Navigation – Plan du site

AccueilNuméros154Clusters et efficacité du capital...

Clusters et efficacité du capital-risque : une analyse des stratégies différenciées des fonds indépendants et des fonds industriels

Dominique Dufour, Eric Nasica et Dominique Torre
p. 125-150

Résumés

Les investisseurs en capital risque indépendants (IVC) se distinguent des organismes captifs, ces derniers étant des filiales de banques, de sociétés industrielles ou d’organismes publics. On attribue généralement aux premiers une meilleure rentabilité etune meilleure sélectivité des projets et aux seconds de moindres performances. L’objectif de notre papier est d’établir les limites de ces conclusions dans le cas des capital-risqueurs filiales de sociétés-mères industrielles, les capital-risqueurs industriels ou Corporate Venture Capitalists (CVC). A l’aide d’un modèle théorique prenant appui sur des faits stylisés, nous retrouvons tout d’abord les résultats traditionnels allant dans le sens d’une meilleure efficacité des IVC, en mettant en évidence à la fois le rôle des ressources spécifiques et des comportements stratégiques des deux types de capital-risqueurs. Nous observons aussi qu’à défaut d’améliorer la rentabilité moyenne des projets financés, les CVC en accroissent dans tous les cas le nombre. Puis, nous introduisons la prise en compte de synergies entre projets, notamment au sein de clusters. Quand de telles interactions sont introduites, nous montrons que les CVC peuvent non seulement contribuer à financer davantage de projets mais aussi accroître la sélectivité globale du secteur. Nous illustrons ces résultats par des simulations numériques et les commentons en conclusion.

Haut de page

Texte intégral

Nous sommes très reconnaissants à Alexandra Rufini pour sa programmation du modèle sous Mathematica.

1. Introduction

1L’industrie du private equity se caractérise par une hétérogénéité en matière de choix d’investissements entre deux types de fonds : les fonds indépendants (Independent Venture Capitalists, IVC) financés par des investisseurs institutionnels, type fonds de pension ou compagnies d’assurance d’une part et les fonds captifs caractérisant principalement les capital-risqueurs filiales de sociétés-mères industrielles ou de banques, d’autre part.

  • 1 Les principales levées de fonds sont le fait des organismes publics qui représentent sur la période (...)

2Alors qu’aux États-Unis, le financement du capital-risque par les IVC est largement dominant, la situation en Europe est plus contrastée, comme le montrent les données publiées par l’European Venture Capital Association (EVCA, 2014) : au niveau européen, sur la période 2010-2013, les fonds captifs industriels et bancaires représentent en moyenne 13,5 % des fonds levés en capital-risque contre 15 % pour les IVC. Pour la France, ces chiffres sont respectivement de 16,5 et 9,5 %1.

3De nombreux travaux soutiennent que les fonds captifs financent des investissements ayant une rentabilité moindre que les IVC (Van Osnabrugge et Robinson, 2001 ; Robbie et al. 1997 ; Manigart et al., 2002). Une explication souvent avancée est que les captifs, assurés d’un refinancement quasi automatique de la part de leur maison-mère, subissent moins de pression de la part de leurs pourvoyeurs de fonds que les IVC afin d’accroître leurs performances financières (Gompers, 1996). Ils seraient donc moins incités à améliorer leur niveau d’expertise, à contrôler étroitement les entreprises financées (De Bettignies et Chemla, 2008) ou à liquider à temps les projets défaillants que leurs homologues indépendants (Arping et Falconieri, 2010). En d’autres termes, les fonds captifs seraient moins « actifs » (hands-on) et finalement moins efficaces que les IVC dans le management des projets d’investissement, ce qui influencerait la rentabilité de ces projets. Dans la littérature récente, l’explication dominante est que le capital-risque industriel mis en place par les CVC (Corporate Venture Capitalists) est avant tout un outil de management stratégique (Dushnitsky, 2012 ; Chemmanu, 2014). Par rapport aux IVC, les stratégies d’investissement des CVC reposent sur trois caractéristiques bien marquées (Da Rin et al., 2011).

  1. Contrairement aux IVC, les CVC détiennent des ressources spécifiques qu’ils mettent à disposition des firmes financées : il s’agit tout d’abord de ressources de nature technique fournies par les équipes de R-D de la maison-mère permettant une meilleure compréhension et gestion de la technologie (Maula et al., 2005, 2009 ; Dushnitsky et Lenox, 2005). Les CVC peuvent également faciliter l’accès aux canaux de distribution (Katila et al., 2008). Ces ressources peuvent améliorer sensiblement la visibilité et la valeur de la firme financée ainsi que la probabilité pour le CVC d’effectuer sa sortie du capital dans de bonnes conditions (Maula et Murray, 2010). En résumé, les firmes financées reçoivent une valeur ajoutée de la part des CVC via l’acquisition de ressources, de connaissances et de réputation.

  2. Contrairement aux IVC, les CVC développent des comportements stratégiques consistant à financer des firmes porteuses de complémentarités et de synergies futures par rapport à l’activité principale de leur maison-mère. Ces synergies prennent différentes formes : un financement initial par un CVC pouvant favoriser la mise en place d’alliances stratégiques ultérieures entre la maison-mère et l’entreprise financée (Van de Vrande et Vanhaverbeke, 2013) ; la maison-mère peut favoriser la demande de ses produits et technologies en soutenant la création et le développement de firmes qui fournissent des produits et services complémentaires (Riyanto et Schwienbacher, 2006). Par exemple Intel a énormément investi via sa filiale de private equity dans le développement externe de technologies et de services utilisant ses microprocesseurs (Gawer et Casumano, 2001 ; Brandenburger et Nalebuff, 1996). Les mêmes comportements stratégiques d’investissement ont été observés chez Dell ou Lucent par exemple (Chesbrough, 2002).

    • 2 Pour la DATAR (Délégation à l’Aménagement du Territoire et à l’Action Régionale), la définition des (...)

    Enfin, dans le cas où les projets financés sont interdépendants du fait de l’appartenance à des secteurs similaires ou complémentaires ou en raison d’une proximité géographique, des interactions et synergies sont possibles. Cette idée est directement inspirée de la littérature sur les systèmes productifs localisés définis comme des ensembles d’entreprises gravitant autour de la même filière, d’un savoir-faire ou d’un produit et implantés dans un secteur d’activité, une région ou un bassin d’emploi. Ces systèmes productifs localisés permettent de mutualiser, de développer et d’innover en créant une dynamique de réseau2. Dans ces conditions, il est probable que, lorsque les projets d’investissement financés par capital-risque présentent un degré suffisant de complémentarité et de synergie, la réussite de certains projets ait une incidence sur la réussite des autres et que la rentabilité d’un projet ne soit pas indépendante du nombre total de projets financés.

4L’objectif de ce travail est d’étudier l’impact des caractéristiques particulières des IVC et des CVC en termes de ressources spécifiques, de comportements stratégiques et de niveau de complémentarité des projets financés sur leur efficacité en matière de financement du capital-risque. Nous expliquons tout d’abord en quoi ces éléments induisent des différences de rentabilité entre les projets financés par les CVC et ceux financés par des IVC. Nous analysons également les conditions dans lesquelles le financement de projets technologiques complémentaires, favorisés notamment par leur implantation au sein de clusters, remet en cause l’hypothèse de moindre rentabilité associée a priori aux investissements réalisés par les CVC. Nous montrons que, sous certaines conditions, le financement par des CVC conduit non seulement à accroître le nombre de projets financés mais aussi la sélectivité, voire la rentabilité des capital-risqueurs.

5Le papier est structuré de la manière suivante. Nous proposons en section 2 un modèle définissant les profits espérés respectifs des IVC et des CVC. Nous traitons ensuite et successivement deux cas de figures possibles relativement au degré d’interaction des projets financés. Dans le premier scénario (section 3), l’absence d’interaction entre projets conduit à ce que les CVC contribuent à accroître le nombre de projets financés par private equity, en acceptant de financer des projets non retenus par les IVC, mais au détriment de la rentabilité moyenne des projets. Dans le second scénario, où l’interaction entre les projets existe (section 4), les CVC peuvent non seulement conduire, sous certaines conditions, au financement d’un plus grand nombre de projets mais aussi à accroître la sélectivité globale du secteur. Nous commentons ces résultats en conclusion du papier (section 5).

