The "Gold Rush" in AI and Robotics Patenting Activity. Do innovation systems have a role?

Cette étude analyse les tendances de brevets en intelligence artificielle et robotique de 1980 à 2019, révélant une accélération marquée des robots intégrant l'IA depuis 2010 et des dynamiques d'innovation distinctes selon les systèmes nationaux, avec une forte intégration public-universitaire en Chine contre une approche plus marchande aux États-Unis.

L'essentiel

Voici une explication simple et imagée de cette recherche, comme si nous en discutions autour d'un café.

🤖 La "Ruée vers l'Or" de l'Intelligence Artificielle et des Robots

Imaginez que l'innovation technologique est une immense mine d'or. Pendant des décennies, les chercheurs ont creusé deux tunnels séparés :

1. Le tunnel des Robots "Classiques" : Ce sont des bras mécaniques rigides, programmés pour faire exactement la même chose, encore et encore (comme un robot dans une usine de voitures qui soude toujours au même endroit).
2. Le tunnel de l'IA (Intelligence Artificielle) : C'est le cerveau. C'est la capacité d'apprendre, de raisonner et de prendre des décisions (comme un logiciel qui reconnaît un visage ou joue aux échecs).

Le problème ? Pendant longtemps, on pensait que ces deux tunnels restaient séparés. Mais cette étude nous dit : "Attendez, regardez ce qui se passe depuis 2010 !"

🧩 La Grande Révolution : Le Robot qui "Pense"

Les auteurs de l'article ont créé une nouvelle loupe pour examiner les brevets (les certificats d'invention). Ils ont découvert une troisième catégorie, le "Robot à IA".

• L'analogie : Imaginez un robot classique comme un livre de recettes de cuisine. Il suit les étapes à la lettre. Si vous lui demandez de couper une carotte, il le fait. Mais si la carotte est bizarrement tordue, il ne sait pas s'adapter.
• Le Robot à IA, lui, est comme un chef cuisinier talentueux. Il peut voir la carotte tordue, décider de la couper différemment, et même apprendre de ses erreurs pour la prochaine fois.

Ce que l'étude révèle :
Depuis le début des années 2010, il y a eu une explosion (une "ruée vers l'or") de brevets pour ces robots intelligents. Ils ne suivent plus juste des règles, ils apprennent. C'est là que la magie opère.

🌍 La Course des Pays : Qui joue comment ?

L'étude compare comment différents pays construisent cette mine d'or. C'est comme comparer quatre équipes de football qui jouent avec des tactiques très différentes :

1. La Chine (L'Équipe "État-Major") :

   • Le style : Le gouvernement est le capitaine de l'équipe. Il donne les consignes, finance tout, et fait en sorte que les universités, les entreprises et l'État travaillent main dans la main.
   • Le résultat : En Chine, le "cerveau" (l'IA) et le "corps" (le robot) sont très bien connectés. Ils grandissent ensemble, comme un couple qui danse parfaitement synchronisé. L'État pousse tout le monde à s'intégrer.

2. Les États-Unis (L'Équipe "Libre-Entreprise") :

   • Le style : C'est une jungle compétitive. Le gouvernement met un peu de carburant, mais ce sont les géants de la tech (Google, Amazon, etc.) qui courent vite et achètent les autres.
   • Le résultat : Aux USA, le cerveau et le corps du robot sont un peu plus... distants. Les entreprises font leur propre chemin. L'IA se développe très vite, mais elle ne s'intègre pas toujours aussi bien dans les robots physiques que chez les Chinois. C'est plus "sauvage".

3. L'Europe, le Japon et la Corée du Sud (Les Équipes "Hybrides") :

   • Le style : Un mélange. L'Europe essaie de trouver un équilibre entre innovation et règles strictes (pour que ce soit "sûr"). Le Japon et la Corée ont des traditions industrielles fortes où les grandes entreprises et l'État collaborent, mais avec une dynamique différente de la Chine.
   • Le résultat : Ils sont quelque part entre les deux. Parfois, le cerveau et le corps sont bien connectés, parfois moins, selon le type de robot.

📉 Le Moment Clé : 2010

L'étude a regardé l'histoire de ces inventions comme on regarde un graphique boursier. Ils ont cherché un moment où la courbe change de direction brusquement (un "cassure").

