Projets de recherche en cours

Projets de recherche subventionnés en 2020

Les quatre projets de recherche suivants ont obtenu un financement en 2020.

Linking patents to scientific publications through in-text reference
mining

Ce projet conduira à la création d'une base de données publique qui relie les brevets aux publications scientifiques, en s'appuyant sur une méthode d'exploration de textes très performante afin d'extraire des références dans le corps des textes de brevets. Cela permettra à des chercheurs et chercheuses d'analyser l'incidence de la recherche scientifique sur l'innovation industrielle.

Demandeur principal

Université

Domaine thématique

Jian Wang

Université de Leiden, Pays-Bas

Utilisation avancée de PATSTAT, de la recherche de brevets et des techniques d’analyse (exemples : classification, potentiel des données ouvertes liées à la PI)

From research grants to innovation: estimating the Grant-Patent Nexus to improve the design of research funding

Ce projet fait appel à un jeu de données unique provenant des demandes de bourses présentées au Conseil norvégien de la recherche dans tous les domaines scientifiques. Il mettra en évidence les innovations brevetées qui ont un lien avec les bourses de recherche, et en tirera les enseignements en ce qui concerne les possibilités d'améliorer les modalités du financement de la recherche de manière à accroître l'incidence de celui-ci sur l'innovation.

Demandeur principal

Université

Domaine thématique

Marco Ottaviani

Université Bocconi, Italie

Rôle de la PI dans les activités d'investissement ; brevets et faisceau de PI ; utilisation avancée de PATSTAT, de la recherche de brevets et des techniques d’analyse

Enabling distributed manufacturing through the patent system

Projet arrêté

Government-sponsored research and technical standards:
Evidence from standard-essential patents

Ce projet fait appel à un jeu de données nouveau, qui relie les brevets essentiels à une norme qui ont été déclarés et différentes sources de contributions publiques. Il évaluera l'importance que la recherche bénéficiant d'un soutien public revêt pour les brevets essentiels à une norme, ainsi que l'incidence de cette recherche sur le développement des normes techniques.

Demandeur principal

Université

Domaine thématique

Emilio Raiteri

Université d'Eindhoven, Pays-Bas

Rôle de la PI dans les activités de transfert de technologie, de commercialisation et/ou d’investissement

Projets de recherche subventionnés en 2021

En 2021, il a été proposé de financer les cinq programmes de recherche suivants.

"Des clusters scientifiques aux technologies émergentes"

Ce projet vise à identifier des caractéristiques spécifiques dans les clusters scientifiques qui sont susceptibles d'avoir ultérieurement un impact sur les évolutions technologiques. Dans cette perspective, il est prévu de : 1) faire usage de techniques quantitatives de pointe comme l'analyse sémantique et l'intégration de graphiques, appliquées aux publications scientifiques et aux données brevet ; 2) de diriger des monographies sur des cas spécifiques dans des domaines scientifiques variés (par ex. l'apprentissage automatique, le cancer, l'ARNm, la cybersécurité, la technologie CRISPR, le calcul quantique) ; et 3) de mesurer et de tester des caractéristiques spécifiques de découvertes scientifiques susceptibles d'influer sur leur futur impact. Les délivrables incluront un rapport d'analyse et une boîte à outils permettant aux utilisateurs d'évaluer l'impact potentiel de publications scientifiques spécifiques relatives aux technologies.

Candidat principal

Institut principal

Domaine de la recherche

Dominique Guellec

Observatoire des Sciences et Techniques - Hcéres, Paris (FR)

Niveau A : Mesurer l'impact de la recherche scientifique sur les transformations technologiques au niveau mondial

"Tracer les flux de connaissances de la science à la technologie en utilisant l'apprentissage profond"

Les citations de brevets dans les publications scientifiques sont habituellement interprétées comme étant des indicateurs de flux de connaissances potentiels. Cependant, les citations sont parfois problématiques pour différentes raisons, alors que les alternatives fondées sur les textes pâtissent d'une perte d'informations et d'une flexibilité limitée. Nous proposons donc d'exploiter la similarité sémantique entre les brevets et les publications scientifiques en utilisant les dernières avancées de l'apprentissage automatique. Notre solution repose sur des modèles auto-attentifs qui identifient des documents similaires sur le plan sémantique. Un brevet qui est très similaire à une publication scientifique antérieure peut avoir été influencé par celle-ci. Notre approche est souple et peut traiter de grandes quantités de textes. Une fois que les documents sont reliés sémantiquement, nous utilisons les données afin de tirer des conclusions concernant la diffusion de connaissances relatives à la science au sein des publications et vers les brevets et au sein de ces derniers.