2. Le modèle

6Il existe deux types d’intervenants en private equity, des IVC et des CVC.

7Les IVC sont sensibles au rendement espéré des projets auxquels ils sont confrontés. Ils conduisent les projets sur deux périodes, une période de sélection et une période de développement.

8Leur rendement espéré est donné par l’expression (1) :

Image 10000201000001BC000000235CAF30A2.png (1)

p,(0<p<1), et ( uniformément distribué entre min et max), sont a priori respectivement la probabilité de succès et le rendement en cas de succès d’un projet donné. La probabilité p,(0<p<1), est la même pour tous les projets et le rendement est observable. es, (e≥ 0), est le niveau d’effort exercé par l’IVC pour sélectionner les projets à la première période et er, (e≥ 0), son niveau d’effort à la seconde période pour accroître le rendement des bons projets retenus. Les termes quadratiques Image 100002010000002A00000023B6A57074.png et Image 100002010000002A0000002364EBC2CE.png représentent les coûts variables associés respectivement à l’effort de l’IVC à la première et à la seconde période, cs et cr étant des constantes positives. C>0 figure le coût fixe associé à la prise en charge d’un projet. λ est enfin une constante positive. Le crochet [p+(1-p)es] s’interprète de la manière suivante : en l’absence d’effort de sélection, le projet choisi a une probabilité p d’être un bon projet et de voir son développement poursuivi après la phase de sélection, cette probabilité augmentant avec l’effort de sélection. Au terme de la phase de sélection, la probabilité qu’un mauvais projet ait été retenu diminue donc avec l’effort de sélection. Le terme Image 10000201000000AF000000235862E987.png correspond au revenu net dégagé en phase de développement par les bons projets, soit les projets non liquidés au terme de la phase de sélection.

9Les CVC sont sensibles à la fois au rendement proprement dit des projets qu’ils soutiennent et à la capacité éventuelle de ces projets à engendrer des avantages stratégiques pour leur maison-mère. La présence d’avantages stratégiques d’un projet est parfaitement observable par les CVC. Leur indicateur spécifique de rendement espéré s’exprime alors selon (2) :

Image 10000201000002490000002357C42C2E.png (2)

ω, (ω{0,ω̅}), est le rendement stratégique associé au projet et R,(R≤̅Rmin), le rendement maximal que le CVC est capable de conférer aux « mauvais » projets ayant échappé à la sélection initiale. Le terme Image 100002010000007D00000023B9A1B610.png correspond alors au rendement susceptible d’être garanti en période de développement par un mauvais projet non décelé par l’effort de sélection initial. Ce rendement est fonction de l’effort em exercé par le capital-risqueur en phase de développement. Ce même terme multiplié par (1-p)(1-es) tient compte de la proportion initiale de mauvais projets et de l’effort de sélection réalisé en période initiale. L’effort de réhabilitation est en effet exercé sur les mauvais projets non écartés en première étape : un effort élevé de sélection en période initiale rend moins probable l’application d’un effort ultérieur de réhabilitation.

10En définitive, la séquence des actions des intervenants en capital-risque est la suivante :

  • À la première période, IVC et CVC appliquent leur effort de sélection pour choisir un projet. À ce stade, la probabilité de choisir un bon projet et le coût de la sélection croît avec leur effort. Au terme de la période, la qualité des projets sélectionnés se révèle.

  • À la seconde période, si le projet se révèle de mauvaise qualité, il est abandonné par les IVC qui ne développent que les projets de bonne qualité. Il est au contraire développé par les CVC. Au cours de la seconde période, IVC et CVC appliquent alors un effort de développement coûteux mais de nature différente :

    • les IVC s’appliquent à accroître la rentabilité des bons projets,

    • les CVC s’appliquent à réhabiliter les éventuels mauvais projets et à leur conférer une rentabilité minimale.

11Au terme de la seconde période, les projets développés en seconde période sont liquidés et leur rendement pris en compte.

IVC et CVC observent en début de période 1 les projets disponibles. Ils décident ou non d’investir dans ces projets en fonction de leurs caractéristiques et notamment de leur rendement en cas de succès . Leur décision intègre l’optimisation de leur effort de sélection à la période 1 et de leur effort de développement pendant la période 2, ce dernier dépendant lui-même de la qualité révélée en début de période 2 du projet sélectionné en période 1. Leurs choix sont le résultat d’un processus d’induction à rebours. En période 2, l’effort de développement optimal des IVC maximise l’expression Image 10000201000000AD00000023E24E4EBB.png quand le projet est de bonne qualité et il est nul quand le projet est de mauvaise qualité. Celui des CVC maximise le terme Image 100002010000007D00000023B9A1B610.png quand le projet est de mauvaise qualité et il est nul quand le projet est de bonne qualité. En conséquence, en période 1, IVC et CVC déterminent un effort de sélection maximisant respectivement les expressions (1) et (2) en fonction des choix optimaux qui seront pris en période 2 et sous la contrainte de positivité du rendement espéré.

3. Le niveau d’investissement et le rendement des projets sans interaction entre les projets

12Un projet donné est sélectionné par un IVC ou un CVC en fonction de ses caractéristiques et de celles de l’intervenant en capital-risque. Examinons tour à tour l’incidence de ces caractéristiques sur le rendement des projets financés et leur nombre potentiel.

13Concernant les interventions des IVC, on peut s’attendre à ce que la probabilité a priori de succès d’un projet joue positivement sur l’éligibilité de ce projet pour un investissement. De même, le poids des divers coûts fixes ou variables de l’intervenant devrait accroître sa sélectivité en l’amenant à ne retenir que les projets les plus rentables quand ces coûts augmentent. Enfin, le gain en performance d’un bon projet développé par un IVC devrait jouer positivement sur le rendement espéré des deux types d’investisseurs. Les deux lemmes suivants établissent que toutes ces relations sont en effet confirmées par l’analyse.

14Du programme d’optimisation des IVC, on dérive ainsi le lemme suivant :

Lemme 1. Il existe un niveau de rendement 0 à partir duquel un projet reçoit une offre de financement par un IVC. 0 croît avec cr, cs et C et décroît quand λ augmente.

Démonstration : Les conditions de premier ordre associées à l’expression (1) donnent les niveaux d’effort optimaux de l’IVC Image 100002010000009A0000002C5945CBD5.png et Image 100002010000004900000028433CB8B9.png avec Image 10000201000000530000002A3A3E2F19.png. Il n’y a pas de possibilité de solution en coin. On en déduit une valeur optimale du rendement espéré R en fonction d’un rendement initial et d’un niveau d’incertitude donné par p, compte tenu du degré d’expertise de l’IVC donné par cs et cr. En fonction du niveau des paramètres, il existe alors un niveau minimal 0 de à partir duquel la rentabilité espérée d’un projet est positive. Ce niveau peut être déduit de Image 10000201000000190000002306790DA7.png et Image 1000020100000019000000231E7B67BD.png. Il s’exprime comme la solution réelle et positive en de l’équation Image 100002010000016F0000002ADEB74989.png avec Image 100002010000004D0000003022D85D01.png. En posant x = R̅+DR̅2, on obtient l’équation Image 10000201000000C60000002873DEA39C.png dont la solution positive est Image 10000201000000B3000000360E488CEB.png. On en déduit la solution positive en en posant R̅+DR̅= x. On obtient Image 100002010000008E00000028721AC350.png. L’étude de la variation de 0 en fonction des paramètres cs, cr, c et λ donne les sens de variation intuitifs indiqués dans la proposition.

