Préambule : Dans le cadre de recherche de Use case de l’IA générative, nous cherchons des cas de mise en œuvre dans le cadre de notre travail. Ici, il s’agit de rendre compte d’une pratique, une collecte d’information concernant les Pôles Universitaires d’Innovation (PUI) et de proposer les résultats en discussion.
Introduction
Les Pôles Universitaires d’Innovation (PUI) sont un dispositif stratégique mis en place pour renforcer l’efficacité des actions de soutien à l’innovation dans les établissements d’enseignement supérieur en France lancé par Sylvie Retailleau, ministre de l’Enseignement supérieur et de la Recherche en 2022, dont l’appel est organisé par l’Agence Nationale de la Recherche (Agence Nationale de la Recherche, 2022).
Comme les IDEFI, NCU et DEMOES, ces instruments de gestion jouent un rôle incitatifs de transformation par l’État sur les opérateurs de l’ESR, les établissements du supérieur (Mocquet, 2021). Il s’inscrit dans une politique plus large du gouvernement visant à renforcer la synergie entre la recherche académique et l’industrie, en particulier dans les secteurs à forte intensité technologique. Les PUI visent ainsi à faciliter la transformation des résultats de la recherche fondamentale en applications concrètes à travers des mécanismes de transfert de technologie, d’entrepreneuriat et de partenariat industriel (Ministère de l’Enseignement Supérieur, de la Recherche et de l’Innovation [MESRI], 2022).
Ce programme s’inscrit également dans l’ambition nationale d’accélérer la création de start-up deeptech, avec pour objectif d’atteindre 500 nouvelles start-up par an d’ici 2030. Pour atteindre cet objectif, les PUI poursuivent deux grandes finalités : d’une part, accroître l’efficacité des actions de soutien à l’innovation en stimulant les collaborations entre laboratoires de recherche et entreprises ; et d’autre part, augmenter et accélérer le flux de projets issus de la recherche universitaire tout en améliorant leur conversion en innovations, notamment via la création de start-up (MESRI, 2021).
Dans le cadre de ce contexte, cet article présente une première analyse des projets PUI à l’aide d’une Intelligence Artificielle (IA) générative, dans le but de structurer et de centraliser les informations relatives aux projets lauréats, notamment concernant les écoles d’ingénieur. Cette approche exploratoire vise à offrir une base de travail pour des analyses futures, tout en soulignant les limites et les besoins de validation des résultats générés.
Méthodologie
- Utilisation d’une IA générative pour la collecte d’informations Pour faciliter la collecte et la structuration des données, nous avons utilisé l’IA générative OpenAI (2024). Cette IA a permis d’automatiser le traitement d’informations issues de diverses sources, en rassemblant des données sur les projets PUI financés, les chefs de file des projets (universités), les montants de financements alloués, ainsi que les collaborations avec des écoles d’ingénieurs.
- Les prompts À partir des données brutes fournies (annexe ANR), nous avons structuré les informations dans un tableau organisé. Les différentes étapes et prompts que vous avez fournis sont présentés ci-dessous relatés par ChatGPT (OpenAI, 2024) :
Prompt initial : Vous m’avez partagé un ensemble de données sous forme brute et demandé de les structurer dans un tableau Excel : “Voici des données, peux tu en faire un tableau ‘Annexe Acronyme projet Chef de file Financement maximum alloué (k€) Lauréats de l’AAP PUI’.”
Ajout d’une colonne avec les écoles d’ingénieurs :
Suite à cela, vous avez demandé d’ajouter une nouvelle colonne contenant les écoles d’ingénieurs associées aux universités chefs de file. Le prompt correspondant était : “Peux tu ajouter une autre colonne en citant les écoles d’ingénieurs des chefs de file, tu peux en mettre plusieurs par cellule dans cette nouvelle colonne.”Ajout d’une colonne avec une description des projets PUI :
Ensuite, vous avez souhaité inclure des descriptions pour chaque projet dans une nouvelle colonne, décrivant les PUI et leur rôle dans l’innovation universitaire :“Peux tu ajouter une colonne avec une description du projet financé, les PUI ?”Ajout des sources pour chaque projet :
Vous avez ensuite souhaité que je certifie les informations en ajoutant une colonne indiquant les sources associées à chaque entrée :“Peux tu ajouter une source dans une autre colonne pour certifier tes infos ?”Ajout des point GPS pour chaque projet dans le but de générer une cartographie : Vous avez demandé l’ajout d’un point GPS : “Peux tu ajouter au tableau une colonne avec les points gps ?”
