SFIC et innovation : Les dynamiques géographiques de l'innovation à Québec

SFIC et innovation : Les dynamiques géographiquesde l’innovation à Québec

Mathilde PlassartÉcole d’Économie, Université d’Auvergne, France

Richard ShearmurÉcole d’urbanisme, Université McGill, Canada

La question à laquelle nous cherchons à répondre dans cette étude est de savoir s’il existe une dynamiquegéographique jouant sur l’innovation des entreprises de services à forte intensité en connaissance (SFIC) dans laville de Québec. Autrement dit, une fois que l’on contrôle les capacités d’innovation internes à l’entreprise, sonenvironnement plus ou moins proche (le quartier dans lequel elle est localisée) détermine-t-il en partie sapropension à l’innovation? Cet article s’attarde sur l’étude de la proximité à différents types d’emplois, dans lecadre de regroupements d’activités. Nous mettons en évidence la présence d’effets de proximité géographique,qui diffèrent l’activité économique avec laquelle l’entreprise se rapproche, et selon le type d’innovation. Lesprincipaux résultats indiquent notamment que la proximité à l’industrie manufacturière et aux servicessupérieurs techniques serait bénéfique à l’innovation dans les SFIC, mais que ces complexes industriels sonttoutefois plus innovants quand ils sont proches du cœur économique de Québec, et éloignés des servicesprofessionnels et des administrations publiques. Nos résultats diffèrent de ceux d’une étude semblable qui portaitsur Montréal (en particulier, la propension à innover n’augmente pas lorsque l’on s’éloigne du centre-ville),laissant entrevoir que le lien entre localisation intra-métropolitaine et innovation dans les SFIC serait dépendantdu contexte métropolitain dans son ensemble, et ne relèverait donc pas de processus aisément généralisables.

Mots-clés : géographie urbaine, innovation, proximité, SFIC

KIBS and innovation: The geographic dynamics of innovation in Quebec

The question we address in this article concerns the possible existence of specifically geographic processes thatinfluence the propensity of Québec City knowledge-intensive business services (KIBS) firms to innovate. In otherwords, after controlling for factors of innovation that are internal to the firm, does their neighbourhood-levelenvironment within the Quebec census metropolitan area partly determine their propensity to innovate? Morespecifically, this study looks at whether proximity to certain types of economic activity —measured by theiremployment levels— is connected with innovation. We show that proximity effects do exist, but that these differaccording to the type of innovation considered and according to the type of activity to which proximity ismeasured. Our results indicate that clusters including KIBS, manufacturing, and technical KIBS seem to benefitinnovation. Service establishments are, however, more innovative when they are close to the centre of QuebecCity, and remote from professional services and government. The nature of these results differs somewhat fromthose for Montreal—in particular there is no tendency for innovation to increase with the distance to the centralbusiness district (CBD). This suggests that the connection between intra-metropolitan location and KIBS innovationis dependent on specific metropolitan context, and does not therefore reflect easily generalisable processes.

Keywords: urban geography, innovation, proximity, KIBS

Correspondence to/Adresse de correspondance: Richard Shearmur, École d’urbanisme, Université McGill, 815 Sherbrooke est, Montréal, PQH3A 2K6, Canada. Email/Courriel: [email protected]

The Canadian Geographer / Le Géographe canadien 2014, 58(2): 244–262

DOI: 10.1111/cag.12068

© 2014 Canadian Association of Geographers / L’ Association canadienne des géographes

The Canadian Geographer Le Géographe canadien The Canadian Geographer Le Géographe canadien

Introduction

La performance économique d’une région ne dépendpas seulement de ses ressources, mais surtout de sacapacité à les mobiliser et à les transformer enavantages comparatifs. Or à l’heure actuelle, cesderniers se fondent de plus en plus sur les savoirs etsur la créativité (Audretsch 1998). Les territoiressont donc incités à être sans cesse plus innovantspour se développer et se démarquer dans uncontexte de globalisation, de différenciation etd’interdépendances croissantes entre régions.

Bien des travaux d’économie géographique se sontpenchés sur les caractéristiques de régions et deterritoires qui pourraient encourager l’innovation(Cooke et al. 2004), et sur l’échelle à laquelle lesprocessus d’innovation se déploient. Certains auteurssuggèrent que c’est à l’échelle nationale qu’il fautchercher les institutions et systèmes qui influencent lesentreprises (Lundvall 2007; Polèse 2005), d’autres quec’està l’échelle régionale (unitéadministrativeoubassind’emploi), alors que d’autres encore avancent que c’estau sein des quartiers et des clusters intra-métropol-itains (Hutton 2009; Currid 2007). En définitive, il estfort probable que ce soit un processusmulti scalaire, etque les institutions et réseaux à diverses échellescontribuentàstimuler l’innovationdans lesentreprises.

La question que nous posons dans cet article est, elle,plus limitée : il s’agit plutôt de savoir si, dans unemétropole donnée, l’environnement économique intra-métropolitain (celui qui s’apparente au quartier) jouesur l’innovation. Plus précisément, nous nous deman-dons ici si,dans l’agglomérationdeQuébec, l’innovationau sein des établissements de services supérieurs estplus marquée lorsque ces établissements se trouvent àproximité d’autres organisations ou si, au contraire,leur localisation géographique ne joue pas.

Dans un premier temps nous effectuons un survolde la littérature sur les liens entre géographie etinnovation. Puis, après avoir expliqué nos données etla méthodologie exploratoire retenue, nous présen-tons les processus observés, et cherchons à discuterde leurs implications.

Géographie urbaine et dynamiquesintra-métropolitaines de l’innovation

La concentration des activités, leurs interactions,et l’innovation

Les processus de production de nouveaux savoirs etles dynamiques de créativité pouvant conduire à

l’innovation sont aujourd’hui des thèmes clefs dansles analyses économique et géographique des terri-toires (Cooke et al. 2004). Ces études ont démontréque la production de connaissances (non-rivales parnature) pouvait être stimulée par les interactionsentre agents économiques, celles-ci ayant desimpacts significatifs sur leurs activités, et plusparticulièrement sur leurs capacités d’innovation.Quand elles ne sont pas le résultat de contrats ou decoordinations établies, ces interactions prennent laformed’externalitésmarshalliennes, qui se font horsmarché et de façon plus ou moins imprévisible(Jacobs 1969; Desrochers 2001): les entreprisespeuvent alors exploiter les économies générées parles interactions positives (Caniëls et Romijn 2005),c’est-à-dire allouer plus de ressources pour leursactivités d’innovation, et la nature locale et quelquepeu imprévisible des interactions privilégierait lesentreprises qui sont à proximité d’autres acteurséconomiques. Il est donc souvent admis (et cela a étémis en exergue par la nouvelle économie géo-graphique, Krugman 1991) que ces « spillovers »expliquent en partie la concentration géographiquedes activités.

