Archives mensuelles : mars 2016

Alexandre Grothendieck, 1928 – 2014

Quels liens y a-t-il entre Andrew Grove (l’article précédent) et Alexandre Grothendieck? Au delà d’initiales communes, d’une jeunesse similaire (naissance dans l’Europe de l’Est communiste qu’ils ont quittée pour faire carrière à l’Ouest) et d’être devenus des icônes de leur monde, il y a simplement qu’ils représentent mes deux passions professionnelles: les start-up et la mathématique. La comparaison s’arrête là, sans doute, mais j’y reviendrai plus bas.

Deux livres ont été publié en janvier 2016 sur la vie de ce génie: Alexandre Grothendieck – sur les traces du dernier génie des mathématiques par Philippe Douroux et Algèbre – éléments de la vie d’Alexandre Grothendieck de Yan Pradeau. Si vous aimez les mathématiques (je devrais dire la mathématique) ou même si vous ne l’aimez pas, lisez ces biographies.

Je connaissais comme beaucoup l’itinéraire atypique de cet apatride, devenu grande figure de la mathématique dont il obtint la médaille Fields en 1966 et qui décida de vivre en reclus du monde pendant plus de 25 ans dans un petit village proche des Pyrénées jusqu’à son décés en 2014. Je dois aussi avouer que j’ignorais tout de son travail. La lecture de ces deux très jolis livers me montre que je n’étais pas le seul, tant Grothendieck avait exploré des contrées que peu de mathématiciens ont pu suivre. J’ai aussi découvert les anecdotes suivantes:
– à 11 ans, il calcule la circonférence du cercle et en déduit que π vaut 3,
– plus tard, il reconstruit la théorie de la mesure de Lebesgue. Il n’a pas 20 ans,
– un nombre premier est à son nom, 57, qui vaut pourtant 3 x 19.
Oui, cela vaut la peine de découvrir la vie de cet illustre mathématicien.

La raison du lien que je fait entre Grove et Grothendieck est en fait assez ténue. Elle vient de cette citation: « il y a seulement deux véritables visionnaires dans l’histoire de la Silicon Valley. Jobs et Noyce. Leur vision était de construire de grandes entreprises … Steve avait vingt ans, aucun diplôme, certaines personnes disaient qu’il ne se lavait pas, et il ressemblait à Hô Chi Minh. Mais c’était une personnalité brillante, et c’est un homme brillant maintenant … Succès phénoménal de la jeunesse … Bob était une de ces personnes qui pouvait prendre du recul parce qu’il était excessivement rationnel. Steve ne le pouvait pas. Il était très, très passionné, très compétitif. » Grove était proche de Noyce à plus d’un titre, et extrémement rationnel et trouvait même Noyce trop peu rigoureux. Grothendieck pourrait être rapproché de Jobs. Hippie, passionné et aussi d’une certaine manière autodidacte. La réussite peut venir de personnalités si diverses.

Dernier point commun ou peut-être une différence. La migration. Grove est devenu un pur américain. Grothendieck fut un éternel apatride, malgré son passeport français. Mais tous les deux montrent son importance. La Silicon Valley regorge de migrants. J’en parle souvent ici. On sait moins que ce que l’on appelle « l’école française des mathématiques » a aussi ses migrants. Si vous allez sur la page wikipedia de la Médaille Fields, vous pourrez lire:

Dix « médaillés Fields » sont d’anciens élèves de l’École normale supérieure : Laurent Schwartz (1950), Jean-Pierre Serre (1954), René Thom (1958), Alain Connes (1982), Pierre-Louis Lions (1994), Jean-Christophe Yoccoz (1994), Laurent Lafforgue (2002), Wendelin Werner (2006), Cédric Villani (2010) et Ngô Bảo Châu (2010). Ceci ferait de « Ulm » la deuxième institution au palmarès après « Princeton », si le classement portait sur l’établissement d’origine des médaillés et non le lieu d’obtention. Concernant le pays d’origine, on aboutit à un total de quinze médaillés Fields issus de laboratoires français, ce qui pourrait placer la France en tête des nations formatrices de ces éminents mathématiciens.

