Les fondements micro du changement structurel régional Que nous enseignent 25 ans de proximités ?

1 Les fondements micro du changement structurel régional Que nous enseignent 25 ans de proximités ? The micro foundations of regional structural change What do we learn from 25 years of proximity research Jérôme Vicente LEREPS – Sciences-Po Toulouse, Université Fédérale de Toulouse Pierre-Alexandre Balland URU – Université d’Utrecht Joan Crespo LEREPS – Sciences-Po Toulouse, Université Fédérale de Toulouse Résumé : L’article étudie les contributions de vingt-cinq années de recherche sur les dynamiques de proximité au regard de leurs apports sur les fondements et l’analyse du changement régional. Il considère que, malgré des avancées importantes, il demeure des zones d’ombre sur l’articulation entre les déterminants microéconomiques de la formation des liens de proximité et les dynamiques macro-régionales. L’article montre que l’analyse des propriétés structurelles des réseaux permet d’éclairer cette articulation et réduire le gap observé entre les recherches micro et macro-fondées des dynamiques de proximité. En associant les dynamiques de changement structurel des régions à l’évolution de l’architecture de leurs réseaux, il suggère de rechercher les micro-fondements de ces dynamiques dans l’articulation de trois registres distincts de proximité. Les perspectives ouvertes dans cet article sont discutées dans le cadre de trois programmes de recherche apparus ces dernières années (résilience régionale, smart specialization, politiques de cluster). Mots-clefs : proximités, réseaux, changement structurel, dynamiques régionales JEL Codes : D85, R11, R58 Abstract The paper focuses on the contributions of twenty-five years of research on proximity dynamics in terms of their contribution to the foundations and analysis of structural change at the reginal level. It considers that, despite significant progress, there are still shadow zones in the link between the microeconomic determinants of the formation of proximity links and macro-regional dynamics. The article shows that the analysis of the structural properties of the networks makes it possible to clarify this articulation and to reduce the observed gap between micro and macro-based researches of proximity dynamics. By associating the dynamics of structural change of the regions with the evolution of the architecture of their networks, it suggests to look for the micro-foundations of these dynamics in the articulation of three distinct registers of proximity. The perspectives opened are discussed in the context of three research programs that have emerged in recent years (regional resilience, smart specialization, cluster policies). Key-words : proximities, networks, structural change, regional dynamics JEL Codes : D85, R11, R58 2 1. Introduction Depuis le début des années 1990, les analyses des dynamiques industrielles et spatiales ont considérablement été renouvelées puis enrichies grâce aux apports de l’Ecole Française de la Proximité (Bellet et al., 1993 ; Rallet et Torre, 1995) et aux développements menés au niveau européen par les tenants de l’économie géographique évolutionniste (Boschma, 2005). Derrière un concept, la proximité, et ses différentes déclinaisons, résident conjointement une cadre théorique et une grille d’analyse des dynamiques à l’œuvre dans l’espace productif, telles les dynamiques d’innovation, d’agglomération, de localisation/relocalisation, de spécialisation et diversification régionales. Au cœur du concept, réside également l’idée de la multiplicité des déterminants de la coordination et leurs interdépendances. Les coordinations sont géographiquement situées, et les relations marchandes, pour importantes qu’elles soient, ne peuvent à elles-seules expliquer les différentes dynamiques rappelées ci-dessus. Au-delà des facteurs de coordination indirecte que sont les signaux envoyés par les prix des produits, la productivité des facteurs et les coûts de la distance, d’autres déterminants interviennent et jouent sur les motifs des agents à entrer dans des processus de coordination directe, au travers d’échanges volontaires de connaissances, de contrats, d’alliances. Ces analyses ont donc ouvert un vaste champ de recherche sur la coordination entre des agents hétérogènes du point de vue de leurs attributs. Des attributs spatiaux en premier lieu, relatifs à la localisation des agents, mais également des attributs cognitifs, institutionnels, sociaux et organisationnels (Balland, 2012). La proximité ainsi déclinée permet une analyse des relations dyadiques, lesquelles peuvent aller de la collaboration à l’évitement, de la relation de long terme soustendue par une confiance mutuelle, à la défiance que l’on retrouve dans nombre de rapports concurrentiels (Uzzi, 1996 ; Vicente, et al., 2007). Nombre de réflexions théoriques et d’analyses empiriques sont venues enrichir ce cadre général depuis le milieu des années 1990 (Carrincazeaux et al., 2007 ; Bouba-Olga et al., 2008 ; Balland et al., 2015). Mais comme dans tout programme de recherche, aussi prolifique soit-il, des questionnements demeurent en suspens. Si les analyses de la proximité ont su éclairer la complexité des liens entre coordination et géographie économique, elles n’en demeurent pas moins souvent analytiquement cantonnées à des approches dyadiques, donc essentiellement micro, avec des difficultés à remonter à un niveau plus agrégé. A l’inverse, d’autres approches, plus structurelles et méso-économiques, ont su empiriquement caractériser la diversité des structures régionales productives (Colletis et al., 1999 ; Carrincazeaux and Gaschet, 2015 ; Crespo and Vicente, 2016), voire identifier leur dynamique de transformation et leur capacité d’innovation (Balland et al., 2018). Cependant, si l’on retrouve sous formes d’agrégats les aspects cognitifs, institutionnels, sociaux et organisationnels, chacune des approches pêche par manque de fondements permettant de micro-fonder cette diversité et les dynamiques sous-jacentes au regard des décisions des agents. Si un des enjeux les plus visibles réside encore à ce jour dans la clarification des concepts et des déclinaisons des formes de proximité, un autre enjeu moins apparent, mais peut-être plus important, réside dans les avancées espérées sur ces mécanismes de transition micro-macro qui permettraient de mieux saisir les dynamiques régionales. Des travaux de recherches récents pourraient permettre de « faire la jonction » entre les approches dyadiques et les approches structurelles. Basées sur la caractérisation des dynamiques régionales au regard des réseaux qui les sous-tendent (ter Wal et Boschma, 2009 ; Boschma et Frenken, 2010), ces travaux ouvrent de réelles perspectives pour mieux identifier les facteurs critiques qui au niveau micro-économique expliqueraient les changements structurels observés au niveau