15Une meilleure performance des IVC, caractérisée par un accroissement de λ ou une diminution de cs et de cr diminue donc le rendement minimal a priori 0 admissible par un IVC. Ses performances aux stades de la sélection et de la présélection rendent ainsi sa « présélection » moins drastique. De ces observations, on peut aussi tirer le lemme suivant :

16Lemme 2. L’amélioration des performances d’un IVC (ou des IVC) diminue le rendement espéré a priori des projets financés mais accroît leur rendement espéré a posteriori.

17Démonstration : Compte tenu du lemme 1, le rendement maximal a priori max étant inchangé, le rendement moyen a priori des projets sélectionnés diminue avec la diminution du rendement minimal admissible de 0 à R̅’0. Considérons maintenant le rendement a posteriori des projets sélectionnés. Le projet de rendement a priori R̅’0 a le même rendement a posteriori que le projet de rendement 0 initialement. La projet de rendement a priori max accroît en revanche son rendement a posteriori après l’amélioration des performances de l’investisseur. Compte tenu de la continuité des rendements espérés a posteriori par rapport aux rendements a priori, il existe ainsi un projet dont le rendement a priori * est compris entre R̅’0 et max qui a un rendement espéré a posteriori après amélioration des performances égal à celui du projet de rendement a priori max avant cette même amélioration. Il s’ensuit que l’espérance de rendement des projets situés entre R̅’0 et * est la même que celle des projets initiaux dans leur globalité. Comme celui des projets compris entre * en max est supérieur à celui des projets ayant un rendement a posteriori max dans la situation initiale, le rendement espéré a posteriori de l’ensemble des projets augmente après amélioration des performances.

La diminution du rendement a priori comme l’accroissement de ce rendement a posteriori sont notamment dus à l’accroissement de l’effort Image 10000201000000190000002306790DA7.png et Image 1000020100000019000000231E7B67BD.png de l’investisseur quand ses performances s’améliorent. La démonstration du lemme 1 établit en particulier que l’effort en développement dépend des performances de l’investisseur pendant cette phase alors que son effort de sélection dépend positivement de ses performances pendant les deux phases. Seuls les coûts fixes ont un effet ne transitant pas par ces niveaux d’effort.

18Une étude comparable peut être menée pour les projets pris en charge par les CVC. Ses conclusions plus nuancées attestent cependant de la spécificité de ce type d’intervenant.

19Lemme 3. Il existe un niveau de rendement 0 à partir duquel un projet reçoit une offre de financement par un CVC. 0 croît avec cm et C, ne décroît pas avec cs et décroît avec R et ω.

Démonstration : Quand la solution est intérieure, les conditions de premier ordre associées à l’expression (2) donnent les niveaux d’effort optimaux de sélection Image 100002010000009600000032780F21DD.png et de réhabilitation Image 10000201000000510000002C9EFD9C13.png, A étant défini comme précédemment. Cette solution est valide quand Image 100002010000004B0000002EA0F22570.png. Quand Image 100002010000004B0000002ECBFF08F9.png, les efforts optimaux sont alors Image 100002010000003C000000235B4051B6.png et Image 10000201000000510000002C9EFD9C13.png. On en déduit une valeur optimale de l’espérance de rendement en fonction des paramètres cs, cm, R̅, ω et R dont l’expression est Image 10000201000002D100000028F6AC0A59.png avec Image 100002010000004B0000002E2170D511.png. Après simplification, le terme de degré 1 en disparaît, ce qui donne deux solutions de même valeur absolue et de signe différent en à l’équation R* = 0. La solution positive à retenir est Image 10000201000001B600000036BD5876F9.png. Son premier membre Image 10000201000000210000002C1DF265C3.png s’explique par son domaine de validité limité à Image 10000201000000430000002CBEC50EEA.png. On peut récrire cette égalité sous la forme Image 10000201000001A1000000411461F0C9.png qui indique que toute croissance de R rapproche l’effort optimal en phase initiale pour 0 de la solution en coin Image 100002010000003C000000235B4051B6.png. On vérifie ensuite les relations attendues entre les différents paramètres et 0 . Une conclusion identique advient quand on examine la solution en coin de type Image 100002010000003C000000235B4051B6.png.

20L’étude du rendement des CVC montre donc plusieurs particularités de ce type d’intervenant. Comme attendu, le rendement stratégique ω et son accroissement élargissent la gamme des projets acceptables. Les performances de l’intervenant en capital-risque dans sa capacité à réhabiliter les projets ont non seulement ce même effet mais aussi celui de diminuer la sélectivité en phase initiale. Même si nous excluons cette configuration dans les développements suivants, la substituabilité entre sélection et effort de développement va formellement jusqu’à une solution en coin excluant toute sorte de sélection dans la phase initiale.

21Pour les CVC aussi, nous pouvons cependant établir les propriétés contenues dans le lemme suivant :

Lemme 4. L’amélioration des performances d’un CVC (ou des CVC) en matière de développement des projets et en termes de coût fixe diminue le rendement espéré a priori des projets financés mais accroît leur rendement espéré a posteriori. L’amélioration de leur rendement en termes de sélection des projets n’accroît pas le rendement espéré des projets a priori et ne décroît pas ce rendement a posteriori.

Démonstration : La démonstration est du même ordre que celle du lemme 2 pour ce qui concerne l’influence de cm, R et C. La possibilité de solutions en coin du type Image 100002010000003C000000235B4051B6.png explique la forme prise par l’effet d’une diminution de cs.

22Les interventions des IVC et CVC peuvent alors être comparées. Alors que la capacité de l’investisseur à sélectionner les projets mais aussi le rendement des bons projets conditionne pour l’essentiel le rendement a priori minimal des projets admissibles pour les IVC, ces facteurs ont une influence moindre sur le rendement minimal admissible des CVC. L’influence du rendement stratégique et des capacités de réhabilitation de l’intervenant rend finalement les CVC doublement moins sélectifs : en premier lieu dans leur capacité à admettre des projets de faible rendement espéré quand ils présentent un rendement stratégique, en second lieu dans leur tendance à limiter leur effort de sélection en phase initiale, quel que soit le rendement espéré des bons projets. Ces tendances se confirment a posteriori. La proportion de projets finalement peu rentables développés par les CVC pèse sur la rentabilité globale des projets qu’ils mènent à terme. En revanche, leur moindre sélectivité initiale les conduit à accroître le nombre de projets développés et à en mener une forte proportion à terme. On peut résumer ces remarques en examinant le cas où les deux types d’investisseurs présentent la même efficacité en termes de sélection (cs identique) et de développement (cm = cr), et des coûts fixes C identiques. On peut alors établir la proposition (1) :

23Proposition 1. Quand le rendement stratégique maximal ̅ω est suffisamment élevé, en partant d’une situation initiale où les seuls IVC financent des projets, l’introduction des CVC a pour conséquence d’accroître le nombre de projets financés, d’accroître le nombre de projets menés à terme et de diminuer le rendement moyen de ces projets, à la fois a priori et a posteriori.

24Démonstration : Supposons que tous les projets présentent un rendement stratégique ω = ω̅ et considérons le cas où cs est identique pour les deux types d’intervenants et cm = cr. Une comparaison des expressions de R0 pour un IVC et pour un CVC extraites des démonstrations des lemmes (1) et (3), dans ce dernier cas avec la solution intérieure ou en coin, atteste qu’il suffit d’accroître ω̅ à un certain niveau pour que la valeur de R0 relative aux CVC soit plus faible que celle des IVC. Pour une proportion de projets présentant un rendement stratégique différent de 0, le même résultat s’obtient pour une valeur de ω̅ plus élevée. Le nombre de projets menés à terme est naturellement plus grand pour les CVC dès que R>0 (même quand ω̅ est faible). Le rendement a priori moyen décroît également dès que les CVC financent des projets que ne financent pas les IVC. Enfin, les projets menés à terme par les IVC ont un rendement supérieur à R̅ – C alors que ceux que financent les CVC ont un rendement brut inférieur à R̅ – C compte tenu des domaines de définition respectifs de λ et .

