Le modèle d’un marché relativement conformiste

C’est l’un de ces moments quand beaucoup d’idées se bousculent dans ma tête, et lorsque je dis « bousculent », je veux dire qu’il y a vraiment des coups de coude là-dedans. Dans une situation comme celle-ci, j’ai deux façons de procéder. Tout d’abord, je peux regarder chaque idée séparée de près, énumérer toutes ces idées séparées etc. Bref, je peux être Aristotélicien. Ensuite, je peux considérer la situation présente comme un phénomène, façon Husserl ou Gadamer : ce qui se passe maintenant c’est moi qui pense à tous ces trucs différents, donc le mieux que je puisse faire est de se concentrer sur le phénomène de moi qui pense à tous ces trucs différents.

Ce chemin phénoménologique a un certain charme que je ne manque pas d’apprécier. Néanmoins, il y a un petit piège à éviter dès le début et le piège consiste à se concentrer sur la question « qu’est-ce que je pense ? ». La question qui ouvre vraiment une nouvelle porte c’est « comment est-ce que je pense ? ». Je pense comme si je circulais dans du trafic dense : mon esprit slalome parmi les différents projets et différentes idées qui s’y attachent. Ce slalom, il commence à m’agacer. Quelle est la conclusion ou bien l’observation générale que je peux tirer du travail de recherche que j’ai effectué depuis que j’eus publié le business plan du projet BeFund ? Tout ce travail relatif au projet EneFin, au carrefour de l’industrie FinTech et du marché de l’énergie, comment puis-je le résumer, jusqu’alors ?

Point de vue utilitaire, le travail fait sur ces deux concepts d’entreprise consécutifs – BeFund et EneFin –  m’a fait penser à créer un outil relativement simple de planification, pour pouvoir tester des concepts d’entreprise d’une façon structurée. C’est ainsi que j’ai créé, la semaine dernière, cet outil de calcul et planification pour préparer un business plan. Si vous cliquez ce lien hypertexte que je viens de donner, vous atterrissez sur une sous-page du blog Discover Social Scienceset là, vous pouvez télécharger directement le fichier Excel avec ce que j’appelle, pour le moment, « Business Planning Calculator ».

Point de vue théorie, je viens de découvrir cette connexion étrange entre le nombre d’inventions déposées pour breveter, dans le domaine d’énergies renouvelables, d’une part, et la taille du marché d’énergies renouvelables (consultez, par exemple : Je corrèleainsi que Time to come to the ad rem). Ces corrélations que j’ai découvertes, je ne sais même pas encore comment les appeler, tellement elles sont bizarroïdes. Faute d’une meilleure étiquette scientifique, j’appelle ce phénomène « la banalisation des technologies de génération d’énergies renouvelables ».

C’est ainsi que je suis en train de préparer un business plan pour le projet EneFin(consultez Traps and loopholeset Les séquences, ça me pousse à poser cette sorte des questions) et en même temps j’essaie de développer une interprétation scientifiquement cohérente de ce phénomène de banalisation des technologies. J’espère que ces deux créneaux de travail intellectuel vont se joindre l’un à l’autre. J’ai beau être un passionné de la science, la dissonance cognitive ça me tue parfois, lorsque c’est trop intense.

Bon, fini de geindre. Je me prends au boulot. J’ouvre « Business Planning Calculator » et je fais une copie de ce fichier Excel, spécialement pour le projet EneFin. La première table du calculateur me demande de préciser les produits que je veux vendre. Je m’en tiens aux trois cas de référence que j’avais déjà décrit, de façon sommaire, sur ce blog : la société américaine Square Inc., la société canadienne Katipultainsi que la société allemande FinTech Group AG. EneFin serait une fonctionnalité type Blockchain, dotée de la capacité de créer et de mettre en circulation des contrats intelligents complexes, sous la forme des tokens d’une crypto-monnaie. Chaque contrat serait un produit à part. Vous pouvez trouver un résumé de l’idée dans les illustrations ci-dessous.

 Contrat complexe EneFin

Contrat EneFin 2

Prix du contrat EneFin

Maintenant, il y a un choix stratégique à faireen ce qui concerne le développement et l’appropriation de la technologie. Option A : EneFin se contente d’organiser le marché, tout en utilisant une base technologique externe, par exemple celle d’Ethereum. Option B : EneFin crée sa propre technologie de base, une sorte de kernel (noyau) du système informatique, et développe des fonctionnalités particulières sur la base dudit kernel. Option A s’associe plutôt avec le modèle d’entreprise de Square Inc.et sur la base de ce que je sais à leur sujet (consultez The smaller more and more in FinTechet Plus ou moins les facteurs associés) les économies d’échelle sont cruciales dans ce chemin stratégique et encore, même avec la tout à fait respectable échelle d’opérations chez Square ne garantit pas de succès financier. Option B, en revanche, c’est plutôt le schéma de chez Katipultou bien chez FinTech Group AGet là, les résultats financiers de ceux deux business semblent prometteurs.

Ce que je vais donc faire c’est une boucle d’analyse. Je commence par construire in business plan pour l’Option A, donc pour un concept d’entreprise où mon produit sera le contrat complexe façon EneFin et son prix sera la marge de commission sur chaque transaction. Ceci va me conduire à bâtir un modèle analytique qui simule combien de marge brute le projet va générer en fonction des facteurs primordiaux : des prix d’électricité, de la quantité d’énergie mise en échange à travers EneFin ainsi que de la valeur des titres participatifs associés, du nombre des clients individuels ainsi que du nombre des participants institutionnels.

Une fois ce pas franchi, je passerai à l’estimation des frais fixes d’entreprise et à la décision si la marge transactionnelle, à elle seule, sera la source suffisante de revenu pour dégager une de bénéfice opérationnel d’au moins 20% sur les frais fixes. Si la réponse sera « oui », le business plan pour Option A sera un concept autonome et dans ce cas je développerai Option B comme une extension possible. Dans le cas contraire, donc si la marge brute dégagée sur la commission transactionnelle sera moins que 20% au-dessus des frais fixes, j’incorporerai l’Option B comme partie intégrante du projet et je referai le business plan du début.

Je commence mon analyse en formulant une équation de départ. C’est un réflexe chez les économistes. D’autres gens engagent la conversation avec une blague ou bien par une remarque anodine comme « Ne fait-il pas beau aujourd’hui ? ». Nous, les économistes, on engage avec une équation. La mienne, vous pouvez la voir ci-dessous :

Equation de marge brute EneFin 1

Le truc qui semble être le plus intéressant côté science, dans cette équation, c’est la dernière partie, donc cette fonction f(CME*N)qui transforme une population autrement innocente des consommateurs d’énergie en clients d’EneFin. Cette fonction transforme une consommation agrégée d’énergie en un marché à exploiter. Donc, à priori, j’ai une quantité en kilowatt heures, qui peut se sentir plus confortable en mégawatt ou même en des gigawatt heures, par ailleurs, et cette quantité se transforme en trois facteurs distincts à voir de l’autre côté du signe d’égalité : une quantité des contrats complexes façon EneFin, un prix unitaire pour un contrat et enfin en la marge de commission d’EneFin. Cette dernière, en fait, est aussi un prix, relatif au prix unitaire des contrats. J’ai donc une quantité et deux prix.

Je commence par dériver la quantité Qdes contrats, de l’agrégat CME*Net je commence ce commencement en le représentant la fonction f(CME*N)comme un processus de décision. Dans la population de N clients potentiels, certains vont décider d’acheter leur énergie – ainsi que des titres de participation dans le capital des fournisseurs d’énergie – à travers le système EneFin, d’autres vont s’en abstenir. Les certains qui vont être partants pour EneFin vont se subdiviser en des certains qui décideront d’acheter toute leur énergie à travers EneFin, d’une part, et en des certains qui vont acheter juste une partie de leur énergie par ce moyen. Ces deux sous-ensembles des certains se subdiviseront suivant une séquence temporelle : certains parmi certains vont se décider plutôt vite pendant que d’autres certains parmi des certains vont y aller mollo, à pas de balade.

Decisions des clients EneFin 1

Comme l’eut écrit Milton Friedman, les hypothèses, une fois qu’on s’y prend sérieusement à les formuler, elles débordent. Faut se concentrer sur ce qui est possible à exprimer d’une façon plus ou moins vérifiable. Je décide donc de simuler trois formes possibles de la fonctionf(CME*N). Premièrement, suivant les assomptions déjà classiques de Robertson, je construis une fonction d’absorption d’innovation, où la population des clients d’EneFinse développe comme une fraction croissante de la population totale N, suivant la logique de la distribution normale (Gaussienne). C’est essentiellement le scénario où une fois une personne opte pour EneFin, c’est un choix complet : la personne en question commence à acheter toute leur énergie à travers EneFin. Les deux paramètres de cette fonction sont Gaussiens, donc le temps moyen qu’un client de la population N prend à se décider pour EneFin, ainsi que la déviation standard de ce temps. Deuxièmement, je construis un scénario un peu à l’opposé de ce premier, où les clients sont plutôt réticents et conservatifs et leur comportement peut être représenté avec la distribution de Poisson, appelée parfois « la distribution d’évènements rares ». Là, j’ai besoin de juste un paramètre, c’est-à-dire le temps moyen de décision dans un client typique.

Troisièmement, j’essaie de tirer au milieu, parmi le scénario relativement optimiste de la progression Gaussienne et celui, relativement pessimiste, de la distribution de Poisson. Pour le faire, je retiens la structure logique de la progression Gaussienne, mais je change légèrement les assomptions en ce qui concerne les décisions individuelles. Au lieu d’assumer qu’une fois qu’un consommateur se décide d’utiliser EneFin, il ou elle achète toute son énergie à travers ce système, j’assume des achats partiels. Cette fois, tout consommateur peut acheter des pourcentages variables de leur consommation individuelle d’énergie sur EneFin. Mathématiquement, cela veut dire que je retiens la distribution normale comme fonction de base mais je change l’ensemble de définition, ou, si vous voulez, l’ensemble des abscisses « x » de ma fonction : je remplace l’ensemble Ndes clients par l’ensemble des kilowatt heures consommées, donc par CME*N. Comme c’est du Gaussien, j’ai les mêmes paramètres que dans mon premier scénario : le temps moyen d’absorption d’une kilowatt heure moyenne et la déviation standard de cette moyenne.

La grande question, avec ces simulations, est comment établir la valeur des paramètres. Je pense à utiliser ce que j’avais découvert à propos de la dynamique des technologies éoliennes, en particulier celles des turbines à l’axe vertical (consultez Je corrèleet Time to come to the ad rem). Apparemment, en phase d’expansion de cette technologie, le nombre des demandes de brevet qui y correspondent doublait en 7 ans en Europe et aux États-Unis, et ça prenait 3 ans en Chine. Là, je suis en train d’avancer à tâtons, mais je besoin d’un point d’attache raisonnable. Je prends ces 7 ans comme temps moyen d’un cycle technologique qui survient dans le domaine des énergies renouvelables et je le transpose dans mes trois fonctions d’absorption.

J’ai donc un horizon de planification de trois ans, dans mon « Business Planning Calculator ». Je transforme ça en mois, pour étirer mon ensemble de définition, donc j’ai 36 mois. J’ai u cycle d’absorption de 7 ans = 7*12 = 84 mois. J’assume que la fonction Gaussienne de base serait une fonction standard, où la déviation standard est égale à la moyenne. Je teste rapidement si ça tient débout, tout ça. Eh bien, ça tient, mais en partie seulement : la fonction Gaussienne marche comme outil de prédiction avec ces assomptions, mais la distribution de Poisson rend, sur ces 3 années de planification, des pourcentages indéfiniment petits du marché : 0,000000288% après trois ans. Je comprends maintenant pourquoi Robertson avait opté pour la distribution normale.