régional. Néanmoins, même si la jonction est proche, elle n’est pas encore totalement aboutie. Certains travaux, tels Balland (2012) et Balland et al. (2013), sont parvenus à capturer les formes dyadiques de proximité à l’œuvre dans les décisions de collaboration à la R&D dans divers domaines technologiques et le long du cycle des marchés. Mais ces travaux ne parviennent pas à remonter au niveau structurel des réseaux pour capturer les dynamiques macro-régionales. A l’inverse, d’autres 3 travaux, tels ceux de Crespo et al. (2014 ; 2016), ont mis en relation les propriétés structurelles des réseaux d’acteurs et les trajectoires régionales, mais sans réellement parvenir à s’appuyer au niveau micro sur l’articulation des formes de proximité qui fondent la structuration et l’évolution de ces réseaux. L’objectif de l’article est d’ouvrir des perspectives de recherche pour poursuivre ce processus de jonction entre une « micro-économie » des proximités basées sur les déterminants de la coordination et l’analyse des trajectoires régionales basées, elle, sur les déterminants du changement structurel. Pour ce faire, la section 2 rappelle brièvement les cadres conceptuels et analytiques des proximités ainsi que leurs avancées ces 25 dernières années, en focalisant sur leurs possibilités d’articulation entre les décisions des acteurs et les trajectoires régionales. La section 3 propose une grille d’analyse des propriétés structurelles des réseaux basées sur la mobilisation des formes de proximités dans les décisions de collaboration et la formation des écosystèmes régionaux. La section 4 montre les perspectives qu’ouvre une telle grille pour renouveler l’analyse du changement structurel au niveau des régions. 2. Les mécanismes de transition micro-macro au sein de l’économie de proximité 2.1. Les perspectives ouvertes par l’économie des proximités L’analyse des phénomènes de transition et d’articulation micro – macro, lesquels sont bien connus en sciences économiques (Kirman, 1992), demeure un enjeu de recherche majeur auquel les travaux sur l’économie de proximités ne peuvent échapper s’ils entendent se saisir de la complexité des mécanismes de croissance et de changement structurel des régions. Entre les choix de coordination et localisation des agents et les trajectoires de développement des régions demeure une zone d’ombre faite de diffusion, de consolidation, de retournement voire de déclin. Rechercher les déterminants des mécanismes sous-jacents à ces transitions permet de mieux identifier les leviers d’action en faveur de l’action régionale. Non que l’économie de proximité n’ait pas avancé sur ces questionnements. A l’inverse, elle est certainement des courants de la science régionale qui sont allés le plus loin dans ces enjeux. En s’écartant de la figure Marshallienne de l’agent représentatif et de la seule prise en compte des interactions marchandes, aussi stratégiques soient-elles, pour mieux saisir la complexité des choix de coordination (Vicente, 1999 ; Pecqueur et Zimmermann, 2004), l’économie de proximité a avancé en la matière. Deux exemples de recherche pour s’en convaincre. D’un côté, le travail réalisé sous la direction de Zimmermann (Colletis et al., 1999) sur les trajectoires des dynamiques productives locales répondait à des combinaisons temporelles singulières de proximités géographique, organisationnelle et institutionnelle. De l’autre, cette fois-ci en partant du niveau micro, les recherches de Grossetti (2008) et plus tard de Balland (2012) sur les choix de collaboration des individus révélaient l’importance des proximités sociales et des phénomènes d’encastrement et de découplage associés, sans pour autant parvenir à dépasser le stade des chaines relationnelles ou de réseaux d’innovation ciblés pour parvenir à identifier des trajectoires régionales plus globales. Les efforts des approches macro de la proximité pour micro-fonder les dynamiques régionales étudiées ainsi que les efforts des approches micro pour saisir la complexité des trajectoires régionales n’ont pas à ce stade totalement éclairci cette zone d’ombre, mais ont déjà largement contribuer à ouvrir des perspectives plus larges que les approches alternatives. C’est en poursuivant la confrontation entre ces deux approches que résident très certainement les moyens et les outils pour lever le voile sur ces mécanismes de transition. 2.2. Proximités et trajectoires régionales : approches macro A une échelle que nous qualifierons de macro, les 25 années de recherche sur les dynamiques de proximité ont donné lieu à une série de travaux cherchant à identifier les sources de changement structurel des régions, au travers notamment des déterminants des processus de diversification régionale. Très tôt du côté des recherches menées en France et encore récemment au niveau international, un appareillage 4 analytique fondé sur les dynamiques de proximité a été mobilisé. Bien que situées aux deux extrêmes de la période en question, on retrouve des éléments d’analyse communs aussi bien du côté des travaux de Colletis et al. (1999) que du côté des recherches de Balland et al. (2018) et Boschma (2017). Pour les premiers, sur la base d’une série de cas d’études de microrégions françaises, les dynamiques de diversification régionale reposent sur une conjonction des proximités géographique, organisationnelle et institutionnelle, lesquelles, via un processus de spécification des ressources, peut conduire une région à maintenir une trajectoire de croissance favorable. Ainsi, par un jeu de combinaison des ressources locales et d’attractivité exogène, une région peut transformer une logique de simple agglomération en une logique de coordination d’acteurs hétérogènes identifiant de nouvelles potentialités de développement, ou sortir d’une situation rigide de spécialisation par un processus coordonné de redéploiement des ressources vers de nouveaux marchés. Mais selon les auteurs, le processus de spécification des ressources en vue de soutenir une trajectoire de diversification ne peut se satisfaire de simples proximités géographique et organisationnelle, définis selon les termes de Torre et Gilly (2000). Le redéploiement des ressources vers de nouvelles combinaisons productives peut prendre du temps et nécessite au préalable l’identification d’opportunités productives requérant l’exploration de nouvelles coordination. Selon les auteurs, un tel processus ne peut aboutir qu’au-delà d’un certain seuil de confiance entre les acteurs et une forte proximité institutionnelle favorisant la mise en place et le bon fonctionnement de nouveaux dispositifs de coordination. Pour les seconds, sur la base d’un appareillage différent reposant sur la modélisation statistique des « espaces de produits » de Hidalgo et al. (2007) et de larges bases de données régionales d’exportation (Boschma et al., 2013) ou de brevets (Balland et al., 2018), les trajectoires de