilisé une ou plusieurs méthodes pour
protéger ses innovations ?
Oui Non Ne se
prononce
pas
– Les brevets 6 % 63 % 31 %
– L’enregistrement de modèles de design 4 % 64 % 32 %
– L’utilisation d’une marque de commerce 10 % 58 % 32 %
– Garder le secret 13 % 55 % 32 %
Total de protection des innovations
(par au moins une méthode, y compris le secret)
18 % 50 % 32 %
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016 41
Tableau 3. Les modèles d’estimation de la probabilité d’innover des PME
Variables explicatives Modèle 1-1 Modèle 1-2 Modèle 2-1 Modèle 2-2 Modèle 3-1 Modèle 3-2
Profil spatial de la PME
Localisation du siège
Grands pôles urbains . . . . . .
Péri-urbain - ** (0.71) - ** (0.72) - ** (0.72) - ** (0.72) - ** (0.70) - ** (0.70)
Rural Ref. Ref. Ref. Ref. Ref. Ref.
Multilocalisation
Entreprise multisites + *** (1.47) + *** (1.43) + *** (1.44)
Ressources numériques de la PME
Appropriation d’Internet
Tous ..
50 % et plus ..
Entre 25 et 50 % ..
Moins de 25 % Ref. Ref.
Aucun ..
Diversité des usages des TIC
Très nombreux + *** (2.19) + *** (2.05)
Nombreux + *** (1.83) + *** (1.76)
Moyens ..
Rares ..
Très rares Ref. Ref.
Compétences informatiques internes
Service constitué + *** (1.92) + *** (1.85)
Salarié diplômé + ** (1.64) + ** (1.58)
Aucune Ref. Ref.
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016
42
Caractéristiques propres de la PME
Secteur d’activité
Commerce - *** (0.64) - *** (0.62) - *** (0.65) - *** (0.62) - ** (0.69) - ** (0.66)
Transport - *** (0.46) - *** (0.42) - *** (0.44) - *** (0.41) - *** (0.46) - *** (0.43)
Hébergement et restauration . . . . . .
AIFA8. . - * (0.48) - * (0.42) . .
Industrie Ref. Ref. Ref. Ref. Ref. Ref.
Construction - *** (0.48) - *** (0.47) - *** (0.45) - *** (0.46) - *** (0.51) - *** (0.51)
ASSTIC9. . . . . .
Autres services . . . . . .
Qualification de la main-d’œuvre
Peu qualifiée - *** (0.42) - *** (0.42) - *** (0.47) - *** (0.48) - *** (0.40) - *** (0.41)
Qualifiée - * (0.72) - * (0.72) . . - ** (0.71) - * (0.72)
Très qualifiée Ref. Ref. Ref. Ref. Ref. Ref.
Chiffre d’affaires en 2011
Moins de 1 million - *** (0.45) - *** (0.48) - *** (0.53) - *** (0.55) - *** (0.48) - *** (0.51)
Entre 1 et 2.5 millions - ** (0.71) . . . . .
Entre 2.5 et 5 millions . . . . . .
5 millions et plus Ref. Ref. Ref. Ref. Ref. Ref.
Localisation de la clientèle
Majoritairement intrarégionale . . . . . .
Majoritairement extrarégionale + *** (1.97) + ** (1.96) + ** (1.87) + ** (1.87) + ** (1.96) + ** (1.96)
% de concordance 67.8 68.4 69.5 70.0 68.4 69.0
Observations N=1253 N=1253 N=1253 N=1253 N=1253 N=1253
89
8 Activités immobilières financières et d’assurance.
9 Activités spécialisées scientifique et technique, information communication.
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016 43
Le premier résultat notable issu du tableau 3 est l’absence d’effet sur la
capacité d’innovation d’une localisation dans un grand pôle urbain par
rapport à une localisation dans les espaces que nous qualifions de ruraux,
qui regroupent l’ensemble des communes situées en dehors des grandes
aires urbaines, et qui ne subissent pas l’influence de ces grandes aires
urbaines. En effet, la modalité Grands pôles urbains de la variable de locali-
sation n’est significative dans aucun des modèles. En revanche, la moda-
lité Péri-urbain est significative avec un coefficient négatif dans les six
modèles10. Le rapport de cotes reste stable entre 0.70 et 0.72 sur l’ensemble
des modèles, indiquant que la probabilité d’innover est 30 % moindre dans
l’espace péri-urbain par rapport à l’espace rural. Ce premier résultat est
original, car il montre que la capacité d’innovation des PME, telle que nous
l’avons définie, n’est pas plus importante dans les grands pôles urbains
que dans les espaces ruraux. Elle est même plus faible dans les espaces sous
influence des grands pôles urbains que dans les espaces ruraux, qui ne
subissent pas l’influence de ces grands pôles. Afin de vérifier que ce résul-
tat n’est pas dû à un effet de construction de notre variable de localisation,
nous avons testé les modèles en construisant deux variables de localisa-
tion alternatives11. Le résultat obtenu dans les six modèles présentés dans
10 Afin de vérifier ce résultat, nous avons testé le modèle en modifiant uniquement la
modalité de référence de la variable de localisation. Lorsque la modalité de référence
est péri-urbain, les deux modalités grands pôles urbains et rural sont significatives avec
un coefficient positif, indiquant que la probabilité d’innover est plus importante
dans les grands pôles urbains mais aussi dans les espaces ruraux, que dans l’espace
péri-urbain.