Mais outre Grothendieck, l’apatride, Pierre Deligne, le belge, fit sa thèse avec lui, Wendelin Werner fut naturalisé à l’âge de 9 ans, Ngô Bảo Châu l’année ou il reçut la Médaille Fields, après avoir fait toutes ses études supérieures en France, et Artur Ávila est brésilien et français… On pourrait parler de l’Internationale de la Mathématique, ce qui n’aurait peut-être pas déplu à Alexandre Grothendieck.

Andrew S. Grove 1936 – 2016

Laisser un commentaire

Andrew Grove est mort il y a quelques jours. Je me souviens de la lecture de « Seuls les paranoïaques survivent ». Je me souviens qu’il a eu une vie étonnante, au moins ses premières années depuis sa Hongrie natale jusqu’à ce qu’il arrive à New York.

Andrew S. Grove a été président du conseil d’administration d’Intel Corporation de mai 1997 à mai 2005. Il a été directeur général de la société de 1987 à 1998 et son président de 1979 à 1997. Source: Andrew S. Grove 1936 – 2016 (Site web d’Intel)

Je me souviens aussi qu’il a écrit en 1010 une très profonde analyse sur les start-up. Je vais donc le citer à nouveau.

C’est une foi mal-placée que de croire aux start-up pour créer des emplois aux USA. Les Américains adorent l’idée que des gars dans un garage inventent quelque chose qui va changer le monde. L’éditorialiste du New York Times, Thomas L. Friedman, a ainsi résumé ce point de vue dans Des start-ups, pas des sauvetages de banques. Voici son raisonnement: laissons mourir les vieilles entreprises fatiguées qui ne font que produire des produits à faible valeur, si elles doivent mourir. Si Washington veut créer des emplois, la capitale doit soutenir les start-up.

Moment mythique.

Friedman a tort. Les start-up sont une chose merveilleuse, mais elles ne peuvent pas seules augmenter le niveau d’emplois high-tech. Tout aussi important est ce qui suit ce moment mythique de la création dans le garage, lorsqu’il faut passer du prototype à la production de masse. C’est la phase de mise à l’échelle. Il faut finaliser la conception, trouver le moyen de produire économiquement, construire des usines, et recruter par milliers. Mettre à l’échelle est un travail difficile mais nécessaire pour que l’innovation joue pleinement son rôle. Ce processus-là n’a plus lieu aux USA. Et aussi longtemps qu’il ne se fera plus, injecter des capitaux dans de jeunes sociétés qui construisent leurs usines ailleurs continuera a être un mauvais investissement en termes de création d’emplois. La mise à l’échelle a bien fonctionné dans la Silicon Valley. Des entrepreneurs venaient avec leurs inventions. Des investisseurs leur donnaient l’argent pour bâtir leurs entreprises. Si les fondateurs et leurs investisseurs avaient de la chance, la start-up croissait et allait en bourse, ce qui finançait la suite de l’aventure.

Intel comme exemple de startup.

J’ai eu la chance de vivre une telle aventure. En 1968, deux technologistes bien connus et leurs amis investisseurs mirent $3 millions pour créer Intel, qui fabriqua des puces mémoires pour l’industrie des ordinateurs. Dès le début, il fallut penser production en masse. Nous eûmes à bâtir des usines; recruter, former et garder des employés. Et résoudre un million d’autres problèmes avant qu’Intel ne devienne une très grosse entreprise. Trois ans plus tard, nous étions cotés en bourse, et Intel est devenue une des plus grandes sociétés high-tech. En 1980, dix ans après l’IPO, nous avions environ 13 000 employés aux USA. Non loin de nos quartiers généraux de Santa Clara, d’autres en firent autant. Tandem Computers eut une histoire similaire, puis Sun Microsystems, Cisco Systems, Netscape Communications, etc. Certaines sociétés disparurent sur le chemin, d’autres furent achetées, mais chaque survivant ajoutait à cet écosystème technologique complexe qu’est devenue la Silicon Valley. Avec le temps, les salaires et les coûts de la santé ont augmenté et la Chine s’est ouverte, si bien que les sociétés américaines ont découvert qu’elles pouvaient produire et même concevoir de manière beaucoup plus économique outremer. Et ce faisant, les marges se sont améliorées, les équipes de direction étaient heureuses ainsi que les actionnaires. La croissance s’est poursuivie, de plus en plus profitable. Mais la machine à emplois s’est grippée.