Or, certains auteurs ont démontré que ces effetsexternes agissant sur le processus d’innovationétaient eux-mêmes favorisés par la proximité entreagents économiques, inversant ainsi la causalité(Audretsch et Feldman 1996). Il ne s’agit plus alorsde simples économies d’échelle, invoquées tradi-tionnellement comme raison économique auregroupement des activités et qui permettent (grâceà une baisse des coûts de production) de dégager desressources en interne pour la production de nou-veaux savoirs; mais bien d’un effet extérieur àl’entreprise, qui agit de manière indépendante etcumulative sur le processus d’innovation. La façondont les agents se co-localisent et interagissent dansl’espace doit donc être prise en compte dans l’étudedu processus d’innovation; beaucoup de travaux del’école de la proximité vont dans ce sens, et explorentl’échelle, la temporalité et la nature des proximitésqui mènent à l’innovation (Boschma 2005; Torre2008; Carincazeaux et Coris 2011).

La dimension géographique de la proximité

Ces études ont démontré qu’avec le progrès tech-nique, la baisse des couts de transports et l’utilisa-tion croissante des nouvelles technologies del’information et de la communication (NTIC), les


Les dynamiques géographiques de l’innovation 245

interactions s’appuyaient dorénavant plus sur uneproximité dite « organisée », de réseaux, que sur uneproximité géographique (Rallet et Torre 2004;Moriset et Malecki 2009). Ainsi, contrairement auxéconomies d’échelles, qui par nature naissent duregroupement géographique, les dynamiquesexternes d’innovation ne sont pas nécessairementlocales (Torre 2008; Shearmur 2012). Les proximitéssociales, institutionnelles et culturelles, par exem-ple, peuvent faciliter les échanges d’information etde connaissance sans qu’il y ait pour autant uneco-localisation des acteurs concernés. Toutefois, ladonne spatiale demeure une réalité matérielle, et lecontexte géographique et territorial dans lequelévolue l’entreprise est loin d’être neutre. En effet,la plupart des relations économiques et socialesnécessitent une proximité physique pour se dével-opper et se maintenir (Feldman 1999) et le face-à-face reste même indispensable pour certains typesd’interactions, notamment dans le cas de la produc-tion de connaissance, où les échanges sont partic-ulièrement importants (Howells 2002). C’est en cesens qu’on parle de la « nature territorialisée » desinteractions entre agents (Doloreux et Bitard 2005).La distance physique entre l’entreprise et les autresagents avec lesquels elle interagit (firmes, univer-sités, administrations, employés, etc.) a alors saplace dans la définition de la proximité.

Cette étude rentre dans ce cadre du retour à ladimension géographique et territorialisée de laproximité, dans l’analyse du processus d’innovation.Un certain nombre de modèles d’organisation géo-graphique de l’innovation allant dans ce sens ontémergé ces dernières années (Moulaert et Sekia2003), tels que les clusters, les complexes industriels,les pôles de compétitivité, les centres de recherche,ou encore les systèmes régionaux d’innovation. Toussont fondés sur le principe de regroupement desacteurs au sein d’un espace déterminé, dans le but depermettre l’augmentation et l’exploitation des inter-dépendances dans la production de connaissances,grâce à des relations formelles ou informelles entreles entrepreneurs, les chercheurs, les institutions, ouencore entre les clients et les fournisseurs. Les agentséconomiques peuvent alors tirer avantage de cesrelations synergiques (Maillat et al. 1993) pouraugmenter leurs performances en termes d’innova-tion, et se développer dans une atmosphère créative,souvent industrielle.

Il est donc admis que la répartition des activitésdans l’espace puisse jouer un rôle dans la perfor-

mance des organisations; la question est alors dedéterminer dans quelle mesure leur co-localisationfavorise réellement la naissance d’interactions don-nant lieu à de l’innovation.

L’échelle intra-métropolitaine des dynamiquesd’innovation

Cette étude propose de se concentrer spécifique-ment sur l’échelle intra-métropolitaine de cesdynamiques spatiales. En effet, grâce à la proximitéentre agents économiques (due entre autres à larecherche d’économies d’agglomérations et à lastructure urbaine), la ville et ses quartiers sont leslieux privilégiés où s’opèrent les contacts humainsqui donnent naissance à des schémas innovateurs(Antolini et Bonello 1994). En outre, ils offrent lapossibilité de formes variées de proximités, et avecdifférents types d’acteurs : administrations publi-ques, firmes de secteurs divers, laboratoires derecherche, ou encore populations à niveaux dediplôme variés. Cela accroît ainsi leur potentiel àdevenir des systèmes d’innovation (Brouwer, Budil-Nadvornikova et Kleinknecht 1999) et rend l’étudede la relation entre proximité géographique etinnovation d’autant plus riche. Si les effets d’ag-glomération et de proximité sont souvent compriscomme agissant à l’échelle de la ville, voire de lamétropole étendue (Meijers et Burger 2010; Combeset al. 2011) (en effet, seules quelques analysesconsidèrent les quartiers comme des foyers decréativité), il importe de savoir dans quelle mesureces dynamiques d’innovation peuvent se déployer àl’échelle intra-métropolitaine, celle des quartiers.

Cette échelle intra-métropolitaine donne aussiune dimension politique à notre analyse : en effet, denombreux grands projets urbains comme la Cité duMultimédia ou l’actuel Quartier de l’Innovation àMontréal, mais aussi les projets plus modestes deparcs d’affaires ou de zones industrielles, sontsouvent justifiés par le fait que la proximité spatialeentre agents aura un effet bénéfique sur l’innovationet la croissance. Or,même s’il existe des exemples oùla concentration d’acteurs dans un quartier sembleassociée à l’innovation, il existe aussi des casd’entreprises innovantes préférant se localiser àl’extérieur de ces concentrations spatiales (Suarez-Villa et Walrod 1997; Shearmur 2012), ou y étantindifférentes (Gordon et McCann 2005). Les polit-iques de redéveloppement de quartiers, qui ont sansdoute un intérêt urbanistique, suscitent donc des


246 Mathilde Plassart and Richard Shearmur

attentes parfois irréalistes lorsqu’on prétend qu’el-les vont nécessairement générer du dynamismeéconomique. Afin d’alimenter ce débat, notre étudecherche à voir si la concentration dans des quartiersest effectivement associée à plus d’innovation dansle cas de la métropole québécoise.

Notre analyse se concentre sur l’étude des dyna-miques géographiques d’innovation dans les entre-prises de services supérieurs (les services à forteintensité en connaissances, SFIC ou KIBS de sonappellation anglaise). Ce secteur, qui représente unepart croissante de l’emploi total québécois, estdevenuundesprincipauxmoteursde laperformanceéconomique des villes « postindustrielles » (Huriot etBourdeau-Lepage 2009). Or, étant une activité à fortcontenu en connaissances, en technologies et eninformations, qui emploie une main d’œuvre qual-ifiée, et qui est l’occasion de relations avec denombreuses autres activités, les SFIC bénéficieraientparticulièrement des externalités de connaissances.Par ailleurs, ce sont aussi des courroies de transmis-sion d’informations et de savoir-faire entre acteurséconomiques, et jouent donc un rôle actif (et march-and) dans les dynamiques d’échange de connaiss-ances (Doloreux et Shearmur 2010). Les SFIC sontsouvent rassemblés dans les grandes villes, et defaçon généralement plus concentrée que la plupartdes autres activités, ce qui laisse penser que laproximité (avec les clients, les partenaires écono-miques, l’emploi) peut jouer un rôle spécifique dansleurs sources externes d’innovation (Shearmur etDoloreux 2008). Nous chercherons à tester de façonempirique si, en effet, le voisinage proche del’entreprise de service (et plus particulièrement saproximité à différents types d’activités), a bien unimpact sur sa propension à l’innovation.