Candidat principal

Institut principal

Domaine de la recherche

Dietmar Harhoff

Max Planck Institute for Innovation and Competition, Munich (DE)

Niveau A : Mesurer l'impact de la recherche scientifique sur les transformations technologiques au niveau mondial

"ViP@Scale : recherche de brevet visuelle et multimodale à l'échelle"

Les systèmes de recherche actuels pour la recherche de brevets reposent principalement sur des contenus textuels afin de trouver des documents similaires. La recherche sur la manière dont on utilise des contenus visuels sous forme de chiffres tels que les diagrammes et les dessins schématiques voire même une combinaison de texte et d'images dans les brevets ("recherche multimodale") reste limitée. Cependant, une approche multimodale authentique devrait désormais permettre d'atténuer les difficultés connues en matière de recherche de brevets, comme celles dues à la terminologie toujours changeante des évolutions techniques. Le projet proposé explore et élargit le champ des technologies de pointe permettant d'extraire des informations et d'effectuer des recherches de similitudes dans les bases de données brevet, en se concentrant sur des techniques d'apprentissage profond et en utilisant des jeux de données à grande échelle. L'objectif principal est d'exploiter les informations sous forme d'image contenues dans les brevets et de les relier à un contenu textuel pour une recherche optimisée.

Candidat principal

Institut principal

Domaine de la recherche

Ralph Ewerth

Leibniz Information Centre for Science and Technology, Hannover (DE)

Niveau B : Exploitation multimodale des informations

"Système d'apprentissage et d'évaluation intelligent : concevoir un système de formation numérique innovant pour la propriété intellectuelle"

Il existe de nombreux systèmes fondés sur la technologie afin d'assister les étudiants. Certains systèmes aident les étudiants pendant le processus d'apprentissage en proposant des ressources d'apprentissage ou en recommandant certaines activités. D'autres systèmes soutiennent les étudiants pendant la phase d'évaluation en leur donnant un retour ou suivent leur progression en leur recommandant la meilleure voie d'apprentissage pour terminer un cours avec succès. Selon les étudiants et leurs besoins en matière de cours, certaines options sont plus pertinentes que d'autres. Ce projet vise à :

  • définir un système d'apprentissage intelligent afin d'aider les étudiants à réussir leur processus d'apprentissage en ayant recours aux techniques de l'intelligence artificielle pour la formation en PI,
  • définir la meilleure stratégie d'évaluation automatique et les ressources d'apprentissage les plus probantes pour un système de retour automatique,
  • créer un chatbot afin de stimuler une interaction professeur/étudiant.

Candidat principal

Institut principal

Domaine de la recherche

David Baňeres

University Oberta de Catalunya, Barcelona (ES)

Niveau B : Pertinence des systèmes de tutorat intelligent en matière d'éducation sur la PI

"DOC-TRACK: STEM Docteurs et activités inventives dans quatre pays européens"

En nous fondant sur les recueils de thèses de doctorat électroniques, nous relions les informations de titulaires de doctorats obtenus en France, en Allemagne, aux Pays-Bas et en Espagne, aux données relatives aux brevets et aux données de publications scientifiques. Nous identifions donc à la fois les diplômés qui deviennent des inventeurs et ceux qui deviennent des scientifiques et publient des articles cités dans la littérature brevet, soit directement (brevet ->citation de la publication du docteur) soit indirectement (brevet ->autres publications ->chaîne de citation de la publication du docteur). Nous recueillons les mêmes informations pour les superviseurs du diplômé. Nous examinons ensuite les facteurs ayant une incidence sur la probabilité que les diplômés s'engagent dans des carrières d'inventeurs et/ou des carrières scientifiques mais avec des publications pertinentes en matière d'inventions. Ces facteurs incluent le genre et les rapports scientifiques et d'invention du directeur de thèse. En ce qui concerne la France et l'Allemagne, nous nous concentrons également sur les contributions spécifiques de diplômés étrangers.

Candidate principale

Institut principal

Domaine de la recherche

Catalina Martínez

Spanish National Research Council, IPP-CSIC, Madrid (ES)

Niveau A : Création de valeur via le transfert de technologies de l'université à l'industrie en Europe

Quick Navigation