11 Deux variables de localisation ont été construites et intégrées dans les modèles :
– une variable en quatre modalités obtenue à partir du zonage en aires urbaines, qui
consiste à décomposer ce que nous avons qualifié d’espace rural en deux catégories
plus fines : les petits et moyens pôles et leurs couronnes d’une part, les autres com-
munes multipolarisées et communes isolées d’autre part ;
– une variable dans laquelle nous avons en particulier scindé les grands pôles
urbains et leurs couronnes en trois catégories, car la catégorie des grands pôles
urbains rassemble des pôles de grande importance au niveau régional mais aussi
des pôles nettement plus petits, ce qui nous semble peu homogène. La variable
construite a donc sept modalités : les grands pôles de 200 000 habitants et plus et
leurs couronnes / les grands pôles de 50 000 habitants et plus et leurs couronnes /
les grands pôles de moins de 50 000 habitants et leurs couronnes / les communes
multipolarisées des grands pôles / les moyens pôles et leurs couronnes / les petits
pôles et leurs couronnes / les autres communes multipolarisées et les communes
isolées.
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016
44
le tableau 3, d’une absence d’effet de la localisation dans les grands pôles
urbains et d’un effet négatif d’une localisation dans le péri-urbain par rap-
port à l’espace rural, est stable12.
Un autre résultat notable mis en évidence dans le tableau 3 est le rôle de
la multilocalisation sur la capacité d’innovation : la variable multisites
est significative et présente un coefficient positif dans les trois modèles
testés. La multilocalisation multiplie par 1,4 la capacité d’innovation des
PME. Ce résultat va dans le sens de ceux mis en évidence par Magrini et
Galliano (2012) et Galliano et al. (2013) qui insistent sur l’importance d’al-
ler au-delà de la localisation du siège social afin de caractériser le pro-
fil spatial de la firme. Même si nous ne sommes pas en mesure d’intégrer
dans nos travaux un profil spatial complet de la firme, le rôle que joue la
multilocalisation de la firme sur la capacité d’innovation des PME appa-
raît plus important que le rôle joué par la localisation du siège.
Enfin, les variables de contrôle, qui décrivent les caractéristiques propres
des PME apparaissent déterminantes dans la capacité d’innovation. Les
résultats traduisent tout d’abord un effet sectoriel : les secteurs du com-
merce, du transport, ou encore de la construction sont caractérisés par
une moindre probabilité d’innovation que le secteur industriel. Les entre-
prises employant des salariés plus qualifiés et dont le chiffre d’affaires
est plus important ont une plus forte probabilité d’innover. Enfin, le fait
d’avoir une clientèle majoritairement extrarégionale affecte positive-
ment la probabilité d’innovation. Ces résultats confirment, dans le cadre
des PME, des effets déjà mis en évidence dans la littérature (Mairesse et
Mohnen, 2010 ; Mongo, 2013).
Cette première analyse des résultats de nos modèles permet de vali-
der notre première hypothèse d’une capacité d’innovation qui n’est pas
12 Plus précisément, dans les trois modèles avec la variable de localisation en quatre
modalités, seule la modalité péri-urbain est significative, avec un coefficient négatif
et un rapport de côte proche de 0,7, confirmant les résultats des modèles 1-1, 2-1 et
3-1. Dans les trois modèles avec la variable de localisation en sept modalités, seule la
modalité correspondant aux communes multipolarisées des grands pôles est signi-
ficative, avec un coefficient négatif et un rapport de côte d’environ 0,5, indiquant
une probabilité d’innover deux fois moins importante dans ces espaces que dans les
espaces ruraux.