Notre analyse est structurée par l’étude de troisdynamiques géographiques de l’innovation :

– les dynamiques d’urbanisation, attribuables à laco-localisation avec les activités économiques engénéral. L’idée est que les zones d’emploi intégréeset multifonctionnelles constituent des hauts lieuxd’accessibilité, que ce soit à la main-d’œuvre, à laclientèle, aux produits et services dont dépendentles SFIC (transports, restauration, infographie,communications, garderies) mais aussi, et surtoutpour les SFIC, à des informations générales sur unediversité d’activités et de secteurs servant àalimenter leur suivi de la conjoncture. Par ailleurs,le simple fait d’être bien situé, proche des services,

des lieux de résidence et de commerce, peutpermettre aux SFIC d’attirer une main-d’œuvreplusqualifiée et exigeante (en soit unavantagepourl’innovation). L’existence possible de ces effetsd’urbanisation sera observée en testant l’effet dela proximité à l’emploi total sur l’innovation.

– les dynamiques de localisation, attribuables à laco-localisation avec des activités appartenant aumême secteur. Dans ce schéma, il se développe desmilieux de type marshallien, au sein desquels lesSFIC partagent un bassin de main d’œuvre etdes informations, et sont en mesure de former descoalitions de spécialistes capables de répondre à desdemandes spécifiques. La présence de ces dynami-ques sera testée à travers l’effet de la proximité àl’emploi des autres SFIC sur l’innovation.

– les dynamiques de « variétés-liées » (relatedvariety), attribuables à la co-localisation avecdes activités appartenant à des secteurs différ-ents, mais liés (Boschma et Iammarino 2009).Cette idée repose sur le fait que les établissementsse situent au sein de chaines de valeur. Ainsi, cen’est pas seulement la proximité aux entreprisessemblables qui peut générer des connaissances etdes échanges pointus liés à l’innovation, maisaussi la proximité avec des fournisseurs et desclients en amont et en aval de la chaine. Cetteproximité peut permettre d’identifier et de saisirdes opportunités, aider à comprendre commentles connaissances détenues peuvent mener àl’innovation, et aussi engendrer des collabora-tions. La proximité avec le secteur manufacturierainsi que celle avec l’administration publique(secteur dominant à Québec) seront donc testéescomme facteurs possibles d’innovation, avecl’hypothèse sous-jacente que ces deux secteurssont des clients importants des SFIC de Québec.

En définitive, l’objet de cette étude est d’observerstatistiquement la présence ou l’absence, au sein dela métropole, de ces trois dynamiques. Une fois quel’on contrôle pour les facteurs d’innovation internesaux SFIC, dans quellemesure leur proximité avec cesdifférentes activités joue-t-elle un rôle dans leurprocessus d’innovation?

Données et méthodologie exploratoire

Pour l’analyse, un modèle de régression logistique,testant le lien entre proximité à l’emploi et



innovation dans les SFIC, a été retenu. Nos donnéesproviennent de l’enquête sur l’innovation dans lesétablissements1 de services supérieurs (comprenantdes services juridiques, comp, d’ingénierie, d’infor-matique, de design, d’architecture, de génie, demarketing, de recherche et développement et degestion), réalisée au Québec en 2007. L’échantillonutilisé pour cette étude comprend 282 des 1124entreprises interrogées, c’est-à dire exclusivementcelles qui se situent dans la régionmétropolitaine derecensement (RMR) de Québec. Le modèle utilisé estle suivant :

Ie ¼ f ðProximit�esÞ þ h:dec þ d ðControlesÞ

« Ie » est une variable dichotomiquemesurant si ouiou non l’établissement e a innové entre 2004 et 2006.Quatre types d’innovations ont été retenus : deproduit, de procédé, de marketing et demanagement.Quatre autres variables mesurent le nombre devariétés d’innovations introduites simultanémentpar l’entreprise : au moins un des types d’innovation,au moins deux, au moins trois, et enfin les quatretypes d’innovation simultanément. Ces variables sontdéclinées à la fois pour toutes les innovations et pourles innovations majeures : nous n’en présentons lesrésultats que pour les innovations majeures.

« dec » est la distance entre l’établissement(localisé par son code postal) et le centre-ville(localisé par l’hôtel du parlement). C’est un proxygénéral pour la densité, qui indique donc aussi, dansle cas de Québec, une proximité générale aux autresactivités.

« Proximités » est la série de variables au cœur denotre analyse, et mesure la proximité de chaqueétablissement à l’activité économique (localisée auxcentroïdes des secteurs de recensement2). Deuxdéfinitions de la proximité ont été retenues : celledes potentiels d’accessibilité et celle des cercles (ou «kernels »). Le potentiel d’accessibilité à l’emploi pour

l’établissement e est calculé comme la somme del’emploi dans tous les secteurs de recensement (SR)divisée par la distance entre l’entreprise et lecentroïde de chacun de ces SR. Nous avons testédifférentes pondérations sur la distance : lespotentiels utilisant la distance au carré analysentl’effet de l’accessibilité à l’échelle infra-locale, alorsque les potentiels calculés sans pondération sur ladistance captent un effet plus large. Considérantqu’un éloignement entre une entreprise et celles duSR voisin inférieur à 400 mètres n’est pas suffisantpour voir un effet géographique de la distance surl’accessibilité, et considérant que les SR ne four-nissent qu’une localisation approximative, une dis-tance minimale a été fixée à 400 mètres. Cela éviteégalement de calculer des potentiels dont leschiffres sont trop élevés et rendraient difficilementlisibles les résultats. Des potentiels ont ainsi étécalculés pour l’accessibilité à l’activité économiqueen général (c’est-à-dire à l’emploi total) et à l’emploides secteurs suivants : services supérieurs,industrie manufacturière et administration publi-que. L’autre mesure de la proximité, en « kernels »,calcule l’accessibilité à l’emploi comme la sommedes emplois dans tous les SR situés dans un cercle derayonde x kilomètres, dont le SRde l’entreprise est lecentre. L’accessibilité a été observée pour un rayonde 1 kilomètre autour de l’entreprise, afin d’insistersur la proximité infra-locale, et de 5 kilomètres, afind’analyser une proximité plus large. Ici aussi, laproximité a été étudiée pour l’emploi total puis pourl’emploi dans les secteurs des services supérieurs,manufacturier et enfin administratif.