diversification peuvent s’analyser au regard d’indices de proximité entre les produits et les connaissances au sein des espaces régionaux. La question sous-jacente et commune à ces travaux serait la suivante : peut-on prédire le potentiel de diversification d’une région au regard de la composition de ses ressources observées et de leur degré de connexion et de proximité ? L’intérêt de ces approches réside alors dans leur capacité à étudier les trajectoires régionales à partir non pas seulement de la co-localisation des ressources au sein d’un même espace, mais à partir de l’analyse du degré avec lequel ces ressources se révèlent être cooccurrentes ou non dans la production des biens et des connaissances. Ainsi, dans le cadre des régions européennes, Balland et al. (2018) montrent que la capacité de ces dernières à obtenir un avantage technologique relatif dans un nouveau domaine technologique dépend positivement du degré de connexion entre les connaissances localisées dans la région. Ce résultat se double d’un avantage marquant pour les régions dans lesquelles ce degré de connexion est le plus élevé, lequel joue en faveur de l’obtention d’une position monopolistique dans la concurrence entre régions, du fait du degré plus élevé de complexité des technologies que ces régions sont en mesure d’atteindre. La seule proximité géographique entre les ressources, aussi diverses soient-elles, ne suffit à maintenir des opportunités de croissance. L’intensité de leur combinaison paraît jouer un rôle supérieur, au travers de formes de proximités non spécifiées par les auteurs, mais dont on imagine en arrière-plan qu’elles reposent sur des flux volontaires et coordonnés de connaissances entre les secteurs technologiques. Utilisant une méthodologie proche en mobilisant des index de proximité des connaissances dans les produits exportés par les régions espagnoles dont elles tirent un avantage comparatif, Boschma et al. (2013) mettent en évidence le fait que la capacité de ces dernières à développer de nouvelles industries dépend positivement de l’intensité de ces effets de proximité, mais une dépendance bien plus marquée au niveau régional duquel émergent ces nouvelles industries qu’elle ne l’est au niveau national. Ces deux contributions se limitent à des analyses dans lesquelles seules des dimensions géographiques et technologiques font l’objet de formulation d’hypothèses théoriques. Néanmoins, en écho à des travaux institutionnalistes, elles soulignent chacune en perspective le rôle que peuvent jouer les arrangements institutionnels dans la capacité des régions à structurer ces dynamiques de redéploiement des ressources. 5 Les approches macro de la proximité ont donc largement entamé l’identification des déterminants des dynamiques régionales, en particulier celles sous-tendues par des processus d’innovation et de diversification. Enquêtes qualitatives et mesures empiriques visant à caractériser ces proximités permettent de mieux capturer les facteurs endogènes du changement structurel et expliquer la diversité des trajectoires régionales. Comment se construisent ces proximités, quels sont les motifs individuels qui poussent les acteurs à les construire et ou les déconstruire. Autant de questions que ces travaux ne résolvent pas, considérant les proximités comme des caractéristiques agrégées au niveau régional, laissant de côté ou renvoyant ainsi à d’autres travaux la nécessité d’expliquer par quels mécanismes microsociaux ces proximités émergent et se combinent 2.3. Proximités et encastrement: approches micro A une échelle que nous qualifierons de micro, les recherches sur les dynamiques de proximité ont largement contribué à mieux saisir les facteurs entrant en compte dans les décisions individuelles de coordination. L’idée sous-jacente : les trajectoires régionales de développement ne résultent pas seulement de dynamiques spatiales sous-tendues seulement par des dynamiques de marché. Elles résultent également de dynamiques d’interactions non marchandes entre des agents hétérogènes cherchant à accéder à des ressources ou échanger des connaissances, en n’excluant pas de se prémunir de la fuite de connaissances vers d’autres agents. Breschi et Lissoni (2001) ont très tôt défendu cette idée en remettant en discussion les mécanismes de coordination cachés derrière la force des effets de débordements des connaissances (knowledge spillovers) sur les dynamiques locales d’innovation : Derrière la significativité des distances et proximités géographiques, dont on peut aisément mesurer la force, se cachent des mécanismes sociaux plus complexes à saisir et dont il convient de chercher les fondements micro-économiques. Grossetti (2008), à partir d’une comparaison de deux cas empiriques sur données régionales de liens science-industrie et créations d’entreprise, propose une telle tentative de micro-fondation des effets de proximité. L’approche est d’autant plus micro-fondée que le point de départ n’est pas celui de l’organisation, mais plus amont encore celui de l’individu, en situation d’accès à des ressources ou d’échanges de connaissances, et cherchant à établir des liens pour cela. Si la proximité géographique joue un rôle prépondérant dans la formation de liens dyadiques, sa force explicative varie selon la nature des dispositifs mobilisés par les acteurs, lesquels se cristallisent dans d’autres formes de proximité que Grossetti (2008), dans la lignée de Bouba Olga et Grossetti (2008), formalise de la façon suivante. Une forme de proximité sociale, lorsque, à l’origine d’une collaboration formelle entre deux organisations, se trouvent des relations sociales préexistantes entre deux ou quelques individus, qu’elles soient directes ou identifiable au sein d’une chaine relationnelle à travers un ou quelques intermédiaires, indépendamment de l’organisation à laquelle ils appartiennent. Une forme de proximité organisationnelle, lorsque la collaboration trouvera son origine via la médiation d’une tierce organisation dont l’objectif qui lui est assigné est généralement de faciliter ou d’inciter aux collaborations (telles les agences de moyens ou les plateformes technologiques). Une forme de proximité temporaire, selon les termes de Torre (2008), lorsque la collaboration naîtra d’une rencontre lors d’un évènement (conférence, salon, exposition) servant de dispositif de médiation temporaire. Chacune de ces proximités pourra (ou non) donner lieu à une collaboration, laquelle pourra se maintenir sans que ne perdurent nécessairement les dispositifs de médiation qui en sont à l’origine. Le cadre d’analyse de Grossetti (2008) montre que ces 3 formes de proximité se combinent à la proximité géographique de façon singulière, réduisant le surdéterminisme associé à cette dernière. Si la proximité sociale jouera très largement avec la proximité géographique, les proximités organisationnelle et temporaire pourront beaucoup plus largement s’en soustraire. La dimension cognitive, tout comme la dimension institutionnelle, n’apparaissent que de façon ad-hoc, comme pouvant venir perturber une loi générale reliant la proximité géographique aux autres proximités étudiées. 