• La découverte : Tout a changé autour de 2010-2011.
• L'image : Avant 2010, les robots classiques et l'IA avançaient chacun de leur côté. Après 2010, c'est comme si un interrupteur a été actionné : l'IA a commencé à s'insérer massivement dans les robots, accélérant leur évolution. C'est le moment où les robots sont passés de "machines stupides" à "machines intelligentes".

💡 En Résumé

Cette recherche nous dit trois choses importantes :

1. Ce n'est plus la même chose : Il faut distinguer les vieux robots (qui suivent des ordres) des nouveaux robots (qui apprennent).
2. L'histoire a changé en 2010 : C'est là que l'IA a vraiment commencé à transformer les robots.
3. La politique compte : La façon dont un pays organise ses entreprises, ses universités et son gouvernement détermine si l'IA et les robots vont grandir ensemble harmonieusement (comme en Chine) ou de manière plus désordonnée (comme aux USA).

En gros, l'avenir de la technologie ne dépend pas seulement de la science, mais aussi de comment les pays organisent leur équipe pour la construire.

Résumé technique

Voici un résumé technique détaillé de l'article « The "Gold Rush" in AI and Robotics Patenting Activity. Do innovation systems have a role? » de Giovanni Guidetti, Riccardo Leoncini et Mariele Macaluso.

1. Problématique et Contexte

L'article s'attaque à un vide empirique majeur dans la littérature économique sur l'Intelligence Artificielle (IA) et la robotique. Bien que les conséquences économiques de ces technologies soient largement étudiées, leur évolution conjointe n'a pas été systématiquement analysée à travers le prisme des différents systèmes d'innovation nationaux.

Les auteurs soulignent deux limites méthodologiques des études précédentes :

1. L'agrégation excessive : La robotique est souvent traitée comme une technologie homogène (automatisation industrielle), sans distinguer les systèmes robotiques traditionnels (basés sur des règles préprogrammées) des robots intégrant des fonctionnalités d'IA (apprentissage, perception, contrôle adaptatif).
2. L'absence de distinction institutionnelle : La littérature néglige souvent comment les trajectoires technologiques varient selon les environnements institutionnels (systèmes d'innovation nationaux), notamment la différence entre les modèles orientés marché (États-Unis) et les modèles coordonnés par l'État (Chine).

L'objectif est de déterminer si l'IA, la robotique traditionnelle et la robotique enrichie par l'IA (AI-enhanced robots) partagent des dynamiques à long terme communes ou suivent des trajectoires distinctes, et comment ces dynamiques diffèrent selon les pays (Chine, États-Unis, Europe, Japon, Corée du Sud).

2. Méthodologie et Construction des Données

A. Construction d'une nouvelle base de données (1980-2019)

Les auteurs utilisent la base de données PATSTAT (Office européen des brevets) et construisent un jeu de données unique en distinguant trois domaines technologiques mutuellement exclusifs :

1. IA de base (Core AI) : Inventions liées aux capacités fondamentales (apprentissage, raisonnement, perception, prise de décision autonome).
2. Robots traditionnels : Robots industriels, de service et sociaux basés sur des règles préprogrammées, sans intégration structurelle d'IA.
3. Robots enrichis par l'IA (AI-enhanced robots) : Robots intégrant structurellement des capacités d'IA (agents cognitifs, contrôle adaptatif).

Stratégie d'identification :

• Classification CPC : Utilisation des codes de classification coopérative des brevets.
• Recherche par mots-clés : Combinaison de listes de mots-clés spécifiques (ex: "cognitive system", "control theory") dans les titres et résumés.
• Texte-mining : Application d'algorithmes Python pour scanner les titres et résumés des familles de brevets, filtrant les occurrences de mots-clés liés à l'IA au sein du corpus robotique.
• Unité d'analyse : La famille de brevets (pour éviter le double comptage) basée sur l'année de dépôt (filing year) plutôt que de publication.

