Des outils d’IA modifient les conclusions sur l’innovation dans le vin

Une nouvelle étude publiée dans le Journal of Wine Economics affirme que la manière dont les chercheurs mesurent la similarité technologique dans la filière vitivinicole peut modifier fortement la lecture de l’évolution de l’innovation selon les pays et les catégories de produits.

L’article, signé Francesca Chiaradia de l’université de St Andrews, a examiné 9 439 résumés de brevets liés au vin déposés dans 53 pays entre 1970 et 2023. En utilisant des outils d’intelligence artificielle qui convertissent le texte en vecteurs numériques, l’étude a comparé cinq modèles de langage afin de voir à quel point les inventions liées au vin se ressemblaient au fil du temps. Le principal constat n’était pas seulement que la technologie du vin a évolué, mais que les différents modèles pointent souvent vers des tendances différentes.

C’est important, car la similarité technologique sert à suivre la diffusion des idées, les endroits où les producteurs se regroupent autour de méthodes communes et les domaines où la nouvelle invention s’écarte des standards plus anciens. Dans le commerce du vin, cela peut influer sur la manière dont les entreprises se comparent à leurs concurrentes, repèrent les techniques émergentes et évaluent les marchés selon les régions.

Chiaradia a constitué la base de données à partir de Lens.org, une base de brevets publique, et s’est concentrée sur les résumés de brevets plutôt que sur les revendications. L’article soutient que les résumés offrent une description plus claire de l’invention et contiennent moins de langage juridique. L’étude a ensuite traité le texte et utilisé cinq systèmes pour générer des représentations vectorielles de phrases, une méthode qui transforme le langage écrit en forme mathématique afin que les brevets puissent être comparés au moyen de scores de similarité cosinus allant de 0 à 1.

Les cinq modèles étaient GTE, S-BERT, USE, PaECTER et Doc2Vec. Selon l’étude, le choix entre ces modèles a conduit à des lectures nettement différentes du corpus de brevets sur le vin. GTE, S-BERT et USE ont montré une baisse de la similarité moyenne des années 1970 jusqu’à peu près la fin des années 1990, suivie ensuite d’un profil plus plat. PaECTER et Doc2Vec, au contraire, ont suggéré une hausse de la convergence.

L’article estime que ces différences sont suffisamment importantes pour influer sur toute affirmation générale concernant le fait de savoir si l’innovation vitivinicole devient plus standardisée ou plus diverse. Autrement dit, la réponse dépend en partie du modèle utilisé.

Sur l’ensemble de l’échantillon, la similarité sémantique moyenne variait aussi selon le modèle. GTE et PaECTER ont produit les moyennes globales les plus élevées, de 38,7 % à 41,9 %. S-BERT et USE étaient plus bas, à 33,2 % et 28,9 %. L’étude a constaté que les brevets américains et asiatiques avaient tendance à montrer une convergence plus forte que ceux d’autres régions, avec des scores de 46,5 % à 46,6 % dans certaines comparaisons.

Les données montrent aussi que l’activité de dépôt de brevets dans la technologie du vin est concentrée. Les États-Unis arrivent en tête des pays pris individuellement avec 1 516 brevets, suivis de la Corée du Sud avec 1 453 et de la France avec 903. L’Europe représentait 4 196 brevets et l’Asie 3 032. En Europe, la France, l’Allemagne et l’Espagne concentraient 63,1 % des innovations vitivinicoles de la région dans l’échantillon. En Amérique du Nord et en Asie, un petit nombre de pays dominait aussi les dépôts. Les États-Unis, la Corée du Sud et le Japon représentaient 87,2 % et 75,7 % des parts dans leurs continents respectifs, indique l’article.

L’étude a réparti les brevets en cinq grands domaines technologiques et a constaté que la chimie alimentaire et le génie chimique dominaient, suivis par les machines et les éléments mécaniques. L’Europe affichait une spécialisation relativement plus forte dans la technologie de mesure du vin. L’Amérique du Nord se distinguait davantage dans les technologies numériques et les produits de consommation. En Afrique et en Océanie, le recul des brevets liés à la chimie a été compensé par une plus grande attention portée aux technologies de manutention et d’emballage, comme les bouteilles, les bouchons et le stockage.

L’un des résultats régionaux les plus marquants de l’article est que la similarité à l’intérieur des pays était souvent plus élevée que la similarité entre pays. Aux États-Unis, la similarité du langage des brevets liés au vin a longtemps reculé, avant de devenir plus stable au début des années 2000. L’Europe a évolué dans le sens inverse plus tard dans la période. Là-bas, la similarité a augmenté après 2010 et s’est diffusée entre les domaines, en particulier dans le génie mécanique et les instruments.