Ces deux définitions de la proximité (en potentielet en cercles) ont été étudiées en parallèle pourassurer la robustesse des résultats obtenus : lesrésultats se ressemblent, et seuls ceux portant surles potentiels sont présentés dans les tableaux. Dansles deux cas, il existe une forte corrélation entre lesaccessibilités à l’emploi des différents secteurs etl’accessibilité à l’emploi total, ce qui ne fait querefléter le gradient de densité classique que suiventtoutes les activités urbaines non-agricoles. Afin decontourner ce biais, c’est le résidu de l’équationrégressant l’accessibilité à l’emploi du secteur surl’accessibilité à l’emploi total qui a été introduit dansle modèle. Ce résidu mesure bien l’effet propre ausecteur, indépendant de l’effet de l’activité total (etdonc indépendamment du gradient de densitéclassique). Ces variables d’accessibilité ont égale-ment été centrées et réduites.

1L’enquête a bien été menée auprès des établissements. Étant donnéque seuls 8 pourcents sont des succursales ou filiales nousutilisons les termes ‘entreprise’ et ‘établissement’ de façoninterchangeable dans l’article.

2Pour tenir compte de la géographie de Québec deux ajustementssont effectués. D’une part, si deux secteurs de recensement (SR)sont de part et d’autre du fleuve, une distance de trois kilomètresest ajoutée à la distance. D’autre part, les centroïdes des grandssecteurs de recensement de banlieue ont été déplacés manuelle-ment, les positionnant au cœur des parties construites des SR, telque repéré sur une carte du réseau routier.



Des variables contrôlant les facteurs d’innovationinternes à l’entreprise (« Contrôles ») ont égalementété introduites. L’introduction de ces variablespermet de tenir compte de certains facteurs d’inno-vation qui sont intrinsèques aux entreprises, pourmieux isoler l’effet de co-localisation. Les variablesde contrôle sont les suivantes :

– une variable binomiale de recherche et dével-oppement (l’entreprise déclare avoir réalisé desactivités de R&D au cours des 12 derniers mois)

– une variable binomiale mesurant la présence dedépenses importantes en R&D (le montant allouéest supérieur à 20 pourcents du chiffre d’affaire)

– une variable binomiale mesurant les incitationsgouvernementales à la R&D (l’entreprise a reçudes crédits d’impôts)

– quatre variables binomiales mesurant la taille del’entreprise (entre 0 et 3 employés, entre 4 et 9,entre 10 et 49, ou plus de 50 employés)

– neuf variables binomiales représentant les neufsous-secteurs d’activité auxquels le SFIC peutappartenir

– quatre catégories d’âge de l’entreprise (entre 0 et 4ans, entre 5 et 10 ans, entre 11 et 17 ans, plus de 17ans).

Le modèle est d’abord présenté sans ces contrôle,afin d’étudier la présence d’effets de la proximité surla probabilité d’innover; puis avec les variables decontrôles, afin de déterminer si ces dynamiques deproximité vont au-delà d’un simple effet de re-groupement spatial d’entreprises innovantes. Eneffet, si la variable de proximité demeure significa-tive après l’introduction des variables de contrôles,c’est que nous sommes bien en présence d’exter-nalités, et non pas de simples économies d’échelle(dans lesquelles les facteurs internes à l’entrepriserestent les principaux moteurs de l’innovation).

En raison d’un problème de non convergence, dû àune distribution trop inégale des observations,certains types d’innovations ont été régressés surun modèle « incomplet », c’est-à-dire sans lesvariables de contrôle sectorielles. Il est à noter queles coefficients des variables de contrôle ne sont pasreproduits dans chacun des tableaux, mais que leureffet général (avant l’introduction des effets dedistance et de proximité) est présenté dansAnnexe 1.

Deux régressions logistiques sont donc effectuéespour chaque mesure de l’innovation (une avec etl’autre sans contrôles). L’analyse est reproduite pour

chaque type d’accessibilité : à l’emploi total, auxservices supérieurs, au secteur manufacturier et àl’administration publique.

Résultats : Existe-t-il une dynamiquegéographique de l’innovation dans lacapitale québécoise?

Les dynamiques géographiques externes à la firmeauront des impacts différents selon comment elles secombinent avec les capacités internes de l’entreprise(Isaksen 2001). Avant d’analyser les effets de laproximité aux différents types d’activités, il convientd‘être au fait des facteurs internes qui conditionnentles capacités d’innovation des SFIC de la métropole.Les résultats des régressions effectuées sur lesvariables de contrôles (exposés dans l’annexe 1)sont donc brièvement présentés ci-dessous.

Effets notables concernant les variables decontrôles

On observe que l’activité de recherche et développe-ment (R&D) au sein des SFIC est le déterminantmicro-économique principal de l’innovation. Cettevariable, significative et persistante au cours del’analyse, est un facteur primordial dans le proc-essus de production de nouveaux savoirs et savoir-faire spécifiques conduisant à l’innovation. Unmontant important alloué à cette activité de R&D(supérieur à 20% du chiffre d’affaire) a quant à lui unimpact marginal négatif sur l’innovation, ce quisuppose une productivité marginale décroissante dela dépense en R&D, peut-être justement liée à laprésence de « spillovers » dans la production deconnaissances. Les crédits d’impôts, accordésaux entreprises par l’administration fédérale, sontassociés à l’innovation, mais seulement pour l’inno-vation de produit ou pour les entreprises partic-ulièrement innovantes (introduction des quatrevariétés d’innovation).

Un facteur important est la taille du SFIC : le faitd’être une petite entreprise (et a fortiori une micro-entreprise) est globalement un frein aux innovations.Par contre, être une entreprise de taille moyenne estun atout dans l’introduction d’innovation de pro-cédé et d’innovations « majeures ».

L’âge de l’entreprise influence légèrement sacapacité d’innovation lorsque l’entreprise est rela-tivement jeune : l’impact est négatif lors des troispremières années de vie de l’entreprise, puis il



devient positif les six années suivantes, pour ensuitedevenir non significatif.

Le secteur d’appartenance du SFIC joue différem-ment selon le type d’innovation observé. Par exem-ple, le fait d’appartenir au secteur du designaugmente en moyenne la probabilité d’innover enmarketing, ce qui est facile à concevoir. De même unSFIC spécialisé dans les systèmes informatiquesinnove enmoyenne plus en termes de produits, maismoins dans son management.

En se détachant des effets strictement internes à lafirme, on constate que sa localisation au sein de lamétropole québécoise a également son importance :de manière générale, plus le SFIC est distant ducentre-ville de Québec, moins il va innover.

L’innovation des SFIC et la proximité à l’emploitotalLa proximité à l’emploi total a été examinée, afin dedéterminer s’il existe un phénomène lié à l’urbani-sation et à la concentration des activités à Québec.Les résultats indiquent que tous les types d’inno-vations ont une plus grande probabilité d’avoir lieudans les SFIC situés proches d’autres activitéséconomiques (Tableau 1). Il en est de même pourl’introduction simultanée de plusieurs types d’in-novations : plus l’établissement est situé dans unezone a forte densité d’emploi (Figure 1) et plus ilintroduit différentes variétés d’innovations.