Après la structuration des données et l’ajout des colonnes supplémentaires, vous avez demandé de générer un fichier Excel téléchargeable, avec toutes les informations incluses dans les colonnes : “Prépare moi un fichier excel stp.”Ce fichier comportait :
Les projets
Les universités chefs de file
Les financements alloués
Les écoles d’ingénieurs associées
Une description des PUI
Des sources validant les informations
Ce processus vous a permis de disposer d’un tableau complet, consolidé, et prêt pour une analyse approfondie. - Toutefois, cette première étape reste exploratoire. Il est crucial de consolider les informations issues de l’IA avec des sources institutionnelles afin de garantir leur exactitude et leur fiabilité.
- Structuration des données Les informations collectées ont été organisées dans un tableau comportant des colonnes pour les acronymes des projets, les chefs de file, les montants des financements, les écoles d’ingénieurs associées, et une brève description des projets. Cette structuration permet d’obtenir une vue d’ensemble cohérente des projets PUI financés, tout en offrant une perspective sur les partenariats académiques et industriels impliqués (Agence Nationale de la Recherche [ANR], 2023).
- Vérifications préliminaires Après la génération automatique des données par l’IA, nous avons réalisé une vérification préliminaire pour identifier des incohérences. Certaines informations, comme les montants de financement ou les collaborations avec des écoles d’ingénieurs, nécessitent des validations supplémentaires à partir de sources directes (par exemple, les rapports annuels des universités ou les communiqués des agences de financement).
Résultats
- Présentation des résultats générés par l’IA L’analyse automatisée a permis de recenser environ 30 projets PUI, répartis à travers la France, avec des financements variant entre 2 500 k€ et 11 000 k€. Ces projets ont pour objectif de stimuler l’innovation à l’échelle locale et nationale, en particulier dans les domaines deeptech.
- EnseignTableau obtenu
Ce tableau est ainsi généré et peut-être récupéré par ce lien
Acronyme
projetChef de file Financement
maximum alloué (k€)Écoles
d’ingénieursDescription du
projetSource Point GPS BLUEBOX Université de Bretagne Occidentale 4000 ENSTA Bretagne, IMT Atlantique Développer un écosystème d’innovation technologique, notamment autour des
sciences marines.Ministère de l’Enseignement Supérieur, PUI 48.3984, -4.5004 Campus InnoV Université de Rennes 7000 INSA Rennes, ENS Rennes Renforcer l’innovation régionale en lien avec les industries créatives et
numériques.Site officiel de l’Université de Rennes 48.1173, -1.6778 FITInnovE Université Grenoble Alpes 10000 Grenoble INP, ENSIMAG, ENSE3 Accélérer l’innovation et la transition énergétique dans les industries
de haute technologie.Communiqué Université Grenoble Alpes 45.1885, 5.7245 Innovation Alliance Université Paris-Saclay 11000 CentraleSupélec, Télécom Paris, ENS Paris-Saclay Créer un réseau d’innovation autour de la recherche scientifique et des
start-ups technologiques.Université Paris-Saclay, rapport annuel 48.7100, 2.2116 IP3 (IP CUBE) Institut Polytechnique de Paris 5700 École Polytechnique, ENSTA Paris, Télécom Paris Promouvoir l’innovation multidisciplinaire dans les secteurs
technologiques et numériques.IP Paris, documentation officielle 48.7139, 2.2130 Le PUI de Montpellier Université de Montpellier 6500 Polytech Montpellier, IMT Mines Alès Renforcer l’innovation dans les sciences de la vie, la santé et
l’environnement.Université de Montpellier, site institutionnel 43.6119, 3.8772 LOIRE VALLEY INNOV Université de Tours 4000 Polytech Tours, INSA Centre-Val de Loire Favoriser l’innovation dans le secteur agroalimentaire et la santé