25Les CVC ont donc un effet bénéfique au niveau macroscopique si l’on considère le nombre de projets financés et surtout menés à terme. En contrepartie, leur intervention est négative du point de vue de la compétitivité des firmes investies, compte tenu de leur intervention moins sélective que celle des IVC et de leur tendance à mener à bien des projets peu rentables en eux-mêmes.

4. Le niveau d’investissement et le rendement des projets avec interaction entre les projets

26Considérons maintenant le cas où les projets financés sont interdépendants du fait de l’appartenance à des secteurs similaires ou complémentaires ou en raison d’une proximité géographique. Dans ce cas, des interactions et synergies sont possibles comme le montre la littérature sur les systèmes productifs localisés dont les exemples les plus étudiés sont les districts industriels et les clusters. Les premiers, étudiés dès le 19e siècle par Marshall (1890) et plus récemment par Becattini (1992) caractérisent un regroupement d’entreprises au sein d’un territoire associant plusieurs entreprises en situation d’interdépendances productives et techniques. Celle de cluster émerge dans les années 1980 avec l’analyse de Porter (1998) qui met en évidence l’existence de concentrations géographiques et économiques caractérisées par des interactions fortes entre les acteurs privés, publics et institutionnels localisés dans une région spécifique et dans un secteur donné ou dans des industries apparentées. Les entreprises ont des activités similaires, peuvent partager un même domaine de compétences, produisent des biens connexes ou complémentaires. Une idée forte de cette littérature est que la concentration géographique d’entreprises interdépendantes permet d’engendrer des synergies et des économies d’agglomération qui tendent à créer une relation positive entre taille du cluster/district et performance des firmes le composant, que la performance soit mesurée en termes d’innovation de produit (Deeds et al., 1997), de croissance des revenus (Canina et al., 2005), d’emploi (Beaudry et Swann, 2001), de valorisation des IPO (DeCarolis et Deeds, 1999) ou de survie des entreprises (Folta et al., 2006 ; Sorenson et Audia, 2000 ; Stuart et Sorenson, 2003).

  • 3 Pour être complet, il faut rappeler que des travaux identifient aussi des effets négatifs associés (...)

27Les économies d’agglomération réalisées proviennent de différentes sources : il s’agit en premier lieu de la spécialisation des marchés du travail et d’inputs intermédiaires ainsi que des externalités technologiques (Marshall, 1890 ; Arthur, 1990 ; Bathelt, Malmberg et Maskell, 2004 ; Pe’er, 2013). Ces économies liées à la complémentarité et à la concentration géographique des firmes renvoient également à une réduction des coûts de production, à une baisse des coûts de transaction et de transports (Bathelt, Malmberg et Maskell, 2004), à des rendements d’échelle croissants (Krugman, 1991), au développement de relations informelles fondées sur la confiance et des échanges d’informations réguliers mais aussi à la mise en place de mécanismes favorisant l’apprentissage, la diffusion des compétences (Porter, 1998) et les externalités de connaissance (Jaffee et al. 1993)3.

28La concentration géographique de l’activité industrielle affecte également la performance des firmes dans la mesure où la concurrence locale à l’intérieur du cluster les pousse à innover afin de rester concurrentielles (Porter, 1998). La présence de firmes similaires dans une région géographique crée des externalités sur la demande dont bénéficient les firmes locales. Chung et Kanins (2001) montrent que les principaux bénéficiaires de ces externalités sont les petites firmes qui tirent profit de l’attractivité du marché pour accéder à des clients attirés par la réputation des grandes firmes établies dans le cluster. Ce résultat est confirmé par Appold (1995), Folta et al. (2006) et Lechner et Dowling (2003) qui soulignent également l’importance des clusters pour attirer des partenaires stratégiques ou des capital-risqueurs.

29On peut noter enfin que, pour les secteurs High-Tech, les complémentarités entre les différents acteurs importent souvent davantage que leur insertion dans un territoire spatialement défini (Amin et Cohendet, 2005). Ces complémentarités se manifestent en termes de compétences, de stratégies, de modes d’organisation, de technologies et de ressources (notamment en recherche fondamentale).

On supposera que les projets financés par private equity sont assez nombreux dans des secteurs d’activité voisins (par exemple des secteurs technologiques) pour que leur financement mutuel soit avantageux. Cette situation correspond à des technologies complémentaires, constitutives d’une filière, d’un district ou de l’émergence de toute autre activité industrielle dont le soutien par capital-risque est pertinent. Dans ce cas, qu’ils soient financés d’une manière ou d’une autre, la réussite des uns a une incidence sur la réussite des autres, ce qui se traduit pas une externalité positive sur le niveau de rendement de ces projets. Ici, le rendement a priori Image 10000201000000190000001D6C89EB2C.png d’un projet en cas de succès n’est plus une donnée exogène mais il dépend du nombre de projets financés. Les synergies ne modifient pas le rendement minimal à partir duquel les projets sont financés, mais il y a désormais plus de projets financés puisque pour un projet donné, le rendement a priori s’accroît avec le nombre de projets financés. Le lemme (5) explicite ce raisonnement pour les ICV considérés seuls :

30Lemme 5. Le nombre et le rendement moyen a posteriori des projets que les IVC souhaitent financer s’accroissent avec le degré de complémentarité entre projets. Leur rendement moyen a priori décroît dans les mêmes circonstances.

Démonstration : si r représente l’incrément de rendement moyen a priori lié à l’existence d’un autre projet financé, cet incrément devient kr si k projets sont financés. Supposons égal à n le nombre de projets total, dont le rendement a priori et sans interactions est réparti uniformément entre Rmin et Rmax et n’(r) le nombre de projets investis par les IVC. Compte tenu du lemme (1), on a alors Image 1000020100000115000000302FB2C1E5.png et Image 10000201000000790000003261E11F11.png. En posant Image 10000201000000F600000023E063B09E.png, on obtient alors Image 10000201000000BE0000002EB2621452.png. Naturellement, Image 10000201000000B300000023ED4602E1.png. On peut alors écrire Image 100002010000008E00000034A42A6D45.png, i.e. Image 10000201000000D500000032CCE5B95E.png à comparer au nombre de projets n’(0) financés initialement, tel que Image 10000201000000BC00000038CE6B6C1B.png. On vérifie que n’(r)>n’(0). Le rendement initial moyen a priori était Image 100002010000004B000000340F8CC110.png. En présence de synergies, il devient Image 100002010000006600000032C48BACFD.png, avec Image 10000201000000C4000000343CD4BF2A.png. Un raisonnement identique à celui du lemme 2 établit en revanche que le rendement a posteriori augmente avec r.

31Le même phénomène se produit pour les CVC, ce qui conduit au lemme (6) :

32Lemme 6. Le nombre et le rendement moyen a posteriori des projets que les CVC souhaitent financer s’accroissent avec le degré de complémentarité entre projets. Leur rendement moyen a priori décroît dans les mêmes circonstances.

33Démonstration : La démonstration reprend la même démarche que celle du lemme (5).

34Il faut maintenant examiner ce que les externalités confirment ou modifient dans les caractéristiques comparées des IVC et CVC. Qu’en est-il en particulier de leur effet sur l’effort de sélection et de développement des deux types d’investisseurs ? Comment se comportent en termes relatifs les rentabilités a priori et a posteriori des projets financés par les deux investisseurs ? Les externalités modifient-elles leur propension à sélectionner ou à développer des projets risqués ? Les propositions et expérimentations numériques suivantes répondent à ces questions.

35Pour répondre à cette question, on se place dans la situation telle qu’initialement IVC et CVC sont confrontés au même ensemble de projets. On examine alors l’incidence de l’externalité sur leur capacité à financer.

36Proposition 2. Les externalités accroissent le nombre de projets susceptibles d’être financés par les deux types d’investisseurs, diminuent le rendement moyen a priori des projets financés et accroissent leur rendement moyen a posteriori. Elles ne changent pas la proportion des projets financés par les IVC et par les CVC.