6 Dans la même veine, mais sur la base de méthodologies sensiblement différentes, Balland (2012) cherche à capturer les motifs microéconomiques à la construction de collaboration à la R&D au sein d’un domaine technologique. Partant du cadre analytique de Boschma (2005), l’auteur teste le rôle que jouent les proximités géographique, organisationnelle, sociale, cognitive et institutionnelle sur la capacité des acteurs d’un réseau technologique (le réseau européen des collaborations à la R&D dans les systèmes de navigation par satellite soutenus par les programme-cadre de la Commission Européenne) à former sur une succession de périodes de nouvelles dyades (collaborations bilatérales) ou dissoudre des dyades existantes. Contraint par les spécificités du domaine technologique – des technologies présentant des caractéristiques de General Purpose Technologies – et du type de réseau étudié – les programmes européens incitent à privilégier les collaborations au sein de l’ensemble de l’espace européen (Vicente et al., 2011) –, les résultats demeurent fortement dépendant du contexte et non généralisable. La méthode demeure cependant originale car elle permet d’identifier quels sont les facteurs critiques influençant les choix de collaborations scientifiques et technologiques, lorsque établir un lien peut avoir un coût et comporter des risques de fuites de connaissances. Dans le cas présent de cette recherche, les résultats se révèlent intéressants s’agissant des ressources que mobilisent les acteurs au regard des incitations publiques mises en placent par les institutions européennes. Alors même que ces incitations portent sur un dépassement des frontières régionales et nationales pour favoriser un espace européen de la R&D, la proximité géographique entre les acteurs joue significativement en faveur de la construction des collaborations à la R&D. De plus, alors même que ces mêmes incitations visent à brouiller les frontières institutionnelles entre les recherches académiques et l’industrie, la proximité institutionnelle apparaît significativement comme une force jouant en faveur de ces mêmes collaborations. Il en va de même de la proximité organisationnelle, appréhendée par le degré d’intégration au sein des groupes industriels. A l’inverse, les proximités sociales, mesurées par des distances relationnelles au sein de réseaux, et cognitives, mesurées par l’appartenance à des segments technologiques d’un domaine composite, ne jouent pas significativement en faveur des collaborations. Ces deux types d’approches réussissent le pari d’apporter des fondements micro basés sur la pluralité, et les complémentarités ou substituabilités, des registres de proximité. Elles parviennent également à discuter de l’encastrement des acteurs dans des réseaux sur la base de leurs motivations individuelles. Mais parce qu’elles ciblent un domaine technologique particulier et des histoires particulières de collaborations, elles ne parviennent pas à proposer un cadre d’analyse suffisamment robuste pour appréhender les mécanismes de changement structurel au niveau de la dynamique productive régionale d’ensemble. Elles semblent pourtant en contenir les prémisses à travers les mécanismes micro-fondés de structuration des réseaux. 3. Dyades, proximités, et analyses structurelles des réseaux : une voie d’approfondissement Les vingt-cinq années de recherche sur les dynamiques de proximités ont conduit à la proposition d’un programme de recherche et des avancées aussi bien au niveau des dynamiques macro-régionales que des analyses micro-économiques des coordinations géographiquement situées. La difficulté réside encore dans l’articulation des deux dimensions. Les proximités sont appréhendées comme des caractéristiques agrégées dans les premiers travaux. Ces mêmes proximités sont à l’inverse appréhendées dans les seconds travaux au niveau individuel, comme les motifs à la coordination et à l’accès à des ressources. Les deux approches différent donc sur l’échelle d’analyse, mais partagent un élément central qui peut constituer le point d’entrée d’une recherche sur les mécanismes de transitions micro-macro : la structuration des flux de connaissances au niveau régional. Une structuration qui résulterait du comportement des acteurs vis-à-vis de leur logique d’accès et d’échange de connaissance, et dont l’agrégation donnerait lieu à la formation de structures de réseau, dont les propriétés pourraient constituer un marqueur fort des dynamiques régionales. 3.1. Propriétés structurelles des réseaux : entre micro et macro 7 Caractériser un système productif régional au travers de la structuration des flux de connaissances constitue une opportunité de recherche ouverte pour mieux saisir les mécanismes de transition micromacro à l’œuvre dans l’identification des trajectoires régionales. L’architecture des réseaux traversant les systèmes productifs régionaux constituent un marqueur de leur organisation. Etudier ces architectures et leur évolution ouvre ainsi une voix pour mieux comprendre les dynamiques macro-régionales (déclin, résurgence, diversification, spécialisation, …) sur la base des déterminants micro des stratégies de formation, maintien ou dissolution des liens (Balland, 2012). Ahuja et al. (2012) proposent un cadre d’analyse des macrostructures de réseau qui repose sur une conception simple de trois fondamentaux. Un réseau se caractérise par des nœuds (incluant leurs caractéristiques), par des liens (incluant leur nature, leur force, et leur multiplexité), et par ses propriétés structurelles, c’est-à-dire les formes topologiques qu’il peut dévoiler. En balayant la littérature sur les propriétés structurelles des réseaux, ils identifient cinq propriétés principales, lesquelles permettent de caractériser la nature des processus de changement au sein des systèmes d’acteurs. Ces propriétés sont résumées dans le tableau 1 par trois structures de réseaux différentes caractérisant trois systèmes régionaux composés d’un même nombre d’acteurs. La synthèse se veut simplement illustrative et non exhaustive compte-tenu des très nombreuses architectures qu’il est possible d’identifier. Figure 1 : caractérisation des propriétés structurelles des réseaux (exemples) Première propriété : la distribution des degrés des nœuds. Cette propriété reflète la variance dans la distribution des liens au sein d’un réseau, et indique le degré de hiérarchie que le réseau présente s’agissant de la distribution des capacités relationnelles des acteurs. Un réseau sera faiblement hiérarchique lorsque ses nœuds développeront des liens en nombre comparable, alors qu’il sera considéré comme fortement hiérarchique lorsque