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016 45
nécessairement plus faible dans les espaces ruraux que dans les grandes
aires urbaines, mais qui dépend des caractéristiques propres des PME.
L’agglomération des ressources et externalités locales qui caractérisent les
espaces les plus urbanisés ne se traduit donc pas systématiquement par
une aptitude à l’innovation plus importante.
Concernant l’effet négatif d’une localisation dans l’espace péri-urbain
sur la capacité d’innovation, une interprétation possible est que d’éven-
tuelles spécificités des entreprises localisées dans ces espaces péri-urbains,
qui ne seraient pas captées par les variables de contrôle, généreraient
une moindre capacité d’innovation. Une mesure plus fine de certaines
variables, en particulier le type d’activité, permettrait de creuser cette
piste.
4.3. Le rôle des ressources numériques
de la PME sur sa capacité d’innovation
Les modèles 2-1 et 2-2 font apparaître un effet positif de la diversité des
usages numériques sur la probabilité d’innovation, confirmant la contri-
bution du numérique à l’innovation mise en avant dans la littérature
(Cainelli et al., 2006 ; Martin et Nguyen-Thi, 2015). En effet, la probabi-
lité d’innover est multipliée par 1,8 si l’entreprise utilise entre cinq et sept
outils numériques différents et par 2,2 si l’entreprise utilise huit outils ou
plus, par rapport à une entreprise qui a adopté moins de trois outils parmi
les onze proposés dans le questionnaire.
De même, il ressort des modèles 3-1 et 3-2 que la présence de compétences
en informatique au sein de l’entreprise favorise l’innovation. En effet,
la présence d’un diplômé du supérieur en informatique dans l’entreprise
multiplie par 1,6 la probabilité d’avoir innové et la présence d’un service
informatique constitué la double.
En revanche, l’appropriation d’Internet, mesurée par la part des sala-
riés qui utilisent Internet tous les jours ou presque n’est pas significative
dans les modèles 1-1 et 1-2. Des tests d’indépendance des variables expli-
catives du modèle (tests de Khi2) mettent cependant en évidence un lien
entre la variable d’appropriation des TIC et deux des autres variables expli-
catives du modèle : le chiffre d’affaires et la qualification des salariés.
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016
46
Nous avons testé des modèles complémentaires en enlevant alterna-
tivement la variable de CA et la variable de qualification de la main-
d’œuvre du modèle 1-1. Dans chacun de ces modèles complémentaires, la
variable d’appropriation des TIC est significative et une plus grande uti-
lisation d’Internet au sein de l’entreprise joue positivement sur la capa-
cité d’innovation. Parallèlement, on observe dans les modèles présentés
dans le tableau 3, que l’effet des variables de CA et de qualification de la
main-d’œuvre reste stable quand on enlève la variable d’appropriation
d’Internet pour la remplacer par d’autres variables qui caractérisent les
ressources numériques. Nous en concluons que si l’appropriation d’Inter-
net impacte positivement la capacité d’innovation, c’est parce qu’elle est le
plus souvent associée à des niveaux de qualification plus importants des
salariés ou à des chiffres d’affaires plus élevés. À niveau de qualification
(ou de CA) égal, une plus forte appropriation d’Internet ne modifie pas
la capacité d’innovation, alors qu’une plus grande diversité des outils TIC
utilisés ou la présence de compétences internes en informatique l’affecte
positivement.
Le rôle des technologies dans la capacité d’innovation des PME est donc
à nuancer. Ce sont le recours à des outils numériques complexes et variés
et la présence de salariés compétents en informatique au sein même de
l’entreprise (qui vont d’ailleurs souvent de pair), plus que l’appropriation
d’Internet par les salariés de l’entreprise, qui affectent la capacité d’inno-
vation. Ce résultat souligne que la construction d’une compétence numé-
rique favorable à l’innovation doit passer par des investissements et des
usages allant au-delà de la simple appropriation d’Internet. En ce sens,
nous rejoignons la vision d’Aral et Weill (2007) pour qui les ressources
numériques passent par la combinaison de compétences internes et d’ac-
tifs numériques dans lesquels l’entreprise investit.
4.4. Le rôle combiné du numérique
et de la localisation sur la capacité d’innovation
Nous testons finalement l’hypothèse d’un effet différencié du numé-
rique sur la probabilité d’innover en fonction de la localisation de la
firme. Les résultats des deux modèles d’interaction sont présentés dans le
tableau 4.
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016 47
Tableau 4. Les modèles d’estimation de la probabilité d’innover
avec variables d’interaction
Variables explicatives Modèle 4 Modèle 5
Variables d’interaction
Localisation x diversité des usages
Grands pôles & Usages diversifiés .