Démonstration : Les effets de r sur le nombre de projets financés et les rendements sont la conséquences des lemmes 5 et 6. Pour établir la dernière assertion, on exprime le nombre de projets susceptibles d’être financés par les IVC après prise en compte des externalités par Image 10000201000000F20000003A44FB3C0A.pngImage 100002010000003000000026CD7C3212.png figure le rendement minimal a priori admissible par les IVC avant prise en compte des externalités et le nombre de projets susceptibles d’être financés par les CVC par Image 10000201000001EA000000383531D911.pngImage 100002010000004F000000289FDBAB79.png et Image 1000020100000053000000282EF8D2E6.png figurent respectivement le rendement minimal a priori admissible par les CVC avant prise en compte des externalités face aux projets de rendement stratégique ω=0 et ω=ω̅ . Le nombre de projets financés dans les deux cas étant respectivement Image 10000201000000D90000003AD4F3F5A3.png et Image 10000201000001EA0000003AE81B898D.png sans externalités, on vérifie que Image 10000201000002A3000000239C50CBAF.png.

37De cette proposition, on déduit que l’existence d’externalités, quand elles bénéficient de la même manière aux deux types d’intervenants, ne modifie pas leur part respective de projets financés. Dans le cas où les CVC financent initialement des projets moins rentables que les IVC, cette caractéristique demeure après la prise en compte des externalités. Quelle que soit la répartition des projets susceptibles d’être financés par les deux types d’investisseurs, il en résulte alors que les CVC accroissant par leur présence le nombre de projet financés, accroissent aussi le niveau des externalités et donc, toutes choses égales, le rendement moyen a posteriori des projets financés par les IVC en partant de la situation où seuls les IVC engendrent des externalités. De ce point de vue, il s’avère paradoxalement que des CVC plus permissifs sont plus bénéfiques au rendement des IVC que des CVC se limitant au financement de projets très rentables. Quand le rendement stratégique est important pour les CVC (cette importance se lit pour des valeurs élevées de ω̅ et faibles de α), les IVC peuvent alors bénéficier d’une amélioration substantielle de leur rentabilité a posteriori, amélioration qu’ils n’observeraient pas en l’absence de rendement stratégique pour les CVC.

38Les observations réunies dans la proposition 2 peuvent être complétées par une étude des propensions à l’effort suite à l’introduction d’externalités. Cette étude amène la proposition 3.

39Proposition 3. Les externalités stimulent l’effort de sélection et de développement des IVC mais seulement l’effort de sélection des CVC en maintenant inchangé leur effort de développement.

Démonstration : Du lemme 1, on tire Image 10000201000000E70000002CFBC659FC.png et Image 10000201000000620000002872822B16.png avec Image 10000201000000530000002A3A3E2F19.png. Les deux niveaux d’effort des IVC croissent donc avec r et n’ Du lemme 3, on tire en revanche Image 10000201000000C600000032E5F2ED43.png et Image 100002010000004F0000002A973FD8D9.png. Seul Image 10000201000000190000002306790DA7.png croît avec n’ et r, Image 100002010000001B00000023EBA394FB.png restant inchangé.

40L’existence d’externalités a donc pour conséquence de rendre les CVC plus sélectifs, sans modifier leur tendance à réhabiliter les mauvais projets non écartés en première période. Précisément, compte tenu du lemme 6 et de la proposition 2, les CVC appliquent leur effort de sélection à des projets dont la rentabilité a priori est moins élevée mais dont la rentabilité a posteriori augmente. Cette amélioration de la rentabilité (non stratégique) potentielle motive alors leur effort de sélection. En substance, l’amélioration de leur sélectivité les rend plus actifs en phase initiale : les solutions en coin (sans effort de sélectivité) se raréfient et leur comportement dans la phase initiale s’identifie un peu à celui des IVC.

41La proposition 3 ouvre à plusieurs possibilités. Les IVC étant « naturellement » plus sélectifs que les CVC, on pourrait s’attendre à ce que la présence d’externalités positives entre projets maintienne ou accroisse systématiquement cet avantage par rapport aux CVC, même si la sélectivité de ces derniers s’améliore avec l’amélioration du rendement liée aux interactions entre projets. Si ce cas est le plus attendu, d’autres pourraient se manifester, tels que l’accroissement de la rentabilité de projets bénéficiant d’externalités fortes stimule la sélectivité des CVC jusqu’à les rendre plus sélectifs que les IVC alors qu’ils l’étaient moins à l’origine. Ce cas pourrait se rencontrer quand les CVC choisissent de prendre en considération des projets dont la rentabilité est faible en cas de succès et de leur appliquer un effort de sélection important. Ils les considéreraient parce que les synergies accroissent leur rentabilité en cas de succès, mais seraient plus sélectifs pour éviter que cette tolérance relative aux rendements en cas de succès ne s’accompagne de trop d’échecs.

Pour explorer la possibilité d’existence de ces différents cas ainsi recouverts par la proposition 3, il est possible de recourir à des simulations numériques. Celles-ci n’ont pas de valeur statistique. Les paramètres ne sont pas calibrés avec pour objectif de rechercher les issues les plus probables mais les valeurs numériques retenues, notamment concernant les coûts à l’effort, sont telles qu’elles ne mettent pas l’une ou l’autre des catégories de capital-risqueurs dans une situation de supériorité évidente du point de vue de leur efficacité. Lors de chaque simulation, nous avons étudié toutes choses égales par ailleurs l’effet de l’introduction d’externalités à partir d’une situation telle que sans externalités les IVC sont initialement plus sélectifs que les CVC (Image 1000020100000075000000235A24E14F.png).

  • 4 Une typologie complète aurait présenté aussi les cas où les CVC sont tellement peu efficaces que, m (...)

42Les 3 tableaux qui suivent, issus d’une étude du modèle sous le logiciel Mathematica, présentent 3 des cas pertinents rencontrés. Ces trois cas ont en commun le fait que les CVC financent des projets moins rentables a priori que les IVC4. Les tableaux indiquent, en fonction du niveau des synergies entre projets, le nombre de projets financés par chaque type d’intervenant et le niveau d’effort consenti pour les projets les moins rentables par chacun de ces intervenants. Dans le premier exemple, les IVC sont plus efficaces que les CVC, à la fois moins permissifs concernant le rendement a priori des projets et plus sélectifs en phase initiale. L’accroissement des externalités augmente le nombre de projets potentiellement financés par les deux types d’investisseurs, accroît aussi leurs niveaux d’effort, tout en maintenant un niveau de sélectivité plus fort pour les IVC que pour les CVC. Les valeurs choisies pour les paramètres sont ici : max=20, Rmin=4, R=3, cr=3, cm=2, cs=4, C=20, p=0.4, α=0.75, ω=20, λ=0.5, n=200.

Tableau 1. Projets financés et niveaux d’effort (exemple 1)

Image 10000201000003BC000001233342FFAA.png

43Dans le second exemple, qui considère un même nombre de projets disponibles, les CVC sont initialement plus permissifs concernant les rendements a priori et moins sélectifs, compte tenu de leur capacité à réhabiliter les mauvais projets. L’accroissement des externalités a comme incidence de rapprocher l’effort de sélection des deux types d’intervenants puis de rendre enfin les CVC plus sélectifs quand les externalités sont fortes et le rendement a posteriori plus élevé. Les valeurs des paramètres sont ici :max=20, Rmin=4, R=3, cr=3.5, cm=3.5, cs=2.5, C=20, p=0.4, α=0.75, ω=20, λ=0.35, n=200.

Tableau 2. Projets financés et niveaux d’effort (exemple 2)

Image 10000201000003C300000122FAC8758D.png

Le troisième exemple aboutit au même type d’observations que le premier. Ici, la progression des CVC en termes de sélectivité est encore plus forte, en parallèle avec l’accroissement de leur permissivité initiale. Dans ce cas de figure, l’écart est finalement tel entre le niveau des externalités diffusé par les CVC et celui engendré par les IVC seuls en l’absence de CVC que le niveau de rentabilité a posteriori des projets bénéficie largement de leur présence. Pour un niveau d’externalités relativement élevé (Image 10000201000000510000001B5FAE7FD7.png), leur effort de sélection ne laisse plus passer que 2 % des mauvais projets pour les rendements les plus faibles alors que les IVC en admettent 20 %. Les valeurs des paramètres sont ici :

44max=20, Rmin=4, R̅=3, cr=2, cm=3, cs=2, C=20, p=0.5, α=0.75, ω=20, λ=0.2, n=20.