Je dis donc au revoir à Poisson, j’en reste à la distribution de Gauss, et cela veut dire que je retiens les scénarios 1 et 2, donc une migration progressive des clients vers EneFin, soit selon le modèle « tout ou rien » (scénario 1) ou bien selon la philosophie de mettre ses œufs dans des paniers différents et voir ce qui se passe (scénario 2). Je commence à jouer avec les paramètres. J’ai déjà calculé le pourcentage du marché possible à absorber dans la distribution Gaussienne standard où la déviation standard est égale à la moyenne. Je formule deux autres hypothèses pour voir la différence. D’une part, je simule le comportement d’un marché plutôt conformiste, où la grande majorité des clients est près de la moyenne, donc la déviation standard est égale à la moitié de ladite moyenne. D’autre part, j’imagine une population très diversifiée en termes des schémas de comportement, avec les ailes de la courbe de Gauss relativement étirées, donc où la déviation standard est égale à deux fois la moyenne.

Vous pouvez voir les résultats de ces tests dans Tableau 1, ci-dessous. Il me semble que les pourcentages dans les colonnes des côtés (distribution standard et la distribution dispersée) sont trop élevés pour être réalistes. En revanche, ceux dans la colonne du milieu semblent plus proches de la vie réelle. Je retiens donc le modèle d’un marché relativement conformiste et je vais jouer encore avec les paramètres pour étudier la sensitivité de mon modèle de marketing au choix des assomptions.

Tableau 1

  Pourcentage du marché absorbé dans la plateforme EneFin
  Absorption Gaussienne standard ; déviation standard = la moyenne Absorption Gaussienne conformiste ; déviations standard = 0,5 de la moyenne Absorption Gaussienne conformiste ; déviations standard = 2 fois la moyenne
Fin de l’année 1 19,6% 4,3% 33,4%
Fin de l’année 2 23,8% 7,7% 36,0%
Fin de l’année 3 28,4% 12,7% 38,8%

Je continue à vous fournir de la bonne science, presque neuve, juste un peu cabossée dans le processus de conception. Je vous rappelle que vous pouvez télécharger le business plan du projet BeFund(aussi accessible en version anglaise). Vous pouvez aussi télécharger mon livre intitulé “Capitalism and Political Power”. Je veux utiliser le financement participatif pour me donner une assise financière dans cet effort. Vous pouvez soutenir financièrement ma recherche, selon votre meilleur jugement, à travers mon compte PayPal. Vous pouvez aussi vous enregistrer comme mon patron sur mon compte Patreon. Si vous en faites ainsi, je vous serai reconnaissant pour m’indiquer deux trucs importants : quel genre de récompense attendez-vous en échange du patronage et quelles étapes souhaitiez-vous voir dans mon travail ?

 

Vous pouvez donner votre support financier à ce blog

€10.00

Something to exploit subsequently

In my last three updates, I’ve been turning around one specific topic, namely the technology of wind turbines with vertical axis. Like three updates ago, in Ma petite turbine éolienne à l’axe vertical, I opened up on to the topic by studying the case of a particular invention, filed for patenting, with the European Patent Office, by a group of Slovakian inventors. Just in order to place this one in a broader context, I did some semantic rummaging, with the help of https://patents.google.com. I basically wanted to count how many such inventions had been filed for patenting in different regions of the world. In my research I have been using, for years, the number of patent applications as a metric of aggregate effort in invention, and so I did regarding those wind turbines with vertical axis.

This is when it started to turn weird. Apparently, invention in this specific field follows a stunningly regular trend, and is just as stunningly correlated with the metrics of renewable energies: the share of renewables in the overall output of energy (see Time to come to the ad rem) and the aggregate output of said renewables, in metric tons of oil equivalent (see Je corrèle). When I say ‘stunningly correlated’, I really mean it. In social sciences, coefficients of correlation around r = 0,95happen in truly rare cases, and when they happen, the first reflex of a serious social scientist is to assume that something is messed up in the source data. This is one of those cases. I am still trying to wrap my mind around the fact that the semantic incidence of some logical constructs in patent applications can coincide so strongly with the fundamental metrics of energy consumption.

In this update, I want to return to that business concept of mine, the EneFinproject. I am preparing a business plan for this one. Actually I have been preparing it for weeks, which you can find the track of in the past posts on this blog. Long story short, EneFinis the concept of a FinTech utility, which would allow the creators of new projects in the field of renewable energies to acquire capital, via a scheme combining the sales of futures contracts, on the future output of the business, with the issuance of equity. You can find more explanation in Traps and loopholes, for example.

I want to study this particular case, that wind turbine described in the patent application no. EP 3 214 303 A1, under the EneFinangle. How can a FinTech scheme like the one I am coming up with work for a business based on this particular invention? I start with figuring out the kind of business structure to build around this invention. Wind turbines with vertical axis are generally small stuff, distinctive from their bulky cousins with horizontal axis by the fact they can work in close proximity to human habitat. A wind turbine with vertical axis is something you can essentially install in your yard, and it you will be just fine together, provided there is enough wind in your yard. As for this particular aspect, the quick technological research that I documented in Ma petite turbine éolienne à l’axe vertical, showed that the really interesting places for using wind turbines with vertical axis are, for example, the coastal regions of Europe, with the average wind speed like 12 to 13 metres per second. With that amount of Aeol, this particular turbine starts being serious, at more than 1 MW of electrical capacity. Mind you, it doesn’t have to be coastal, that place where you install it. The upper storeys of a skyscraper, hilltops – in general all the places where you cannot expect your straw hat to hold on your head without a ribbon tied under your chin – are the right place to use that device shaped like a DNA helix.

This particular technology is unlikely to breed power plants in the traditional sense of the term. The whole idea of wind turbines with vertical axis is to make it more apt to being installed in the immediate vicinity of human habitat. You can install them completely scattered or a bit clustered, for example on the roof of a building. I am wrapping my mind around the practical idea, and I start the wrapping by doing two things: maths and pictures. As for maths, PW = ½ * Cp* p * A * v3is the general name of the game. ‘PW’ stands for electric power of a wind turbine with vertical axis, and said power stands on air, which has a density p = 1,225 kg/m3divided by half, so basically that air is dense, in the equation, at sort of p = 0,6125 kg/m3. Whatever speed of wind ‘v’ that air blows at, in this particular equation it blows at the third power of that speed, or v3. That half the density of air, multiplied by the cubic expression of wind speed, is the exogenous force that Mother Nature supplies here and now.

What Mother Nature supplies is being taken on the blades on the turbine, with a working surface of ‘A’, and that surface works with an average efficiency of Cp. That efficiency is technically comprised between 0 and 1, and actually, for this specific type of machine, between 59% and 72% (consult Bhutta et al.2012[1]), which I average at 65,5%. All in all, with that density of air cut by half and efficiency being what it is, my average wind turbine with vertical axis can take like 40,1% of the arithmetical product ‘working surface of the blades times wind speed power three’. Reminder, from school: power first, multiplication next. I mean, don’t raise to cubic power the product of wind speed and blade surface. Wind speed cubic power first, then multiply by the blades.

I pass to pictures, now. A picture is mostly a picture of something, even if that something is just in my mind. My first something is a place I like very much: Lisbon, Portugal, and more specifically the district of Belem, a good kick westwards from the Praca de Comercio. It is beautiful, and really windy. Here below, I am giving a graphical idea of how those small wind turbines with vertical axis could be located. Reminder: each of them, according to the prototype in the patent application no. EP 3 214 303 A1, needs like 5 m2of space to work. Let’s make it 20 m2, just to allow the wind to pass between those wind turbines.

belem-tower-2809818_1280

In Lisbon, the average speed of wind is 10 mph, or 4,47 m/s, and that gives an exogenous energy of the wind like 54,72 kilowatts, to take whoever can take it. That prototype has real working surface of its blades like A = 1,334 m2, which gives, at the end of the day, an electric power of PW = 47,81 kW. In Portugal, the average consumption of energy at the level of households (so transport and industry excluded) seems to be like 4 214,55 kWh a year per person. I divide it by 8760 in your basic year (the odd ones make 8784 hours), which yields 0,48 kW required per person. My wind turbine could power 99 people in their household needs. If they start using that juice for transport, like charging their electric cars, or the batteries of their electric bicycles, that 99 could drop to 50 – 60, probably not less.

Hence, what my mind is wrapping around, right now, is a business that would manage the installation and exploitation of wind turbines with vertical axis, in groups of a few dozens of people, so like 20 – 50 households. Good, let’s try to move on: Lyon, France. Not very coastal, as the nearest sea is more than 300 km away, but: a) it is quite windy, due to the specific circulation of air along the valleys of two rivers, Rhône and Saône b) they are reconstructing a whole district, namely the Confluenceone, as a smart city c) I f*****g love the place. Average wind speed over the year: 4,6 m/s, which allows Mother Nature to supply around 52,25 kWto my prototype. The prototype is supposed to serve a population, where the average person needs 7 291,18 kWh for household use, whence 63 people being servedby my prototype, which could drop like to 20 – 30 people, if said people power their transportation devices with their household juice.

Lyon

Good, last shot: Amsterdam. Never been there, mind you, but they are coastal, statistically speaking quite energy consuming, and apparently keen on innovation. The average wind speed there is 5,14 m/s, which makes my prototype generate a power of 72,72 kilowatts. With the average Dutch consuming around 8 369,15 kWh for household use, 76 such average Dutch could use one such turbine.

 Amsterdam with text

Maths and pictures made me clarify a business concept, or rather two business concepts. Concept #1is simple manufacturing of those wind turbines. Here, EneFin(see Traps and loopholesand the subsequent ones) does not really fit. I remind you that the EneFin concept is based on the observable discrepancy between two categories of final prices for electricity: those for big institutional users (low), and those for households and small businesses (high). Long story short, EneFin takes its appeal from the coincidence of very different prices for the same good (i.e. electricity), and from the juicy margin of value added hidden behind that coincidence. That Concept #1 is essentially industrial, and the value added to expect does not really blow one’s hat off. Neither should we expect any significant price discrepancy between categories of customers. Besides, whilst futures contracts on electricity are already widely practiced in the wholesale market, and the EneFin concept just attempts to transfer the idea to the retail market, I haven’t seen much use of futures contracts in the market of typical industrial products.

Concept #2, for exploiting this particular invention, would be complex, combining the engineering of those turbines so as to make the best version for the given location, their installation, then maintenance and management. The business entity in question would combine manufacturing, management of a value chain, site management, design and engineering, and maintenance. Here, that essentially cooperative version of the EneFinconcept would have more space to breathe. We can imagine a site, made of 200 households, who commission an independent company to engineer a local power system, based on wind turbines with vertical axis, to install, manage, and maintain that facility. In the price paid for particular components of that complex business scheme, those customers could progressively buy into that business entity.

Now, I am following another one of my research routines: I am deconstructing the business model. As truly enlightened a social thinker, I am searching online for the phrase ‘wind turbine investor relations’. To the mildly initiated: publicly listed companies have to maintain a special type of website, called, precisely ‘Investor Relations’, where they publish information about their business cuisine. This is where you can find annual reports, for example. The advantage of following this specific track is the easy access to information I am looking for, like the basic financials. The caveat is that I am browsing through relatively big businesses, big enough to be listed publicly, at least. Hence, I am skipping all the stories of small businesses.