Les résultats sont les mêmes que la proximité soitcalculée avec les potentiels ou avec les cercles

Tableau 1Innovation des SFIC et proximité à l’emploi total

Typesd’innovations Produit Procédé Marketing Management

Contrôles Sans Avec Sans Avec Sans Avec Sans Avec

n¼1 172 83 178 220n¼0 110 199 104 62Potentiel emploi total 0,434��

(0,127)–– 0,351��

(0,139)–– 0,303��

(0,126)–– 0,333��

(0,146)––

Distance au centre �0,076��

(0,028)�0,066��

(0,030)–– ––

Pseudo r2 0,056 0,370 0,033 0,229 0,027 0,187 0,028 0,282Nul �2LL 377,192 377,192 341,773 341,773 371,287 371,287 297,075 297,075Model �2LL 365,224 287,223 335,145 292,264 365,470 329,718 291,824 239,831Highest VIF 1 3,973 1 3,973 1 3,973 1 3,973

Variétésd’innovationsintroduites

Au moins 1 type(modèle incomplet) Au moins 2 types Au moins 3 types

Au moins 4 types(modèle incomplet)


n¼1 253 208 139 53n¼0 29 74 143 229Potentiel Emploi total 0,329�

(0,198)�0,745�

(0,410)0,540��

(0,142)–– 0,464��

(0,126)–– 0,368�� (0,165) ––


(0,064)�0,082��

(0,028)–– �0,073�

(0,038)


Notes: Résultats des régressions logistiques, avec comme variables dépendantes les types et les variétés d’innovations introduites.Les coefficients sont représentés avec leur niveau de significativité (�: l’effet est significatif à 90 pourcents; ��: significatif à 95 pourcents;��: significatif à 99 pourcents). L’écart-type est indiqué entre parenthèses, et « - » indique que la variable a été introduite dans le modèlemais que son effet n’est pas significativement différent de zéro. Les autres résultats sont disponibles sur demande.



Figure 1Emploi total



d’accessibilité. Dans les deux cas, les coefficientssont plus élevés lorsque l’environnement de l’en-treprise est considéré dans son sens large, c’est-à-dire quand le rayon choisi est plus grand (5 kilo-mètres) ou la pondération mise sur la distance estfaible (exposant 1). Si les entreprises innovantes selocalisent vers les centres d’activités, c’est-à-direprincipalement dans le centre-ville de Québec versSainte-Foy, on n’observe donc pas pour autant uneffet de regroupement infra-local. De plus, ces effetssont globalement très peu résistants aux contrôles :il n’y aurait donc pas d’effet dynamique d’urbanisa-tion. Certes, des entreprises innovantes semblent selocaliser proches des centres d’emploi, mais ce sontbien des facteurs internes à l’entreprise qui restentici les principauxmoteurs de l’innovation, et non pasles interactions locales en elles-mêmes.

L’innovation des SFIC et la proximité à l’emploides services supérieurs

Bien que la proximité à d’autres emplois de servicessupérieurs soit a priori bénéfique pour l’innovation,l’effet ne relève pas, ici non plus, d’un processusd’externalité indépendant des ressources internes(ces résultats ne sont pas exposés ici). Pris dans leurglobalité, se situer dans un pôle de services supér-ieurs ne rend pas l’entreprise plus innovante.Toutefois, étant donnée la grande diversité quiexiste au sein même des SFIC, il a été choisi dereproduire cette analyse en distinguant les servicessupérieurs professionnels traditionnels (juridiques,comptables, de design et de marketing) et lesservices supérieurs techniques (informatiques,d’architecture et de génie, de conseil en gestion ettechnique, et de recherche et développement). Or, onconstate que l’accessibilité à l’emploi des servicesprofessionnels et celle à l’emploi des servicestechniques ont des impacts opposés sur l’innovationde l’entreprise, ce qui peut d’ailleurs expliquer lanon-significativité précédente.

L‘entreprise qui est proche de SFIC professionnels(Tableau 2) a une probabilité réduite d’innover. Cetimpact négatif est significatif et résiste aux contrôles: il y a donc une dynamique de milieu spécifique, quifait que la co-localisation des entreprises inter-rogées avec les SFIC professionnels est néfaste pourl’innovation. Cela pourrait s’expliquer par l’appar-ition d’externalités négatives entre entreprises deservices professionnels : quand celles-ci se rappro-chent, des phénomènes de concurrence ou des

questions de confidentialité pourraient bloquer ladiffusion des connaissances.

Au contraire, la co-localisation avec des SFICtechniques (Tableau 3, Figure 2) joue positivementsur l’innovation. Ces résultats résistent aux con-trôles, mais finalement assez faiblement : il y auraitdonc peu de dynamiques de milieu entre lesentreprises interrogées et les SFIC techniques,indépendamment d’un effet positif du regroupe-ment de ces activités. On remarque tout de mêmeque, pour l’innovation de management et l’intro-duction d’au moins une et d’au moins trois variétésd’innovation, l’entreprise bénéficierait de la prox-imité voire même de la formation de clusters avecces activités, en s’éloignant des autres (particulière-ment pour l’introduction d’au moins un typed’innovation, pour laquelle l’effet de l’accès àl’emploi total devient même négatif) (Tableau 3).Les lieux de haut potentiel en SFIC techniques sontd’ailleurs situés non seulement sur la rive nord aucœur de Ste-Foy et aux pourtours du centre, maisaussi vers l’est de Ste-Foy, à l’ouest de Beauport, etvers l’aéroport.

Ces deux types de services produisent donc desimpacts divergents sur les dynamiques d’innova-tion, puisque par nature ils entretiennent desrelations avec leur environnement qui sont différ-entes. Les SFIC professionnels, moins « jeunes » etutilisant moins de nouvelles technologies, sontprobablement moins diffuseurs de connaissancesque les SFIC techniques. Il serait intéressant d’ana-lyser plus spécifiquement l’impact de la proximité àl’emploi des SFIC professionnels sur l’innovation desSFIC professionnels, et de la proximité à l’emploi desSFIC techniques sur l’innovation des SFIC techni-ques, mais le nombre restreint d’observations nenous le permet pas. Toutefois, on constate que lesvariables de contrôle sectorielles ne sont pasimpactées par l’introduction des variables d’acces-sibilité à l’emploi des différents SFIC, ce qui laissepenser que les effets de localisation observésagissent sur l’innovation quel que soit le sous-secteur d’appartenance de l’entreprise interrogée.

En définitive, la probabilité pour un SFIC d’innoverest plus influencée par la proximité aux entreprisesde services que par la proximité aux activitéséconomiques en général. L’effet de milieu dépassealors l’effet d’urbanisation, même si le fait que ladistance au centre-ville joue toujours négativementmontre que cet effet de milieu ne justifie pas pourautant la création de pôles de services supérieurs



loin du centre. Ainsi, contrairement au cas de la villedeMontréal, où les SFIC innovent plus lorsqu’ils sontproches des autres SFIC mais éloignés des autresactivités afin d’en éviter les externalités négatives(Shearmur 2012), les SFIC deQuébec se co-localisentpour profiter des interactions mais tout en restantau cœur de l’activité de la ville.