USA contre Chine.

Aujourd’hui, les emplois dans la production d’ordinateurs aux USA sont de 166 000 — moins qu’à l’époque du premier ordinateur personnel, le MITS Altair 2800, en 1975. Entre temps, une industrie de la production de ces mêmes ordinateurs est née en Asie, avec un million et demi de travailleurs – ouvriers, ingénieurs et dirigeants. La plus grande de ces entreprises est Hon Hai Precision Industry Co., aussi connue sous le nom de Foxconn. La croissance de cette société fut à peine croyable, d’abord à Taiwan et ensuite en Chine. L’an dernier, son chiffre d’affaires à atteint 62 milliards de dollars, plus qu’Apple, Microsoft, Dell ou Intel. Foxconn emploie plus de 800 000 personnes, plus que la somme cumulée des emplois de Apple, Dell, Microsoft, Hewlett-Packard, Intel et Sony.

Rapport de 1 à 10

Jusqu’à la récente vague de suicides dans le complexe industriel géant de Foxconn à Shenzhen, peu d’Américains avait entendu parler de cette société. Pourtant tous connaissent les objets qu’elle produit : des ordinateurs pour Dell et HP, des téléphones portables pour Nokia, des consoles Xbox 360 pour Microsoft, des circuits pour Intel, et une quantité d’autres gadgets familiers. Quelques 250 000 employés de Foxconn dans le sud de la Chine fabriquent les produits d’Apple alors que la société à la pomme, n’a que 25 000 employés aux USA – ce qui veut dire que pour chaque employé Apple aux USA, il y en a 10 qui travaillent en Chine sur les iMacs, iPods et iPhones. Le même rapport de 1 à 10 tient pour for Dell, pour le fabriquant de disques durs Seagate Technology, et bien d’autres. … (plus sur l’article de Bloomberg)

Un grand homme vient de disparaître.

Start-Up, une culture de l’innovation

2 réponses

Je viens de publier un très bref essai. Un résumé mis à jour de ma vision de la culture de l’innovation: « Il y a presque 10 ans, j’ai écrit un livre intitulé Start-up, ce que nous pouvons encore apprendre de la Silicon Valley. Si je devais faire une seconde édition, je ne crois pas que je changerais grand-chose malgré toutes les imperfections et maladresses de l’exercice. Pourtant un matin du mois de février 2016, j’ai eu envie de faire un bilan de dix ans d’action dans le soutien aux créateurs de start-up et d’envoyer d’anciens et de nouveaux messages à ceux que le monde de l’innovation et de l’entrepreneuriat high-tech intrigue ou intéresse. »

Tous ces livres existent aussi en anglais. Si vous souhaitez obtenir une version pdf des livres, envoyez moi un email…

Les migrants et les licornes

Laisser un commentaire

Grâce à la lettre d’information hebdomadaire A16Z, je viens de découvrir une nouvelle et intéressante étude sur l’importance des migrants dans le paysage américain de l’innovation: Immigrants and the Billion Dollar Startups (en pdf). Voici quelques résultats clés:
– 51 pour cent, ou 44 sur 87, des start-up valant 1 milliard de dollars ou plus avaient au moins un fondateur mmigrant.
– 62 des 87 entreprises, soit 71 pour cent, avaient au moins un migrant aidant l’entreprise à croître et à innover.
– les fondateurs immigrés ont créé une moyenne d’environ 760 emplois par entreprise aux États-Unis.
Bien sûr, cela se limite aux entreprises privées, les licornes qui ont une histoire récente, mais ce sont des données impressionnantes.

Si vous n’avez jamais rien lu sur l’importance des migrants dans la Silicon Valley, vous pourriez également être intéressé par le travail de AnnaLee Saxenian. Pour terminer, j’ai copié les données de l’étude, pour ajouter mes propres commentaires:

Sur le plan géographique, sur les 44 start-up, 14 sont basées dans la Silicon Valley et 12 de plus à San Francisco même.
En termes d’éducation, sur les 60 fondateurs immigrants, 23 ont étudié dans des universités américaines, dont 5 à Stanford et 1 à Berkeley contre 4 à Harvard et 2 au MIT.
En termes d’origine, l’étude donne les différents pays et je me suis intéressé à l’Europe: 15 proviennent de l’Union européenne contre 14 de l’Inde et 7 en provenance d’Israël.