Tableau 3. Projets financés et niveaux d’effort (exemple 3)

Image 10000201000003C30000013F92D3A1C0.png

45Ces simulations numériques établissent que la prise en compte de synergies entre projets risqués, éventuellement innovants, relevant d’un financement par capital-risque, rend les CVC plus enclins à renforcer les performances du financement par capital risque que le contexte d’indépendance des projets décrit en section 4. Leur permissivité naturelle, reposant sur le rôle des rendements stratégiques, leur permet dans certains cas de diffuser par leur activité d’importantes externalités qui agissent positivement sur la rentabilité globale des projets. Leur plus grande sélectivité en période initiale compense les « effets négatifs » des rendements stratégiques en matière de sélectivité et assoit leur effet dynamisant sur la rentabilité globale des projets financés par capital risque.

5. Conclusion

46Ce travail a permis d’obtenir deux résultats principaux.

47Tout d’abord, nous avons expliqué de manière théorique pourquoi les CVC avaient tendance à financer des projets qui, à court terme, s’avèrent moins rentables que ceux financés par des IVC. Contrairement aux conclusions de certains travaux existants, nous montrons que ce comportement des CVC ne résulte nullement d’une attitude « passive » due à la garantie de refinancement par leur maison-mère, ni à un comportement hands-off vis-à-vis des firmes financées. Notre modèle montre clairement que ce résultat est la conséquence directe de l’utilisation conjointe de ressources spécifiques et de comportements stratégiques qui incitent les CVC à accepter une moindre rémunération à court terme en échange de partenariats commerciaux ou technologiques futurs avec les firmes financées potentiellement porteurs de croissance et de rendements importants pour la maison-mère à moyen et long terme.

48Les résultats de la section 5 contrastent assez fortement avec le bilan de la section 4 qui établit dans une certaine mesure des résultats attendus. En présence d’interdépendances fortes entre projets initiés simultanément, les CVC peuvent se révéler plus stimulants du point de vue de la sélectivité des projets et pas seulement dévolus à accroître par leur présence le nombre de projets financés en étant seuls à prendre en charge une frange de projets de qualité médiocre.

49Ce résultat est en outre intéressant par l’éclairage nouveau qu’il permet de jeter sur un certain nombre de débats relatifs à l’analyse des clusters, aux stratégies d’investissement des capital-risqueurs et aux politiques publiques. En premier lieu, il s’inscrit dans les débats contemporains autour de la relation entre taille des clusters et performance des entreprises les composant. Des travaux ont souligné que la relation positive entre taille du cluster et performance dépendait des caractéristiques spécifiques des firmes composant le cluster. Li et al. (2013) ont ainsi montré que l’étendue du réseau relationnel entretenu par chaque firme tant à l’intérieur qu’à l’extérieur du cluster conditionnait fortement et favorablement l’évolution de leurs performances individuelles. De leur côté, McCann et Folta (2011) montrent que les firmes bénéficient d’autant plus des effets favorables qu’elles disposent d’un stock de connaissances (mesuré par le nombre de brevets déposés) plus important. Pe’er et Keil (2013) obtiennent le même résultat relativement à la qualité du capital humain des firmes.

50Notre papier complète cette littérature en introduisant une nouvelle dimension, de nature financière, dans les facteurs influençant la relation entre clusters et performance : un résultat direct de notre modèle est que la sélectivité au sein d’un cluster peut augmenter dans certains cas plus fortement avec les interactions qui s’y exercent si le financement est octroyé par des fonds d’investissement captifs de type corporate que par les IVC. Ce résultat est contre-intuitif puisque les IVC sont réputés plus sélectifs que les CVC, ce que confirment d’ailleurs nos résultats initiaux, établis en l’absence de synergies. Ces rendements « venus de l’extérieur » que sont les synergies ont ainsi tendance à stimuler naturellement la sélectivité des intervenants en capital-risque susceptibles de conduire le plus grand nombre de projets à leur terme, ce qui est généralement le cas des CVC.

51En second lieu, notre travail s’inscrit dans plusieurs débats récents au sein de la littérature sur le capital-risque : la question de la concentration des investissements des capital-risqueurs d’une part ; la question des alliances stratégiques entre les firmes financées d’autre part.

52Les études montrent dans leur très grande majorité que l’activité de capital-risque est fortement concentrée dans quelques centres financiers et régions à forte densité de firmes des secteurs High Tech. Cette situation a été observée aux États-Unis (Chen et al. 2010), au Canada (Green, 2004), au Royaume Uni (Mason et Pierrakis, 2013) et dans divers autres pays européens (Martin et al., 2005 ; Makra et Malovics, 2006). La nature localisée des investissements en capital-risque est généralement expliquée par l’existence de coûts (temps, transports) croissants avec la distance mais aussi par la nature même du processus de capital-risque : recherche de nouvelles opportunités d’investissement, évaluation des projets et suivi post-investissement. Toutes ces phases du processus sont facilitées par la proximité géographique (Mason, 2007 ; Zook, 2005). L’absence d’information publique et de business plan fiables des entreprises financées accentue encore la tendance à la concentration (Sorenson et Stuart, 2001). En d’autres termes, toutes choses égales par ailleurs, les capital-risqueurs préféreront investir localement. Notre travail vient compléter cette littérature dans la mesure où nous montrons que les capital-risqueurs ont en effet intérêt à privilégier le financement de firmes situées dans des zones géographiques bien définies de type cluster. Néanmoins, dans notre analyse, les facteurs clés de cette stratégie d’investissement ne sont ni les coûts liés à la distance ni des problèmes d’information imparfaite mais renvoient à l’existence de synergies entre les projets d’investissement des firmes financées. En outre, nous montrons que l’impact lié à la concentration sur le rendement des investissements peut être différent selon que le capital-risqueur est indépendant ou bien filiale d’une entreprise industrielle.

53Le papier vient également enrichir le débat relatif à la question des alliances stratégiques entre les firmes financées par capital-risque (Lindsey, 2008 ; Hsu, 2006 ; Ozmel et Robinson, 2013). Les travaux sur la question ont mis en lumière le fait que les investisseurs avaient intérêt à favoriser ces alliances car les firmes de leur portefeuille avaient alors plus de chance d’être introduites en Bourse (Ozmel et Robinson, 2013), étaient davantage valorisées lors de l’introduction (Chang, 2004 ; Nicholson et al., 2005 ; Stuart et al., 1999) et diminuaient les coûts de recherche d’un partenaire grâce au réseau de leur capital-risqueur (Wang et al., 2012).

54De la même manière, notre papier tend à montrer que les alliances stratégiques entre les firmes en portefeuille sont un élément important de la stratégie d’investissement des capital-risqueurs dans la mesure où ces alliances favorisent les synergies entre les firmes qui peuvent donc conduire à une amélioration du rendement des projets d’investissement financés lorsque les investisseurs sont des fonds captifs.