peu de nœuds auront un nombre élevé de liens alors que les autres nœuds seront peu connectés. Dans le cadre général des réseaux, le niveau de hiérarchie au sein d’un réseau sera un indicateur pertinent de la distribution de l’influence en son sein, ou de l’existence d’une homogénéité ou d’une hétérogénéité des statuts (Ahuja et al., 2009). Dans le cas des systèmes régionaux, cet indicateur contribuera à caractériser quantitativement l’hétérogénéité des structures industrielles locales telle que celle observée qualitativement par Storper et Harisson (1991) et Markusen (1996). Il fournira une indication sur la présence d’acteurs en mesure de coordonner un processus systémique et décentralisé d’innovation, ou à l’inverse un déficit de coordination au sein d’une dynamique industrielle Propriétés structurelles Distribution des degrés Plate Fortement pentue Pentue Connectivité Très faible Forte (une composante) Faible (plusieurs composantes) Clustering Très faible Faible Très fort Densité Faible Moyenne Moyenne Assortativité Non significative Très faible Très forte 8 régionale (Crespo et al., 2014 ; Lucena-Piquero et Vicente, 2017). Dans la figure 1, les trois réseaux se distinguent de par la forme de leur distribution des degrés, le premier présentant une hiérarchie quasiplate, le second une forte hiérarchie, avec un acteur central ayant un très fort degré, suivi par des acteurs aux degrés de plus en plus faibles, le troisième présentant également une hiérarchie forte, mais avec de nombreux acteurs ayant des centralités proches. Deuxième propriété : la connectivité des réseaux. Cette propriété éclaire sur la circulation des flux de connaissances au sein d’un réseau. Un réseau parfaitement connecté, caractérisé par une seule composante tel le deuxième réseau de la figure 1, permet à toutes paires de nœuds prises aléatoirement d’être connectées par un chemin au sein du réseau. A l’inverse, pour les premier et troisième réseaux, des points de discontinuité apparaissent et éclatent chacun des réseaux en un nombre élevé de composantes de plus petite taille. Cette propriété de connectivité fournit une indication du degré de small-worldness d’un réseau (Watts et Strogatz, 1998 ; Zimmermann, 2002). Elle indique la capacité de certains des acteurs du réseau à former des pontages entre des cliques d’acteurs, qui sans eux demeureraient séparées. Cette propriété de connectivité fournit donc une indication quantitative sur la structuration des flux de connaissances au sein des systèmes régionaux, et en particulier sur la façon dont ces derniers parviennent à mettre en relation des sous-réseaux cohésifs d’acteurs afin d’accroître la taille de la composante principale du réseau (Rychen et Zimmermann, 2008 ; Morrison, 2008, Breschi et Lenzi, 2015 ; Crespo et al., 2016). Troisième propriété : le clustering des réseaux. Cette propriété indique à quel degré un réseau tend à se constituer en un ensemble de cliques fortement cohésives, laissant apparaitre une forte tendance à la fermeture triadique et à la constitution de sous-communautés fortement connectées en leur sein et plus ou moins reliées entre elles. Si le clustering est très faible et peu significatif pour le premier réseau de la figure 1, il est faible (peu de fermeture triadique) pour le deuxième réseau, alors qu’à l’inverse il est élevé pour le troisième réseau (un tersius gaudens complète une très large part des dyades). Comme analysé par Breschi et Lenzi (2015) et Crespo et al. (2014) sur la base des travaux de Coleman (1988), un fort clustering au sein d’un système régional traduit une montée en cohésion au sein de l’écosystème relationnel, une limitation des comportements opportunistes et de défiance, facilitant la coordination sur des standards technologiques au sein de communautés composées d’acteurs dépendant les uns des autres dans leurs activités productives. Quatrième propriété : la densité des réseaux. Cette propriété indique la part des liens réels parmi l’ensemble des liens possibles au sein d’un réseau. Dès lors que les liens se réfèrent à des échanges de connaissances, la densité du réseau donnera une indication quantitative de degré de collaboration en son sein. En sociologie des réseaux, le niveau de densité relationnelle éclairera sur les parts respectives de l’indépendance et de l’encastrement des acteurs du réseau (Uzzi, 1996). Si la densité relationnelle n’est en rien un indicateur de performance d’un système régional, elle demeure ainsi un indicateur pertinent de la façon dont se combinent concurrence et coopération au sein d’une même région. Si de très fortes densités semblent peu réalistes compte tenu des nécessités d’arbitrage que font les acteurs entre appropriation (des) et accessibilités (aux) connaissances (Antonelli, 2006), de très faibles densités peuvent être à l’inverse le signe d’un manque d’ancrage locaux des acteurs et d’une fragilité du système régional (Dalla Pria et Vicente, 2006). Le premier réseau de la figure 1 se caractérise par une très faible densité, alors que les deux autres réseaux, en dépit de leurs différences topologiques, présentent un niveau équivalent de densité pouvant être considérée comme moyenne. Cinquième propriété : l’assortativité des réseaux. Cette propriété est un indicateur du degré d’homophilie relationnelle des acteurs au sein des réseaux (Watts, 2004 ; Newman et al., 2006). Elle met en relation le degré de chacun des nœuds avec le degré moyen des nœuds avec lesquels chacun est connecté. Elle indique le degré auquel des nœuds de même degré se connectent préférentiellement entre eux. Une assortativité positive indique que les nœuds à degré élevé (resp. faible) se connectent à d’autres nœuds à 9 degré élevé (resp. faible), alors qu’elle sera négative lorsque les nœuds à degré élevé (resp. faible) se connectent à des nœuds à degré faible (resp. élevé). En sociologie des réseaux, de nombreux travaux soulignent la forte assortativité des réseaux sociaux, les acteurs relationnellement « riches » ayant une forte propension à se connecter entre eux, exhibant ainsi une forte homophilie relationnelle. S’agissant des systèmes régionaux, Suire et Vicente (2014) et Crespo et al. (2014, 2016) ont montré que la propriété d’assortativité pouvait permettre de mettre en lumière différentes structures dites « cœur/périphérie », se distinguant par les degrés de conformisme et de risque dans les trajectoires d’innovation. Dans le tableau 1, si le premier réseau ne peut être interprété faute d’un nombre de liens suffisant, on note des niveaux d’assortativité sensiblement opposés pour les deuxième et troisième réseaux. Chacune de ces propriétés peut donc révéler des indications sur l’architecture macro des systèmes régionaux en termes de structuration des flux de connaissances. Mais ces indications ne peuvent que partiellement permettre des interprétations sur les trajectoires régionales. En effet s’il