Les inventions combinatoires

En 2006, les chercheurs W. Brian Arthur et Wolfgang Polak ont publié un article dans lequel ils déclaraient que « les nouvelles technologies ne sont jamais créées à partir de rien. Elles sont composées et assemblées à partir d'éléments qui existaient déjà ». Cet article s'intéressait à la manière d'identifier des inventions combinatoires provenant de l'association inédite de deux technologies. L'importance des inventions combinatoires est confirmée par les examinateurs qui déclarent que les découvertes révolutionnaires de nouvelles technologies surviennent assez rarement. Dans leur article publié en 2015, intitulé « Invention as a combinatorial process: evidence from US patents », Hyejin Youn et ses confrères décrivent comment l'analyse des co-attributions de symboles de classification permet de mettre en exergue l'importance des combinaisons technologiques à des fins d'innovation. Ils analysent la distance entre les codes de classification afin de déterminer le caractère nouveau de ces combinaisons et d'analyser comment « la création de nouvelles combinaisons technologiques crée un espace de configurations technologiques quasi infini. »

Dans la logique de ce concept, les outils de l'OEB Global Patent Index (GPI) et PATSTAT peuvent être utilisés afin d'analyser dans les résultats de recherche les symboles de la CPC conjointement attribués aux brevets publiés et ainsi d'identifier les nouvelles tendances technologiques qui n'ont pas encore donné lieu à de nouveaux symboles de classification. L'idée est en effet que l'évolution  des modèles combinatoires soit utilisée pour extraire de nouvelles combinaisons, et ce, à partir de combinaisons classiques dans un domaine donné. Ces nouvelles combinaisons pourraient stimuler l'émergence d'autres inventions et être à l'avant-garde de nouvelles technologies.

La figure 1 montre les combinaisons de symboles de la CPC attribués aux inventions portant sur le contrôle des véhicules routiers (G08G1/00). Sur ce graphique, on peut voir que les combinaisons classiques avec traitement de données, classées sous G06Q, prédominent au point qu'il est difficile de visualiser les nouvelles tendances faisant l'objet d'un faible nombre de demandes de brevet.

Figure 1 Symboles de la CPC conjointement attribués dans le domaine du contrôle du trafic routier (G08G1/00)

(Cliquez sur l'image pour agrandir) – Figure 1 Symboles de la CPC conjointement attribués dans le domaine du contrôle du trafic routier (G08G1/00)

La figure 2 montre en revanche qu'au fil du temps, les symboles de la CPC conjointement attribués aux systèmes de contrôle du trafic routier (G08G1/00) et à d'autres domaines changent et met ainsi en évidence les combinaisons qui gagnent en importance (cercles bleus) ainsi que celles qui sont en baisse (cercles rouges). Il ressort ainsi clairement de ce graphique que récemment les symboles relatifs aux données sur l'infrastructure routière sont plus souvent combinés à ceux concernant les informations en lien avec des véhicules en déplacement, p. ex. des systèmes de navigation classés sous G05D1/00 et même des véhicules autonomes classés sous B60W60/00. De telles analyses peuvent aider à identifier des tendances technologiques qui n'ont pas encore donné lieu à un grand nombre de demandes de brevet et ainsi fournir à un stade précoce de précieuses informations sur les futures tendances.

   Figure 2 Évolution au fil du temps des attributions conjointes de symboles de la CPC dans le domaine du contrôle du trafic (G08G1/00)

(Cliquez sur l'image pour agrandir) – Figure 2 Évolution au fil du temps des attributions conjointes de symboles de la CPC dans le domaine du contrôle du trafic (G08G1/00)

Les outils publics d'informations brevets de l'OEB attribuent des codes CPC à l'échelle des familles de brevets, permettant de classifier l'ensemble d'un document. Des approches novatrices visent à faire avancer le concept de l'analyse de la classification plus en détail en annotant les codes de classification non seulement au niveau du document, mais également au niveau des paragraphes afin de guider l'examinateur vers la partie à évaluer. Cela améliore aussi les recherches combinatoires puisqu'on peut ainsi identifier si les co-attributions sont proches (p. ex. dans le même paragraphe, indiquant qu'il est question du même concept) ou éloignées et, de fait, potentiellement sans lien.

La figure 3 montre l'annotation des codes de classification pour chaque partie du document. La comparaison de combinaisons de codes similaires montre un lien potentiel entre les concepts techniques dans les différents documents.

 Figure 3 Utilisation de l’IA pour attribuer des codes CPC au niveau des paragraphes afin d’identifier des combinaisons proches

(Cliquez sur l'image pour agrandir) – Figure 3 Utilisation de l'IA pour attribuer des codes CPC au niveau des paragraphes afin d'identifier des combinaisons proches

Les inventions combinatoires telles qu'elles sont décrites dans cet article peuvent être analysées à l'aide des outils de l'OEB afin d'identifier de nouvelles combinaisons et reconnaître ainsi de futures tendances. À l'avenir, l'IA pourrait permettre d'analyser le texte voire proposer de nouveaux codes de classification pour des concepts qui ne sont pas encore pris en compte dans les codes existants.

Quick Navigation