Découverte des principaux prédicteurs des entreprises à forte croissance via l'apprentissage automatique explicable

Prédire les entreprises à forte croissance suscite un intérêt croissant de la part des communautés de prévision technologique et d'apprentissage automatique. La plupart des études existantes utilisent principalement des données financières pour ces prévisions. Cependant, des recherches suggèrent que les activités de recherche et développement d'une entreprise et sa position réseau au sein des écosystèmes technologiques peuvent également servir de prédicteurs précieux. Pour déballer l'importance relative de diverses caractéristiques, cet article analyse des données financières et de brevets provenant de 5 071 entreprises, extrayant trois catégories de caractéristiques : des caractéristiques financières, des caractéristiques technologiques des brevets accordés, et des caractéristiques basées sur le réseau dérivées des connexions des entreprises à leurs technologies principales. En utilisant des algorithmes d'apprentissage en ensemble, nous démontrons qu'incorporer des caractéristiques financières avec soit des caractéristiques technologiques, soit des caractéristiques basées sur le réseau, ou les deux, conduit à des prévisions de croissance plus précises par rapport à l'utilisation de caractéristiques financières seules. Pour approfondir la question, nous évaluons le pouvoir prédictif de chaque caractéristique individuelle dans leurs catégories respectives en utilisant des méthodes d'intelligence artificielle explicable. Parmi les caractéristiques non financières, la valeur économique maximale des brevets accordés à une entreprise et le nombre de brevets liés aux technologies principales d'une entreprise se distinguent par leur importance. De plus, la taille de l'entreprise est positivement associée à la probabilité de forte croissance jusqu'à une certaine taille seuil, après quoi l'association se stabilise. En revanche, la valeur économique maximale des brevets accordés à une entreprise est liée positivement à la probabilité de forte croissance uniquement après qu'une valeur seuil soit dépassée. Ces résultats éclaircissent le rôle prédictif complexe de diverses caractéristiques dans la prévision des entreprises à forte croissance et pourraient informer l'allocation des ressources technologiques ainsi que des décisions d'investissement.