55Enfin, les résultats obtenus peuvent permettre de tirer des enseignements intéressants en matière de politique publique, notamment dans le cadre de la mise en place en France de la nouvelle phase de la politique des pôles de compétitivité lancée depuis le début 2013. Il est prévu que les pôles doivent amplifier l’accompagnement de la croissance des PME et ETI dans les territoires. En complément des actions menées par d’autres acteurs dans les territoires, ils proposent à leurs membres une offre de services collectifs et individuels, qui tient compte des besoins de leurs adhérents. Pour favoriser la croissance des PME, plusieurs domaines ont été perçus comme prioritaires par les pouvoirs publics, dont l’accès aux financements. Le recours accru aux organismes de capital-risque et de capital-investissement est explicitement mentionné. Les résultats de notre travail tendent à montrer que l’effort des pouvoirs publics en la matière devrait se centrer sur une politique visant à attirer les fonds d’investissement de type CVC plutôt qu’IVC dans les territoires concernés et faciliter leur mise en relation avec les PME et ETI. Comme nous l’avons souligné, une telle démarche aurait pour effet de favoriser la croissance de ces territoires non seulement d’un point de vue quantitatif, par un nombre croissant de projets financés, mais aussi qualitatif, les synergies entre les projets financés par les CVC au sein du pôle de compétitivité pouvant améliorer la sélectivité moyenne de ces projets.

Haut de page

Bibliographie

AMIN, A., COHENDET, P. (2005), “Geographies of Knowledge Formation in Firms”. Industry and Innovation, vol. 12, n° 4, 465-486.

APPOLD, S.J. (1995), “Agglomeration, interoganizational networks, and competitive performance in the U.S. metalworking sector”. Economic Geography, 71, 27-54.

ARPING, S., FALCONIERI, S. (2010), “Strategic versus financial investors: The role of strategic objectives in financial contracting”. Oxford Economic Papers, 62, 691-714.

ARTHUR, W. (1990), “Silicon Valley locational clusters: when do increasing returns imply monopoly?”. Mathematical Social Sciences 19 (3), 235-273.

BATHELT, H., MALMBERG, A., MASKELL P. (2004), “Clusters and Knowledge: Local Buzz, Global Pipelines and the Process of Knowledge Creation”. Progress in Human Geography 28(1), 31-56.

BEAUDRY, C., SWANN, P. (2001), “Growth in industrial clusters: a bird’s eye view of the United Kingdom”. Discussion Paper 00-38, Stanford Institute for Economic Policy Research, Stanford, CA.

BECATTINI, G. (1992), “Le district industriel: milieu créatif”, Espaces et Sociétés, 66-67, 147-163.

BRANDENBURGER, A.M., NALEBUFF, B.J. (1996), Co-Opetition, Harvard Business Press.

CANINA, L., ENZ, C.A., HARRISON, J.S. (2005), “Agglomeration effects and strategic orientations: evidence from the U.S. lodging industry”. Academy of Management Journal, 48, 565-581.

CHANG, S. (2004), “Venture capital financing, strategic alliances, and the initial public offerings of Internet startups”. Journal of Business Venturing, 19(5), 721-741.

CHEMMANUR, T. J., LOUTSKINA, E., TIAN, X. (2014), “Corporate venture capital, value creation and innovation”. Review of Financial Studies, 27(8), 2434-2473.

CHEN, H., GOMPERS, P. A., KOVNER, A., LERNER, J. (2010), “Buy Local? The Geography of Successful Venture Capital Expansion”. Journal of Urban Economics, 67, 1, January.

CHESBROUGH, H.W. (2002), “Making sense of corporate venture capital”. Harvard Business Review, 80(3), 90-99.

CHUNG, W., KALNINS, A. (2001), “Agglomeration effects and performance: a test of the Texas lodging industry”. Strategic Management Journal, 22, 969-988.

DA RIN, M., HELLMANN, T., PURI, M. (2011), “A survey of Venture Capital research”. National Bureau of Economic Research, w17523, disponible sur : http://ssrn.com/abstract=1942821.

DE BETTIGNIES, J-E., CHEMLA, G. (2008), “Corporate venturing, allocation of talent, et competition for star managers”. Management Science, 54, 505-521.

DECAROLIS, D.M., DEEDS, D.L. (1999), “The impact of stocks and flows of organizational knowledge on firm performance: an empirical investigation of the biotechnology industry”. Strategic Management Journal, 20 (10), 953-968.

DEEDS, D.L., DECAROLIS, D., COOMBS, J.E. (1997), “The impact of firm-specific capabilities on the amount of capital raised in an initial public offering: evidence from the biotechnology industry”. Journal of Business Venturing, 12 (1), 31- 46.

DUSHNITSKY, G. (2012), “Corporate venture capital in the twenty-first century: An integral part of firm’s innovation toolkit”, in Douglas Cumming, ed., The Oxford Handbook of Venture Capital, 156-210. New York: Oxford University Press.

DUSHNITSKY, G., Lenox, M. (2005), “When do firms undertake R&D by investing in new ventures?”. Strategic Management Journal, 26, 947-965.

EUROPEAN VENTURE CAPITAL ASSOCIATION (2014), EVCA Yearbook 2014.

FOLTA, T., COOPER, A.C., BAIK, Y.-S., (2006), “Geographic cluster size and firm performance”. Journal of Business Venturing, 21 (2), 217-242.

GAWER, A., CUSUMANO, M.A. (2002), Platform Leadership: How Intel, Microsoft, and Cisco Drive Industry Innovation, Boston: Harvard Business School Press.

GIULIANI, E., BELL, M. (2005), “The Micro-Determinants of Meso-Level Learning and Innovation: Evidence from a Chilean Wine Cluster”. Research Policy, 34(1), 47-68.

GOMPERS, P. (1996), “Grandstanding in the venture capital industry”, Journal of Financial Economics, 42(1), 133-156.

GREEN, M.B. (2004), “Venture capital in the United States 1995-2002”. Industrial Geographer, 2(1), 85-106.

HSU, D. H. (2006), “Venture capitalists and cooperative start-up commercialization strategy”. Management Science, 52(2), 204-219.

JAFFE, A.B., TRAJTENBERG, M., HENDERSON, R. (1993), “Geographic localization of knowledge spillovers as evidenced by patent citations”. Quarterly Journal of Economics, 108 (3), 577-598.

KATILA, R., ROSENBERGER, J.D., EISENHARDT, K.M. (2008), “Swimming with sharks: Technology ventures, defense mechanisms, and corporate relationships”. Administrative Science Quarterly, 53(2), 295-332.

KRUGMAN, P. (1991), “Increasing Returns and Economic Geography”. The Journal of Political Economy, Vol. 99, n° 3, pp. 483-499.

LECHNER C., DOWLING, M. (2003), “Firms Networks: External Relationships as Sources for Growth and Competitiveness of Entrepreneurial Firms”. Entrepreneurship and Regional Development, 15, p. 1-26.

LI, W., VELIYATH, R., TAN, J. (2013), “Network Characteristics and Firm Performance: An Examination of the Relationships in the Context of a Cluster”. Journal of Small Business Management, 51(1), pp. 1-22.

LINDSEY, L. A. (2008), “Blurring firm boundaries: The role of venture capital in strategic alliances”. Journal of Finance, 63(3), 1137-1168.

MANIGART, S., De WAELE, K., WRIGHT, M., ROBBIE, K., DESBRIERES, P., SAPIENZA, H.J., BEEKMAN, A. (2002), “Determinants of Required Returns in Venture Capital Investments: A Five-Country Study”. Journal of Business Venturing, 17, 291-312.

MAKRA, Z., MALOVICS, G. (2006), “The geography of formal venture capital and private equity investments in Hungary”, Proceedings of the 4th International Conference for Young Researchers in Economics, Vol. II, Szent Istvan University Press, 2-4 October, 98-109.

MARSHALL, A. (1890), Principles of Economics, Macmillan, London.

MARTIN, R., BERNDT, C., KLAGGE, B., SUNLEY, P. (2005), “Spatial proximity effects and regional equity gaps in the venture capital market: evidence from Germany and the United Kingdom”. Environment and Planning A, 37(7) 1207-1231.

MARTIN, R., SUNLEY, P. (2003), “Deconstructing clusters: chaotic concept or policy panacea?”. Journal of Economic Geography, 3 (1), 5-35.

MASON, C. (2007), “Venture capital: a geographical perspective”, dans H. Landström (ed.), Handbook of Research on Venture Capital, Cheltenham, UK and Northampton, MA, USA: Edward Elgar Publishing, 86-112.

