Introduction

1L’avènement des biotechnologies a profondément transformé la manière dont de nouveaux médicaments sont développés. Alors qu’il reposait sur des connaissances majoritairement issues de la chimie et restait le plus souvent circonscrit à l’intérieur de grands groupes pharmaceutiques, le développement de nouveaux médicaments se trouve aujourd’hui éclaté entre de nombreux opérateurs. Il s’appuie de plus en plus sur des projets collaboratifs entre les groupes pharmaceutiques en place et des start-up de biotechnologies créées à partir de la recherche publique afin d’en « valoriser » les résultats en les « transférant » de la science vers le marché (Doganova, 2012). Une telle distribution des rôles n’est pas spécifique à ce secteur. Elle illustre un mouvement plus général que décrivent des modèles comme celui de l’ « open innovation », dans lequel la génération, la commercialisation et le financement de l’innovation se voient confiés, respectivement, aux start-up, aux grandes entreprises et à des investisseurs externes comme les capitaux-risqueurs (Chesbrough, 2003), ou encore le modèle de la « triple hélice », entremêlant universités, industriels et gouvernement (Etzkowitz et Leydesdorff, 2000). Si ces modèles soulignent les nouvelles formes de relations qu’entraîne « l’ouverture » des activités d’innovation, ils ne s’intéressent pourtant que peu aux modalités marchandes de cette « ouverture ». Lorsque la marchandisation ou la commercialisation des connaissances issues de la recherche est évoquée dans la littérature, c’est pour être soit célébrée, car elle rendrait ces connaissances « utiles », soit décriée, car elle ferait perdre à la science sa « pureté » (Mirowski et Sent, 2008). Dans les deux cas, les processus de création de marchandises à partir de connaissances scientifiques et, concomitamment, les processus de construction des marchés dans lesquels ces marchandises sont échangées sont rarement étudiés et interrogés.

2Cet article se propose d’aborder ce point en s’intéressant à la manière dont la valeur marchande des projets de recherche et développement (R&D) de nouveaux médicaments est calculée au sein de transactions entre des start-up de biotechnologies et des groupes pharmaceutiques. Ce calcul n’a rien d’évident, car un grand nombre de ces transactions interviennent lorsque les projets sont à un stade peu avancé. S’échangent alors non pas des biens existants dont les qualités sont stabilisées, mais des agencements hétérogènes formant des biens futurs et incertains. En effet, les projets sont à ce stade composés de connaissances qui ont certes le potentiel pour devenir de nouveaux médicaments, mais dans un futur qui peut être très lointain (les projets s’étalant sur une dizaine d’années), dans des indications thérapeutiques qui ne sont pas toujours déterminées au moment de la transaction (un même mécanisme d’action pouvant être impliqué dans différentes indications) et avec une probabilité de succès qui est souvent très faible (chacune des phases de développement impliquant des essais en cascade qui peuvent aboutir à un échec). Si ces transactions sont appelées des « deals », elles épousent une temporalité longue et s’accompagnent souvent de l’établissement d’un « partenariat » dans le cadre duquel la start-up de biotechnologie et le groupe pharmaceutique se mettent d’accord sur un plan d’action commun à suivre et sur un ensemble d’engagements à respecter. L’établissement d’un tel partenariat n’en passe pas moins par la fixation d’un prix, composé, comme nous le verrons, d’un paiement initial et d’une série de paiements conditionnels (correspondant notamment au franchissement de certaines phases lors du développement du médicament ou de certains montants de ventes lors de sa commercialisation). Comment ce prix est-il formé ? Comment sont évalués les projets de développement de nouveaux médicaments, pour devenir des objets de transactions dans un marché des biotechnologies ?

3Des travaux en économie et en comptabilité se sont déjà intéressés à l’évaluation des projets de R&D, mais à l’intérieur de l’entreprise, dans une optique de rationalisation des choix et d’arbitrage entre plusieurs projets d’investissement concurrents. Freeman (1982) y consacre un chapitre entier dans son ouvrage classique sur l’économie de l’innovation. Il note que, s’il existe des techniques pour l’évaluation des projets de R&D, celles-ci ne peuvent produire que des estimations étant donné l’incertitude qui caractérise les processus inachevés de recherche. Il décrit alors l’évaluation des projets de R&D comme un processus « politique » dans lequel s’affrontent des intérêts personnels et des luttes de pouvoir, le « sobre calcul de probabilités mesurables » laissant la place aux « esprits animaux » (p. 151). Dans une situation d’incertitude, où « plusieurs opinions peuvent être soutenues et […] les estimations des projets sont utilisées par des groupes d’intérêt afin de renforcer un point de vue particulier », le rôle des techniques d’évaluation, conclut Freeman, devient semblable à celui des « danses tribales » : il est à chercher, non pas du côté du calcul économique, mais « dans les processus de mobilisation, motivation et organisation » (p. 167).

4Une telle conclusion pose l’impossibilité d’un calcul « rationnel » en situation d’incertitude et n’accorde aux techniques d’évaluation de projets qu’un rôle « social » (il s’agit de mobiliser, légitimer, coordonner…). Elle rejoint ce que Beunza et Garud (2007) décrivent comme une solution « sous-calculatoire » au problème de l’évaluation sous incertitude : une solution qui dissout le calcul et la prise de décision dans des processus d’imitation (Rao, Greve et Davis, 2001 ; Scharfstein et Stein, 1990) ou des luttes de pouvoir (Pfeffer et Salancik, 1974). Le déplacement qu’elle opère rappelle celui qu’ont proposé les premiers travaux en économie (Knight, 1921) et en sociologie (Karpik, 1989) qui ont traité la question de l’incertitude : un déplacement du calcul vers le « jugement », soutenu par des mécanismes psychologiques (l’intuition, l’opinion) ou sociaux (le réseau, la confiance).