Thus, the data my internal curious ape can find by peeling those ‘investor relations’ bananas is representative for relatively big, somehow established business structures. It can serve to build something like a target vision of what is likely to be created, in a particular field of business, after the early childhood of a project is over. And so I asked dr Google, and, just to make sure, I cross-asked dr Yandex, what they can tell me if I ask around for ‘wind turbine investor relations’. Both yielded more or less the same list of top hits: Nordex,VestasSiemens Gamesa, Senvion,LM Wind Power,  SkyWolf, and Arise. I collected their annual reports, with the exception of SkyWolf, which, for some reason, does not publish any on their ‘investor relations’ page. I followed this particular suspect home, I asked around who are they hanging with, and so I came to visiting their page at Nasdaq, and I finally got it. They are at the stage of their IPO (Initial Public Offering), so they are still sort of timid in annual reporting. Still, I could download their preliminary prospectus for that IPO, dated April 20th2018.

There is that thing about annual reports and prospectuses: they are both disclosure and public relations. Technically, an annual report should, essentially, be reporting about the things material to the business in question. Still, this type of document is also used for, well… for the show. Reading an annual report is good training at reading between the lines, and, more generally, at figuring out how to figure out when people are lying.

Truth has patterns, and lies have patterns as well, although the patterns of truth are somehow more salient. The truth that I look for in annual reports is mostly in the financials. Here is a first glimpse of these:

Revenues Net profit (loss) Assets Equity Ratio assets to revenue
Nordex 2017 EUR mlns 3 127,40 0,30 2 807,60 919,00 0,90
Vestas 2017 EUR mlns 9 953,00 894,00 10 871,00 3 112,00 1,09
Siemens Gamesa 2017 EUR mlns 6 538,20 (135,00) 16 467,13 6 449,87 2,52
Senvion 2017 EUR mlns 1 889,90 (121,10) 1 808,10 230,10 0,96
LM Group 2016 EUR mlns 1 059,00 52,00 1 198,00 445,00 1,13
SkyWolf 2017 USD (!) 49 000 (592 600) 139 730 (673 500) 2,85

As I see it, the business of doing business on installing and managing local power installations can go in truly divergent directions. You can start as SkyWolf is starting, with a ‘debt to assets’ ratio akin to the best (worst?) years of General Motors, or you can have that comfy financial cushion supplied by a big mother ship, as it is the case for Siemens Gamesa. One pattern seems to emerge: the ‘assets to revenue’ ratio seems to oscillate around 1,00. In other words, each dollar invoiced on our customers needs to be backed up by one dollar in our balance sheet. Something to exploit subsequently.

I am consistently delivering good, almost new science to my readers, and love doing it, and I am working on crowdfunding this activity of mine. As we talk business plans, I remind you that you can download, from the library of my blog, the business plan I prepared for my semi-scientific project Befund  (and you can access the French versionas well). You can also get a free e-copy of my book ‘Capitalism and Political Power’ You can support my research by donating directly, any amount you consider appropriate, to my PayPal account. You can also consider going to my Patreon pageand become my patron. If you decide so, I will be grateful for suggesting me two things that Patreon suggests me to suggest you. Firstly, what kind of reward would you expect in exchange of supporting me? Secondly, what kind of phases would you like to see in the development of my research, and of the corresponding educational tools?

Support this blog

€10.00

[1]Muhammad Mahmood Aslam Bhutta, Nasir Hayat, Ahmed Uzair Farooq, Zain Ali, Sh. Rehan Jamil, Zahid Hussain (2012) Vertical axis wind turbine – A review of various configurations and design techniques, Renewable and Sustainable Energy Reviews 16 (2012) 1926–1939

Ma petite turbine éolienne à l’axe vertical

Voilà qu’arrive ce qui a dû arriver. Lorsque je me plonge dans les faits, je ne le fais jamais impunément. Une fois que je prends du goût dans l’observation de réalité telle qu’elle est, ça devient presque une obsession. Ainsi donc, dans mes deux mises à jour précédentes, j’avais tourné autour de cette hypothèse que « Les technologies d’exploitation des sources renouvelables d’énergie sont dans leur phase de banalisation, avec une adaptation de plus en plus poussée et réciproque entre lesdites technologies et les structures sociales qui les absorbent » (consultez Ça me démange, carrémentainsi que Good hypotheses are simple) Eh ben, ça m’a accroché. J’ai voulu voir d’un peu plus près ce que ça pourrait bien vouloir dire dans la vie réelle. J’ai donc pioché un peu dans les demandes de brevet, déposées à l’Office Européen des Brevets, et j’ai déniché cette invention intéressante – une turbine éolienne en forme d’une chaîne d’ADN, soumise par un groupe d’inventeurs Slovaques : Marcela Morvová, Vladimír Chudoba, Lubomír Stano, Andera Zilková et Michal Amena. Si vous cliquez sur ce long lien hypertexte, vous verrez par vous-mêmes : une petite merveille.

Ladite petite merveille appartient à la famille des turbines à l’axe vertical. C’est une technologie relativement jeunotte. Le gros de l’énergétique éolienne est basé sur les turbines à l’axe horizontal, qui, à leur tour, sont des versions plus ou moins Tech du bon vieux moulin à vent Hollandais : une p***in de grosse hélice, à grand rendement, positionnée à la verticale. Remarquez : dans les axes horizontaux, il y a du changement aussi. Il y a une famille des turbines qui marchent comme l’hélice d’un bateau, à une échelle beaucoup plus petite. Les turbines commercialisées par Semtiveen sont un bon exemple.

La turbine dont je parle maintenant, en revanche, demande de brevet no. EP 3 214 303 A1, c’est du relativement petit. La surface opérationnelle dont elle a besoin est d’à peine 5 m; on peut la monter dans un rectangle de 2,24 mètres de côté. Le truc qui intrigue, au sujet de ces turbines éoliennes à l’axe vertical est qu’il est très difficile de déterminer à coup sur leur capacité énergétique. Vous pouvez trouver une bonne revue de littérature à ce sujet chez Bhutta et al.(2012[1]) et une description tout aussi intéressante d’une expérience empirique dans le tunnel aérodynamique chez Howell et al.(2010[2]) et moi, je vais faire de mon mieux pour vous expliquer les trucs de base.

Alors la base, elle est faite de la formule suivante : PW = ½ * Cp* p * A * v3. « PW » c’est la capacité énergétique en question (juste l’histoire de montrer la parenté avec l’anglais ‘power’), « v » c’est la vitesse du vent, « A » représente la superficie totale du rotor (hélice), « p » symbolise la densité de l’air (p = 1.225kg/m3), et enfin « Cp » est le coefficient de capacité, ou, si vous voulez, d’efficacité énergétique. Cette équation est par ailleurs un bon prétexte pour faire un peu prof, de ma part, et de montrer la distinction entre les facteurs exogènes et endogènes d’une technologie. Ici, les facteurs exogènes, c’est la vitesse du vent et la densité de l’air. Cette dernière est constante, donc en terme des forces externes on a « ½ * p * v3 = 0,6125* v3».

Dans ma belle ville de Krakow (Pologne) la vitesse du vent aujourd’hui est d’à peu près 20 km/h = 20 * 0,277777778 m/s = 5,55555556 m/set c’est une brise agréable. Élevée à la puissance trois et multipliée par 0,6125, cette brise donne une capacité exogène de 105,0240057 kW. Ça, c’est ce que la mère Nature nous donne. Ma petite turbine peut faire un usage plus ou moins efficace de ce don, suivant la surface totale Ade l’hélice et l’efficacité énergétique Cp. Cette dernière peut varier, selon Bhutta et al.(2012[3]) entre 59% et 72%, quoi que ça change énormément suivant la technologie exacte. Même des trucs bêtes, comme la rugosité du matériel dont est faite l’hélice, jouent un rôle différent suivant la vitesse du vent. D’autre part, vu la vague montante d’innovation dans le domaine (consultez Ça me démange, carrément) j’assume que ça progresse, ces derniers temps. Je vais être conservatif et prendre une efficacité moyenne entre 59% et 72%, soit Cp= 65,5%. Le prototype de cette turbine no. EP 3 214 303 A1offre une superficie active de l’hélice égale à A = 1,334 m2et ça me donne, de tout en tout, PW = 1,334 *65,5% * 105,0240057 = 91,76682549 kW.

Ça a l’air prometteur. Suivant les données sur la consommation d’énergie, moi, comme Polonais moyen statistique, j’ai besoin de 0,56 kW, en moyenne, à mon usage personnel, pour mener la vie que je mène. Si je ne me suis pas gouré dans les calculs, avec une brise agréable de 20 kilomètres – heure, ce machin génère une capacité suffisante pour plus de 180 Polonais moyens statistiques comme moi. Je vérifie la probabilité d’avoir une brise comme ça sur toute l’année et là, je vois le premier problème. La vitesse du vent à laquelle cette turbine commence à produire de l’énergie utile est de v = 1,9 m/set c’est la vitesse moyenne du vent à Krakow sur les 12 derniers mois. Les jours de vent au-delà de v = 1,9 m/sc’est surtout le printemps et l’été ou, en d’autres termes, ma turbine aurait une chance quelconque de produire de l’énergie durant à peu de choses près la moitié de l’année. Sur le mois dernier, la vitesse moyenne était de v = 2,36 m/s et ça donne PW = 1,334 *65,5% * 0,6125 * 2,363= 7,034597146 kW, soit entre 13 et 14 Polonais statistiques moyens.

C’est moins optimiste mais plus réaliste, en même temps. Lorsque je traduis ces nombres en des faits de la vie quotidienne, j’ai la vision d’une petite communauté locale qui durant la saison venteuse de l’année peut satisfaire sa demande ménagère d’énergie avec un système des turbines éoliennes de taille tout aussi ménagère.

Ma ville, Krakow, ce n’est pas vraiment la capitale du vent. L’endroit est un réseau des vallées post-glaciales tortueuses, avec juste quelques plaines un peu plus spacieuses et l’ironie du sort veut que ces plaines soient placées surtout dans des endroits à risque élevé d’inondation. En revanche, toute la Pologne centrale et septentrionale, ça change énormément. La côte de la Baltique, par exemple, c’est une vitesse moyenne du vent égale à v = 12,9 m/set ça donne PW = 1,334 *65,5% * 0,6125 * 12,93= 1148,873874 kW.Plus d’un mégawatt, suffisant pour plus de deux milles Polonais statistiques moyens. Eh ben, dites donc, placée au bon endroit, cette petite turbine éolienne est un vrai ouragan !

Bon, je crois que je la vois venir, cette absorption de technologie. Avec la vague montante d’innovation, cela veut dire une impulsion puissante de développement pour les régions les plus favorisées en termes de conditions naturelles. Les régions côtières et les grandes plaines sont naturellement favorisées en ce qui concerne l’éolien. La banalisation des technologies d’énergétique renouvelable peut provoquer un changement profond de la géographie d’habitat humain. Des endroits typiquement ruraux en Europe peuvent soudainement devenir attrayants pour créer des villes.

Je continue à vous fournir de la bonne science, presque neuve, juste un peu cabossée dans le processus de conception. Je vous rappelle que vous pouvez télécharger le business plan du projet BeFund(aussi accessible en version anglaise). Vous pouvez aussi télécharger mon livre intitulé “Capitalism and Political Power”. Je veux utiliser le financement participatif pour me donner une assise financière dans cet effort. Vous pouvez soutenir financièrement ma recherche, selon votre meilleur jugement, à travers mon compte PayPal. Vous pouvez aussi vous enregistrer comme mon patron sur mon compte Patreon. Si vous en faites ainsi, je vous serai reconnaissant pour m’indiquer deux trucs importants : quel genre de récompense attendez-vous en échange du patronage et quelles étapes souhaitiez-vous voir dans mon travail ?