Péri-urbain & Usages diversifiés .
Rural & Usages diversifiés Ref.
Localisation x compétences informatiques internes
Grands pôles & Compétences Internes .
Péri-urbain & Compétences Internes .
Rural & Compétences Internes Ref.
Profil spatial de la PME
Localisation du siège
Grands pôles urbains . .
Péri-urbain - ** (0.69)
Rural Ref. Ref.
Multilocalisation
Entreprise multisites + *** (1.42) + *** (1.44)
Ressources numériques de la PME
Diversité des usages
Usages diversifiés des TIC + *** (2.09) /
Compétences informatiques internes
Présence de compétences internes / + * (1.82)
Caractéristiques propres de la PME
Secteurs d’activité
Commerce - *** (0.63) - ** (0.66)
Transport - *** (0.41) - *** (0.43)
Hébergement et restauration . .
AIFA13 - * (0.44) .
Industrie Ref. Ref.
Construction - *** (0.47) - *** (0.51)
ASSTIC14 . .
Autres services . .
1314
13 Activités immobilières financières et d’assurance.
14 Activités spécialisées scientifique et technique, information communication.
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016
48
Les modèles 4 et 5 mettent en évidence un effet positif du numérique sur
la probabilité d’innover, qui n’est pas conditionnel à la localisation de la
firme, et ce, que l’on mesure les ressources TIC par l’intermédiaire de la
diversité des outils utilisés dans l’entreprise ou des compétences internes
en informatique. En effet, dans chacun des modèles, la variable d’inte-
raction n’est pas significative, et la variable simple mesurant les actifs
numériques est significative avec un coefficient positif et un rapport de
cote proche de celui obtenu dans les modèles sans interaction. Ce résul-
tat nous indique que, bien que les technologies facilitent l’accès à des
ressources distantes, leur adoption au sein des entreprises n’affecte pas
différemment la capacité d’innovation des PME en fonction de leur loca-
lisation. Une interprétation de ce résultat nous est donnée par les résul-
tats obtenus dans une recherche récente (Deltour, Le Gall et Lethiais,
2016), dans laquelle nous montrons que les PME localisées dans les grands
pôles urbains mobilisent plus souvent des ressources distantes (et en par-
ticulier des partenaires de coopération localisés à l’international) que les
entreprises rurales. Dans ce contexte, les ressources numériques, s’ils per-
mettent aux entreprises localisées dans les espaces les moins denses d’ac-
céder à des ressources éloignées, favorisent également l’accès des entre-
prises localisées dans les grands pôles urbains à des ressources lointaines,
notamment internationales.
Qualification de la main-d’œuvre
Peu qualifiée - *** (0.45) - *** (0.41)
Qualifiée . - * (0.73)
Très qualifiée Ref. Ref.
Chiffre d’affaires en 2011
Moins de 1 million - *** (0.53) - *** (0.50)
Entre 1 et 2,5 millions . .
Entre 2,5 et 5 millions . .
5 millions et plus Ref. Ref.
Localisation de la clientèle
Majoritairement intrarégionale . .
Majoritairement extrarégionale + ** (1.95) + ** (1.97)
% de concordance 69.6 69.0
Observations N=1253 N=1253
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016 49
5. CONCLUSION
Cet article discute du rôle du numérique et du territoire dans la capacité
d’innovation des entreprises. En mobilisant la littérature existante, nous
avons formulé trois hypothèses. La première est que, dès lors que l’on
considère l’innovation au sens large, la capacité d’innovation est moins
déterminée par la localisation de la firme que par ses caractéristiques
propres. Dans la deuxième hypothèse, nous avançons que l’utilisation du
numérique a un impact positif sur la capacité d’innovation de l’entreprise.
Enfin, nous testons l’hypothèse d’un effet différencié du numérique sur la
capacité d’innovation de la firme en fonction de sa localisation. Ces trois
hypothèses sont testées sur un échantillon représentatif de 1 253 PME.
Tout d’abord, notre analyse met en évidence un écart très important entre
l’innovation mesurée par le dépôt de brevet ou plus généralement la pro-
tection des innovations, ou encore par la R&D collaborative, et l’innovation
mesurée de manière plus large par le développement de nouveaux produits
ou procédés. Ce premier résultat nous conforte dans l’idée que l’innovation
des PME doit également être étudiée à partir d’une mesure large.