Intéressant, non?

Les machines vont-elles nous remplacer ?

Laisser un commentaire

C’est le titre traduit d’un excellent article de la MIT Technology Review que l’on trouve en ligne: Will Machines Eliminate Us? J’en fournis ici une traduction tant je trouve qu’il vient contrebalancer l’avalanche de promesses et d’exubérance médiatiques et scientifiques…

Les gens qui craignent que nous soyons sur la point d’inventer des machines dangereusement intelligentes comprennent mal l’état de l’informatique.

par Will Knight – le 29 janvier 2016

Yoshua Bengio dirige l’un des groupes de recherche les plus avancés dans un domaine de l’intelligence artificielle (AI) en fort développement et connu sous le nom d’apprentissage profond ou « deep learning » (voir fr.wikipedia.org/wiki/Deep_learning). Les capacités surprenantes que le deep learning a données aux ordinateurs au cours des dernières années, de la reconnaissance vocale de qualité humaine à la classification des images jusque des compétences de conversation de base, ont généré des avertissements menaçants quant au progrès que l’AI fait vers l’intelligence humaine, au risque peut-être de même de la dépasser. Des personnalités comme Stephen Hawking et Elon Musk ont même averti que l’intelligence artificielle pourrait constituer une menace existentielle pour l’humanité. Musk et d’autres investissent des millions de dollars dans la recherche sur les dangers potentiels de l’AI, ainsi que sur les solutions possibles. Mais les déclarations les plus sinistres semblent exagérées pour nombre de gens qui sont en fait directement impliquées dans le développement de la technologie. Bengio, professeur de sciences informatiques à l’Université de Montréal, met les choses en perspective dans un entretien avec le rédacteur en chef de la MIT Technology Review pour l’AI et la robotique, Will Knight.

Faut-il se soucier de la rapidité des progrès de l’intelligence artificielle ?
Il y a des gens qui surestiment grossièrement les progrès qui ont été accomplis. Il y a eu beaucoup, beaucoup d’années de petits progrès derrière un grand nombre de ces choses, y compris des choses banales comme plus de données et plus de puissance de l’ordinateur. Le battage médiatique n’est pas de savoir si les choses que nous faisons sont utiles ou pas – elles le sont. Mais les gens sous-estiment combien la science doit encore faire de progrès. Et il est difficile de séparer le battage médiatique de la réalité parce que nous voyons toutes ces choses épatantes qui, à première vue, ont l’air magiques.

Y a t-il un risque que les chercheurs en AI « libérent le démon» accidentellement, comme Musk le dit ?
Ce n’est pas comme si quelqu’un avait tout à coup trouvé une recette magique. Les choses sont beaucoup plus compliquées que l’histoire simple que certaines personnes aimeraient raconter. Les journalistes aimeraient parfois raconter que quelqu’un dans son garage a eu cette idée remarquable, et puis qu’une percée a eu lieu, et tout à coup nous aurions l’intelligence artificielle. De même, les entreprises veulent nous faire croire à une jolie histoire : « Oh, nous avons cette technologie révolutionnaire qui va changer le monde – l’AI est presque là, et nous sommes l’entreprise qui va la fournir. » Ce n’est pas du tout commet cela que les choses fonctionnent.

Qu’en est-il de l’idée, au centre de ces préoccupations, que l’AI pourrait en quelque sorte commencer à s’améliorer d’elle-même et alors devenir difficile à contrôler?
Ce n’est pas comme cela que l’AI est conçue aujourd’hui. L’apprentissage automatique ou « machine learning » (voir fr.wikipedia.org/wiki/Apprentissage_automatique) est un processus lent et laborieux d’acquisition d’information à travers des millions d’exemples. Une machine s’améliore, oui, mais très, très lentement, et de manière très spécialisée. Et les algorithmes que nous utilisons ne ressemblent en rien à des virus qui s’auto-reproduiraient. Ce n’est pas ce que nous faisons.