L’innovation des SFIC et la proximité à l’emploimanufacturier

L’impact de la proximité avec l’emploimanufacturiera été étudié afin de tester la présence d’interactionsde variétés-liées. Québec étant une région relative-ment pourvue en industrie manufacturière, les

services supérieurs sont peuvent entretenir desrelations importantes (susceptibles d’avoir desrépercussions sur leur propension à innover) avecles entreprises de cette industrie, auprès desquels ilsvendent généralement leurs services. Ces lienspeuvent être de diverses sortes, allant de la simpleimpartition de services externalisés par les manu-facturiers aux liens de collaboration et de co-production dans le cadre d’activités d’innovation.Dans le cas de simple impartition nous ne nousattendons pas à ce que la proximité au secteurmanufacturier joue sur l’innovation au sein des SFIC.Par contre, si les liens entre SFIC et manufacturierssont plus dynamiques et interactifs, alors ils peuventmener à des dynamiques locales d’innovation.

Tableau 2Innovation des SFIC et proximité à l’emploi des SFIC professionnels



n¼1 172 83 178 220n¼0 110 199 104 62Potentiel Emploi P-SFIC (résidu) �0,794��

(0,365)–– �0,853��

(0,390)–– �0,812��

(0,365)–– �1,347��

(0,429)�1,149��

(0,450)Potentiel Emploi total 0,437��

(0,127)–– 0,356��

(0,143)–– 0,307��

(0,126)–– 0,359��

(0,145)––


(0,028)�0,066�� –– ––



Au moins 1 type(modèle incomplet) Au moins 2 types Au moins 3types



n¼1 253 208 139 53n¼0 29 74 143 229Potentiel Emploi P-SFIC (résidu) �2,084��

(0,582)�1,861��

(0,613)�1,336��

(0,421)�1,065��

(0,439)�0,925��

(0,357)�0,785�

(0,404)�0,771�

(0,449)––

Potentiel Emploi total 0,439��

(0,202)–– 0,557��

(0,141)–– 0,471��

(0,128)–– 0,377��

(0,171)––


(0,034)�0,081��

(0,028)–– �0,073�

(0,038)


Notes: voir Tableau 1.



Les résultats confirment cette hypothèse, puisquel’on constate un impact positif significatif et impor-tant de la proximité à l’emploi manufacturier surpratiquement toutes les mesures de l’innovation(Tableau 4, Figure3). Ces effets résistent globalementaux contrôles, tout en restant significatifs, ce quitémoigne bien d’une influence bénéfique du rap-prochement avec le manufacturier. L’effet de la R&Ddevient moins important et perd même en signi-ficativité, ce qui dénote une substituabilité entre cesdeux facteurs (interne et externe) d’innovation.

Il convient de noter que cette co-localisation agitsur tous les types d’innovations quand la mesure dela proximité est « élargie », mais que les impacts

marginaux sont plus élevés pour une mesure plusrestrictive de la proximité : à l’échelle infra-locale,les regroupements agissent plus spécifiquement surcertains types d’innovations.

Contrairement au cas de Montréal (Shearmur2012), les SFIC de Québec sont donc significative-ment plus innovants lorsqu’ils se situent dans descomplexes industriels. À Montréal, certains SFICinnovants étaient localisés sur les pourtours descomplexes industriels, mais relativement isolés :cette différence s’explique peut-être en partie parune saturation des zones industrielles à Montréal(les SFIC n’y trouvant pas leur place), ou par une plusgrande spécialisation en termes d’utilisation du sol

Tableau 3Innovation des SFIC et proximité à l’emploi des SFIC techniques



n¼1 172 83 178 220n¼0 110 199 104 62Potentiel Emploi T-SFIC (résidu) 0,405�

(0,235)–– –– –– 0,423�

(0,235)–– 0,733��

(0,313)0,647�


(0,126)–– 0,351��

(0,139)–– 0,305��

(0,125)–– 0,351��

(0,144)––


(0,028)�0,066��

(0,030)–– ––






n¼1 253 208 139 53n¼0 29 74 143 229Potentiel Emploi T-SFIC (résidu) 0,883�

(0,470)0,970�

(0,523)0,588��

(0,296)–– 0,548��

(0,221)0,483�

(0,259)–– ––

Potentiel Emploi total 0,364�

(0,196)�0,821��

(0,411)0,539��

(0,139)–– 0,470��

(0,127)–– 0,368��

(0,165)––


(0,065)�0,082��

(0,028)�0,060��

(0,028)�0,073�

(0,038)





Figure 2Emploi SFIC techniques



(séparation plus stricte entre manufacturier ettertiaire).

Dans le cas de Québec, ces dynamiques de variétésliées concernent non seulement les zones péricen-trales, mais aussi quelques zones suburbaines(notamment le long des autoroutes 20 et 40 allantvers Montréal). Toutefois, la distance au centre-villecontinue d’avoir une forte influence négative sur laprobabilité d’innover. Il y a donc un effet double : lesSFIC sont plus innovants vers le cœur de la métro-pole, mais ils le sont également en banlieue, si celle-ci comprend des activités manufacturières. Cecirejoint donc en partie les constats de Shearmur(2012) sur Montréal : certains SFIC innovent en

banlieue, mais à Québec ces SFIC ne sont pas pourautant isolés des autres activités économiques.

Par ailleurs une régression à caractère plusexploratoire, introduisant simultanément dans lemodèle les variables d’accessibilité à l’emploi desdifférents secteurs, montre que l’impact de laproximité au secteur manufacturier « l’emportait »sur ceux de la proximité aux autres activités.

L’innovation des SFIC et la proximité à l’emploiadministratif

Le statut particulier de Québec, capitale provinciale,invite maintenant à orienter l’analyse sur les

Tableau 4Innovation des SFIC et proximité à l’emploi manufacturier

Types d’innovations Produit Procédé Marketing Management


n¼1 172 83 178 220n¼0 110 199 104 62Potentiel Emploi Manufacturier (résidu) 0,313��

(0,140)–– 0,330��

(0,122)0,316��

(0,139)0,422��

(0,151)0,422��

(0,158)0,574��

(0,218)0,519��


(0,126)–– 0,368��

(0,144)–– 0,306��

(0,125)–– 0,340��

(0,142)––


(0,028)�0,087��

(0,034)�0,047�

(0,025)––






n¼1 253 208 139 53n¼0 29 74 143 229Potentiel Emploi Manufacturier(résidu)

1,636��

(0,550)1,508��

(0,567)0,777��

(0,239)0,620��

(0,235)0,406��

(0,133)0,381��

(0,148)0,299��

(0,132)––


(0,203)–– 0,553��

(0,140)–– 0,473��

(0,127)–– 0,393��

(0,174)––


(0,035)�0,096��

(0,029)�0,057��

(0,028)�0,073�

(0,038)





Figure 3Emploi manufacturier



répercussions que peuvent avoir la présence d’ad-ministrations publiques, relativement nombreusesdans la ville –– celles-ci pourraient aussi générer deseffets de « related variety ». Or, les résultatsindiquent que les SFIC qui sont proches d’emploisadministratifs tendent à innover moins que ceux quien sont éloignés (Tableau 5, Figure 4). La plupart deces effets sont résistants aux contrôles, ce qui dénoteune dynamique spécifique de la proximité avecl’administration publique, néfaste à l’innovationdes SFIC de Québec. On constate qu’une co-local-isation plus proche avec les administrations pub-liques (à l’échelle infra-locale) réduit plusparticulièrement leur probabilité d’être « d’intensifs

innovateurs » (c’est-à-dire d’introduire plusieursvariétés). Il est toutefois possible que, si nous étionscapables de distinguer entre les différents typesd’activités liées à l’administration publique (parexemple entre les fonctions concentrées autour dela colline parlementaire et celles présentes versValcartier, où se trouve une base militaire), lesrésultats soient plus mitigés.