[1]Muhammad Mahmood Aslam Bhutta, Nasir Hayat, Ahmed Uzair Farooq, Zain Ali, Sh. Rehan Jamil, Zahid Hussain (2012) Vertical axis wind turbine – A review of various configurations and design techniques, Renewable and Sustainable Energy Reviews 16 (2012) 1926–1939

[2]Howell, R., Qin, N., Edwards, J., Durrani, N. (2010) Wind tunnel and numerical study of a small vertical axis wind turbine, Renewable Energy, 35 (2), pp. 412- 422

[3]Muhammad Mahmood Aslam Bhutta, Nasir Hayat, Ahmed Uzair Farooq, Zain Ali, Sh. Rehan Jamil, Zahid Hussain (2012) Vertical axis wind turbine – A review of various configurations and design techniques, Renewable and Sustainable Energy Reviews 16 (2012) 1926–1939

Good hypotheses are simple

The thing about doing science is that when you really do it, you do it even when you don’t know you do it. Thinking about reality in truly scientific terms means that you tune yourself on discovery, and when you do that, man, you have released that ginn from the bottle (lamp, ring etc.). When you start discovering, and you get the hang of it, you realize that it is fun and liberating for its own sake. To me, doing science is like playing music: I am just having fun with it.

Having fun with science is important. I had a particularly vivid realization of that yesterday, when, due to a chain of circumstances, I had to hold a lecture in macroeconomics in a classroom of anatomy. There was no whiteboard to write on, but there were two skeletons standing in the two corners on my sides, and there were microscopes, of course covered with protective plastic bags. Have you ever tried to teach macroeconomics using a skeleton, and with nothing to write on? As I think about it, a skeleton is excellent for metaphorical a representation of functional connections in a system.

Since the beginning of this calendar year, I have been taking on those serious business plans, and, by the way, I am still doing it. Still, in my current work on two business plans I am preparing in parallel – one for the EneFinproject (FinTech in the market of energy), and the other one for the MedUsproject (Blockchain in the market of private healthcare) – I recently realized that I am starting to think science. In my last update in French, the one entitled Ça me démange, carrément, I have already nailed down one hypothesis, and some empirical data to check it. The hypothesis goes like: ‘The technology of renewable energies is its phase of banalisation, i.e. it is increasingly adapting its utilitarian forms to the social structures that are supposed to absorb it, and, reciprocally, those structures adapt to those utilitarian forms so as to absorb them efficiently’.

As hypotheses come, this one is still pretty green, i.e. not ripe yet for rigorous scientific proof, on the account of there being too many different ideas in it. Good hypotheses are simple, so as you can give them a shave with the Ockham’s razor and cut bullshit out. Still, a green hypothesis is better than no hypothesis at all. I can farm it and make it ripe, which I have already applied myself to do. In an Excel file you can see and download from the archive of my blog, I included the results of quick empirical research I did with the help of https://patents.google.com: I studied patent applications and patents granted, in the respective fields of wind, hydro, photovoltaic, and solar-thermal energies, in three important patent offices across the world, namely the European Patent Office (‘EP’ in that Excel file), the US Patent & Trademark office (‘US’), and in continental China.

As I had a look at those numbers, yes, indeed, there has been like a recent surge in the diversity of patented technologies. My intuition about banalisation could be true. Technologies pertaining to the generation of renewable energies start to wrap themselves around social structures around them, and said structures do the same with technologies. Historically, it is a known phenomenon. The motor power of animals (oxen, horses and mules, mostly), wind power, water power, thermal energy from the burning of fossil fuels – all these forms of energy started as novelties, and then grew into human social structures. As I think about it, even the power of human muscles went through that process. At some point in time, human beings discovered that their bodies can perform organized work, i.e. muscular power can be organized into labour.

Discovering that we can work together was really a bit of a discovery. You have probably read or heard about Gobekli Tepe, that huge megalithic enclosure located in Turkey, and being, apparently, the oldest proof of temple-sized human architecture. I watched an excellent documentary about the place, on National Geographic. Its point was that, if we put aside all the fantasies about aliens and Atlantians, the huge megalithic structure of Gobekli Tepe had been most probably made by simple, humble hunters-gatherers, who were thus discovering the immense power of organized work, and even invented a religion in order to make the whole business run smoothly. Nothing fancy: they used to cut their deceased ones’ heads off, would clean the skulls and keep them at home, in a prominent place, in order to think themselves into the phenomenon of inter-generational heritage. This is exactly what my great compatriot, Alfred Count Korzybski, wrote about being human: we have that unique capacity to ‘bind time’, or, in other words, to make our history into a heritage with accumulation of skills.

That was precisely the example of what a banalised technology (not to confuse with ‘banal technology’) can do. My point – and my gut feeling – is that we are, right now, precisely at this Gobekli-Tepe-phase with renewable energies. With the progressing diversity in the corresponding technologies, we are transforming our society so as it can work the most efficiently possible with said technologies.

Good, that’s the first piece of science I have come up with as regards renewable technologies. Another piece is connected to what I introduced, about the market of renewable energies in Europe, in my last update in English, namely in At the frontier, with my numbers. In Europe, we are a bit of a bunch of originals, in comparison to the rest of the world. Said rest of the world generally pumps up their consumption of energy per capita, as measured in them kilograms of oil equivalent. We, in Europe, we have mostly chosen the path of frugality, and our kilograms of oil per capita tend to shrink consistently. On the top of all that, there seems to be pattern in all that: a functional connection between the overall consumption of energy per capita and the aggregate consumption of renewable energies.

I am going to expose this particular gut feeling of mine by small steps. I Table 1, below, I am introducing two growth rates, compound between 1990 and 2015: the growth rate in the overall, final consumption of energy per capita, against that in the final consumption of renewable energies. I say ‘against’, as in the graph below the table I make a visualisation of those numbers, and it shows an intriguing regularity. The plot of points take the form opposite to those frontiers I showed you in At the frontier, with my numbers. This time, my points follow something like a gentle slope, and the further to the right, the gentler that slope becomes. It is visualised even more clearly with the exponential trend line (red dotted line).

We, I mean economists, call this type of curve, with a nice convexity, an ‘indifference curve’. Funnily enough, we use indifference curves to study choice. Anyway, there is sort of an intuitive difference between frontiers, on the one hand, and indifference curves, on the other hand. In economics, we assume that frontiers are somehow unstable: they represent a state of things that is doomed to change. A frontier envelops something that either swells or shrinks. On the other hand, an indifference curve suggests an equilibrium, i.e. each point on that curve is somehow steady and respectable as long as nobody comes to knock it out of balance. Whilst a frontier is like a skin, enveloping the body, an indifference curve is more like a spinal cord.

We have an indifference curve, hence a hypothetical equilibrium, between the dynamics of the overall consumption of energy per capita, and those of aggregate use of renewable energies. I don’t even know how to call it. That’s the thing with freshly observed equilibriums: they look nice, you could just fall in love with them, but if somebody asks what exactly are they, those nice things, you could have trouble to answer. As I am trying to sort it out, I start with assuming that the overall consumption of energy per capita reflects two complex sets. The first set is that of everything we do, divided into three basic fields of activity: a) the goods and services we consume (they contain energy that served to supply them) b) transport and c) the strictly spoken household use of energy. The second set, or another way of apprehending essentially the same ensemble of phenomena, is a set of technologies. Our overall consumption of energy depends on the total installed power of engines and electronic devices we use.

Now, the total consumption of renewable energies depends on the aggregate capacity installed in renewable technologies. In other words, this mysterious equilibrium of mine (in there is any, mind you) would be an equilibrium between two sets of technologies: those generating energy, and those serving to consume it. Honestly, I don’t even know how to phrase it into a decent hypothesis. I need time to wrap my mind around it.

Table 1

Growth rate in the overall, final consumption of energy per capita, 1990 – 2015 Growth rate in the final consumption of renewable energies, 1990 – 2015
Austria 17,4% 80,7%
Switzerland -18,4% 48,6%
Czech Republic -19,5% 241,0%
Germany -13,7% 501,2%
Spain 11,0% 104,4%
Estonia -33,0% 359,5%
Finland 4,1% 101,8%
France -3,7% 42,3%
United Kingdom -23,2% 1069,6%
Netherlands -3,7% 434,9%
Norway 17,1% 39,8%
Poland -8,0% 336,8%
Portugal 26,8% 32,6%

Growth rates energy per capita vs total renewable

 

I am consistently delivering good, almost new science to my readers, and love doing it, and I am working on crowdfunding this activity of mine. As we talk business plans, I remind you that you can download, from the library of my blog, the business plan I prepared for my semi-scientific project Befund  (and you can access the French versionas well). You can also get a free e-copy of my book ‘Capitalism and Political Power’ You can support my research by donating directly, any amount you consider appropriate, to my PayPal account. You can also consider going to my Patreon pageand become my patron. If you decide so, I will be grateful for suggesting me two things that Patreon suggests me to suggest you. Firstly, what kind of reward would you expect in exchange of supporting me? Secondly, what kind of phases would you like to see in the development of my research, and of the corresponding educational tools?

Ça me démange, carrément

Ces derniers jours, je me suis rendu compte qu’à part ce blog et ces business plans dont la préparation je documente ici, il faut que j’écrive quelque chose de scientifique. Il faut que je pose une hypothèse de nature générale et une méthode de recherche pour la vérifier. Je passe donc en revue les différentes idées qui sont venues dans ma tête durant les 6 – 8 derniers mois. J’ai beaucoup travaillé sur des business plans, donc logiquement le développement scientifique correspondant devrait s’en tenir plutôt à la microéconomie et/ou à la gestion. Vu la direction courante de ces business plans que je prépare, le marché de l’énergie – en combinaison avec les solutions FinTech – semble être le champ empirique privilégié pour cette science que je suis censé présenter.

J’avais découvert, il y a déjà quelque temps, que je suis plutôt empiriste que rationaliste dans ma méthode scientifique. Je regarde autour de moi, je renifle, je tâtonne s’il le faut, et je me fais une idée de ce que j’observe. Petit à petit, je peaufine cette idée jusqu’à ce qu’elle devienne une hypothèse. Une fois ma petite hypothèse en place, je retourne vers la réalité empirique, seulement cette fois de manière plus respectable : je catégorise et je mesure. J’essaie de voir des régularités quantifiables et je reformule mon hypothèse par référence à ces régularités. J’essaie de voir si je peux avancer une hypothèse intelligible que je puisse ensuite accompagner d’une preuve empirique.

Je réassume les observations empiriques que j’ai faites durant ces derniers mois, surtout en ce qui concerne les énergies renouvelables et le FinTech. Tout d’abord, je peux observer comme une vague technologique de miniaturisation dans le secteur des énergies renouvelables. Les moulins à vent, les turbines hydrauliques, même les centrales électriques solaires à chaleur solaire concentrée : tout ce bazar se rétrécit en termes de la taille des formes utilitaires. L’énergétique renouvelable est en train de se démocratiser en termes de taille et de s’adapter à une géographie dispersée. En parallèle à la miniaturisation, une maximisation a lieu, aussi paradoxal que ça puisse paraître. Je suis régulièrement les nouveautés technologiques dans le domaine des énergies renouvelables, par exemple avec https://www.techinsider.com, et je peux remarquer une vague des projets de taille gargantuesque. Dans l’éolien, par exemple, en parallèle au lancement des turbines de taille d’une machine à laver il y a ces turbines géantes que les Ecossais installent en mer.