7Comme nous le verrons, sur le marché que composent les échanges entre groupes pharmaceutiques et start-up de biotechnologies, la formation des prix repose sur ce que les acteurs désignent par le mot anglais de « valuation ». Il fait référence à l’utilisation de techniques de calcul, telles que la formule DCF, dans le but de déterminer la valeur d’actifs, tels que les projets de R&D. Si ce terme peut être traduit par des termes comme « évaluation », « valorisation », « estimation de la valeur », etc., dans la suite de cet article, nous utiliserons le terme « valorisation » de manière systématique. L’unité de vocabulaire est importante car le terme recouvre non seulement une opération de calcul, mais aussi un ensemble de connaissances, de techniques et de professionnels (comme les consultants en « valuation ») qui rendent possible ce calcul. Elle ne doit toutefois pas être trompeuse. Dans un ouvrage récent, Vatin (2009) souligne en effet que la notion de valuation englobe deux processus que la langue française distingue : l’évaluation, qui évoque l’attribution d’une valeur à un bien, et la valorisation, qui met l’accent sur les dynamiques de production des biens et de leur valeur. Dans le même ouvrage, Callon (2009) propose de prendre acte du caractère inséparable de ces deux processus et de retenir la notion de valuation.

8La solution que nous adopterons ici est quelque peu différente. Nous parlerons de valorisation pour désigner les activités qu’implique le calcul de la valeur des projets de R&D ; nous empruntons ce terme aux acteurs, avec l’objectif de décrire un espace empirique plutôt que de reprendre une distinction analytique. Ce travail de description nous permettra de revenir sur la distinction entre évaluation et valorisation dans la conclusion de l’article, pour insister sur les liens entre la production des biens et celle de leur valeur marchande, liens qui sont d’autant plus visibles dans le cas des projets d’innovation puisque les caractéristiques et les valeurs de biens futurs sont en train de se faire. Enfin, afin de rendre compte de la spécificité des activités de valorisation dans ce secteur qui accorde une place centrale aux formules de calcul telles que la DCF, nous parlerons de formulation de la valeur, en reprenant la notion de formulation qui a été proposée pour analyser la formation des prix (Callon, 2009, 2014) ou des nouvelles entreprises (Doganova et Giraudeau, 2014 ; Giraudeau, 2009).

9L’article commence par présenter la manière dont la formule des flux actualisés intervient dans l’échange de projets de R&D de nouveaux médicaments. La DCF est d’abord décrite comme formule mathématique : une équation qui apparaît dans les manuels et les ouvrages spécialisés, et dont les hypothèses suscitent des controverses. L’article se tourne ensuite vers les pratiques de valorisation. La DCF est alors décrite comme une « formule-réseau », soutenue par une infrastructure métrologique qui lie les mondes de la recherche, de la finance et du marché, et une « formule-objet », encastrée dans des logiciels et manipulée par des utilisateurs. La conclusion reprend la question de la performativité des formules de calcul pour s’interroger sur les liens entre évaluation et valorisation, la production de l’incertitude et le rôle de professionnels comme les consultants dans un marché où s’échangent non seulement des connaissances (biologiques) sur de futurs médicaments mais aussi des connaissances (économiques) sur la valeur de ces biens particuliers.

Formation des prix et formulation de la valeur

L’échange de projets de développement de nouveaux médicaments

10Soumis à une réglementation stricte, les projets de R&D de nouveaux médicaments suivent un parcours linéaire bien précis. D’abord, une phase de recherche vise à identifier des « cibles » impliquées dans une pathologie, ainsi que des molécules susceptibles d’agir sur ces cibles (en les inhibant ou les activant) et donc de devenir des « candidats-médicaments ». Les candidats-médicaments ainsi identifiés sont ensuite soumis à une série de tests : les essais précliniques sur des modèles animaux visant à mieux connaître le comportement de la molécule (efficacité, toxicité, dosage, effets secondaires…), puis les essais cliniques chez l’homme (phases I, II et III). Enfin, si une autorisation de mise sur le marché est obtenue à la suite de ces essais, le nouveau médicament est commercialisé. Ce parcours est communément visualisé par un « pipeline » (figure 1), représentation globale que les entreprises de ce secteur utilisent souvent pour montrer le degré d’avancement de leurs produits en développement.

11Un projet de développement de nouveaux médicaments peut faire l’objet d’une transaction marchande à tout moment de ce parcours standardisé. Émanant de la recherche et manquant de ressources financières, les start-up de biotechnologies essayent souvent de vendre leurs projets lorsqu’ils sont encore à un stade très amont, comme celui de la recherche ou des essais précliniques. L’encadré 1 présente un exemple de ce type de transactions : une start-up travaillant sur un type de cellule cible (les cellules « natural killer » de l’immunité innée) établit un partenariat avec un groupe pharmaceutique afin d’identifier des molécules qui agissent sur ces cellules et de les amener jusqu’à la phase des essais précliniques.