L’article n’établit pas de cause directe, mais il évoque plusieurs facteurs possibles pour expliquer le schéma européen, notamment la baisse des barrières commerciales au sein de l’Union européenne et l’harmonisation progressive des règles agricoles. L’implication plus large est que l’innovation vitivinicole reste étroitement liée au contexte économique et institutionnel dans lequel une invention est créée, même dans une industrie mondiale aux échanges importants.

L’étude a aussi mis en évidence de fortes différences entre les domaines techniques. Les technologies liées à la biotechnologie, à la chimie organique et au génie chimique ont montré une baisse plus marquée de la similarité entre 1970 et 1990 dans les modèles entraînés sur des ensembles de données plus vastes et plus affinés. Après cela, les résultats ont suggéré une plus grande stabilité autour du tournant du siècle, en particulier pour les équipements standardisés tels que les moteurs, les pompes et autres composants mécaniques. Les brevets de biens de consommation, que l’article décrit comme moins complexes sur le plan technique, affichaient une similarité moyenne plus élevée et des tendances plus stables après le milieu des années 1990.

Pour vérifier si les modèles de langage produisaient des résultats crédibles, l’article a utilisé trois méthodes de validation. Il a d’abord comparé les prédictions des modèles aux codes de la Classification internationale des brevets, qui sont des étiquettes officielles attribuées aux brevets. Les résultats ont été mitigés. L’exactitude variait de 55,4 % à 58,1 % pour la plupart des modèles dans les comparaisons globales, et la précision variait selon les domaines. GTE a amélioré la discrimination, tandis que USE a enregistré dans certains cas une exactitude et une précision plus fortes. Même ainsi, l’article indique que tous les modèles ont obtenu de faibles performances lorsqu’ils ont été évalués à l’aune des étiquettes normalisées, ce qui suggère que les outils actuels peinent encore à saisir la similarité au-delà d’un niveau de base.

Deuxièmement, l’étude s’est penchée sur les dessins de brevets. Elle a téléchargé des images issues de dépôts de brevets et a mesuré la similarité visuelle à l’aide du Structural Similarity Index Measure, ou SSIM. La similarité moyenne des images était de 39,69 %, un chiffre très proche des scores générés par GTE. Selon Chiaradia, cette correspondance va dans le sens de l’idée que des modèles plus avancés et mieux réglés peuvent fournir une lecture plus fiable de la convergence technologique.

Troisièmement, l’article a utilisé un système de génération augmentée par récupération, relié à un grand modèle de langage, pour vérifier si un système dynamique retracerait la similarité d’une manière correspondant aux modèles statiques. Selon l’étude, les résultats fondés sur le RAG suivaient de près les schémas observés avec GTE, S-BERT et USE, ce qui donnait à l’autrice davantage confiance dans les tendances produites par ces modèles.

L’article replace ces résultats dans un débat plus large sur la manière dont les économistes et les analystes sectoriels utilisent l’apprentissage automatique pour lire les données d’innovation. Les brevets sont de plus en plus exploités pour identifier les mutations industrielles, mais l’étude met en garde contre le fait de considérer les sorties de l’IA comme neutres ou interchangeables. Un même ensemble de brevets sur le vin peut raconter des histoires différentes selon le système utilisé pour l’analyser.

L’autrice estime aussi que les résultats disent quelque chose sur la structure même du secteur vitivinicole. Une similarité plus élevée dans certaines régions du Nouveau Monde, notamment dans les domaines liés aux logiciels, à l’emballage, à la publicité en ligne, à l’étiquetage et au contrôle qualité, peut indiquer une standardisation plus forte ou des grappes d’innovation plus resserrées. Dans le même temps, les technologies plus sophistiquées en chimie et en génie mécanique semblent rester plus étroitement liées aux conditions locales de production et de recherche.

L’étude est descriptive et ne cherche pas à prouver pourquoi ces différences sont apparues. Elle porte en outre sur le vin uniquement, et non sur l’ensemble du marché des boissons. Chiaradia indique que les résultats sont limités par la génération actuelle de modèles de langage et pourraient changer à mesure que de nouveaux systèmes seront développés. L’article suggère que de futures recherches pourraient étendre la même approche aux spiritueux et à d’autres boissons alcoolisées, où l’activité de dépôt de brevets et la concurrence ont elles aussi progressé.