Un second résultat notable de cette étude est le peu d’effet de la localisa-
tion de la firme sur sa capacité d’innovation. Nos résultats ne laissent pas
transparaître de capacité d’innovation plus importante dans les grands
pôles urbains que dans l’espace rural. Ce résultat implique que, lorsqu’on
considère l’innovation au sens large et des PME qui n’opèrent pas unique-
ment dans des secteurs intensifs en connaissance, la capacité d’innovation
des PME localisées dans les espaces ruraux n’est pas plus faible que celle
des PME localisées dans les espaces urbains. Ce résultat va dans le sens des
résultats de Shearmur (2011) : bien qu’il mette en évidence, sur un échan-
tillon de PME québécoises, une probabilité d’innover qui décroît avec la
distance aux aires métropolitaines, au moins pour certains types d’inno-
vation, il relativise ce résultat en insistant sur le faible pouvoir explicatif
de la distance à une aire métropolitaine et du contexte local sur la capa-
cité d’innovation.
Un autre résultat notable de notre étude est le rôle joué par la multilocalisa-
tion : le caractère multisites de la firme a un impact positif sur sa capacité
d’innovation. Cet effet tend à confirmer des travaux antérieurs (Galliano
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016
50
et al., 2014) mais mériterait d’être creusé par des investigations complé-
mentaires qui s’appuieraient sur une prise en compte, non pas uniquement
de la localisation du siège social de la firme, mais de l’ensemble de ses sites,
comme le suggèrent Magrini et Galliano (2012) et Galliano et al. (2014).
Conformément à la littérature, nous mettons en évidence un effet positif
du numérique sur la capacité d’innovation. Nos résultats nous permettent
en outre de nuancer cet effet au regard des différentes mesures des actifs
TIC que nous avons intégrés dans nos modèles. Alors que la variété des
outils utilisés par l’entreprise ou les compétences informatiques internes
à l’entreprise impactent positivement la capacité d’innovation, l’effet de
l’appropriation d’Internet est absorbé par les variables de contrôle (quali-
fication de la main-d’œuvre et chiffre d’affaires). C’est donc plus la capa-
cité à mobiliser des outils variés et complexes, qui ne peut être possible que
si l’entreprise dispose des compétences adéquates, que l’utilisation d’Inter-
net par le plus grand nombre qui semble jouer sur la capacité de la firme à
mettre en œuvre des nouveaux produits ou procédés.
Un dernier résultat important de la recherche est le rejet de l’hypothèse
d’un effet différencié du numérique selon la localisation de la firme.
L’effet compensateur du numérique sur la capacité d’innovation des firmes
localisées dans des territoires peu denses n’est pas mis en évidence. Le
numérique impacte favorablement l’innovation des PME, et ce quelle que
soit leur localisation. Les ressources numériques permettent en effet aux
firmes « rurales » d’accéder à des ressources qui ne sont pas disponibles
localement, mais aussi aux firmes « urbaines » de mobiliser des ressources
situées au-delà de l’échelle locale.
Ces résultats ne sont pas exempts de limites. La principale porte sur la
mesure de l’innovation que nous avons adoptée, qui, si elle nous permet de
prendre en compte les comportements d’innovation des PME sur une large
échelle, ne nous fournit pas d’indicateur d’intensité de cette innovation.
Les résultats de cette recherche plaident donc pour une poursuite de l’in-
vestigation des comportements d’innovation des PME, d’une part en adop-
tant une mesure plus fine de l’innovation qui pourrait conduire à nuan-
cer certains de nos résultats, et d’autre part en adoptant une approche
en termes d’accessibilité aux ressources disponibles et de mobilisation de
ces ressources, préconisée par certains auteurs (Massard et Mehier, 2010 ;
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016 51
Mc Cann, 2007 ; Shearmur, 2011). Il nous semble en effet nécessaire d’iden-
tifier non seulement les ressources accessibles sur le territoire (capital
humain, organismes de recherche publique et privée, partenaires poten-
tiels de coopérations, etc.), mais aussi et surtout de mieux comprendre les
stratégies des entreprises en termes de mobilisation de ces ressources, et
particulièrement le rôle du numérique dans cette mobilisation. En effet,
parce que l’innovation participe à garantir la pérennité de l’activité dans
les petites comme les grandes entreprises, il apparaît que la contribution
du numérique à l’activité d’innovation doit continuer à être investiguée.
RÉFÉRENCES BIBLIOGRAPHIQUES
AGUILÉRA, A. LETHIAIS, V. (2011), « Transmission des connaissances dans les relations
de coopération interentreprises : TIC versus face-à-face », Revue d’économie régionale
et urbaine, 2, 269-293.