Encadré 1. Un exemple de transaction entre une start-up de biotechnologies et un groupe pharmaceutique

« Innate Pharma S.A., société biopharmaceutique française et Novo Nordisk, groupe pharmaceutique international d’origine Danoise, annoncent aujourd’hui la signature d’un partenariat stratégique portant sur le développement de nouveaux médicaments ciblant les cellules Natural Killer (NK), première ligne de défense de l’organisme contre les tumeurs et les infections. […]
Les parties s’engagent à collaborer, pour au moins trois ans, dans le développement de nouvelles molécules – principalement des anticorps – à même de stimuler ou d’inhiber l’activité des cellules NK. Bien que l’accord couvre toutes les indications thérapeutiques, les candidats médicaments seront prioritairement développés pour le traitement des cancers, des maladies auto-immunes et infectieuses. […] Cette collaboration vise à accompagner chaque candidat médicament jusqu’à la fin des essais précliniques, moment où Novo Nordisk prendra la responsabilité du développement clinique et des études réglementaires. […]
Pendant une période de trois ans, Innate Pharma recevra, pour sa contribution, un montant total d’environ 25 millions d’euros comprenant un versement immédiat à la signature, du financement de recherche et développement et des paiements d’étapes échelonnés à différentes bornes de développement préclinique. Innate Pharma bénéficiera également de rémunérations aux phases majeures de développement et aux étapes réglementaires (jusqu’à 25 millions d’euros par candidat médicament, depuis la première demande d’autorisation de démarrage des essais cliniques jusqu’aux premières ventes), ainsi que des redevances (royalties) sur les futures ventes de médicaments. »

(source : http://www.innate-pharma.com/​sites/​default/​files/​cp_novonordisk_innate06.pdf)

12Arrêtons-nous un instant sur cet exemple pour nous demander quels sont l’objet et le prix de la transaction. Son objet est double : d’une part, des connaissances sur une molécule, susceptibles de donner lieu à un futur candidat-médicament dont ni les caractéristiques (efficacité, toxicologie, etc.) ni même l’utilité (son indication thérapeutique) sont alors connues ; d’autre part, une relation, dans laquelle deux entreprises s’engagent à accomplir un certain nombre d’activités communes. Son prix a plusieurs composantes : une somme initiale (appelée « upfront »), des financements de recherche (qui correspondent à un nombre de chercheurs qui se consacreront à ce projet à temps plein), des paiements d’étapes (« milestones ») et des redevances (« royalties »).

14Si nous parlons de formulation de la valeur, c’est parce que ces opérations de valorisation sont équipées par des techniques de calcul, dont des formules mathématiques. La technique de calcul la plus répandue est la formule des flux actualisés dite DCF – pour « discounted cash flow » – qui permet de calculer ce qu’on appelle la valeur « actuelle » d’un projet. Largement utilisée, la DCF fait pourtant l’objet de nombreuses critiques. Dans la section suivante, nous décrivons cette formule en nous servant des controverses qu’elle suscite pour dégager trois de ses principes fondamentaux : une valeur dérivée du futur, un futur « décompté », un manager « inflexible ».

Une formule controversée

16Le premier principe sur lequel repose la DCF consiste à dériver la valeur à partir du futur, en estimant les flux d’argent que générera un projet de développement de nouveaux médicaments, c’est-à-dire les ventes qu’il permettra de réaliser et les dépenses qu’il nécessitera. Une telle approche peut paraître évidente dans la mesure où la chose évaluée est elle-même tendue vers le futur. Or d’autres techniques de valorisation, comme celle dite des « comparables », se tournent plutôt vers le passé ou le présent, en proposant de déterminer la valeur d’un projet de développement de nouveaux médicaments du prix auquel des projets semblables ont été vendus sur le marché. De plus, dériver la valeur à partir du futur amène à faire des projections et fait ainsi surgir le problème de l’incertitude. Comment déterminer, par exemple, le chiffre d’affaires que générera le futur médicament ?

Tout le monde peut arriver à un chiffre différent. Tout le monde va arriver à un chiffre différent. Je n’ai jamais vu de façon standard. J’ai été à des conférences sur les techniques de prévision pour voir ce que les gens font, et chacun le fait de manière différente. Ce n’est pas seulement le montant des ventes, c’est aussi le moment où elles seront atteintes, la vitesse avec laquelle seront atteintes, et la vitesse avec laquelle elles seront perdues – on peut se battre pour toute la courbe, pour chaque année de ventes. (Entretien avec un consultant)

17Il s’agit là d’une des principales critiques qui sont adressées à la DCF : les valeurs que cette formule produit n’ont d’autre base que des projections qui sont d’autant plus fragiles que les projets sur lesquels elle se voit appliquée sont à un stade amont. Car comment pourrait-on prévoir les ventes que générera un médicament qui ne verrait le jour que dans une dizaine d’années et dont on ne connaît encore ni les caractéristiques, ni parfois même l’indication thérapeutique ? « Autant utiliser une boule de cristal », proposait récemment un article paru dans le Financial Times (Indap, 2013). Les critiques soulignent que face à l’incertitude, les techniques d’évaluation perdent leur force et se laissent manipuler par des utilisateurs qui ne s’en serviraient que pour promouvoir leurs intérêts, gonflant les ventes des projets qu’ils souhaitent défendre et minimisant celles des projets qu’ils souhaitent écarter. On retrouve ici la conclusion de Freeman évoquée dans l’introduction de cet article : l’incertitude aurait pour effet d’annuler la possibilité même d’un calcul et de réduire les opérations de valorisation à un jeu politique de négociation.