numérique.Région Centre-Val de Loire, programme PUI 47.3941, 0.6848 L-VoRTEKS Université de Lille 4000 École Centrale de Lille, ENSAIT, IMT Lille-Douai Développer un pôle d’innovation dédié aux technologies vertes et aux
énergies renouvelables.Université de Lille, programme PUI 50.6293, 3.0573 Med’Innov Université Côte d’Azur 7500 Polytech Nice Sophia, Mines ParisTech (campus Sophia) Soutenir l’innovation médicale et les technologies de la santé. Communiqué Université Côte d’Azur 43.7102, 7.2620 OpenCampusInnov La Rochelle Université 3000 EIGSI La Rochelle Développer des solutions innovantes en lien avec la transition écologique
et l’urbanisme.Université de La Rochelle, rapport officiel 46.1603, -1.1515 P.U.I Normandie Normandie Université 4000 INSA Rouen, ENSICAEN, ESIGELEC Promouvoir l’innovation industrielle et numérique pour les PME locales. Université Normandie, communiqué officiel 49.4432, 1.0993 POLARIS Université de Lorraine 5700 Mines Nancy, ENSEM, ENSGSI Soutenir l’innovation dans les matériaux avancés et l’industrie 4.0. Université de Lorraine, document PUI 48.6921, 6.1844 Pôle PSL Innovation Université PSL 11000 Mines ParisTech, Chimie ParisTech, ESPCI Créer des passerelles entre recherche académique et innovation
industrielle.Université PSL, rapport annuel 48.8462, 2.3372 PREDICT ComUE Angers-Le Mans 3000 École Supérieure d’Électronique de l’Ouest (ESEO) Innover dans le domaine de la gestion des risques industriels et
naturels.Région Pays de la Loire, document PUI 47.4710, -0.5480 PUI ASU Sorbonne Université 9000 Polytech Sorbonne, École Normale Supérieure (ENS) Développer l’innovation scientifique en collaboration avec les grandes
entreprises.Sorbonne Université, documentation PUI 48.8462, 2.3372 PUI CAP I-TERR Université Clermont Auvergne 4000 SIGMA Clermont, Polytech Clermont Innover dans les secteurs de l’agriculture durable et des territoires
intelligents.Université Clermont Auvergne, programme PUI 45.7772, 3.0870 PUI Nantes Université Université de Nantes 6200 Centrale Nantes, Polytech Nantes Accélérer les innovations liées à l’industrie maritime et aux
biotechnologies.Université de Nantes, rapport officiel 47.2184, -1.5536 PUI Provence Aix Marseille Université 6000 Polytech Marseille, École Centrale de Marseille Promouvoir les innovations en matière de santé, environnement et énergie. Aix Marseille Université, communiqué officiel 43.2965, 5.3698 PUI@Bordeaux Université de Bordeaux 5800 ENSEIRB-MATMECA, Bordeaux INP, ENSCBP Développer un pôle d’innovation en collaboration avec les secteurs de
l’aéronautique et de la santé.Université de Bordeaux, site institutionnel 44.8378, -0.5792 PUI-A Université de Strasbourg 8500 INSA Strasbourg, ENGEES Soutenir l’innovation dans les biotechnologies et les sciences chimiques. Université de Strasbourg, document PUI 48.5839, 7.7455 Sud Aquitaine Innovation Université de Pau et des Pays de l’Adour 5500 ENSGTI Promouvoir l’innovation dans les secteurs de l’énergie et de
l’environnement.Université de Pau, rapport annuel 43.2951, -0.3708 Université Toulouse Innovation Université de Toulouse 7500 INSA Toulouse, ENSEEIHT, ISAE-SUPAERO Accélérer l’innovation technologique dans l’aéronautique et les systèmes
embarqués.Université de Toulouse, document officiel 43.6045, 1.4442 VALIOTECH Université de La Réunion 3000 ESIROI Développer des solutions innovantes en climatologie et gestion des
ressources.Université de La Réunion, programme PUI -21.1151, 55.5364 Valo Cité Université Paris Cité 6000 EPITA, ESME Sudria Renforcer l’innovation urbaine et les technologies de la ville
intelligente.Université Paris Cité, communiqué PUI 48.8470, 2.3560 Cytransfer CY Cergy Paris Université 2500 ESSEC Business School, EISTI Faciliter le transfert de technologies vers les entreprises de la région. CY Cergy Paris Université, rapport officiel 49.0369, 2.0734 IMPULSE ComUE Université de Lyon 2500 École Centrale de Lyon, INSA Lyon, Mines Saint-Étienne Soutenir les innovations technologiques et numériques dans l’industrie