« Il nous manque quelque chose de fondamental. Nous avons fait des progrès assez rapides, mais ils ne sont toujours pas au niveau où nous pourrions dire que la machine comprend. Nous sommes encore loin de cela. »

Quels sont quelques-uns les grands problèmes non résolus de l’AI?
L’apprentissage non supervisé est vraiment, vraiment important. En ce moment, la façon dont nous enseignons aux machines à être intelligentes est que nous devons dire à l’ordinateur ce qu’est une image, même au niveau du pixel. Pour la conduite autonome, l’homme étiquette des quantités gigantesques d’images de voitures pour montrer quelles parties sont des piétons ou des routes. Ce n’est pas du tout comme cela que les humains apprennent, et ce n’est pas comme cela que les animaux apprennent. Il nous manque quelque chose de fondamental. C’est l’une des choses les plus importantes que nous faisons dans mon laboratoire, mais il n’y a pas d’application à court terme – cela ne va probablement pas être utile pour construire un produit demain. Un autre grand défi est la compréhension du langage naturel. Nous avons fait des progrès assez rapides au cours des dernières années, c’est donc très encourageant. Mais ce n’est toujours pas au niveau où nous pourrions dire que la machine comprend. Ce serait vrai si nous pouvions faire lire un paragraphe à la machine, puis lui poser une question à ce sujet, et la machine répondrait d’une manière raisonnable, comme le ferait un humain. Nous sommes encore loin de cela.

Quelles approches au-delà de l’apprentissage profond seront nécessaires pour créer une véritable intelligence de la machine ?
Les efforts traditionnels, y compris le raisonnement et la logique – nous avons besoin de marier ces choses avec l’apprentissage profond afin d’avancer vers l’AI. Je suis l’une des rares personnes qui pensent que les spécialistes de l’apprentissage automatique, et en particulier les spécialistes de l’apprentissage profond, devraient accorder plus d’attention aux neurosciences. Les cerveaux fonctionnent, et nous ne savons toujours pas pourquoi à bien des égards. L’amélioration de cette compréhension a un grand potentiel pour aider la recherche en AI. Et je pense que les gens en neurosciences gagneraient beaucoup à s’intéresser à ce que nous faisons et à essayer d’adapter ce qu’ils observent du cerveau avec les types de concepts que nous développons en apprentissage automatique.

Avez-vous jamais pensé que vous auriez à expliquer aux gens que l’AI n’est pas sur le point de conquérir le monde? Cela doit être étrange.
C’est en effet une préoccupation nouvelle. Pendant de nombreuses années, l’AI a été une déception. En tant que chercheurs, nous nous battons pour rendre la machine un peu plus intelligente, mais elles sont toujours aussi stupides. Je pensais que nous ne devrions pas appeler ce domaine celui de l’intelligence artificielle, mais celui de la stupidité artificielle. Vraiment, nos machines sont idiotes, et nous essayons juste de les rendre moins idiotes. Maintenant, à cause de ces progrès que les gens peuvent voir avec des démos, nous pouvons maintenant dire: « Oh, ça alors, elle peut effectivement dire des choses en anglais, elle peut comprendre le contenu d’une image. » Eh bien, maintenant que nous connectons ces choses avec toute la science-fiction que nous avons vue, cela devient, « Oh, j’ai peur! »

D’accord, mais c’est tout de même important de penser dès maintenant aux conséquences éventuelles de l’AI.
Absolument. Nous devons parler de ces choses. La chose qui me rend le plus inquiet, dans un avenir prévisible, ce n’est pas que des ordinateurs prennent le pouvoir dans le monde entier. Je suis plus préoccupé par une mauvaise utilisation de l’AI. Des choses comme de mauvaises utilisations militaires, la manipulation des gens par le biais de publicités vraiment intelligentes; aussi, l’impact social, comme beaucoup de gens perdant leur emploi. La société a besoin de se réunir et de trouver une réponse collective, et ne pas laisser la loi de la jungle arranger les choses.