18Si la DCF donne du poids au futur, en dérivant la valeur d’un projet des flux qu’il générera, elle dévalorise aussi ce futur, en réduisant les flux d’un facteur d’autant plus grand qu’ils sont éloignés dans le temps. Du fait du mécanisme de l’actualisation, les flux proches comptent plus que les flux lointains. Dans le cas des projets de R&D, les flux proches sont négatifs car ils correspondent à des coûts. Par conséquent, la formule tend à attribuer à ces projets exploratoires une valeur très faible, voire nulle ou négative, et a ainsi été accusée de « tuer l’innovation » (Christensen, Kaufman et Shih, 2008). Car comment vendre un projet sans valeur ? Si les valeurs négatives que produit la DCF n’empêchent pas la réalisation de projets d’innovation, elles mettent mal à l’aise ceux qui les portent, les obligeant à recourir à d’autres critères d’évaluation. En témoigne cet extrait d’un article publié dans la revue Drug Discovery Today :

Les entreprises ont régulièrement mené des projets à VAN [valeur actuelle nette] négative, citant leur importance stratégique. Ce n’était pas des décisions intrinsèquement « mauvaises », mais la méthodologie de valorisation [DCF] produisait des chiffres négatifs. Par conséquent, certains se sentaient quand même mal à l’aise avec ces décisions purement subjectives prises face à des valorisations négatives. (Pandey, 2003, p. 968)

19Ici aussi, la DCF amènerait donc ses utilisateurs à quitter le terrain du calcul. Si les critiques qui soulèvent la question de l’incertitude accusent la formule de « ne pas pouvoir calculer », celles qui portent sur le mécanisme de l’actualisation l’accusent de « calculer mal », c’est-à-dire de produire des résultats incorrects ou des valeurs trop faibles. Dans les deux cas, on observe un même déplacement hors du registre du calcul : si la formule ne peut pas calculer, on s’en sert pour prendre des décisions « politiques » ; si la formule calcule mal, on l’oublie pour prendre, un peu malgré elle, des décisions « stratégiques ».

20Une autre forme de critique qui s’attaque aux hypothèses de la formule met en avant le manager « inflexible » que celle-ci suppose. Centrant la valeur d’un projet futur sur le moment présent, cette technique serait trop « statique, dans le sens où elle ne reconnaît pas qu’une entreprise peut contrôler ses cash flows futurs en prenant des décisions au fur et à mesure que le projet avance et de nouvelles informations sont disponibles » (Pandey, 2003, p. 969). Elle ne tient pas compte de la marge de manœuvre dont disposent les partenaires pour réorienter le projet alors que le potentiel des molécules développées se précise ; or quel manager maintiendrait constante la valeur d’un projet en devenir ? Ces critiques s’attaquent ainsi à la figure de l’utilisateur que la formule présuppose : un gestionnaire de projet qui, comme s’il était incapable d’apprendre, cherche à attribuer une valeur constante à un objet qui, précisément parce qu’il se déploie dans le futur, ne cesserait d’évoluer.

21Les controverses que suscite la DCF rendent ainsi visibles trois principes fondamentaux sur lesquels elle repose : une valeur dérivée du futur, un futur « décompté », un manager « inflexible ». Elles dessinent aussi deux arguments clés. Le premier consiste à dire qu’en orientant le calcul de la valeur vers le futur, la DCF rend ce calcul impossible : la formule « ne peut pas calculer », car elle place son utilisateur en territoire inconnu et l’amène à produire des projections qui, par définition, ne peuvent être vraies. Le second consiste à dire qu’en partant d’hypothèses qui ne sont pas pertinentes pour les projets de R&D (un futur « décompté », un manager « inflexible »), la formule « calcule mal », car n’accorde pas leur juste valeur aux projets exploratoires. Pour comprendre comment, en dépit de ces critiques fortes, la DCF demeure si répandue, il nous faut à présent nous tourner vers les pratiques de valorisation qu’elle instrumente. Ce déplacement nous permettra de resituer ces deux arguments. Nous tenterons de montrer que si la formule peut calculer, c’est parce qu’elle mobilise une infrastructure métrologique ; et que, de manière paradoxale, c’est justement parce qu’elle calcule mal que cette formule « marche ».

La formule DCF dans les pratiques de valorisation

Infrastructure : la formule comme réseau

22Pour calculer la valeur d’un projet de développement avec la formule DCF, il suffit de faire la somme des flux monétaires (CF) que ce projet générera, en divisant ces flux par le taux d’actualisation (r), ce dernier étant mis à la puissance de l’éloignement dans le temps de chaque flux (t), et en les multipliant par la probabilité avec laquelle ils se réaliseront (p). Si les opérations mathématiques auxquelles fait appel la formule sont assez simples – il s’agit de diviser, multiplier et additionner –, la difficulté réside dans l’estimation des « paramètres d’entrée », à savoir : la durée de développement, les coûts et les probabilités de succès pour chaque phase, les prévisions de ventes et le taux d’actualisation. C’est précisément cette difficulté que soulignent les critiques adressées à la DCF : l’orientation vers le futur introduit de l’incertitude et fait reposer les résultats du calcul sur de fragiles projections. Lorsqu’on ne sait encore presque rien du médicament auquel pourrait aboutir un projet de développement, comment déterminer les ventes qu’il générera et les dépenses nécessaires pour y parvenir ? Combien de temps cela prendra-t-il ? Quel est le risque que le projet s’arrête avant d’atteindre l’étape des essais cliniques par exemple ? Et à quel taux faut-il actualiser les flux futurs ? Nous montrerons que les statistiques disponibles font de ce qui apparaît comme un calcul impossible une tâche qui peut devenir aussi facile qu’un copier-coller.

