La valeur du portefeuille de propriété intellectuelle (PI) d'une entreprise est devenue un actif incorporel pour les entreprises axées sur l'innovation. À mesure que le volume et la valeur des transactions commerciales pilotées par la PI augmentent, l'évaluation financière des portefeuilles de PI devient une discipline essentielle. Ces évaluations permettent de donner des conseils en termes d'acquisitions, d'ajustements du portefeuille de brevets, de licences ou de contentieux. Toutefois, les méthodes d'évaluation actuelles les plus courantes de la PI présentent un angle mort qui pourrait aboutir à une sous-évaluation de brevets importants.
Discipline émergente, l'évaluation du portefeuille de brevets reste plus un art qu'une science et la « meilleure » approche de cette question complexe et nuancée fait l'objet de nombreux débats. Traditionnellement, l'évaluation de la PI est un processus manuel entrepris par des experts financiers et les spécialistes du domaine technique pertinent. Ces évaluations tiennent généralement compte d'un certain nombre de facteurs, y compris l'investissement pour développer la PI, la valeur des brevets similaires et les prévisions de revenus dégagés de cette invention.
Plus récemment, un certain nombre de solutions logicielles commercialisées utilisent des approches algorithmiques pour accélérer le processus et réduire les coûts, certaines revendiquant l'exploitation de la technologie d'IA émergente. Ces approches automatisées d'évaluation du portefeuille s'appuient plus lourdement sur des métriques quantifiables, comme les données du marché pour la valeur de transactions antérieures de brevets pertinents, le nombre de citations antérieures et ultérieures, la rapidité des citations et la longueur des revendications.
Les limites de l'évaluation manuelle et logicielle des brevets comprennent une confiance exagérée dans les données historiques du marché et la non-prise en compte de l'âge du brevet, de la compétitivité du marché et d'autres facteurs clés. Je souligne ici une limite supplémentaire liée à la manière dont les deux méthodes exploitent les données de citation ultérieure qui peuvent sous-évaluer un volume croissant de brevets importants.
Le problème de la publication parallèle d'articles de revues et de brevets
Une citation ultérieure est un brevet ou un article de revue qui cite le brevet intéressant publiquement divulgué comme la base du nouveau travail. Les approches actuelles d'évaluation de la PI utilisent les citations ultérieures comme une indication de l'importance ou de l'influence de l'invention divulguée dans le brevet. Toutefois, l'indicateur de citation ultérieure est souvent incomplet en raison d'un nombre croissant d'inventions qui sont le fruit de collaborations entre universités et entreprises commerciales. Dans ces cas, la recherche est d'abord déposée comme une demande de brevet par le partenaire commercial pour protéger la PI, puis publiée dans une revue par le partenaire universitaire (toutefois, l'article de revue est souvent disponible en premier en raison du délai entre la demande de brevet et sa publication). Cette approche de publication double (c'est-à-dire une paire de publications) génère de multiples citations ultérieures pertinentes pour l'évaluation de la PI.
Par exemple, les références ci-dessous des auteurs de la Texas A&M University forment une paire brevet-revue bien qu'elles divulguent un nombre différent de substances et de réactions. Le brevet est cité une fois par une invention ultérieure, alors que l'article de revue est cité 79 fois.
Dans la mesure où l'article de revue est rarement, voire jamais pris en compte dans l'évaluation manuelle ou algorithmique de la PI, les brevets issus de ces collaborations sont généralement sous-estimés. Les processus automatisés qui s'appuient davantage sur les données de citation sont plus sujets à cette sous-évaluation.
Pourquoi les citations ultérieures des articles de revues sont-elles ignorées ?
Comme les articles de revues et les brevets remplissent des objectifs fondamentalement différents, il n'est pas facile de mettre ces paires de publications en correspondance. Les brevets sont rédigés en mettant l'accent sur la protection, tandis que les articles de revues visent une divulgation complète. Cette dichotomie pourrait donner lieu à des publications comportant différents titres, extraits, auteurs nommés et descriptions de l'invention, avec une couche de complexité supplémentaire si les publications sont rédigées dans des langues différentes. Les demandes de brevet sont souvent déposées en premier lieu auprès d'un office national des brevets dans la langue locale, alors que les articles de revues sont publiés en anglais. Il n'existe pas aujourd'hui de moyen simple de mettre en correspondance des articles de revues pertinents et des brevets intéressants.
Un moyen d'enregistrer ces paires de publications de manière plus complète pendant le processus d'évaluation de la PI consiste à exploiter un jeu de données organisé par des scientifiques qui couvre à la fois les brevets et les revues. Dans la chimie et les sciences connexes, l'effort unique des scientifiques de CAS est déterminant pour associer les paires de publications. Par exemple, une invention chimique importante peut être divulguée dans un brevet en tant que structure Markush avec quelques exemples de composés, alors qu'un article de revue pourra la résumer en structures génériques et en informations supplémentaires. Un effort d'indexation approfondi est essentiel pour enregistrer la chimie entre différents types de documents.
Outre l'indexation détaillée des mots clés et des substances chimiques des brevets et des articles de revues, les scientifiques de CAS fournissent des titres améliorés et des extraits en anglais pour les brevets, le tout améliorant considérablement les chances que des recherches réalisées dans Cas SciFinder et STN et des recherches effectuées par CAS IP Services renvoient les deux publications.
En commençant par une base de données de haute qualité organisée par des humains, les algorithmes pourront peut-être bientôt être à même de comparer un large éventail d'attributs et d'identifier facilement les paires de publications brevet-article de revue. Il s'agit vraiment d'un exemple dans lequel la combinaison de l'intellect humain et de la machine fournit une solution plus complète. Votre entreprise axée sur l'innovation cherche-t-elle une évaluation plus précise de son portefeuille de PI ? Découvrez comment CAS peut vous aider.