peut exister des corrélations entre ces propriétés, ces corrélations ne sont en rien strictes et la façon dont ces propriétés se combinent fournit également de nombreux éclairages. A l’évidence, la densité pourra être corrélée au clustering, dès lors que la densité maximale d’un réseau est atteinte lorsque tout nœud se voit encastré dans des triades. Mais si le clustering favorise la confiance, alors son accroissement peut réduire la connectivité dès lors que la densité ne parvient pas à atteindre un certain seuil. A l’inverse, comme on le voit dans les deuxième et troisième réseaux qui exhibent un niveau équivalent de densité, un plus faible clustering peut permettre d’accroitre la connectivité jusqu’à son maximum, permettant une continuité des flux de connaissances au sein du système régional. La hiérarchie, si elle joue en faveur d’une meilleure coordination des acteurs, peut conduire à l’isolement d’un nombre croissant de nœuds si la densité relationnelle n’est pas suffisante pour coupler coordination et connectivité au sein du réseau. Enfin, comme montré par Crespo et al. (2014), la corrélation entre hiérarchie et assortativité peut être positive ou négative. La montée en degré de certains acteurs au sein du système régional ne va pas nécessairement jouer en faveur d’une homophilie relationnelle des acteurs les plus connectés. Ici encore, les deuxième et troisième réseaux montrent des possibilités d’architectures dans lesquelles lorsque le clustering entre les acteurs les plus centraux diminue, l’assortativité se réduit en même temps que la connectivité augmente, permettant aux acteurs périphériques de se connecter aux acteurs centraux pour une meilleure accessibilité à des ressources et une régénération du cœur du réseau. 3.2. Registre de proximité et formation des dyades Si les systèmes régionaux peuvent ainsi s’apparenter à des macrostructures relationnelles, vues comme des architectures de réseau aux propriétés singulières, alors tout changement dans la structure de réseau proviendra de changements ou de dynamiques dans les dyades. Mettre en relation les motifs qui poussent les acteurs à construire, maintenir ou dissoudre des liens avec les changements induits dans la structure macro est donc au cœur de ce gap observé entre les approches micro et macro des travaux sur les dynamiques de proximité. Si la littérature à bien avancé sur les effets positifs et négatifs des proximités sur les propensions des individus à former des liens et échanger des connaissances, parfois même sur les combinaisons complexes de ces mêmes effets (Boschma, 2005 ; Torre, 2008 ; Rivera et al., 2010), les effets sur les propriétés des structures de réseaux restent encore à étudier. La faute peut-être à des confusions dans les définitions et catégories des proximités, sources de débats dans la communauté, en particulier relatives aux questions d’opérationnalisations empiriques (Bouba Olga et Grossetti, 2008). En effet, suivant le travail théorique de Rivera et al. (2010) sur les dynamiques des dyades au sein des réseaux sociaux, les risques de confusion portent sur trois dimensions intrinsèques aux différentes proximités. Une première dimension concerne les attributs des acteurs (homophilie), la deuxième est liée à l’espace relationnel des acteurs (mécanismes d’encastrement social), alors que la troisième dimension se limite à l’environnement culturel et géographique (les cercles). Certaines des proximités étudiées jusqu’à 16 de la littérature en est venue à critiquer fortement ce type de politiques d’innovation et remettre en cause leur rôle, du fait des effets d’aubaine et du faible rendement de la dépense publique (Duranton, 2011). Néanmoins, faut-il jeter le bébé avec l’eau du bain ? En effet, l’essentiel de ces évaluations cherche à mesurer le rendement de ces incitations de nature collaborative sur les outputs régionaux (brevets, emploi, exportations) à l’aide de régressions dont sont absentes toutes variables relatives à l’objet même de la politique mise en œuvre : la structuration des réseaux. Le cadre d’analyse développé dans cet article pourrait permettre de lever les contradictions soulevées par les différentes évaluations. En effet, ce n’est pas tant l’existence de réseaux au sein des régions qui favorise la performance régionale à l’innovation que les propriétés mêmes de ces réseaux. Certains réseaux, nous l’avons vu, peuvent générer du conformisme et bloquer la dynamique de diversification (forte assortativité, homophilie cognitive). De plus, certaines propriétés de réseaux seront d’autant plus propices à l’innovation que l’on se situe sur une phase particulière du cycle de vie des technologies (Brenner et Schlump, 2011 ; Crespo et al., 2014). Intégrer des éléments du cadre d’analyse articulant les trajectoires de développement aux micro-motifs relatifs aux attributs cognitifs, à l’encastrement social et organisationnel, et aux cercles géographiques et institutionnels, devrait permettre de mieux évaluer le rôle que joue l’acteur public dans la structuration des réseaux d’innovation au sein des clusters. En guise d’exemple, l’acteur public peut être amené à favoriser l’assortativité des réseaux, lorsque, ne souhaitant pas absorber une part du risque, il sélectionne et soutient les acteurs les plus connectés du cœur du réseau, au détriment des nouveaux entrants, alors même que le cluster opère sur des technologies matures, et que le renforcement des processus d’encastrement social et organisationnel viendra alors limiter le nécessaire processus de diversification. A l’inverse, il peut être amené à soutenir à l’excès les collaborations entre acteurs peu connectés entre eux, alors même que le cluster pêche avant tout par un manque de centralisation dans la coordination du processus d’innovation. Les défaillances de réseaux ne sont donc pas seulement associées à leur densité, mais à des propriétés plus complexes et contextuelles au regard du cycle de vie des marchés. Contexte et complexité que l’acteur public doit être en mesure d’appréhender pour garantir un rendement plus élevé de la dépense publique en faveur de la structuration des réseaux au sein des clusters (Suire et Vicente, 2015). 