AGUILÉRA, A., LETHIAIS, V., RALLET, A. (2015), « Spatial Proximity and Intercompany
Communication: Myths and Realities », European Planning Studies, 23(4), 798-810.
ALMEIDA, P., KOGUT, B. (1999), « The mobility of Engineers in Regional Networks »,
Management Science, 45(7), 905-917.
ARAL, S., WEILL, P. (2007), « IT Assets, Organizational Capabilities, and Firm
Performance: How Resource Allocations and Organizational Differences Explain
Performance Variation », Organization Science, 18(5), 763-790.
AUDRETSCH, D., FELDMAN, M. P. (2003), « Knowledge spillovers and the geography
of innovation », in J. Vernon Henderson, J. Thisse (Eds.), Handbook of Urban and
Regional Economics: Cities and Geography (vol. 4., pp. 2713-2739), Amsterdam: North
Holland Publishing..
AUTANT-BERNARD, C., LESAGE, J.-P. (2011), « Quantifying knowledge spillovers using
spatial econometric models », Journal of Regional Science, 51(3), 471-496.
BANKER, R. D., BARDHAN, I., ASDEMIR, O. (2006), « Understanding the Impact of
Collaboration Software on Product Design and Development », Information Systems
Research, 17(4), 352-373.
BARNEY, J. B., CLARK, D.N., (2007), Resource-based Theory: creating and sustaining competitive
advantage. New York: Oxford University Press.
BATHELT, H., SCHULDT, N. (2008), « Between luminaires and meat grinders:
International trade fairs as temporary clusters », Regional Studies, 42(6), 853-8 68.
BEN LETAIFA, S., RABEAU, Y. (2013), « Too close to collaborate? How geographic proxi-
mity could impede entrepreneurship and innovation », Journal of Business Research,
66(10), 2071-2078.
BRAUMOELLER, B. (2004), « Hypothesis Testing and Multiplicative Interaction Terms »,
International Organization, 58, 807-820.
BR ES CH I, S. , L IS SON I, F. ( 2009), « Mobility of skilled workers and co-invention networks:
an anatomy of localized knowledge flows », Journal of Economic Geography, 9(4),
439-468.
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016
52
BRYNJOLFSSON, E., HITT, L. (2000), « Beyond Computation: Information Technology,
Organizational Transformation and Business Performance », Journal of Economic
Perspectives, 14(4), 23-48.
BRYNJOLFSSON, E., SAUNDERS, A. (2010), Wired for innovation: How technology is reshaping
the economy, Cambridge, MA: The MIT Press.
CAINELLI, G., EVANGELISTA, R., SAVONA, M. (2006), « Innovation and Economic
Performance in Services: a Firm-level Analysis », Cambridge Journal of Economics,
30(3), 435-458.
CAR DON A, M., KR ETSC HME R, T. , STROB EL T. (2013), « ICT and Productivity: Conclusions
from the Empirical Literature », Information Economics and Policy, 25(3), 109-125.
CONSEIL D’ANALYSE ÉCONOMIQUE (2010), Créativité et innovation dans les territoires, rap-
port coordonné par M. Godet, Ph. Durance et M. Mousli, Paris, La Documentation
française, 108 p.
DELTOUR F., LETHIAIS V. (2014), « L’innovation en PME et son accompagnement par
les TIC : quels effets sur la performance ? », Systèmes d’Information et Management,
19(2), 44-72.
DELTOUR, F., LE GALL, S., LETHIAIS V. (2016), « Spatial scale of cooperation for innova-
tion: the role of ICT and firm location », Geography of Innovation: 3rd International
Conference, 28-30 January 2016, Toulouse.
DORAN, J., JORDAN, D., O’LEARY, E. (2012), « The effects of the frequency of spatially
proximate and interactions on innovation by Irish SMEs », Entrepreneurship and
Regional Development, 24(7-8), 705-727.
DGCIS (2011), « L’innovation dans les entreprises : moteurs, moyens et enjeux », rap-
port, 316 p.
FELDMAN, M. P. (2002), « The Internet Revolution and the Geography of Innovation »,
International Social Science Journal, 54(171), 47-56.
FELDMAN, M. P., KOGLER, D. F. (2010), « Stylized facts in the geography of innovation »,
in H. Bronwyn, N. Rosenberg (Eds.), Handbook of Economics of Innovation (vol. 1,
pp. 382-410), Amsterdam: Elsevier.
FUJITA, M., THISSE, J.-F. (2003), Économie des villes e t de la localisation, Bruxelles, De Boeck,
coll. « Économie Société Région ».