Conclusion

Les résultats présentés dans cette étude confir-ment la présence de dynamiques spatiales

Tableau 5Innovation des SFIC et proximité à l’emploi administratif

Types d’innovations Produit Procédé Marketing Management


n¼1 172 83 178 220n¼0 110 199 104 62Potentiel Emploi administratif (résidu) �0,516��

(0,226)- - –– �0,528��

(0,226)�0,530��

(0,253)�0,715��

(0,274)�0,820��


(0,126)–– 0,351��

(0,139)–– 0,303��

(0,125)–– 0,334��

(0,140)––


(0,028)�0,066��

(0,030)�0,042�

(0,024)––

Pseudo r2 0.080 0,380 0,045 0,241 0,053 0,209 0,065 0,305Nul �2LL 377,192 377,192 341,773 341,773 371,287 371,287 297,075 297,075Model �2LL 359,976 284,207 332,598 289,419 359,930 324,418 284,876 234,497Highest VIF 1 3,978 1 3,978 1 3,978 1 3,978


Au moins un type(modèle incomplet) Au moins deux types Au moins trois types

Au moins quatre types(modèle incomplet)


n¼1 253 208 139 53n¼0 29 74 143 229Potentiel Emploi administratif �0,170��

(0,398)�0,974��

(0,388)�0,873��

(0,272)�0,830��

(0,293)�0,557��

(0,215)�0,613��

(0,247)–– ––


(0,185)�0,737�

(0,417)0,534��

(0,137)–– 0,473��

(0,128)–– 0,368��

(0,165)––


(0,064)�0,087��

(0,028)�0,052�

(0,028)�0,073�

(0,038)





Figure 4Emploi administratif



d’innovation dans la région métropolitaine deQuébec, dynamiques liées au caractère externeet collectif de l’innovation et à la proximitégéographique entre les acteurs économiquesprésents sur le territoire. Cette dynamique semanifeste différemment selon la mesure de l’in-novation et la définition de la proximité, maiscertaines grandes lignes peuvent être déduites del’analyse.

Tout d’abord, la localisation des SFIC dans lesbassins d’emploi de la capitale québécoise estbénéfique à l’introduction d’innovations, grâcenotamment à la présence d’infrastructures,de réseaux de productions et de possibilité debaisse de leurs coûts de production leur perme-ttant de mobiliser plus de ressources, en interne, àla production de nouveaux savoir-faire. Cepend-ant, ces bassins d’emplois ne semblent pas partic-ulièrement porteurs d’externalités locales, etseraient simplement des lieux de regroupementd’entreprises innovantes. Par contre, la proximitégéographique avec les entreprises dumême secteur(notamment les SFIC techniques) et celles dusecteur manufacturier semble l’occasion d’inter-actions qui ont un impact positif, indépendammentdes capacités internes, sur l’innovation des SFIC.Celamontre qu’au-delà de l’effet de regroupement,l’environnement économique des entreprises peutfavoriser leur propension à l’innovation, et laisseentendre que les liens entre le secteur manufactu-rier et les SFIC au sein de ces regroupementsgéographiques ne sont pas simplement des liensd’impartition.

Cependant, ces effets de localisation et de variété-liée ne justifient pas nécessairement l’implantationdes entreprises dans des clusters suburbains,puisque la distance au centre-ville joue de façonsystématiquement négative sur l’innovation. Si lesSFIC ont donc intérêt à se situer dans des complexesindustriels, ceux-ci sont plus innovants quand ilssont proches du cœur économique de Québec. Laproximité aux administrations publiques a toutefoisun effet négatif sur la propension à innover, effetqui est peut-être causé par la forte influencede Valcartier sur la mesure d’accessibilité à cesactivités.

Bien que cette étude se concentre sur l’importancede l’accessibilité aux autres acteurs économiquesdans le processus d’innovation, il ne faut pas oublierpour autant que d’autres caractéristiques socio-économiques des quartiers (comme la présence

d’universités, de communautés actives, ou encorede populations diplômées) pourraient aussi en fairedes environnements plus ou moins innovants, etainsi jouer sur l’innovation des entreprises. Il seraitintéressant d’approfondir l’analyse en introduisantces caractéristiques structurelles des quartiers,même si dans notre cas la prise en compte de ladistance au centre-ville remplit déjà en partie cerôle.

Nos résultats démontrent bien l’existence, àQuébec, d’une dimension territoriale dans les inter-actions pouvant influencer les processus créatifs, etinvitent à réfléchir sur l’organisation des activités àl’échelle métropolitaine. Ils soulignent toutefois quele rapport entre innovation et environnement n’estpas simple, et ne peut se réduire à l’idée que la co-localisation entraine nécessairement des échangeset des externalités positives. Or, les politiquespubliques visant à créer des quartiers innovantsfont rarement recours à une étude contextuelledétaillée afin de comprendre si les dynamiques deproximité opèrent pour le type d’innovation sou-haité, dans le secteur visé, et dans la métropole enquestion. Au contraire, elles reposent souvent surl’idée générale, maintes fois véhiculée, que laproximité géographique entre acteurs mène néces-sairement à des externalités positives qui engen-dreront des dynamiques d’innovation. Nos résultatsmontrent que, même s’il est effectivement possibleque la proximité entre certains acteurs, à une échelledonnée, peut être associée à certaines formesd’innovation, la proximité n’est pas nécessairementassociée à l’innovation.

Un autre trait notable de cette étude est que,contrairement au cas montréalais (Shearmur 2012),l’effet de la proximité avec les différents typesd’activités est en général plus important lorsquel’on choisit une définition large de cette proximité, cequi veut dire que dans le cas de Québec lesinteractions ont lieu à plus grande échelle, proba-blement du fait de la plus petite taille de la ville, dumoindre regroupement de ses activités hors ducentre-ville, et de son important réseau autoroutier.Par ailleurs, alors qu’à Montréal certaines entre-prises innovantes se situent en banlieue (la propen-sion à innover varie en U selon la distance au centre-ville), cet effet d’isolement n’est pas observé àQuébec. Cela confirme l’influence de la donnemétropolitaine initiale, et l’importance de contex-tualiser toute analyse des dynamiques spatiales del’innovation.



Références

Antolini, A., and Y.-H. Bonello. 1994. Les Villes du désir. Paris :Galilée.

Audretsch, D. 1998. Agglomeration and the location of innovativeactivity. Oxford Review of Economic Policy 14(2): 18––29.

Audretsch, D., and M. Feldman. 1996. R&D spillovers and thegeography of innovation and production. The AmericanEconomic Review 86(3): 630––640.