23Il faut souligner d’abord une particularité de ce secteur : le déroulement des projets de développement de nouveaux médicaments est très standardisé, car encadré par une stricte réglementation. Comme on pouvait le voir sur la figure 1, chaque projet passe par une série de phases dont on connaît, en moyenne, la durée, les probabilités de succès et le coût financier. Le futur incertain vers lequel se tourne la formule DCF est ainsi déjà mis en forme par la réglementation en vigueur : il s’agit d’un futur linéaire, un processus en « pipeline » qu’on ne peut suivre que par étapes, avec un enchaînement de plusieurs phases, chacune de ces phases étant composée de plusieurs années. Cette mise en forme permet non seulement de prévoir le futur, mais aussi de mobiliser le passé : les phases par lesquelles passera un nouveau projet ont déjà été traversées par d’autres projets qui ont laissé des traces et ont nourri des statistiques. Par exemple, estimer les probabilités qu’un projet passe d’une phase à l’autre consiste en fait à reprendre des valeurs moyennes qui sont consignées dans la littérature ou simplement « connues » par les acteurs :

Les probabilités de succès pour la phase III [d’essais cliniques] sont dans les 60-80 %. Si c’est quelque chose qui entre juste en phase II, ce sera dans les… disons 30 % de chances d’arriver jusqu’à la mise sur le marché. Et quelque chose en phase I aura 10 % de chances d’atteindre le marché. (Entretien avec un consultant)

24Jusqu’ici, le travail de valorisation qu’outille la formule DCF envisage le développement d’un nouveau médicament comme un projet de recherche et l’inscrit dans un monde qui est celui de l’industrie pharmaceutique et ses processus de R&D standardisés. Avec l’estimation du taux d’actualisation, on bascule dans le monde de la finance où le développement d’un nouveau médicament est un projet d’investissement. Le taux d’actualisation utilisé est généralement ce que la finance appelle le « coût du capital » de l’entreprise. Ce dernier, qui est défini comme le taux auquel les actionnaires souhaitent voir leur capital croître et qui fait l’objet de calculs complexes s’appuyant sur leurs propres formules, s’avère souvent connu. Un ouvrage publié par des consultants (Bogdan et Villiger, 2007, p. 66) nous apprend par exemple qu’un groupe pharmaceutique comme Lilly appliquait un taux de 18,75 % en 2004, alors qu’une start-up de biotechnologies comme Genentech appliquait un taux de 20-28 % en 1990 et de 16-19 % en 1999.

25Projet de recherche et projet d’investissement, le développement d’un nouveau médicament vu à travers le prisme de la DCF est aussi un projet d’innovation qui vise à amener un nouveau produit sur le marché. C’est cette vue qui devient prépondérante lorsqu’il s’agit d’estimer les ventes futures. Ce moment est certainement le plus délicat, mais là encore existe un répertoire d’approches dans lequel puisent les utilisateurs de la formule. Si le projet de développement est assez avancé, explique un consultant, « on fait une bottom-up approach, c’est-à-dire combien de patients, combien ont accès au médecin, combien seront diagnostiqués, combien recevront un traitement, combien avec notre médicament, pour combien de temps et comment pénètre-t-on le marché ». Pour les projets amont, « si on ignore même l’indication, on peut prendre des ventes moyennes dans ce domaine thérapeutique : en cancer une molécule fait en moyenne 500 millions de dollars de peak sales, par exemple ». L’estimation des cash flows est donc une opération très variable, qui peut impliquer des calculs complexes et extrêmement précis, ou bien se résumer à la simple reprise des moyennes observées par le passé.

26Utiliser la formule DCF nécessite donc de déterminer la durée, les coûts et les chances de succès des différentes phases de développement, de trouver le bon taux d’actualisation et d’estimer des cash flows futurs. Ces opérations amènent à envisager le développement d’un nouveau médicament comme un projet de recherche, d’investissement et d’innovation, le plaçant ainsi dans des mondes différents : la recherche médicale, la finance d’entreprise, le marché pharmaceutique. Il s’agit là autant de mondes que la formule incarne dans ses hypothèses (MacKenzie 2003) que de mondes dans lesquels elle s’insère et qui coexistent dans la même organisation (on peut penser aux différents départements dans une entreprise pharmaceutique : R&D, finance, marketing) et dans l’univers de prescription et de conseil qui l’entoure et en façonne les standards. Chacun de ces mondes, et c’est ce que nous voulons souligner ici, est mis en mots et en nombres. Le futur est découpé en phases dont on connaît, en moyenne, la durée, le coût et les probabilités de succès ; le taux d’actualisation d’un projet est égal au coût du capital de l’entreprise et est fixé par sa direction financière ; l’estimation des ventes futures puise, avec plus ou moins de finesse, dans les études de marché dédiées à différentes indications thérapeutiques.

27La formule DCF ne peut rien sans une infrastructure métrologique, qui prend la forme de publications (études, rapports, articles, manuels, lettres d’information) et de bases de données produites par les sociétés de conseil spécialisées dans le secteur pharmaceutique et/ou dans les opérations de valorisation. Les consultants s’emploient non seulement à fournir les données dont se nourrit la formule, mais aussi à stabiliser sa structure et à cadrer son usage. Ce travail passe notamment par l’intégration de la formule dans des logiciels de calcul mis à disposition de ses utilisateurs.