GALLIANO, D., MAGRINI, M.-B., TRIBOULET, P. (2013), « Performance à l’innovation,
taille et environnement spatial : le cas des firmes agroalimentaires », Économie et
sociétés, 35(11-12), 2033-2056.
GALLIANO, D., MAGRINI, M.-B., TRIBOULET, P. (2014), « Marshall’s versus Jacobs’
Externalities in Firm Innovation Performance: The Case of French Industry »,
Regional Studies, 49(11), 1840-1858.
HIGÓN, D. (2012) « The impact of ICT on innovation activities: Evidence for UK SMEs »,
International Small Business Journal, 30(6), 684- 699.
JULIEN, P.-A . (1996), « Entrepreneuriat, développement du territoire et appropriation de
l’information », Revue internationale PME, 9(3-4), 149-178.
KLEIS, L., CHWELOS, P., RAMIREZ, R., COCKBURN, I. (2012), « Information Technology
and Intangible Output: The Impact of IT Investment on Innovation Productivity »,
Information Systems Research, 23(1), 42-59.
KMIECIAK, R., MICHNA, A., MECZYNSKA, A. (2012), « Innovativeness, Empowerment
and IT Capability: Evidence from SMEs », Industrial Management & Data Systems,
112(5), 707-728.
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016 53
KOGUT, B. (2000), « The network as knowledge: generative rules and the emergence of
structure », Strategic Management Journal, 21(3), 405-425.
KOGUT, B., ZANDER, U. (1992), « Knowledge of the firm, combinative capabilities, and
the replication of technology », Organization Science, 3(3), 383-397.
KUUSISTO, A., RIEPULA, M. (2011), « Customer Interaction in Service Innovation:
Seldom Intensive but often Decisive. Case Studies in three Business Service
Sectors », International Journal of Technology Management, 55(1-2), 171-186.
M AGR IN I, M .-B ., G AL LI AN O, D. (2012), « Agglomeration economies, firms’ spatial organi-
zation and innovation performance: some evidence from the French industry »,
Industry and Innovation, 19(7), 607-630.
MAIRESSE, J., MOHNEN, P. (2010), « Using Innovations Surveys for Econometric
Analysis », NBER Working Papers 15857, National Bureau of Economic Research,
Inc.
MARTIN, L., NGUYEN-THI, T. U. (2015), « The Relationship Between Innovation and
Productivity Based on R&D and ICT Use. An Empirical Analysis of Firms in
Luxembourg », Revue économique, 66, 1105-1130.
M AS SA R D, N., ME HI ER , C . ( 2010), « Proximity and Innovation. Through an “Accessibility
to Knowledge” Lens », Regional Studies, 43(1), 77-88.
MASSARD, N., TORRE, A. (2004), « Proximité géographique et innovation », in
B. Pecqueur, J.-B. Zimmermann (dir.), Économie de proximités, Paris, Hermès.
MC CANN, P. (2007), « Sketching out a model of innovation, face-to-face interaction and
economic geography », Spatial Economic Analysis, 2(2), 117-134.
MONGO, M., (2013), « Les déterminants de l’innovation : une analyse comparative ser-
vice/industrie à partir des formes d’innovation développées », Revue d’économie
industrielle, 143, 71-108.
MORGAN, K. (2004), « The exaggerated death of geography: learning, proximity and ter-
ritorial innovation systems », Journal of Economic Geography, 4(1), 3-21.
NAMBISAN, S. (2013), « Information Technology and Product/Service Innovation:
A Brief Assessment and Some Suggestions for Future Research », Journal of The
Association For Information Systems, 14(4), 215-226.
NOOTEBOOM, B. (2000), « Learning by interaction: absorptive capacity, cognitive dis-
tance and governance », Journal of Management and Governance, 4(1), 69-92.
PAVLOU, P. A., EL SAWY, O. A. (2006), « From IT competence to competitive advantage
in turbulent environments: The case of new product development », Information
Systems Research, 17(3), 198-227.
ROGERS, M. (2004), « Networks, firm size and innovation », Small Business Economics, 22,
141-153.
RYCHEN, F., ZIMMERMANN, J.-B. (2008), « Clusters in the global knowledge-based eco-
nomy: knowledge gatekeepers and temporary proximity », Regional Studies, 42(6),
767-776.
SHEARMUR, R., (2011), « Innovation, Regions and Proximity: From Neo-Regionalism to
Spatial Analysis », Regional Studies, 45(9), 1225-1243.
SUIRE, R., VICENTE, J. (2008), « Théorie économique des clusters et management des
réseaux d’entreprises innovantes », Revue française de gestion, 184, 119-136.