5. Conclusion Avancer dans la définition d’un cadre d’analyse de l’articulation entre les décisions micro de coordination et les trajectoires de développement des régions était l’objectif de cette contribution. La proposition faite et étudiée ici repose sur le rôle charnière des propriétés structurelles des réseaux qui constituent l’architecture des systèmes régionaux d’innovation. D’une part, ces réseaux résultent de décisions individuelles de formation, maintien et dissolution de lien dépendantes de différentes formes de proximités. D’autre part, ces réseaux exhibent des propriétés agrégées pouvant être mises en lien avec différents types de trajectoire régionale, permettant ainsi d’approfondir l’analyse des déterminants du changement structurel au sein des régions. Un tel cadre d’analyse reste encore à approfondir. Mais à ce stade, plusieurs enseignements peuvent en être tirés. (i) Capturer le rôle que jouent les proximités sur la formation des dyades requiert de distinguer les proximités qui se réfèrent aux attributs des acteurs, à leur encastrement dans des structures d’interactions, et aux cercles et environnements dans lesquels les acteurs sont insérés. Ces registres sont clairement distincts du point de vue des facteurs qui motivent ou non les acteurs à former des liens. Ils constituent trois échelles qui interagissent ensemble plutôt qu’elles ne se substituent les unes aux autres. (ii) les dynamiques de dyades au sein d’un système régional façonnent la structuration des réseaux. Il en résulte des propriétés structurelles qui dessinent des architectures régionales, lesquelles donnent des indications sur les dynamiques régionales à l’œuvre. (iii) Il n’est pas possible, ni même pertinent, de faire émerger des propriétés de structure qui seraient « universellement » efficientes. (iv) A l’inverse, il est possible, et pertinent, de repérer des défaillances de structures au regard des capacités des régions à 17 répondre à des chocs ; tout comme il est possible, et pertinent, d’associer des évolutions de structures de réseaux au positionnement des régions le long du cycle de vie des technologies et des marchés. Ces quelques enseignements peuvent constituer des pistes de recherche à approfondir, aussi bien qu’un cadre en mouvement pouvant servir à améliorer les protocoles de recherches empiriques de l’analyse des facteurs du changement structurel au sein des régions. 6. Bibliographie Ahuja, G., Polidoro, F., Mitchell, W. (2009). Structural homophily or social asymmetry? The formation of alliances by poorly embedded firms. Strategic Management Journal 30(9): 941-958. Ahuja, G., Soda, G., Zaheer, A. (2012). The genesis and dynamics of organizational networks. Organization Science 23(2): 434-448. Antonelli, C. (2006). The business governance of localized knowledge: An information economics approach for the economics of knowledge. Industry & Innovation 13(3): 227-261. Balland, P.A. (2012). Proximity and the evolution of collaboration networks: Evidence from research and development projects within the global navigation satellite system (GNSS) industry ». Regional Studies 46(6): 741756. Balland, P.A., Suire, R., Vicente, J. (2013). Structural and geographical patterns of knowledge networks in emerging technological standards: evidence from the European GNSS industry. Economics of Innovation and New Technology 22(1): 47-72. Balland, P.A., Boschma, R., Frenken, K. (2015). Proximity and innovation: From statics to dynamics. Regional Studies 49(6): 907-920. Balland, P.A., Boschma, R., Crespo, J., Rigby, D. (2018). Smart specialization policy in the EU: Relatedness, knowledge complexity and regional diversification. Regional Studies. A paraître. Barabási A.L., Albert, R. (1999). Emergence of scaling in random networks. Science 286(5439): 509-512. Bellet, M., Colletis, G., Lung, Y. (Eds) (1993). Économie de proximités. Revue d’Economie Régionale et Urbaine, numéro spécial, 3. Boschma, R. (2005). Proximity and innovation: A critical assessment. Regional Studies 39(1): 61-74. Boschma, R. (2015). Towards an evolutionary perspective on regional resilience. Regional Studies 49(5): 733-751. Boschma, R. (2017). Relatedness as driver of regional diversification: a research agenda. Regional Studies 51(3): 351-364. Boschma, R., Gianelle, C. (2014). Regional branching and smart specialization policy. JCR Technical Report. Luxembourg: European Commission. Boschma, R., Minondo, A., Navarro, M. (2013). The emergence of new industries at the regional level in Spain: a proximity approach based on product relatedness. Economic Geography 89(1): 29-51. Boschma, R., frenken, K. (2010). The spatial evolution of innovation networks. A proximity perspective. In: Boschma, R., Martin, R. (eds). Evolutionary Economic Geography. Edward Elgar. Cheltenham UK. Bouba-Olga, O., Grossetti, M. (2008). Socio-économie de proximité. Revue d’Economie Régionale et Urbaine 3: 311-328. Brenner, T., Schlump, C. (2011). Policy measures and their effects in the different phases of the cluster life cycle. Regional Studies 45(10): 1363-1386. Breschi, S., Lissoni, F. (2001). Knowledge spillovers and local innovation systems: a critical survey. Industrial and Corporate Change 10(4): 975-1005. 18 Breschi, S. Lenzi, C. (2015). The Role of External Linkages and Gatekeepers for the Renewal and Expansion of US Cities' Knowledge Base, 1990–2004. Regional Studies 49(5): 782-797. Bristow, G., Healy, A. (2014). Regional resilience: an agency perspective. Regional Studies 48(5): 923-935. Brossard, O., Moussa, I. (2014). The French cluster policy put to the test with differences-in-differences estimates. Economics Bulletin 34(1): 520-529. Burt, R.S. (2000). Decay functions. Social Networks 22(1): 1-28. Carrincazeaux, C., Lung, Y., Vicente, J. (2008). The scientific trajectory of the French school of proximity: Interaction and institution-based approaches to regional innovation systems. European Planning Studies 16(5): 617628. Cho, M., Hassink, R. (2009). Limits to locking-out through restructuring: the textile industry in Daegu, South Korea. Regional Studies 43(9): 1183-1198. Coleman, J.S. (1988). Social capital in the creation of human capital. American Journal of Sociology 94: 95-120. Coleman, J.S. (1990). Foundations of social theory. Cambridge, MA: Harvard University Press. Colletis, G., Gilly, J.P., Leroux, I., Pecqueur, B., Perrat, J., Rychen, F., Zimmermann, J.B. (1999). Construction territoriale et dynamiques productives. Sciences de la société 48 : 25-46. Cooke, P. (2012). Relatedness, transversality and public policy in innovative regions. European Planning Studies 20(11): 1889-1907. Crespo, J, Vicente, J. (2016). Proximity and distance in knowledge relationships: from micro to structural considerations based on territorial knowledge dynamics (TKDs). Regional Studies 50(2): 202-219. Crespo, J., Suire, R., Vicente, J. (2014). Lock-in or lock-out? How structural properties of knowledge networks affect regional resilience. Journal of Economic Geography 14(1): 199-219. Crespo, J., Suire, R., Vicente, J., (2016). Network structural properties for cluster long run dynamics: Evidence from collaborative R&D networks in the European mobile phone industry. Industrial and Corporate Change 25(2): 261282. Dalla Pria, Y., Vicente, J. (2006). Interactions mimétiques et identité collective: gloire et déclin du Silicon Sentier. Revue Française de Sociologie 47(2) : 293-317. DiMaggio, P.J., Powell, W.W. (1983). The Iron Cage revisited: Institutional isomorphism and collective rationality in organizational fields. American Sociological Review 48(2): 