Expérimentation : la formule comme objet

28En pratique, la formule DCF apparaît rarement telle que nous l’avons reproduite dans la figure 2. Pour ses utilisateurs, elle se présente d’abord comme un fichier à remplir, fabriqué avec un tableur généraliste comme Excel ou un logiciel spécialisé dans les calculs de valorisation. Déployée dans un fichier Excel, la formule prend la forme suivante : le passage du temps se fait sur l’horizontale, chaque colonne représentant une année dans le déroulement du projet de développement (essais précliniques, phase I, phase II, phase III, autorisation de mise sur le marché, commercialisation). Pour chaque année, les lignes du tableau listent les cash flows correspondants (dépenses de R&D, ventes, coûts de revient) et les probabilités qu’ils ont de se produire. Le format Excel permet de recueillir, dans un tableau unique, des données provenant de multiples sources et de manipuler ces données pour explorer divers scénarios, de façon assez similaire à ce que décrit G. Anzalone (2009) pour la fixation du prix de la viande. Les logiciels de valorisation spécialisés simplifient encore plus ces deux opérations. Comme l’expliquent les concepteurs d’un de ces logiciels, le « modèle financier » y est déjà intégré et l’utilisateur n’a plus qu’à « introduire les paramètres d’entrée ». Pour cela, il peut faire appel à la base de données qui est adossée au logiciel : une base de données « sur combien de temps ça prend, combien ça coûte, quels sont les médicaments, […], les taux de succès et tout ça ». Alors que « dans Excel, […] si vous augmentez la durée d’un an, vous devez ajouter une colonne de plus, ça peut être compliqué », le logiciel spécialisé permet à ses utilisateurs d’ajouter ou enlever du temps, de revoir le taux d’actualisation à la hausse ou à la baisse, de corriger les probabilités de succès, de réviser les estimations de ventes… pour observer comment varie la valeur d’un projet.

29Le logiciel produit ainsi une palette de valeurs, correspondant à différentes combinaisons de paramètres d’entrée, elles-mêmes dérivées de différents scénarios de développement et de commercialisation. À quelles indications thérapeutiques le candidat-médicament pourrait-il prétendre, et quelles sont celles qui seront prises en compte dans la transaction ? Les qualités du composé le placeraient-elles au-dessus ou en dessous de la moyenne ? Quels essais supplémentaires faudrait-il mener pour le savoir ? Quelle partie les prendrait en charge ? Un tel taux de succès est-il alors raisonnable ? Les réponses apportées à ce type de questions font varier la valeur du projet de développement, mais aussi les qualités du candidat-médicament qui en est objet et les activités à mener pour les réaliser. On peut voir ici comment la qualification de l’objet de la transaction (le candidat-médicament et le partenariat qui peut l’amener à l’existence) se nourrit de l’appréciation de celui-ci (quelle est la valeur du candidat-médicament et donc le prix à payer pour nouer le partenariat ?). La formule-objet, encastrée dans un logiciel, instrumente ainsi un processus d’expérimentation qui met en jeu aussi bien les qualités du bien échangé que sa valeur.

30Un processus similaire s’engage aussi lorsqu’il s’agit de déterminer le prix auquel le bien à échanger sera proposé. Comme pour les projections de ventes, l’estimation du prix s’appuie sur un répertoire d’exemples tirés du passé et organisés dans des bases de données. Le marché que décrivent ces bases n’est plus celui des médicaments, mais des projets de développement que d’autres start-up de biotechnologies et groupes pharmaceutiques ont échangés. Ceux-ci indiquent un « prix de marché » auquel la transaction envisagée peut être comparée. Plusieurs structures de prix (deal terms), différant par l’accent qu’ils mettent sur les différentes composantes du prix (un upfront élevé, souvent crucial pour une start-up, sera ainsi compensé par des taux de royalties plus faibles), peuvent alors être proposées. Pour déterminer si ces différentes propositions de prix sont « justes », un manuel (Bogdan et Villiger, 2007, p. 111) fournit par exemple une technique qui consiste à comparer la « part de valeur » qu’elles permettent de capter aux partages de valeur en vigueur sur le marché :

Vous savez que pour un composé en phase I, la biotech prendra généralement 20 % de la valeur, 30 % en phase II, 40-50 % en phase III… donc vous savez quel pourcentage de la valeur vous devriez capter avec votre deal. Et puis vous y allez, vous mettez vos paramètres d’entrée dans le modèle de valorisation et vous faites le premier deal hypothétique, disons un million en upfront, etc. Vous voyez alors que dans ce contrat vous prenez 50 % de la valeur. Vous savez que ce n’est pas réaliste. Alors vous recommencez [avec une autre structure de prix], puis vous obtenez 30 % et là vous savez que c’est un deal réaliste. (Entretien avec un consultant)

31Un autre type d’effet que nous avons pu observer a trait non plus à la manière dont la formule est utilisée pour calculer la valeur et le prix d’un projet, mais aux résultats qu’elle produit. Comme nous l’avons noté ci-dessus, le mécanisme de l’actualisation fait que la DCF accorde peu de valeur aux projets exploratoires qui ont la particularité de générer d’abord des flux négatifs et seulement plus tard des flux positifs, et ce avec une probabilité faible. Or la dévalorisation des projets exploratoires peut, paradoxalement, faciliter leur conduite :

Pour les petits deals, en dessous d’un certain seuil, les choses deviennent un peu plus flexibles. Si l’investissement n’est pas si important, alors vous n’avez pas besoin de… en fin de compte, vous n’avez pas besoin de dire exactement quand le médicament atteindra le marché, vous devez juste être capable de justifier qu’il y a une logique [make sense] : il y a un potentiel scientifique ; c’est intéressant ; en ce qui concerne les risques, nous n’avons identifié rien de particulier ; alors mettons-le dans le portefeuille et explorons. (Entretien avec un manager d’un groupe pharmaceutique en charge des partenariats avec des start-up de biotechnologies)

32Cet extrait d’entretien suggère un renversement intéressant par rapport aux critiques qui sont adressées à la DCF. Alors qu’on lui reproche de ne pas reconnaître la flexibilité dont disposerait, a priori, un manager capable d’apprendre et d’infléchir le cours du projet dont il a la charge, la formule apparaît comme un outil qui, justement, autorise cette flexibilité en dotant les projets exploratoires d’une valeur faible et en les mettant ainsi hors du radar d’une gestion focalisée sur les indicateurs de performance financière. Ce déplacement ne signifie pas pour autant une sortie hors de la sphère du calcul, puisque c’est précisément la formule de valorisation qui le rend possible.