Will Knight est le rédacteur en chef pour l’AI de la MIT Technology Review. Il couvre principalement l’intelligence des machines, les robots, et l’automatisation, mais il est intéressé par la plupart des aspects de l’informatique. Il a grandi dans le sud de Londres, et a écrit sa première ligne de code sur un puissant Sinclair ZX Spectrum. Avant de rejoindre cette publication, il travaillait comme éditeur en ligne au magazine New Scientist. Si vous souhaitez entrer en contact, envoyer un e-mail à will.knight@technologyreview.com.

Crédit – Illustration par Kristina Collantes

Deux défis du transfert de technologie – Partie 2: Apprenez à connaître votre bureau de transfert.

Laisser un commentaire

Mon deuxième post sur le transfert de technologie (après celui sur les systèmes nationaux) traite de la micro-économie de l’activité. Il est motivé par l’excellent article de Nature intitulé Keys to the Kingdom et sous-titré Ce que vous devez savoir sur votre bureau de transfert de technologie.

Avant de résumer son contenu, permettez-moi de vous rappeler les articles qui couvrent déjà le sujet de sorte que vous en conviendrez, ce n’est pas un sujet nouveau pour moi et je considère aussi qu’il est important:
– Licences et start-up universitaires en mai 2010 (www.startup-book.com/fr/2010/05/04/licences-et-start-up-universitaires) suivie
– Licences et start-up universitaires (la suite) en juin 2010 (www.startup-book.com/fr/2010/06/15/licences-et-start-up-universitaires-la-suite)
– Que demandent les universités aux start-up pour une licence de propriété intellectuelle? en novembre 2013 (www.startup-book.com/fr/2013/11/05/que-demandent-les-universites-aux-start-up-pour-une-licence-de-propriete-intellectuelle)
– Les universités doivent-elles s’enrichir avec leurs spin-offs? en juin 205 (www.startup-book.com/fr/2015/06/09/les-universites-doivent-elles-senrichir-avec-leurs-spin-offs)

Co-écrit par 18 personnes de Stanford, Oxford, Harvard, l’Université de Californie à San Francisco et l’University College de Londres, l’article décrit ce que devraient connaître les gens intéressés à obtenir une licence sur de la propriété intellectuelle pour créer une start-up. Le document commence par « Comme […] entrepreneur universitaire, vous ferez face à de nombreux défis » et le second paragraphe suit avec « En outre, vous aurez très probablement à négocier avec le bureau de transfert de technologie de votre université (TTO) une licence de propriété intellectuelle (PI) en rapport avec votre recherche. »

Quels sont ces défis liés au TTO? Ils sont écrits dans l’article en caractères gras comme suit: Surmonter l’asymétrie d’information – De longues négociations – L’inexpérience – le manque de financement – Les règles sur le conflit d’intérêt – Utiliser un avocat expérimenté. Cela signifie que comme futur entrepreneur, vous devriez être prêt et idéalement être informé sur le sujet.

Les défis

Le principal défi semble être la complexité administrative et l’opacité (page 1), y compris la confidentialité des contrats, qui rend difficile pour les observateurs extérieurs la compréhension des termes équitables d’un contrat (page 1 à nouveau). Et, ils concluent presque leur article par: « En effet, même pour les universités pour lesquelles nous disposons de données en ce qui concerne les politiques de prise de participation (equity), il a été souvent difficile de les trouver, cachées profondément dans un fouillis de jargon juridique. À cette fin, nous encourageons les universités et les instituts de recherche qui reçoivent des fonds publics à être totalement transparents dans leurs politiques d’equity et de redevances (royalties), et à ne pas utiliser ces asymétries d’information comme un avantage de négociation contre des […]entrepreneurs en herbe ».