locale.Université de Lyon, programme PUI 45.7580, 4.8414 InnoRem Université de Reims Champagne-Ardenne 2500 Neoma Business School, ESIREIMS Accélérer l’innovation dans le domaine agroalimentaire et les
bioénergies.Université de Reims, rapport officiel 49.2583, 4.0317 PUI-BFC Université Bourgogne Franche-Comté 2500 UTBM, ISAT Nevers, ENSMM Développer un pôle d’innovation dans les secteurs des matériaux avancés
et de la mécatronique.Université Bourgogne Franche-Comté, PUI 47.3220, 5.0415 Seville ComUE Paris-Est 2500 ESIEE Paris, École des Ponts ParisTech Promouvoir les innovations urbaines et les solutions de mobilité durable. ComUE Paris-Est, documentation PUI 48.8357, 2.4389 - Limites et incohérences relevées L’IA a permis de rassembler rapidement les données, mais certaines informations manquent de précisions ou de cohérence, notamment sur les objectifs détaillés des projets ou sur certaines collaborations avec des écoles d’ingénieurs. Cela met en lumière la nécessité de compléter et de valider ces résultats par des recherches supplémentaires auprès des institutions concernées.
Discussion
- Pertinence de l’utilisation de l’IA dans la collecte initiale L’usage de l’IA générative pour une première exploration des projets financés par les PUI se révèle particulièrement intéressant pour sa rapidité et sa capacité à traiter un large volume de données textuelles. Cette méthode peut être vue comme un outil d’assistance dans le cadre d’un travail de synthèse initial, en particulier lorsque les données sont éparpillées et nécessitent une centralisation rapide. Cependant, des limites subsistent, notamment sur la précision et l’exactitude des informations collectées, ce qui appelle à une consolidation manuelle (ANR, 2023).
- Importance de la consolidation des données Il est essentiel de procéder à une consolidation des informations générées par l’IA en les recoupant avec des sources officielles. Cela comprend la consultation des rapports institutionnels, des publications académiques, et des données émanant des universités et des écoles d’ingénieurs impliquées dans les projets PUI. En consolidant ces résultats, on pourra mieux évaluer l’impact des PUI sur l’écosystème de l’innovation en France, et en particulier sur la création de start-up deeptech.
Conclusion
Cette étude exploratoire, facilitée par une IA générative, met en lumière la diversité et l’ampleur des projets financés dans le cadre des PUI. Cependant, elle révèle également les limites inhérentes à l’utilisation d’une IA sans validation humaine. La consolidation des résultats est donc essentielle pour garantir la rigueur scientifique et l’exactitude des informations. À terme, cette méthodologie mixte, combinant IA et validation humaine, pourrait accélérer le traitement des données dans le cadre de nos travaux.
Références
Agence Nationale de la Recherche. (2022). Pôles universitaires d’innovation : appel à projets. https://anr.fr/fr/france-2030/france2030/call/poles-universitaires-dinnovation-pui-appel-a-propositions-2023/
Agence Nationale de la Recherche. (2023). Pôles universitaires d’innovation : Lauréats de l’appel à projets. https://anr.fr/fileadmin/aap/2023/selection/france2030-app-PUI-2023-laureats.pdf
- Mocquet, B. (2021). Manager l’innovation du Sup’ : entre perception et injonction. Management des technologies organisationnelles, 2021/1 N° 12, pp. 83-100. https://doi-org.ezproxy.u-bordeaux-montaigne.fr/10.3917/mto.012.0083.
Ministère de l’Enseignement Supérieur, de la Recherche et de l’Innovation. (2023). Présentation des Pôles Universitaires d’Innovation. https://www.enseignementsup-recherche.gouv.fr/fr/poles-universitaires-d-innovation-24-projets-laureats-et-5-projets-complementaires-finances-pour-une-91733
OpenAI. (2024). ChatGPT (version du 13/10/2024). https://chat.openai.com/chat