33Envisager la formule non seulement comme une équation mathématique dont la force est distribuée sur un réseau métrologique (Latour, 1987), mais aussi comme un objet saisi dans la pratique, manipulé avec les logiciels de valorisation, engagé dans la gestion de projets, laisse entrevoir l’espace d’expérimentation qu’elle ouvre. Cet espace est double. Il inclut l’objet de la transaction, lorsque différentes caractéristiques, valeurs et prix du candidat-médicament et du partenariat établi pour le développer sont testés et progressivement ajustés. Mais il touche aussi les activités qui suivent la transaction, lorsque la capacité d’exploration d’un projet se trouve paradoxalement soutenue par le peu de valeur marchande que lui accorde la formule.

Conclusion

34La formule DCF stipule que la valeur d’un projet de développement est égale au flux d’argent qu’il générera dans le futur, ces flux étant réduits par l’intermédiaire d’un taux d’actualisation et de probabilités, en raison de leur éloignement dans le temps et de leur caractère risqué. Largement utilisée, cette formule est aussi très critiquée. On lui reproche d’abord de tenter un calcul impossible, car dérivé du futur et donc ébranlé par l’incertitude. On lui reproche ensuite un calcul erroné, car elle accorde une valeur trop faible, voire nulle ou négative, aux projets exploratoires et ne tient pas compte de la flexibilité de ceux qui les gèrent.

35En examinant la manière dont la formule est utilisée dans les pratiques de valorisation, nous avons pu resituer ces deux arguments. Si la formule peut calculer, c’est parce que le futur vers lequel elle se tourne est déjà mis en forme : la réglementation structure le temps en une suite linéaire de phases à traverser ; les statistiques compilées par des sociétés de conseil fournissent des données et des exemples auxquels un projet et le candidat-médicament qu’il vise à développer peuvent être comparés ; les taux d’actualisation indiquent le coût du temps et les retours financiers attendus. Adossée à cette infrastructure métrologique et encastrée dans des logiciels qui automatisent le calcul, la formule réduit ainsi l’incertitude en repliant un futur inconnu sur un présent fait de catégories et de moyennes. Si incertitude il y a, elle serait plutôt à chercher du côté des espaces d’expérimentation qu’ouvre une formule-objet qui se laisse manipuler, produisant une palette de valeurs dans laquelle se forment, de proche en proche, la description et l’appréciation de ce qui est échangé. Nous avons alors suggéré que si la formule « marche », c’est justement parce qu’elle calcule « mal » : incapable de produire une valeur stable et suffisamment élevée pour les projets exploratoires, elle accorde à ceux qui les gèrent une flexibilité que ses hypothèses sous-jacentes semblent pourtant leur refuser.

36Ces observations nous amènent à nuancer la thèse de la performativité des formules de calcul et des modèles économiques (MacKenzie, 2008 ; MacKenzie et Millo, 2003). Dans son analyse de la formule de Black et Scholes, MacKenzie (2003) montre que dans ses hypothèses l’équation « incarne » un monde dont les caractéristiques (par exemple, l’absence de coûts de transactions ou le volume important d’échanges continus) ne sont pas vraies a priori, mais se réalisent au fur et à mesure qu’elle se répand. C’est précisément dans cette contribution de la formule à la construction du monde qu’elle prétend décrire que réside sa performativité. Dans le cas de la formule DCF, nous observons un effet inverse : si ses hypothèses dessinent un monde statique dans lequel les managers sont « inflexibles », son utilisation peut ouvrir des espaces d’expérimentation et augmenter la capacité d’exploration des projets qui se trouvent dévalorisés. On pourrait certes parler ici d’un cas de « contre-performativité » (MacKenzie, 2007), mais nous préférons étendre la question de la performativité aux effets que des dispositifs de valorisation comme les formules ou les modèles induisent dans les pratiques dans lesquelles ils sont impliqués (Muniesa, 2014). On est alors amené à s’interroger sur la manière dont des outils techniques contribuent à façonner les objets qu’ils valorisent et interviennent dans l’orientation des activités d’innovation et dans la distribution des ressources économiques (Doganova et Muniesa, 2015 ; Ortiz, 2011).

37Envisagée sous cet angle, la question de la performativité rejoint un thème récurrent dans les recherches en sociologie économique : celui des liens entre identification et évaluation des biens (Dubuisson-Quellier, 2006 ; Musselin et al., 2002), objectivation et appréciation (Anzalone, 2009), évaluation et valorisation (Vatin, 2009). Si les termes et leurs définitions diffèrent selon les auteurs, et si l’accent peut être mis sur la nécessité ou au contraire l’impossibilité de séparer les deux mécanismes auxquels ils renvoient (Callon, 2009), c’est bien la même intuition que l’on retrouve portée par ces auteurs. Dire ce que les choses valent, c’est aussi dire ce qu’elles sont ou ce qu’elles devraient ou pourraient être ; la formulation de leur valeur participe de leur fabrication. Les projets d’innovation, tels que les projets de développement de nouveaux médicaments étudiés dans cet article, se révèlent être une bonne entrée empirique pour aborder ces questions dans la mesure où on peut y observer les caractéristiques et les valeurs de biens futurs en train de se faire.