B. Approche Économétrique : Analyse de Séries Temporelles

L'étude adopte une approche de séries temporelles pour analyser les dynamiques à long terme :

1. Tests de Stationnarité : Utilisation des tests de Dickey-Fuller augmenté (ADF) et KPSS pour vérifier l'intégration des séries (ordre I(1)).
2. Détection de Ruptures Structurelles : Application du test de Bai-Perron pour identifier les changements abrupts dans les trajectoires technologiques.
3. Modélisation ARMA/ARIMA : Pour caractériser les dynamiques à court terme.
4. Analyse de Cointégration : Test de la présence de relations d'équilibre à long terme entre les séries (IA, robots traditionnels, robots enrichis) au sein de chaque système d'innovation national. Cela permet de vérifier si les technologies co-évoluent de manière synchronisée.

3. Contributions Clés

1. Distinction Conceptuelle et Empirique : C'est la première étude à isoler empiriquement les robots "enrichis par l'IA" des robots traditionnels et de l'IA pure, permettant de mesurer l'incorporation de l'IA dans les applications physiques.
2. Analyse Comparative des Systèmes d'Innovation : L'article ne se contente pas de décrire les tendances globales, mais compare systématiquement les dynamiques entre cinq grands blocs (Chine, US, Europe, Japon, Corée du Sud) pour évaluer le rôle des institutions.
3. Méthodologie Hybride : Combinaison de techniques avancées de traitement du texte (NLP) sur les brevets avec des méthodes économétriques rigoureuses de séries temporelles (cointégration).

4. Résultats Principaux

A. Dynamiques Distinctes et Accélération Récente

• Les trois domaines suivent des trajectoires à long terme distinctes.
• L'IA de base et les robots enrichis par l'IA montrent une accélération marquée à partir du début des années 2010.
• Les robots traditionnels suivent une trajectoire plus graduelle et stable.
• Ruptures structurelles : Les ruptures (breaks) pour l'IA et les robots enrichis par l'IA se concentrent autour de 2010-2011, coïncidant avec la diffusion des techniques d'IA modernes. Les robots traditionnels présentent des ruptures plus anciennes (années 80/90), liées aux vagues d'automatisation classiques.

B. Hétérogénéité Institutionnelle (Résultats de Cointégration)

Les relations à long terme varient systématiquement selon les pays, reflétant leurs modèles d'innovation :

• Chine (Système piloté par l'État) :

  • Forte cointégration entre l'IA de base et les robots enrichis par l'IA.
  • Forte intégration entre les secteurs public (universités) et privé.
  • Cela suggère une stratégie coordonnée où l'IA est délibérément incorporée dans la robotique industrielle et de service.

• États-Unis (Système orienté marché) :

  • Faible intégration (pas de cointégration significative) entre l'IA et les robots enrichis au niveau des déposants.
  • Le système est dominé par des géants technologiques et des startups en compétition, avec une coordination moindre entre la recherche fondamentale en IA et son application robotique spécifique.

• Europe, Japon, Corée du Sud (Modèles intermédiaires) :

  • Europe : Modèles mixtes, avec une cointégration variable selon les classes technologiques (ex: forte en ingénierie mécanique).
  • Japon : Ressemble au modèle chinois avec une certaine intégration, mais plus faible.
  • Corée du Sud : S'aligne davantage sur le modèle américain (faible intégration globale), mais avec des spécificités sectorielles (forte cointégration en électricité).

5. Signification et Implications

• L'IA comme Technologie Générique (GPT) : Les résultats confirment que l'IA agit comme une technologie générique dont l'impact économique dépend de son incorporation dans des domaines appliqués (comme la robotique). Cette incorporation n'est pas uniforme mais dépend des institutions.
• Rôle des Politiques Publiques : La forte corrélation en Chine suggère que les politiques industrielles coordonnées et les investissements publics peuvent accélérer l'intégration des technologies de rupture (IA) dans les secteurs physiques (robotique). À l'inverse, le modèle américain favorise l'innovation par l'IA en tant que domaine distinct, avec une intégration robotique moins synchronisée.
• Implications pour la Compétitivité : La "course à l'or" (Gold Rush) actuelle n'est pas seulement une course au volume de brevets, mais une course à la capacité d'intégrer l'IA dans des systèmes physiques complexes. Les pays qui réussissent à créer des écosystèmes favorisant cette intégration (comme la Chine) pourraient obtenir un avantage compétitif durable dans la robotique de nouvelle génération.

En conclusion, l'article démontre que l'évolution conjointe de l'IA et de la robotique n'est pas un processus automatique, mais le résultat de co-évolutions technologiques différenciées façonnées par les structures institutionnelles nationales.