MASON, C et PIERRAKIS, Y (2013), “Venture capital, the regions and public policy: the United Kingdom since the post-2000 technology crash”. Regional Studies, 47 (7), 1156-1171.

MCCANN, B.T., FOLTA, T.B. (2011), “Performance differentials within geographic clusters”. Journal of Business Venturing, 26 (1), 104-123.

MAULA, M.V.J., AUTIO, E., MURRAY, G.C. (2005), “Corporate venture capitalists and independent venture capitalists: What do they know, who do they know, and should entrepreneurs care?”. Venture Capital: An International Journal of Entrepreneurial Finance, 7(1), 3-19.

MAULA, M.V. J, MURRAY, G.C. (2001), “Corporate venture capital and the creation of US public companies”, dans Hitt, A., Amit, R., Lucier, C. Nixon, D. (eds), Creating Value: Winners in the New Business Environment. Oxford, U.K.: Blackwell Publishers, 164-187.

NICHOLSON, S., DANZON, P. M., MCCULLOUGH, J. (2005), “Biotech-pharmaceutical alliances as a signal of asset and firm quality”. Journal of Business, 78(4),
1433-1464.

OZMEL, U., ROBINSON, D. T. (2013), “Strategic alliances, venture capital, and exit decisions in early stage high-tech firms”. Journal of Financial Economics, 2013, vol. 107, 3, 655-670.

PE’ER, A., KEIL, T. (2013), “Are all startups affected similarly by clusters? Agglomeration, competition, firm heterogeneity, and survival”. Journal of Business Venturing, 28, 354-372.

PORTER, M. (1998), “Clusters and the new economics of competition”. Harvard Business Review, November-December, pp. 77-90.

PREVEZER, M. (1997), “The dynamics of industrial clustering in biotechnology”. Small Business Economics, 9 (3), 255-271.

RIYANTO Y.E., SCHWIENBACHER A. (2006), “The Strategic use of corporate venture financing for securing demand”. Journal of Banking and Finance, 30(10), 2809-2833.

ROBBIE, K., WRIGHT, M., CHIPLIN, B. (1997), “The Monitoring of Venture Capital Firms”.Entrepreneurship: Theory and Practice, 21(4): 9-28.

SHAVER, J.M., FLYER, F. (2000), “Agglomeration economies, firm heterogeneity, and foreign direct investment in the United States”. Strategic Management Journal, 21(12), 1175-1193.

SORENSON, O., AUDIA, P. (2000), “The social structure of entrepreneurial activity: geographic concentration of footwear production in the United States, 1940-1989”. American Journal of Sociology, 106 (2), 424-461.

SORENSON, O., STUART, T.E. (2003), “The geography of opportunity: spatial heterogeneity in founding rates and the performance of biotechnology firms”. Research Policy, 32 (2), 229-253.

SORENSON, O., STUART, T.E. (2001), “Syndication networks and the spatial distribution of venture capital investments”. American Journal of Sociology, 106(6), 1546-88.

STUART, T. E., HOANG, R., et HYBELS, R. (1999), “Interorganizational endorsements and the performance of entrepreneurial ventures”. Administrative Science Quarterly, 44, 315-349.

VAN DE VRANDE, V., VANHAVERBEKE, W. (2013), “How prior corporate venture capital investments shape technological alliances: a real options approach”. Entrepreneurship: Theory and Practice, September, 1019-1043.

VAN OSNABRUGGE, M., ROBINSON, R.J. (2001), “The influence of a venture capitalist’s source of funds”. Venture Capital: An International Journal of Entrepreneurial Finance, 2001, 1(1), 25-39.

WANG, H., WUEBKER, R.J., HAN, S., ENSLEY M.D. (2012), “Strategic alliances by venture capital backed firms: an empirical examination”. Small Business Economics, 38:179-196.

ZOOK, M.A. (2005), The Geography of the Internet Industry, Oxford: Blackwell Publishing.

Haut de page

Notes

1 Les principales levées de fonds sont le fait des organismes publics qui représentent sur la période 2010-2013 le tiers des levées de fonds au niveau européen et la moitié dans le cas de la France. Si l’on prend en compte le private equity dans son ensemble en incluant les fonds de buy-out, les IVC sont très largement dominants : ils représentent aux alentours de 95 % des levées tant au niveau européen que français (EVCA, 2014).

2 Pour la DATAR (Délégation à l’Aménagement du Territoire et à l’Action Régionale), la définition des systèmes productifs localisés recouvre : « une organisation productive particulière localisée sur un territoire correspondant généralement à un bassin d’emploi. Cette organisation fonctionne comme un réseau d’interdépendances constituées d’unités productives ayant des activités similaires ou complémentaires qui se divisent le travail (entreprises de production ou de services, centres de recherche, organismes de formation, centres de transfert et de veille technologique, etc.). »

3 Pour être complet, il faut rappeler que des travaux identifient aussi des effets négatifs associés à l’appartenance à un cluster, notamment en termes de déséconomies d’agglomération sous forme de coûts de congestion qui s’accroissent avec la taille du cluster (Prevezer, 1997). Elles sont liées notamment à l’augmentation des coûts salariaux ou à l’inflation du prix du foncier (Martin et Sunley, 2003). Ces déséconomies peuvent avoir des conséquences néfastes sur la performance des entreprises en particulier lorsque celles-ci, contraintes d’aller chercher des inputs hors du cluster, subissent une augmentation des coûts de transaction. Un effet négatif sur la performance des entreprises peut également s’opérer via un phénomène d’antisélection : les meilleures firmes préférant s’installer à l’extérieur des clusters afin de limiter la propagation de leurs connaissances et de leurs informations en direction de firmes du cluster de qualité moindre (Shaver et Flyer, 2000). La performance des firmes peut également pâtir d’effets de verrouillage liés à la proximité géographique. Le fait de se focaliser sur des connaissances localisées pouvant conduire à une perte de la capacité innovante et à une détérioration entropique du cluster (Giuliani et Bell, 2005).

4 Une typologie complète aurait présenté aussi les cas où les CVC sont tellement peu efficaces que, même compte tenu du rendement stratégique, ils financent moins facilement que les IVC. Ces cas sont peu pertinents dans cette section puisque tous les projets financés par les CVC peuvent alors l’être aussi par les IVC, de surcroît plus efficaces en termes de développement. Le seul avantage des CVC, déjà décrit dans la section 4, est dans ce cas de mener éventuellement à terme plus de projets que les IVC.

Haut de page

Pour citer cet article

Référence papier

Dominique Dufour, Eric Nasica et Dominique Torre, « Clusters et efficacité du capital-risque : une analyse des stratégies différenciées des fonds indépendants et des fonds industriels »Revue d'économie industrielle, 154 | 2016, 125-150.

Référence électronique

Dominique Dufour, Eric Nasica et Dominique Torre, « Clusters et efficacité du capital-risque : une analyse des stratégies différenciées des fonds indépendants et des fonds industriels »Revue d'économie industrielle [En ligne], 154 | 2e trimestre 2016, mis en ligne le 15 juin 2018, consulté le 28 mars 2024. URL : http://journals.openedition.org/rei/6357 ; DOI : https://doi.org/10.4000/rei.6357

Haut de page

Auteurs

Dominique Dufour

Université Côte d’Azur - GRM - IAE, Campus St Jean d’Angély, 24 Avenue des Diables Bleus, 06357 Nice Cedex 4, France. E-mail: domduf@wanadoo.fr

Articles du même auteur

Eric Nasica

Université Côte d’Azur - GREDEG - CNRS, 250 rue Albert Einstein, 06560 Valbonne, France. E-mail: eric.nasica@gredeg.cnrs.fr

Articles du même auteur

Dominique Torre

Université Côte d’Azur - GREDEG - CNRS, 250 rue Albert Einstein, 06560 Valbonne, France. E-mail: dominique.torre@gredeg.cnrs.fr

Articles du même auteur

Haut de page

Droits d'auteur

CC-BY-NC-ND-4.0

Le texte seul est utilisable sous licence CC BY-NC-ND 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search