38Il s’agit ici d’un type particulier de biens « incertains », dont le caractère « incertain » ne tient ni à des asymétries d’information entre acheteurs et vendeurs (Akerlof, 1970) ni à des controverses sur leurs effets bénéfiques ou néfastes (Goulet et Le Velly, 2013) mais à la forme de temporalité qu’ils épousent. Le cas des forêts offre un autre exemple de ce type de biens tendus vers le futur et met évidence le rôle que jouent les techniques de calcul qui reposent sur les principes d’actualisation (Doganova, 2014 ; Vatin, 2008). La formule des flux actualisés y apparaît comme un dispositif de valorisation et de gestion des forêts, dès lors que cet outil se trouve posé comme réponse à deux questions initialement disjointes : celle de la détermination de la valeur des forêts en vue de leur échange et celle de l’âge auquel il faut couper les arbres en vue d’une gestion optimale. Au lieu d’opposer calcul et politique, comme le faisait la conclusion de Freeman évoquée dans l’introduction de cet article, ces analyses permettent de comprendre la manière dont calcul et politique s’articulent dans les opérations de valorisation. Ainsi, la détermination du taux d’actualisation ne se résume-t-elle pas à l’expression d’un coût du temps, mais remet en jeu les arbitrages entre intérêt privé et intérêt collectif, générations présentes et générations futures, intervention de l’État et gestion de l’entreprise, logiques de production et d’investissement.

39Le parallèle que nous venons de dresser entre différents types de biens incertains invite cependant à s’interroger sur la notion d’incertitude et son traitement dans l’analyse économique et sociologique. C’est à l’économiste Frank Knight (1921) qu’on doit la distinction entre situations de risque, dans lesquelles le calcul mathématique ou les statistiques passées rendent l’incertitude « mesurable », et situations de véritable incertitude, dont « le meilleur exemple est lié à l’exercice du jugement ou la formation d’opinions sur le futur » (p. 233). Cette définition de l’incertitude comme caractéristique inhérente de l’acte d’entreprendre, comme donnée, a le plus souvent été reprise par la sociologie économique sans être réinterrogée. Or, comme le notait déjà Knight, l’incertitude a des conséquences qui ne sont pas uniquement d’ordre cognitif. Elle justifie les prix plus élevés de certains biens et « les revenus particuliers » des entrepreneurs (p. 232). Elle est aussi la raison d’être de toute une industrie engagée dans la production de connaissances sur le futur et d’instructions sur la conduite des comportements, donnant lieu à un « véritable fourmillement d’experts et de consultants dans pratiquement tous des domaines de la vie industrielle » (p. 262).

40L’incertitude apparaît dès lors non plus comme une donnée, mais comme une ressource que les acteurs peuvent mobiliser ou une variable sur laquelle ils peuvent agir. C’est bien ce qu’on observe dans le cas que nous avons étudié ici. L’incertitude est en effet une figure récurrente dans la rhétorique des projets de développement de nouveaux médicaments. Les entrepreneurs et les investisseurs la mobilisent pour expliquer l’exigence de retours élevés ; les consultants, pour démontrer la nécessité de leurs interventions. Si l’incertitude est réduite par les activités de production de connaissances ou de conseil, elle est aussi produite, de manière stratégique et équipée. Czarniawska (2013) note ainsi que les consultants peuvent aussi bien augmenter que réduire l’incertitude. Nous préférons donc parler de production de l’incertitude, et cela pour insister sur le rôle que jouent, dans ce processus, les récits et les outils proposés par les consultants. Comme nous l’avons vu, la formule des flux actualisés, encastrée dans des logiciels et engagée dans les pratiques de valorisation, peut ouvrir des espaces d’expérimentation et maintenir des formes d’incertitude locales qui portent sur l’objet de la transaction ou la gestion du projet.

41Les consultants occupent en effet une place centrale dans ce marché particulier où des projets de R&D sont échangés entre groupes pharmaceutiques et start-up de biotechnologies. Ils enregistrent les transactions qui se produisent sur le marché et les consignent dans des bases de données ; conseillent les entreprises et les équipent avec des outils comme les logiciels ; publient des rapports, des manuels, des articles dans la presse scientifique et spécialisée. Reprenant les termes proposés par Cochoy et Dubuisson-Quellier (2000), nous pouvons décrire ces consultants comme des « professionnels de la valorisation ». Nous insistons ainsi à la fois sur la valorisation comme travail dans lequel les consultants sont engagés à côté d’autres acteurs tels que les utilisateurs, les managers et les ingénieurs (Vatin, 2013) et comme espace professionnel dans lequel différentes techniques de calcul et les acteurs qui les portent cohabitent et entrent en compétition. La formule DCF est elle-même une connaissance qui a été développée par des économistes praticiens et universitaires, et transformée en produit par des consultants (Doganova, 2014). Le marché des connaissances portant sur des mécanismes d’action biologique, de nouvelles molécules, des candidats-médicaments, etc., se double ainsi d’un marché des connaissances sur la valeur des biens futurs qui puise largement dans les sciences économiques et la finance.

Ce travail a été soutenu par le Conseil européen de la recherche (ERC Starting Grant 263529).