TAMBE, P., HITT, L., BRYNJOLFSSON, E. (2012), « The Extroverted Firm: How External
Information Practices Affect Innovation and Productivity », Management Science,
58(5), 843-859.
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016
54
TANGUY, C., GALLAUD, D., MARTIN, M., REBOUD, S. (2015), « Quelle est la propension
des entreprises à coopérer pour innover et à quelles échelles spatiales ? Une ana-
lyse des entreprises agroalimentaires françaises sur la période 2006-2008 »,
Revue d’économie régionale et urbaine, 3, 453-479.
TORRE, A. (2014), « Relations de proximité et comportements d’innovation des entre-
prises des clusters », Revue française de gestion, 40(242), 49-80.
WRIGHT, G. (1976), « Linear Model for Evaluating Conditional Relationships », American
Journal of Political Science, 20(2), 349-373.
ANNEXES
Fréquence des variables utilisées
pour construire l’échantillon1516
Effectif
10 à 19 personnes 20 à 49 personnes 50 personnes et plus
665 (53,07 %) 410 (32,72 %) 178 (14,21 %)
CCI de rattachement
Brest Côtes-
d’Armor
Morbihan Morlaix Quimper Rennes Saint-Malo
/ Fougères
149
(11,89 %)
212
(16,92 %)
297
(23,70 %)
71
(5,67 %)
100
(7,98 %)
329
(26,26 %)
95
(7,58 %)
Secteur d’activité
Commerce Transport Hébergement
restauration
AIFA15 Industrie Construction ASSTIC16 Autres
services
286
(22,83 %)
70
(5,59 %)
81
(6,46 %)
26
(2,08 %)
312
(24,90 %)
293
(23,38 %)
109
(8,70 %)
76
(6,07 %)
Fréquence des variables utilisées
dans le modèle (N=1253)
Profil spatial de la PME
Localisation du siège
Grands pôles urbains Péri-urbain Rural
597 (47,65 %) 359 (28,65 %) 297 (23,70 %)
Multilocalisation
15 Activités immobilières financières et d’assurance.
16 Activités spécialisées scientifique et technique, information communication.
LE NUMÉRIQUE TR ANSFORME-T-IL LE LIEN ENTRE T ERRITOIRE E T INNOVATION ?
REV UE D’ÉC ONOMIE IN DUST RIELL E ➻ N° 156 ➻ 4E T RIMES TRE 2016 55
Entreprise monosite Entreprise multisites NR
890 (71,03 %) 346 (27,61 %) 17 (1,36 %)
Ressources numériques de la PME
Appropriation des TIC (part des salariés qui utilisent Internet tous les jours ou presque)
Tous 50 % et plus Entre 25 %
et 50 %
Moins de 25 % Aucun NR
163
(13,01 %)
193
(15,40 %)
223
(17,80 %)
648
(51,72 %)
15
(1,20 %)
11
(0,88 %)
Diversité des usages
Très
nombreux
Nombreux Moyens Rares Très rares NR
223
(17,80 %)
319
(25,46 %)
409
(32,64 %)
166
(13,25 %)
131
(10,45 %)
5
(0,40 %)
Compétences informatiques internes
Service constitué Salarié diplômé
en informatique
Aucune
147 (11,73 %) 106 (8,46 %) 1000 (79,81 %)
Caractéristiques propres de la PME
Secteur d’activité
Commerce Transport Hébergement
restauration
AIFA17 Industrie Construction ASSTIC18 Autres
services
286
(22,83 %)
70
(5,59 %)
81
(6,46 %)
26
(2,08 %)
312
(24,90 %)
293
(23,38 %)
109
(8,70 %)
76
(6,07 %)
Qualification de la main-d’œuvre
Peu qualifiée Qualifiée Très qualifiée NR
369 (29,45 %) 507 (40,46 %) 298 (23,78 %) 79 (6,30 %)
Chiffre d’affaires en 2011
Moins
de 1 million
Entre 1
et 2.5 millions
Entre 2.5
et 5 millions
5 millions et plus NR
211 (16,84 %) 413 (32,96 %) 226 (18,04 %) 283 (22,59 %) 120 (9,58 %)
Clientèle majoritairement intrarégionale
Oui Non
413 (32,96 %) 840 (67,04 %)
Clientèle majoritairement extrarégionale
Oui Non
74 (5,91 %) 1179 (94,09 %)
1718
17 Activités immobilières financières et d’assurance.
18 Activités spécialisées scientifique et technique, information communication.