Lorsqu’une technologie commence à prendre des formes utilitaires de plus en plus variées, cela veut dire son adaptation à la structure sociale, en d’autres mots sa banalisation. C’est une phase cruciale de changement technologique, car l’adaptation devient réciproque : à mesure que la technologie donnée prend des formes de mieux en mieux adaptées aux contextes locaux spécifiques, lesdits contextes changent de forme pour absorber cette technologie de plus en plus vite et avec de plus en plus d’aise. Alors voilà une jolie hypothèse : « Les technologies d’exploitation des sources renouvelables d’énergie sont dans leur phase de banalisation, avec une adaptation de plus en plus poussée et réciproque entre lesdites technologies et les structures sociales qui les absorbent ».

L’hypothèse, elle a beau être jolie, mais ce qu’il me faut c’est ce qu’elle soit empiriquement vérifiable. Sans cet attribut de preuve empirique possible, une hypothèse reste spéculative et selon Milton Friedman, les hypothèses spéculatives, y en a tout un tas et on ne sait pas vraiment quoi en faire. Il se fait que j’ai de l’expérience dans l’étude quantitative des brevets ainsi que des demandes de brevet. Une demande de brevet témoigne qu’un certain effort de recherche et développement avait été mis dans une invention qui, à son tour, est suffisamment originale pour être reconnue comme une nouveauté et pour avoir des chances de devenir une invention brevetée. Le nombre des demandes de brevet en un endroit et temps donné, ainsi que dans un champ spécifique de recherche et développement reflète l’effort relatif.

En revanche, un brevet assigné à une invention témoigne d’une originalité ainsi que d’une priorité temporelle suffisante pour que l’invention donnée reçoive la protection légale en des termes de propriété intellectuelle. Le nombre de brevets octroyés en un endroit et temps donné, dans un champ spécifique de recherche, est une mesure de la quantité des technologies nouvelles et originales à être mises en utilisation.

J’ai bénéficié des bienfaits de ce moteur de recherche de Google – https://patents.google.com– pour se faire une idée empirique de ce processus de banalisation des technologies. J’avais pioché aussi bien les demandes de brevets que les brevets eux-mêmes dans quatre domaines technologiques des énergies renouvelables : l’éolien, l’hydraulique, le photovoltaïque et enfin l’énergie solaire concentrée. Je rappelle que cette dernière c’est le truc des gros miroirs paraboliques qui absorbent la chaleur du soleil et la transforment en chaleur industrielle (vapeur), qui, à son tour, travaille ensuite normalement comme dans une centrale électrique thermique, en propulsant une turbine électrique.

Je me suis concentré sur trois offices des brevets importants dans le monde : l’Office Européen des Brevets (OEB), The US Patent and Trademark Office (USPTO) aux États-Unis, et l’office des brevets de la République Populaire Chinoise (OBC). Voilà le lien hypertexte au fichier Excel avec les résultats de cette excursion empirique. Je sais que certains systèmes, sur des ordinateurs personnels, ont des préjugés en ce qui concerne les fichiers Excel et peuvent bloquer leur affichage ou téléchargement. Pour ceux parmi vous, mes chers lecteurs, dont les systèmes personnels témoignent de cette aversion particulière, je reproduis les tableaux de ce fichier plus loin, en-dessous du texte.

Voilà donc que je peux confronter mon hypothèse avec des faits quantifiables. Je fais une assomption additionnelle : si une banalisation des technologies d’énergétique renouvelable est effectivement en train de survenir, elle est liée à un effort d’innovation. Si une nouvelle variété de turbine hydraulique, par exemple, est prête à être commercialisée, elle va se démarquer, par des détails significatifs, des technologies précédentes. Toutes les innovations dans le domaine ne seront pas forcément soumises aux procédures de brevet, néanmoins un changement substantiel dans le nombre d’inventions qui y sont soumises est une mesure dudit effort d’innovation. La banalisation d’un domaine donné de technologie devrait donc être associée à un nombre accru d’inventions brevetées.

Dans l’éolien, un tel changement est visible et – ce qui est intéressant – il est visible plus au niveau des brevets octroyés qu’au niveau des demandes nouvelles de brevet. On peut voir comme une vague technologique qui continue à monter. C’est tout comme si, ces dernières années, un certain nombre des procédures de brevet ait passé dans la phase de « secouer les rênes » et de mise en exploitation accélérée. Je profite déjà de cette première observation pour attirer votre attention à une différence intéressante entre l’Europe et les États-Unis d’une part et la Chine d’autre part. En Europe et aux États-Unis il y a normalement plus de demandes de brevet que des brevets octroyés : la procédure de brevetage fonctionne comme un tri. Les inventions soumises à la procédure sont sélectionnées et certaines de parmi elles sont éliminées ou bien s’enlisent dans des longs procès légaux en ce qui concerne leur priorité.

En Chine, vous pouvez observer l’inverse : normalement il y plus des brevets octroyés que des demandes déposées. Honnêtement, j’ai un savoir des plus superficiels sur le fonctionnement du système légal chinois et dans ce que je vais avancer je m’appuie sur des cas occasionnels que j’avais étudiés. Apparemment, en Chine, une demande de brevet conduit fréquemment au sciage de l’invention soumise à ladite demande en tout un ensemble des brevets différents. Fréquemment, c’est même une stratégie délibérée de la part d’entités qui sollicitent la protection légale de leurs inventions.

Dans le photovoltaïque, nous pouvons observer quelque chose de similaire à l’éolien : une vague montante des brevets, quoi que dans ce cas, cette vague semble avoir reculé un peu en 2017. Par contre, dans le solaire concentré, je vois une vague d’innovation qui continue à gagner en hauteur. C’est par ailleurs bien ce que je pressentais dans mes os depuis un certain temps : le photovoltaïque s’est un peu essoufflé en termes de changement technologique, pendant que le solaire concentré ne fait que commencer à valser.

Comme je jette un coup d’œil sur l’hydroélectricitéje vois quelque chose de similaire, donc une vague montante de brevets octroyés, mais je vois aussi une autre disparité géographique. L’Europe est systématiquement en recul derrière les États-Unis et la Chine en termes d’intensité de changement technologique dans tous les quatre domaines étudiés ici, mais en termes d’hydroélectricité, ce n’est plus du recul : c’est carrément une capitulation. Ça me révolte quoi que ça ne m’étonne que moyennement. Ça me révolte parce que l’énergie hydraulique, côte à côte avec l’éolien, c’est pratiquement ce qui eût bâti la civilisation européenne entre le 11èmeet le 19èmesiècle. Nous avons, sur ce petit continent montagneux, un réseau fluvial des plus favorables et ça avait été aussi un facteur puissant de succès développemental de la civilisation européenne. Voir tout ce potentiel tellement inexploité en termes d’énergie, ça me démange, carrément.

Tout en étant révolté, je ne suis que moyennement étonné. J’ai déjà rencontré plusieurs opinions critiques quant au développement de l’hydroélectrique en Europe. D’une part, l’exploitation des rivières, au moins pour l’exploitation des turbines hydrauliques, semble être définitivement sur-régulée. Où que nous posions le pied, au bord d’une rivière, il y a des terrains exclus d’exploitation pour des raisons environnementales. J’adore les canards sauvages, mais je déteste cette espèce d’êtres humains sauvages qui excluent d’avance tout compromis entre un gîte des canards et une turbine hydraulique locale.

En plus, le secteur d’énergie en Europe est extrêmement concentré. En dépit de toute la libéralisation de ces trois dernières décennies, nous vivons toujours dans un oligopole poussé et les oligopoles, ça ne favorise pas la banalisation des technologies.

Bon, fini de penser science, pour aujourd’hui. Je continue à vous fournir de la bonne science, presque neuve, juste un peu cabossée dans le processus de conception. Je vous rappelle que vous pouvez télécharger le business plan du projet BeFund(aussi accessible en version anglaise). Vous pouvez aussi télécharger mon livre intitulé “Capitalism and Political Power”. Je veux utiliser le financement participatif pour me donner une assise financière dans cet effort. Vous pouvez soutenir financièrement ma recherche, selon votre meilleur jugement, à travers mon compte PayPal. Vous pouvez aussi vous enregistrer comme mon patron sur mon compte Patreon. Si vous en faites ainsi, je vous serai reconnaissant pour m’indiquer deux trucs importants : quel genre de récompense attendez-vous en échange du patronage et quelles étapes souhaitiez-vous voir dans mon travail ?

Tableau 1 – Brevets octroyés et demandes de brevets dans les technologies éoliennes

Année OEB brevets octroyés OEB demandes de brevet déposées USPTO brevets octroyés USPTO demandes de brevet déposées Chine OBC brevets octroyés Chine OBC demandes de brevet déposées
2001 374 1486 2191 3285 2235 1267
2002 550 1585 2323 3381 2386 1768
2003 758 1716 2324 3731 2720 2392
2004 763 1980 2342 4189 3300 3218
2005 722 1969 2138 4499 3673 4076
2006 901 2126 2497 5071 4824 5623
2007 804 2399 2509 5606 6696 6744
2008 857 2749 2481 6229 8640 8787
2009 764 3182 2660 6992 11478 10937
2010 1008 3749 3648 8220 15652 13295
2011 1192 4464 4398 9225 20661 17906
2012 1391 4479 5389 9488 27254 22090
2013 1666 4260 6051 9774 33328 26225
2014 1659 4643 7194 10078 35338 31693
2015 2099 4395 7375 9993 48821 40055
2016 3048 2734 7813 8355 56485 45724
2017 3273 814 8988 4957 62516 41857

 

Tableau 2 – Brevets octroyés et demandes de brevets dans les technologies hydroélectriques

Année OEB brevets octroyés OEB demandes de brevet déposées USPTO brevets octroyés USPTO demandes de brevet déposées Chine OBC brevets octroyés Chine OBC demandes de brevet déposées
2001 21 73 91 161 249 172
2002 19 72 81 159 259 191
2003 38 81 102 221 331 295
2004 35 122 111 224 344 363
2005 21 110 107 254 411 446
2006 40 125 108 333 462 614
2007 20 150 106 451 735 751
2008 41 221 146 569 966 1041
2009 29 241 127 707 1269 1314
2010 55 331 243 652 1836 1437
2011 48 377 327 774 2396 1948
2012 69 394 348 618 2977 2589
2013 86 365 421 643 3541 3001
2014 85 343 521 592 3727 3246
2015 144 349 498 465 5656 4057
2016 197 186 482 304 5890 4870
2017 207 69 603 2 6229 4280

 

Tableau 3 – Brevets octroyés et demandes de brevets dans les technologies photovoltaïques

Année OEB brevets octroyés OEB demandes de brevet déposées USPTO brevets octroyés USPTO demandes de brevet déposées Chine OBC brevets octroyés Chine OBC demandes de brevet déposées
2001 541 2214 3000 4704 1099 1280
2002 752 2263 3062 4972 1413 1770
2003 1010 2469 3219 5489 1831 2540
2004 1015 2834 3256 6421 2149 3177
2005 892 3427 2973 7086 2519 4099
2006 1137 3936 3554 8314 3139 5499
2007 988 4359 3496 9144 4661 7424
2008 1111 5063 3620 10342 6347 9235
2009 1043 6022 4089 12082 9001 12890
2010 1365 6856 5882 14541 13550 17161
2011 1587 7135 6804 16800 20681 21771
2012 1836 6872 8637 16624 28039 26413
2013 2073 6889 10158 17512 34288 29462
2014 2159 6679 12287 17278 30017 30250
2015 2440 6853 12824 16809 43855 35899
2016 3884 3775 13444 14005 53246 40760
2017 4242 859 14973 8815 55365 35507