147-160. Duranton, G. (2011). ‘California Dreamin’: The Feeble Case for Cluster Policies. Review of Economic Analysis 3(1): 3-45. Falck, O., Heblich, S., Kipar, S. (2010). Industrial Innovation: Direct Evidence from a Cluster-Oriented Policy. Regional Science and Urban Economics 40(6): 574-582. Fleming, L., King, C., Juda, A.I. (2007). Small worlds and regional innovation. Organization Science 18(6): 938954. Fontagné, L., Koenig, P., Mayneris, F., Poncet, S. (2013). Cluster policies and firm selection: Evidence from France. Journal of Regional Science 53(5): 897-922. Foray, D., David, P.A., Hall, B.H. (2011). Smart specialization. From academic idea to political instrument, the surprising career of a concept and the difficulties involved in its implementation. MTEI-working paper. Lausanne. Granovetter, M. (1985). Economic action and social structure: The problem of embeddedness. American Journal of Sociology 91(3): 481-510. Grossetti, M. (2005). Where do social relations come from?: A study of personal networks in the Toulouse area of France. Social Networks 27(4): 289-300. Grossetti, M. (2008). Proximities and embedding effects. European Planning Studies 16(5): 629-642. 19 Hidalgo, C.A., Klinger, B., Barabási, A.L., Hausmann, R. (2007). The product space conditions the development of nations. Science 317: 482-487. Kirat, T., Lung, Y. (1999). Innovation and proximity: Territories as loci of collective learning processes. European Urban and Regional Studies 6(1): 27–38. Kirman, A. (1992). Whom or what does the representative individual represent? Journal of Economic Perspectives 6(2): 117-136. Lucena-Piquero, D., Vicente, J. (2017). The visible hand of cluster policy makers: An analysis of Aerospace Valley (2006-2015) using a place-based network methodology. Papers in Evolutionary Economic Geography. #17.23. University of Utrecht. Markusen, A. (1996). Sticky places in slippery space: a typology of industrial districts. Economic Geography 72(3): 293-313. Martin, P., Mayer, T., Mayneris, F. (2011). Spatial Concentration and Plant-Level Productivity in France. Journal of Urban Economics 69(2): 182-195. McCann, P., Ortega-Argilés, R. (2015). Smart Specialization, regional growth and applications to European Union cohesion policy. Regional Studies 49(8): 1291-1302. Merton, R.K. (1968). The Matthew effect in science. Science 159: 56-63. Morrison, A. (2008). Gatekeepers of knowledge within industrial districts: who they are, how they interact. Regional Studies 42(6): 817-835. Newman, M., Barabási, A., Watts, D.J. (2006). The Structure and Dynamics of Networks. Princeton University Press, Princeton USA. Nishimura, J., Okamuro, H. (2011). Subsidy and networking: The effects of direct and indirect support programs of the cluster policy. Research Policy 40(5): 714-727. Pecqueur, B., Zimmermann, J.B. (Eds) (2004). Économie de proximités, Paris, Hermes Science Publications. Pisani-Ferry, J. (2016). Quinze ans de politiques d’innovation en France. Rapport technique, France Stratégie. Paris. Powell, W.W., White, D.R., Koput, K.W., Owen-Smith, J. (2005). Network dynamics and field evolution: The growth of interorganizational collaboration in the life sciences. American Journal of Sociology 110(4): 1132-1205. Rallet, A., Torre, A. (Eds) 1(995). Économie industrielle et économie spatiale. Paris, Economica. Rivera, M.T., Soderstrom, S.S., Uzzi. B. (2010). Dynamics of dyads in social networks: assortative, relational and proximity mechanisms. Annual Review of Sociology 36 : 91-115. Rychen, F., Zimmermann, J.B. (2008). Clusters in the global knowledge-based economy: knowledge gatekeepers and temporary proximity. Regional Studies 42(6): 767-776. Saxenian, A.L. (1990). Regional networks and the resurgence of Silicon Valley. California Management Review 33(10): 89-112. Simmel, G. (1950). The sociology of Georg Simmel. New-York: Free Press. Simmie, J., Martin, R. (2010). Regional economic resilience: Towards an evolutionary approach. Cambridge Journal of Regions, Economy and Society 3(1): 29-51. Storper, M., Harrison, B. (1991). Flexibility, hierarchy and regional development: the changing structure of industrial production systems and their forms of governance in the 1990s. Research Policy 20 (5): 407-422. Suire, R., Vicente, J. (2014). Clusters for life or life cycles of clusters: In search for the critical factors of clusters resilience. Entrepreneurship and Regional Development 26 (1-2): 142-164. Suire, R., Vicente, J., (2015). Récents enseignements de la théorie des réseaux en faveur de la politique et du management des clusters. Revue d’Economie Industrielle 152: 91-119. Talbot D. (2008). Les Institutions créatrices de proximités. Revue d’Economie Régionale et Urbaine 3: 289-310. 20 Ter Wal A.L.J., Boschma, R. (2009). Applying social network analysis in economic geography: Framing some key analytic issues. The Annals of Regional Science 43(33): 739-756. Torre, A. (2008). On the role played by temporary geographical proximity in knowledge transfer. Regional Studies 42(6): 69-889. Torre, A., Gilly, J.P. (2000). On the analytical dimension of proximity dynamics. Regional Studies 34(2): 169-180. Uyarra, E., Ramlogan, R. (2012). Cluster policy: A review of the evidence. NESTA Working Paper. Uzzi, B. (1996). The sources and consequences of embeddedness for the economic performance of organizations: The network effect. American Sociological Review 61(4): 674-698. Uzzi, B., Spiro, J. (2005). Collaboration and creativity: The small world problem. American Journal of Sociology 111 (2): 447-504. Vicente, J. (1999). Interactions et diversité spatiale des modes de coordination: quelques repères. Revue d’Economie Régionale et Urbaine 4: 827-850. Vicente, J. (2016). Economie des clusters. Paris: Repères, La Découverte. Vicente, J. (2017). Network failures and policy challenges along the life cycle of clusters. In Fornahl, D., Hassink, R. (Eds), The Life Cycle of Clusters: A Policy Perspective. Edward Elgar, Cheltenham UK. Vicente, J., Dalla Pria, Y., Suire, R. (2007). The ambivalent role of mimetic behavior in proximity dynamics: evidence from the French 'Silicon Sentier'. In Surinach, J. et al. (Eds). Knowledge externalities, innovation clusters and regional development. Edward Elgar, Cheltenham UK. Vicente, J., Balland, P.A., Brossard, O. (2011). Getting into networks and clusters: evidence from the Midi-Pyrenean GNSS collaboration network. Regional Studies 45 (8): 1059-1078. Watts, D.J. (2004). The ‘‘new’’ science of networks. Annual Review of Sociology 30 : 243-270 Watts, D.J. Strogatz, S.H. (1998). Collective dynamics of ’small-world’ networks. Nature 393(6684): 440-442. Woolthuis, R.K., Lankhuizen, M., Gilsing, V. (2005). A system failure framework of innovation policy design. Technovation 25(6): 609-619. Zimmermann, J.B. (2002). Grappes d’entreprises et petits mondes: Une affaire de proximités. Revue économique 53(3): 517-524.