Boschma, R. 2005. Proximity and innovation: A critical assess-ment. Regional Studies 39(1): 61––74.

Boschma, R., and S. Iammarino. 2009. Related variety, tradelinkages, and regional growth in Italy. Economic Geography 85(3): 289––311.

Brouwer, E., H. Budil-Nadvornikova, and A. Kleinknecht. 1999.Are urban agglomerations a better breeding place for productinnovation? An analysis of new product announcements.Regional Studies 33(6): 541––549.

Caniëls, M., and H. Romijn. 2005. What drives innovativeness inindustrial clusters? Transcending the debate. CambridgeJournal of Economics 29: 497––515.

Carrincazeaux, C., and M. Coris. 2011. Proximity and innovation.InHandbook of regional innovation and growth, ed. P. Cooke, B.Asheim, R. Boschma, R. Martin, and D. Schwartz. Edward Elgar :Cheltenham, 269––281.

Combes, P.-P., G. Duranton, and L. Gobillon. 2011. The identifi-cation of agglomeration economies. Journal of EconomicGeography 11: 253––266.

Cooke, P., M. Heidenreich, and H.-J. Braczyk. (eds) 2004. Regionalsystems of innovation: The role of governance in a globalizedworld. London : Routledge.

Currid, E. 2007. The Warhol economy: How fashion and musicdrive New York City. Princeton : Princeton University Press.

Desrochers, P. 2001. Local diversity, human creativity, andtechnological innovation. Growth & Change 32: 369––394.

Doloreux, D., and P. Bitard. 2005. Les systèmes régionauxd’innovation : discussion critique. Géographie, économie,société 7 : 21––36.

Doloreux, D., and R. Shearmur. 2010. Exploring and comparinginnovation patterns across different knowledge businessservices. Economics of Innovation and New Technology 19(7):605––625.

Feldman, M. 1999. The new economics of innovation, spilloversand agglomeration: A review of empirical studies. Economics ofInnovation and New Technology 8(1––2): 5––25.

Gordon, I., and P. McCann. 2005. Innovation, agglomeration andregional development. Journal of Economic Geography 5: 523––543.

Howells, J. 2002. Tacit knowledge, innovation and economicgeography. Urban Studies 39(5––6): 871––884.

Huriot, J.-M., and L. Bourdeau-Lepage. 2009. Économie des villescontemporaines. Paris : Economica.

Hutton, T. 2009. Trajectories of the new economy: Regeneration anddislocation in the inner city. Urban Studies 46(5––6): 987––1001.

Jacobs, J. 1969. The economy of cities. New York : Random House.Krugman, P. 1991. Increasing returns and economic geography.

Journal of Political Economy 99(3): 483––499.Lundvall, B.-A. 2007. National innovation systems—analytical

concept and development tool. Industry and Innovation 14(1):95––119.

Maillat, D., M. Quévit, and L. Senn. 1993. Réseaux d’innovation etmilieux innovateurs. In Réseaux d’innovation et milieux in-novateurs : un pari pour le développement régional. Neuchâtel :EDES-Editions de la Division économique et sociale, 5––15.

Meijers, E., andM. Burger. 2010. Spatial structure andproductivityin USmetropolitan areas. Environment & Planning A 42: 1383––1402.

Moriset, B., and E. Malecki. 2009. Organization versus space: theparadoxical geographies of the digital divide. GeographyCompass 3(1): 256––274.

Moulaert, F., and F. Sekia. 2003. Territorial innovation models: Acritical survey. Regional Studies 37(3): 289––302.

Polèse, M. 2005. Cities and national economic growth: Areappraisal. Urban Studies 42(8): 1429––1451.

Rallet, A., and A. Torre. 2004. Proximité et localisation. Économierurale 280 : 25––41.

Shearmur, R. 2012. The geography of intrametropolitan KIBSinnovation: Distinguishing agglomeration economies frominnovation dynamics. Urban Studies 49(11): 2331––2356.

Shearmur, R., and D. Doloreux. 2008. Urban hierarchy or localmilieu? High-order producer service and (or) knowledge-intensive business service location in Canada, 1991––2001.Professional Geographer 60(3): 333––355.

Suarez-Villa, L., and W. Walrod. 1997. Operational strategy, R&Dand intra-metropolitan clustering in a polycentric structure.The advanced electronic industries of the Los Angeles Basin.Urban Studies 34(9): 1343––1380.

Torre, A. 2008. On the role played by temporary geographicalproximity in knowledge transfer. Regional Studies 42(6): 869––889.



Annexe 1Facteurs d’innovation internes à l’entreprise

Types d’innovation Produit Procédé Marketing Management

Distance au centre �0,076�� (0,028) �0,066�� (0,030) –– ––

R&D 1,520�� (0,350) 1,086�� (0,319) 1,237�� (0,258) 1,125�� (0,379)Dépenses de R&D �0,852� (0,462) �0,853�� (0,407) –– ––

Crédits de R&D 1,033� (0,538) –– –– ––

Taille (<4 employés) �1,210�� (0,588) –– –– �1,658�� (0,408)Taille (4––9 employés) �1,147� (0,617) –– –– �0,965�� (0,468)Taille (10––49 employés) �1,137� (0,597) 0,765�� (0,298) –– ––

Informatique (5415) 1,304�� (0,426) –– –– �0,674� (0,397)Conseils gestion et génie (5416) 0,788�� (0,337) �0,764�� (0,358) –– ––

Age (< 4 ans) �0,841� (0,453) –– –– �0,733� (0,422)Age (4––10 ans) –– 0,856�� (0,327) –– ––

Variétés d’innovationsAu moins 1 type

(modèle incomplet) Au moins 2 types Au moins 3 typesAu moins 4 types(modèle incomplet)

Distance au centre �0,069� (0,035) �0,082�� (0,028) –– �0,073� (0,038)R&D 2,104�� (0,766) 1,980�� (0,436) 1,794�� (0,292) 1,690�� (0,439)Dépenses de R&D �1,768� (0,905) �1,359�� (0,560) –– �0,825� (0,447)Crédits de R&D �0,915�� (0,450) �1,142�� (0,323) �1,856�� (0,527) �0,931�� (0,444)Taille (<4 employés) –– –– �1,666�� (0,543) �0,857� (0,449)Taille (4––9 employés) –– –– �1,150�� (0,519) ––

Compatbilité (5412) –– �1,153� (0,659) –– ––

Conseils gestion et génie (5416) –– –– 0,891�� (0,332) ––

Publicité et marketing (5418) –– –– 0,952� (0,521) ––

Age (< 4 ans) �1,083�� (0,534) �0,991�� (0,455) –– ––

Age (4––10 ans) –– –– –– 1,149�� (0,375)

Notes: voir Tableau 1. Ce tableau indique les coefficients des régressions logistiques pour les variables de contrôle. Tous ces contrôlessont introduites au départ de chaquemodèle –– seules celles qui sont significatives dans aumoins unmodèle figurent dans le tableau. Lescodes SCIAN suivent, entre parenthèse, le nom des secteurs.



Documents

SFIC et innovation : Les dynamiques géographiques de l'innovation à Québec