 

Tableau 4 – Brevets octroyés et demandes de brevets dans la technologie solaire concentrée

Année OEB brevets octroyés OEB demandes de brevet déposées USPTO brevets octroyés USPTO demandes de brevet déposées Chine OBC brevets octroyés Chine OBC demandes de brevet déposées
2001 116 559 702 1154 69 293
2002 168 622 767 1191 115 389
2003 223 639 761 1409 183 544
2004 240 722 679 1613 298 694
2005 191 876 672 1893 324 1003
2006 254 1084 756 2209 396 1308
2007 224 1222 761 2548 621 1629
2008 252 1576 728 3055 791 2262
2009 269 1849 881 3670 1149 3316
2010 344 2153 1412 4367 1762 4460
2011 409 2143 1758 5103 2651 5540
2012 476 2092 2241 5017 3640 6177
2013 533 1925 2726 5142 4155 6323
2014 638 1843 3375 5055 4208 6348
2015 693 1815 3610 4896 6102 7741
2016 1080 958 3682 3699 7557 7771
2017 1218 152 3929 2400 7723 5862

Lean and adaptable

My editorial

Things of life make me circle around the core of my present work, namely around that business plan for the EneFinproject. Last Monday, a friend of mine, with whom I am doing a lot of work on FinTech things, asked me a general question: ‘If you had like to explain your students what is a financial innovation and how it is being done, what would you tell them?’. The question fits my current interests, so I will try to kill two birds with one stone. I will try to develop an intellectually satisfactory answer to that general question, and, in the same time, I will try to move one step forward in the writing of my business plan.

‘Financial’ means something about money. It is about money moving in transactions, or about money staying calmly and nicely in one place, in some cosy balance sheet. Innovating about money means figuring out some new ways of paying with money, or some new manner of piling money up. The essential job that money does for people is to assure liquidity, i.e. money makes it possible to move economic utilities in space and over time, with a minimum of transaction costs. If you have to move a mountain, like in one go, from spot A to spot B, you need either a small particle of really solid faith or a really big piece of civil engineering. Still, if you can move the mountain in question piece by piece, e.g. bucket by bucket, things become easier. You can move those buckets around with a lot less of civil engineering, and your faith is being put to significantly lesser a strain, as well. This is what ‘financial’ means in the first place: transforming a mountain of economic utility into a set of small buckets of financial equivalence, and moving those buckets around smoothly and efficiently.

Any movement happens with a given velocity, along a given vector, and our control over that movement is observable as the capacity to modify both the vector and the velocity. Inventing something new about money and its use, thus making a financial innovation, is equivalent to finding out how to give more velocity in and/or more control over the movement of money. This little elaboration in the lines of Newtonian physics serves me to introduce a secondary effect to the primary financial function. When you create financial instruments, i.e. standardized legal deeds representing small parcels of economic utility, those instruments, although being technically something derivative from something else, start having an economic life of their own. Having an economic life means being tradable, and actually traded, and thus having a market price.

Sounds nice, so far. I am trying to apply those fancy generalities to my EneFinconcept. The mountain of economic utility comes, logically, in the first place. I can distinguish three big masses in the geography around me: the capital immobilised in power generation (power installations), accompanied by the capital immobilised in power grids (systems of distribution), and finally the population of users. They all move, and so, logically, they are not mountains, but rather the tectonic plates that mountains rest on. The mountains per se are made of long-term contracts between power plants and power grids, for one, as well as contracts between power grids (distributors) and their end-users. Ah, there are, in some places, the contracts between power plants (those rather small, local ones, like solar farms) and the end users, directly.

Now, it looks weird. I have mountains rising sort of at the junction of tectonic plates they are supposed to stand on. These are intercontinental mountains. See? I was sure I can invent something unparalleled. That’s the thing with metaphors: you push too far and they become meaningless. Anyway, I have those big masses of long-term contracts, moving very slowly, or hardly at all. Those long-term contracts have economic utility in them. Anything financial one could possibly do about them would consist in creating a complex set of financial instruments, i.e. tradable legal deeds equipped with intrinsic value expressed in the units of currency. I have come up with a few ideas as for those financial instruments, and I am listing them below.

Idea #1are standardized coupons for purchasing electricity, like for 1 kWh each, tradable either like coupons strictly spoken, or, in a technologically fancier manner, as tokens of a cryptocurrency. Those coupons are financialized commitments from the long-term contracts between the consumers of electricity and their direct suppliers, this the distributors who operate power grids. In such a contract, the consumer commits to purchase electricity from a distributor, like for 2 years in a row, and said distributor commits to supply electricity, in a given amount. This type of tradable, standardized deeds for purchasing electricity have been used for decades in the wholesale market of electricity, i.e. between power plants and distributors. I am thinking about developing the same concept in the retail market. It would allow the distributors to cash today their future expected deliveries of power to consumers, and consumers could have a more diversified portfolio of suppliers.

As I think about it now, that type of financial instrument, as conceptualized in my Idea #1, would be workable mostly for new suppliers in the market, for example for new solar farms or new, local hydraulic turbines of moderate size. They could sell to the neighbouring consumers their future output of electricity, in the form of those coupons, instead of signing long-term contracts. Lower and more liquid a commitment from the part of consumers could convince the latter to try and buy that new, fancy power from the new solar farm, sort of.

The more I think about that Idea #1, the more I am convinced that it would require to operate power grids similarly to railways. In the railway business, at least in Europe, you frequently have a separation between the operator of the physical, actual railway (infrastructure), and the operators of trains, on the other hand.

Idea #2is based on the same contracts, and consists in making the consumers’ financial commitments into tradable deeds, like into bills of exchange. In a long-term contract I sign with a supplier of electricity, I am supposed to pay standardized amounts of money every month, and those monthly instalments are based on a smoothed prediction of my future consumption of power. Idea #2 sums up to singling each such future, promised instalment out of the long term contract and trading it as a security, or, once again, as a token of value in a cryptocurrency. As a financial utility, it gives, once again, more liquidity to the distributors. Of course, those financial claims on consumers would be conditional on supplying them a given amount of electricity. As I look at it now, it would essentially amount to have something like options or future contracts, i.e. financial instruments that guarantee a fixed future price of 1 kWh.

As for Ideas #1 and #2, you can look up Les marchés possibles à développer à partir d’une facture d’électricité, A first approach on the financial sideor Une plantation des clients qui portent fruit.

Idea #3is an app coupled with the network of electric sockets, in a smart city. You use the app to pay for electricity as you actually use it, sort of smoothly. Initially, I developed that idea for a network of publicly available electric sockets, made for sort of causal charging of smartphones (see Je recalcule ça en épisodes de chargement des smartphones), but, as I think of it, the idea could extend to all the usage of electricity in a smart city. I could, for example, use the app to drive the usage of electricity in my apartment to a strict minimum when I leave for the weekend, and I would pay just for that minimum. On the other hand, when I use a lot of electric tools in my garage, e.g. when I build a DIY intercontinental ballistic missile, I would pay on the spot for that extra juice.

In legal and financial terms, Idea #3 would amount, once again, to turn the long-term financial commitments on the part of consumers into short-term, spot payments. As I think of it, it wouldn’t even require much change in the distribution system. Large populations, and in the case of a typical, European project of smart city, we are talking like 1,5 million people or more, have a predictable consumption of energy. I managed to provide some scientific proof of that in my article: Settlement by energy. The amount, and, I dare say, the structure of final consumption in energy, remain fairly predictable in such a large human settlement. What is being financialized, i.e. made more liquid, is just the payment for energy.

Good, I have listed my so-far ideas. Now, I keep inventing. We are in a smart city, and there are many local projects of setting local power sources from renewable energies. They are competing for accessing the market of energy in that smart city. They are selling futures contracts on their future, expected output of power. Normally, when you sell your future expected output in the form of futures contracts, you need to give a substantial discount on the present price. If you buy futures on coffee, for example, and you agree to pay today for the coffee beans from the next harvest, like in 6 months, you can negotiate even 40% lower a price, as compared to the coffee beans actually available in the warehouse. Here, the same, future expected power, sold today, is bound to be noticeably cheaper than the presently available juice. Still, we can add to the fun. I imagine a financial instrument which embodies a compound contract: a futures contract on future expected supply of electricity paired with a participation in the equity of the supplier.

That would be my Idea #4, in the framework of the EneFinproject, and here comes a little calculation. In my home country, Poland, 1 kilowatt hour, in the retail market, costs like €0,15. In the semi-retail market, i.e. power for institutional consumers, costs about €0,09 per kWh. I want to start a local station of hydraulic turbines. Nothing big, let’s say two turbines of 1 megawatt each, thus 2 MW in total. That makes an annual output of 2000 kW times 8760 hours in a year, and equals 17 520 000 kWh in a year. In standard retail prices it would make a revenue of 17 520 000 * €0,15 = €2 628 000 a year. I am offering futures on my output, paired with shares in my equity. The buyer pays €0,09 per 1 kWh of future power supply, and €0,06 of small participation in the equity of my power plant, so €0,15 in total, which is just the same as the price of presently available, retailed power. That makes, from the point of view of the supplier, an annual revenue of 17 520 000 * €0,09 =  €1 576 800, plus 17 520 000 * €0,06 =  €1 051 200 in equity.

As business structures come, what comes out of my Idea $4 is an actual cooperative structure. Even if I make it into the legal vehicle of a company, the basic concept is cooperative: the buyers of my output become my shareholders. We can go even further down this path and create a FinTech platform for any market, where barriers to entry, in terms of physical investment, are relatively low, and there is a big fork between retail prices, and the wholesale ones. I think about transportation services, food supply, maybe construction services as well. A start-up sells futures on its future expected output, paired with small shares in its equity. This could make an excellent financial tool for building local cooperative structures.

I used to belong to a few cooperatives in the past. They were housing cooperatives. The thing about those structures is that they are functional as long as membership remains limited to a small number of people. A classical cooperative with 15 members is just fine, with 150 it becomes really clumsy as for decision making, and with 1500 it turns into a feral bureaucracy. My idea – for the moment I name it Coop EneFin– offers all the advantages of the cooperative scheme, whilst giving the whole thing the smooth liquidity of a corporate structure. If I do it the FinTech way, with some smart app facilitating the buying and selling, as well as reselling, of those cooperative futures contracts, it looks the way a good financial innovation should look: lean and adaptable.

There are two levels of testing that business concept. Firstly, the financial soundness: the transactional FinTech platform for trading those cooperative contracts should generate profits sufficient to give a good return on the equity invested in its creation. As a wannabe mad scientist (I don’t have any old castle in the mountains, so I have to wait a bit before graduating into a full mad scientist), I can use the same cooperative scheme to raise money for that technological platform. Anyway, the FinTech utility needs to earn its living somehow. There are three essential ways (look up Plus ou moins les facteurs associés). At the most basic level, Coop EneFin can be just a transactional platform, collecting a commission on each transaction in those ‘futures + equity’ contracts. Secondly, it can be a closed club, with an entry lump fee to pay for the corresponding software package, and then a monthly membership. Thirdly, and finally, the Coop EneFinproject can specialize just in the development of the technology, which, in turn, allows the creation of local cooperative networks around local suppliers of energy.