A la page 2, je note:
– Une négociation peut être longue (6-12 mois, voire 18 mois) et une façon de faire court est d’accepter les termes proposés.
– Une façon d’atténuer l’inexpérience est de « préparer un plan d’affaires adéquat ou une stratégie pour votre PI avant d’approcher votre TTO » ou « d’amener avec vous des membres de l’équipe ayant une expérience préalable dans […] la commercialisation pour améliorer la crédibilité de votre équipe ».
– Le manque de financement peut être partiellement résolu par la signature de «contrats d’option de licence ».
– Les règles sur le conflit d’intérêt « existent pour empêcher les universitaires de jouer des deux côtés de la négociation d’un accord de licence ou de consacrer trop de temps à des obligations non académiques ». En outre, « les TTOs représentent les intérêts de l’université (et non les universitaires), mais l’universitaire est techniquement un employé de l’université. «Notre politique est de ne jamais négocier directement avec l’universitaire», dit un représentant de TTO américain ».
– Un avocat expérimenté est conseillé pour évaluer la qualité de la propriété intellectuelle, mais aussi parce que « […] les entrepreneurs échouent souvent à apprécier le coût d’opportunité pour le TTO dans l’octroi de licences. Si une technologie est octroyée à une équipe inefficace (en particulier avec une licence exclusive), l’université renonce à tout succès ou revenu qu’elle aurait pu avoir d’une licence de la technologie à un partenaire de l’industrie mieux organisé. De plus les universités ont des ressources humaines et des moyens limités pour protéger la propriété intellectuelle, et, pour cette raison, préfèrent une licence technologique aux équipes qu’elles estiment bien préparées pour la commercialiser ».

Les termes de la prise de participation (equity)

« Peut-être la différence la plus frappante entre les États-Unis et le Royaume-Uni concerne les termes de la prise de participation (equity). Au Royaume-Uni, un accord de licence typique est un partage 50/50 rarement négociable entre l’université et l'[…] entrepreneur universitaire, alors que les personnes interviewées dans les universités américaines ont indiqué des prises de participation négociables de l’ordre de 5-10% ».

Vous comprenez maintenant pourquoi je disais dans mon précédent post que je ne suis pas convaincu de prendre le Royaume-Uni comme une référence. La pratique des États-Unis montre qu’il y a de place dans le débat. Vous pouvez vérifier à nouveau dans mon article de novembre 2013, qu’un accord typique est soit de 10% d’equity à la création ou de 5% après un financement important. Très rarement plus.

Là encore, les auteurs mentionnent que « les fondateurs aux États-Unis souvent ne réalisent pas que certains termes de deal sont négociables, y compris les frais initiaux, les paiements d’option, l’equity, les paiements de redevances (royalties), les paiements intermédiaires, les territoires couverts, le domaine d’utilisation et l’exclusivité par rapport à la non-exclusivité » et que aussi, « au Royaume-Uni, les termes de licences sont souvent perçus comme étant non négociables, bien que ce soit pas toujours le cas. En fait, de nombreuses politiques d’universités indiquent explicitement que les termes des contrats sont négociables ». Cela peut par contre rendre le processus plus long.

À la page 4, les auteurs ajoutent: « Il est difficile de comprendre la justification des TTO britanniques, comme Isis Innovation d’Oxford, qui prennent 50% du capital d’une entreprise à la formation, ce qui après l’investissement peut laisser l’entrepreneur académique avec une très faible participation dès le lancement, pour ce qui était probablement des années de travail, et qui demandera encore beaucoup plus de temps et d’argent pour le développement à venir » et en fait « les données suggèrent que les TTOs qui demandent moins au début et laissent plus à l’universitaire et aux investisseurs qui vont effectivement développer l’idée plus avant est payante à long terme. Autrement dit: détenir une petite part de quelque chose est a encore plus de valeur qu’une plus grande part de rien du tout ».

Le mystère des redevances (royalties)

« Il est également intéressant de noter que, même si une discussion sur les redevances était hors de portée de cette étude, il ressort clairement de notre recherche que de nombreux TTO académiques « doublent la mise » en demandant prises de participations (equity) et redevances (royalties) significatives. » Mais encore une fois « peut-être plus inquiétante que les parts démesurées d’equity et de redevances que les universités revendiquent est le manque de transparence de la part de nombreuses universités sur cette question cruciale ».

Ma conclusion : tout entrepreneur en herbe devrait lire ce court document de 5 pages et être prêt à négocier. J’aimerais autant que les auteurs que les universités et les instituts de recherche soient totalement transparents dans leurs politiques d’equity et de royalties, mais je suis également conscient de la position éventuellement affaiblie des universités qui le feraient.