The realistically appraised cost of technological development, regarding that FinTech utility, comes as the key factor in the business planning. I already had that intuition after browsing the financials of Square Inc., one of the big players in the FinTech business (look up The smaller more and more in FinTech). I can intuitively, and provisionally, nail down the cost of product development at some 15% of revenues in the maturity phase of the business. Liaising with the preliminary calculations I presented a few paragraphs ago, that would make like €236 520 for maintaining and developing the FinTech technology for supporting the Coop Enefin scheme for one local power plant of 2 megawatts. The trick is to minimize the cost of current upgrading in that technology, or, in other words, to minimize its pace of moral obsolescence.

I am consistently delivering good, almost new science to my readers, and love doing it, and I am working on crowdfunding this activity of mine. As we talk business plans, I remind you that you can download, from the library of my blog, the business plan I prepared for my semi-scientific project Befund (and you can access the French versionas well). You can support my research by donating directly, any amount you consider appropriate, to my PayPal account. You can also consider going to my Patreon pageand become my patron. If you decide so, I will be grateful for suggesting me two things that Patreon suggests me to suggest you. Firstly, what kind of reward would you expect in exchange of supporting me? Secondly, what kind of phases would you like to see in the development of my research, and of the corresponding educational tools?

When is it the right moment to expose ourselves?

My editorial

And so I know what I want. I mean, I sort of know what I want regarding some aspects of my life. That business I want to put together in connection to smart cities is a centre of experimental research focused on studying human behaviour in the interaction with smart technologies. The business idea behind is to supply experimental knowledge, and the tools for discovering new experimental knowledge, to businesses which would like to accelerate their innovation and to smoothen their relations with big institutional customers. The metric of utility I have come up with is the possible reduction of payment lag in those customer relations. This is what I have come up with so far, and you can find it in my last update in French: Ça semble tenir le coup. Ça promet .

The business concept I am entertaining for this experimental centre is based on sort of an educated guess, which I have formulated, over years, as I have been studying different business cases: when something lasts longer than it technically should last, someone in that process is learning something by trial and error. When an IT company, like Asseco Polska, whose financials I highlighted in that last update in French, used to receive payment for its services after 80 days, on average, in 2011, and this time extended to 101 days in 2016, the process of interaction with the average customer must have changed. Of course, some of that extension is due to changes in the financial liquidity in customers themselves. Still, as I try to reconstruct the interaction between an IT provider and an institutional customer, there is that component of tailoring the solutions supplied to the exact needs and characteristics of the latter. The supplier learns by doing, and that learning frequently manifests itself as an additional lag in payment: the customer withholds a part or the total of the sum due to the supplier until the latter removes from the solution provided what the customer sees as flawed.

This phase of a contract is quite tricky. It is crucial to separate true necessity of improvement in the solutions provided, on the one hand, from tactical withholding of payment, on the other hand. Said necessity of improvement seems to follow a common pattern, well-known from the management literature: engineers think in terms of blueprint (coding in the case of programmers), whilst the end-users of a technology think in terms of the most basic utility. That basic utility has to include fool-proof safeguards: if clicking the wrong link on the screen blocks an entire accounting system, there is something wrong.

You would say ‘No, these things don’t happen anymore. Digital solutions are past that phase’. Well, recently, I attended a presentation, by a fellow scientist, about how he and his team had improved some utilities in the SAP system. For the mildly initiated: SAP Business One, marketed by SAP SE, Germany, is one of the most advanced ERP-class systems in the world, maybe even the most advanced one. So, those fellow scientists from Krakow (Poland) did a simple thing: they took some parts of the SAP interface and they submitted it to behavioural testing, where users were being observed with an eye-tracking device. After the tests, the interface has been modified so as to optimize its functionality for the eye-movements of the users. Result: a series of operations which took the users 6 minutes before the modification, dropped to 1,5 minutes. Yes, this is a fourfold rise in productivity, and it was just one tiny piece of the total functionality available in SAP Business One.

My home university, the Andrzej Frycz Modrzewski Krakow University (Krakow, Poland), prides itself to rely on 100% their own technology. Library, grading, syllabuses, e learning platform: all that is genuinely made for the university by an appointed team of IT engineers, without any Google-made prosthesis. Still, man, sometimes you wish it was Google-powered somehow. It takes years to optimize each piece of integrated software so as to make it really functional. A lot of this optimizing relies on communication, which, of course, is what communication usually is: imperfect. I imagine the same thing happens in hundreds of cases, when an integrated technology (it does not have to be exclusively digital, you know) is being implemented in a large social structure. It is only after starting the implementation that engineers face the real users’ behaviour, and this is when the real tailoring starts.

Summing it up, partly, here is my idea: providers of complex technologies, when they have a big institutional client, go through that tricky phase in the contract, when the technology is basically in place, the invoice has been issued on the buyer, but the latter is still no satisfied and withholds the payment, and his dissatisfaction is well-founded, as the true utility of the technology installed is only taking shape, and it brings some surprises. The experimental centre I want to create would run experiments useful in minimizing the trial-and-error component in such situations. I would like to create a body of experimental knowledge about human behaviour in interaction with smart technologies, and experimental tools for developing more of such knowledge, so as to shorten the payment lag that the suppliers of smart technologies experience in their relations with big institutional customers.

Now, I am advancing a behavioural hypothesis: any large social structure, when absorbing a new technology, behaves like a mean institutional customer, and it pays the full bill only after it is fully satisfied with said technology. For those of you who want solid theory, here comes a piece: Robertson, T. S. (1967). The process of innovation and the diffusion of innovation. The Journal of Marketing, 14-19. The idea is the following: when you are a supplier of advanced technologies and you are selling your solutions on kind of a retail basis, to many small customers, they all make sort of a community in the sense that their behaviour regarding your technology is coordinated through socially recurrent, partly ritualized patterns. In that community, you will find the early innovators, the early adopters, the sceptical late adopters, and the fence-sitters. You can fully cash your returns on investment only when all those customers have absorbed your technology. If you are launching your technology in a form adapted to the tastes of the early innovators, it is going to bump against the wall of different tastes observable in more conservative customers. You need to modify your technology so as to make it easier to swallow conservatively. Modifications take time, and you need much of that time just in order to figure out the right modifications to make.

I think I can start generalising those ideas in the form of a model, regarding the interaction between the suppliers of technologies and their customers. Thus, the mission of my experimental centre will be to reduce the cost of innovation, or CI, incurred by the suppliers of smart technologies for smart cities. The cost of innovation is made of two component costs, namely: the cost CIN of ongoing invention in the strictly spoken new technologies (i.e. those not marketed yet), and the cost CIM of improvement/modification in the already marketed technologies. Both CIN and CIM contain two further parts: the cost of engineering work strictly spoken (blueprinting the technology), which I am going to symbolize with ‘B’ in subscript, and the cost of discovering behavioural patterns in the end-users of the technology in question, and I symbolize this one with ‘D’ in subscript.

Right, I am an economist, and so I need writing some formulae, so here is what I am thinking in mathematical terms:

[CI = CIN + CIM = CIN;B + CIN;D + CIM;B + CIM;D] =>  [CI = CIB + CID]

The last part of that complex logical implication, or ‘=>  [CI = CIB + CID]’ means that with the assumptions given above, the total cost of innovation is, in other words, the sum of what we spend on the strictly spoken blueprinting (CIB), on the one hand, and the expense on patterning the users’ behaviour (CID).

The mission of my experimental centre will be to shave off the CID. Next question: how the hell do I want to achieve that? Next piece of theory coming, then. The process of innovation, i.e. the process of blueprinting a technology, and optimizing it as user-friendly, can be represented as a series of interactions involving a prototyped technology, and a user testing it. Each prototype is an educated guess about the optimal utility for the users. Each interaction of a prototype with the users who are testing it can be a success (correct guess) or a failure (go and figure it out again, anew). In the process of innovation, we have n interactions, with p successes and q = n – p failures. The total CID cost comprises both the expenses connected to successful trials, and to the failed ones. Now, I start sailing uncharted waters, at least uncharted for me, as I am asking myself: how can I reduce the total cost of that process and/or increase its efficiency?

In my previous update in English, the one entitled ‘And so I ventured myself into the realm of what people think they can do’, I started developing on that idea that p successes and q = n – p failures can happen as many distinct sequences, technically equiprobable, but actually very different in their outcomes. My most personal intuition, which comes from my academic teaching, my sport practice, and my experience with the Wim Hof’s method of breathing, all that tells me that the sequence which works the best for learning is the following: ‘serious ass-kicking, technically a failure >>> small success >>> small success … (a whole series of small successes) >>> another ass-kicking (another failure) >>> and I loop on a series of small successes’ etc. My nervous system learns new skills through a sequence of successful attempts, not through a sequence of failures. Failures just teach me what not to do, but I need those small successes in order learn what to do, or form the right pattern of doing things. Still, failures keep me sharp and alert, they prevent me from becoming too self-enclosed, or, I should rather say, failures can keep me in that blessed frame of mind under the condition of being properly taken in.

Applying this general wisdom to experimenting with new technologies implies that I can calibrate successes and failures into different sizes, sort of “big success <> small success”, “big failure <> small failure”.  I imagine an experimental sequence, where engineers start with confronting an advanced prototype with testing from the part of users, and I arrange this particular step so as to make failure as probable and as deep as possible. I select the testing users, and I design the conditions of testing so as to put every possible hurdle and trap on this path. I want the engineers to bounce against something they are very likely to perceive as a brick wall. This is the initial ass-kicking. The next step consists in studying that failure very minutely, so as to own it completely. This phase of the experimental sequence brings two major learnings. Firstly, it shows what happens to our technology in a really unfriendly environment. This is the equivalent of those IKEA armchairs being crushed by a mechanical press thousands of times a day. Secondly, it teaches the engineers how they behave, as human beings, in the presence of a major failure. Behavioural study of the engineers is as important at this stage as that of the users.

In Stage 2, engineers modify the prototype on the grounds of the ass-kicking received in Stage 1. This time, it is important to break down the sequence ‘modification >> testing’ in very small steps, so as to make successful guessing of the users’ needs as probable as possible. In this stage, engineers learn to interact with users on a current basis, and, hopefully, create a series of successful – i.e. fully functional from the users’ point of view – modifications.

Now, the big question is: how to alternate Stage 1 and Stage 2. In other words, when is it the right moment to expose ourselves to the functional outcomes of every possible flaw in our technology? I have to ruminate it a bit.

I am consistently delivering good, almost new science to my readers, and love doing it, and I am working on crowdfunding this activity of mine. You can consider going to my Patreon page and become my patron. If you decide so, I will be grateful for suggesting me two things that Patreon suggests me to suggest you. Firstly, what kind of reward would you expect in exchange of supporting me? Secondly, what kind of phases would you like to see in the development of my research, and of the corresponding educational tools?

Ça semble tenir le coup. Ça promet.

Mon éditorial

C’était en écrivant ma dernière mise à jour en anglais (And so I ventured myself into the realm of what people think they can do ) que je m’étais rendu compte quel genre de business je veux créer en connexion avec les villes intelligentes : c’est un centre expérimental que je veux mettre en place. Je le vois comme une sorte d’usine à science, une science bien fraîche et bien compétitive, concentrée sur l’étude expérimentale de tout ce qui touche au changement social en présence des technologies intelligentes, donc celles qui ont la capacité d’apprendre quelque chose au sujet de leur environnement.

Comme je rumine cette idée, je me rends compte que les sciences sociales – en en particulier ma discipline mère, c’est-à-dire l’économie – ressemblent très largement à la physique quantique. Il y a quelque chose qui se passe, nous ne savons pas à 100% qu’est-ce qui se passe, puisque nous sommes à l’intérieur de ce qui se passe, mais nous avons appris à mesurer empiriquement certaines quantités et à formuler des conclusions pratiques sur la base de ces observations. Le Produit Intérieur Brut, tenez celui-là, par exemple : impossible de le voir, le toucher, d’en avoir un genre quelconque d’expérience directe. Même si j’apprivoise cette bête étrange un peu et je la présente comme Produit Intérieur Brut par tête d’habitant, ça ne reflète toujours pas l’expérience personnelle d’une personne donnée. C’est que nous expérimentons tous les jours c’est plutôt le revenu disponible net en combinaison avec la liquidité locale du patrimoine personnel. Néanmoins, lorsque le PIB par tête d’habitant change significativement, il y a des fortes chances pour que ma situation personnelle change aussi.

C’est que je veux créer est l’équivalent social d’un accélérateur de particules, celui des particules élémentaires du comportement humain : la décision, l’apprentissage, l’adaptation à un environnement nouveau. Tout comme un accélérateur de particules, mon centre expérimental pourrait découvrir des particules comportementales nouvelles. Tenez, peut-être bien que ce que nous percevons aujourd’hui comme conflit, hiérarchie et apprentissage, donc comme trois phénomènes distincts, sont en fait des conglomérats locaux spécifiques d’un même genre de particule comportementale, une espèce que nous ne savons pas encore définir.

Je parle d’un business plan pour créer ce centre expérimental, donc il est temps de penser en des termes adéquats. J’ai envie de suivre la logique d’Adam Smith et de son traité sur la richesse des nations. Allez-y, cliquez sur ce lien hypertexte : vous allez voir qu’Adam Smith, tout en n’ayant jamais d’expérience directe et personnelle du commerce, avait dressé, dans son livre, un sentier intellectuel très solide pour bâtir in business plan. Livre I, Chapitre I, donc : la division du travail. Mon centre expérimental va faire un boulot que d’autres entités font déjà, mais d’une façon plus efficace qu’elles. Ces « autres entités » sont les entreprises qui participent dans la chaîne de valeur des technologies intelligentes, en particulier des entreprises informatiques ainsi que celles qui produisent de l’électronique. C’est une liste ouverte : une société de bâtiment qui s’engage dans la construction des structures architectoniques intelligentes pourrait être intéressée.

Qu’est-ce que ce travail que ces entreprises font déjà et que mon centre expérimental pourrait faire mieux et moins cher ? C’est le travail d’adaptation à un ensemble des comportements humains et ceci sur deux plans : le comportement de leurs utilisateurs, ainsi que l’interaction entre celui-ci et le comportement de leurs propres ingénieurs. J’avais déjà développé quelques idées à ce dernier propos : consultez, par exemple, Une boucle de rétroaction qui reviendra relativement pas cher ainsi que There are many ways of having fun with that experiment . La logique est similaire à celle de la grande industrie où les entreprises manufacturières peuvent bénéficier d’expérimentation avec des technologies de production. De la même façon, une société d’informatique peut bénéficier des résultats d’expérimentation sur l’interaction entre les ingénieurs et les utilisateurs : leur usine c’est la création des solutions digitales dans le cadre de cette interaction.

Mon centre expérimental vendrait deux types de produits : a) les résultats d’expérimentation en tant que tels, donc de la science bien fraîche, ainsi que b) l’accès, sur demande, à un environnement expérimental prêt à donner de l’appui et de la vitesse à d’importe quelle expérience de son champ de recherche. La valeur ajoutée du travail effectué par les chercheurs et les ingénieurs dans mon centre serait celui de recherche serait l’excellence dans la recherche expérimentale ainsi que dans l’aménagement rapide et efficace d’environnements expérimentaux.

Toujours suivant la logique d’Adam Smith, la valeur du marché de mon produit correspond à la quantité de travail propre que mon produit économise à son acheteur. La valeur de mes résultats d’expérimentation est basée sur la valeur économique de l’expérimentation propre de mes clients. Premièrement, donc, mes résultats peuvent être un substitut de leur propre recherche et développement, quoi que là, je suis sceptique : toute entreprise respectable dans le secteur de haute technologie tient à avoir ses propres projets de recherche, largement tenus en secret. Par contre, ce qui pourrait marcher, c’est vendre des résultats d’expérimentation behavioriste avec les technologies intelligentes à des sociétés relativement petites ou peu engagées dans la recherche, qui ne peuvent pas s’offrir leur propre infrastructure de recherche. Disons que mon client potentiel est une société d’informatique de taille moyenne qui développe des logiciels FinTech. Je leur offre un paquet de savoir expérimental qui dit qu’après avoir lancé une utilité nouvelle de paiement en ligne ils vont faire face à quatre schémas d’apprentissage les plus probables sur la part des utilisateurs, est le processus d’apprentissage qui en résulte requerra, sur la part de cette société, de modifier leur logiciel dans un cycle de X semaines et dans ce processus d’innovation cyclique ils devront prendre en considération les schémas les plus probables d’interaction « ingénieur <> utilisateur » décrits dans notre paquet de savoir etc.

En ce qui concerne la valeur ajoutée d’aménagement du travail expérimental, je suis toujours la logique de division de travail, comme décrite par Adam Smith. Si j’organise soixante environnement expérimentaux par an, j’acquiers des compétences spécifiques, basées sur l’expérience dans l’organisation d’expériences.

La valeur économique d’un tel paquet de savoir expérimental serait l’équivalent de la valeur monnayable d’erreurs et de retards dans le développement et le marketing des solutions correspondantes. Côté finance, on peut retrouver cette valeur monnayable comme, par exemple, une prolongation du temps de paiement des factures-client. Dans les secteurs de services exécutées sur la base d’un contrat spécifique avec le client (informatique, bâtiment etc.), il vient un moment délicat lorsque les termes dudit contrat sont formellement remplis (le travail contracté est terminé) et néanmoins il y a tous ces petits « mais » et ces « ça ne fonctionne pas tout à fait comme espéré », qui créent une sorte de brouillard contractuel : est-ce que le client devrait payer maintenant ou pas ? Les régulations fiscales obligent un fournisseur à émettre une facture à un moment donné, même si le client n’est pas tout à fait satisfait. C’est alors que ces « petits » délais de paiement commencent. Bref, le temps qu’un client met à payer, dans le secteur informatique, dépend largement sur la qualité de coopération avec le fournisseur. Cette qualité est inversement proportionnelle à la nécessité d’apprendre par essai et erreur durant l’exécution du contrat. En offrant à un fournisseur des solutions informatiques un paquet de savoir expérimental comme je viens de le décrire, je peux lui aider à réduire les délais de paiement avec ses clients.

Bon, mon singe curieux interne essaie de se faire une idée empirique de tout ça. J’ai un ami qui est en train de faire de la recherche pour sa thèse de doctorat en management et qui m’a gracieusement donné accès à ses données. Il avait étudié, entre autres, une société informatique polonaise – le groupe Asseco Polska – et il m’a refilé quelques chiffres. Merci, Miron ! Vous pouvez voir ces chiffres dans Tableau 1, ci-dessous. Je jette un coup d’œil et je vois que leur cycle de paiement des factures-clients est passé de 82,79 jours en 2011 à 101,65 jours en 2016. Maintenant, j’imagine que mon centre expérimental pourrait apporter à un client tel qu’Asseco le savoir-faire suffisant pour réduire le cycle de paiement à 60 jours. En 2016, ça ferait un peu plus de 900 millions de zlotys polonais en termes de capital investi dans les actifs circulants. Pas mal, pas mal du tout, à condition d’être réalisable.

Bon, j’avance. Je passe au second chapitre dans le premier livre du traité d’Adam Smith : le principe de la croissance du marché. La division de travail peut effectivement prendre lieu en présence d’un marché en croissance. Le marché en question est celui de l’innovation technologique : les technologies intelligentes changent de plus en plus vite. Plus vite elles changent, plus de valeur monnayable est à trouver dans un environnement expérimental bien rôdé. Les dépenses en recherche et développement, de leur côté, montrent une tendance croissante, selon la Banque Mondiale. Intuitivement, je pense que cette catégorie de dépenses est une mesure plus ou moins directe de la taille du marché pour mon centre expérimental.

Ça semble tenir le coup pour le moment, mon idée. Ça promet.

Je continue à vous fournir de la bonne science, presque neuve, juste un peu cabossée dans le processus de conception. Je veux utiliser le financement participatif pour me donner une assise financière dans cet effort. Voici le lien hypertexte de mon compte sur Patreon . Si vous vous sentez prêt à cofinancer mon projet, vous pouvez vous enregistrer comme mon patron. Si vous en faites ainsi, je vous serai reconnaissant pour m’indiquer deux trucs importants : quel genre de récompense attendez-vous en échange du patronage et quelles étapes souhaitiez-vous voir dans mon travail ?

Tableau 1 – Données financières du groupe Asseco Polska

 Chiffres consolidés en millions de PLN (zloty polonais)
 Année 2011  Année 2012  Année 2013  Année 2014  Année 2015  Année 2016
Revenu (ventes)  4 960,00  5 529,10  5 780,00  6 231,90  7 256,20  7 932,00
Frais directs  3 560,60  4 053,40  4 353,10  4 712,10  5 507,10  6 065,50
Marge brute  1 399,40  1 475,70  1 426,90  1 519,80  1 749,10  1 866,50
Frais indirects : généraux et administratifs  749,20  833,80  810,50  870,90  995,20  1 101,70
Autres revenus d’exploitation  17,00  18,50  26,00  32,20  38,30  61,20
Autres frais d’exploitation  22,60  10,50  43,90  44,40  47,50  56,60
Bénéfice opérationnel  644,60  649,90  598,50  636,70  744,70  769,40
Frais financiers  87,50  75,40  77,50  70,90  85,80  98,30
Revenus financiers  157,10  88,20  36,40  82,30  81,20  48,80
Bénéfice brut avant impôt  714,20  662,70  557,40  648,10  740,10  719,90
Bénéfice net après impôt  397,10  370,10  306,40  358,40  366,50  301,30
Actifs – total  9 483,80  9 602,40  9 968,50  10 679,60  12 052,10  12 791,20
Créances d’exploitation  1 125,00  1 182,20  1 238,60  1 326,70  2 099,00  2 209,00
Goodwill  4 606,00  4 905,00  5 035,80  5 206,60  5 548,30  5 978,50
Espèces  974,80  959,90  968,60  1 223,80  1 599,70  1 502,60
Actifs fixes  6 611,60  6 971,80  6 989,10  7 238,30  7 800,40  8 459,40
Fonds propres  7 052,90  7 224,60  7 424,60  7 973,40  8 342,90  8 670,60
Dettes opérationnelles  367,10  359,10  436,50  416,70  844,50  817,50
Dettes financières  2 063,80  2 018,70  2 107,40  2 289,50  2 864,70  3 303,10

Source : https://inwestor.asseco.com/en/ dernier accès 20 Février 2018

 

Stratégie fin 17ème , stratégie fin 18ème

Mon éditorial

Je suis en train de revoir mes notes de recherche (donc ce que j’avais écrit sur mon blog) et de les compiler en un livre. Voilà donc que je revoie deux mises à jour récentes (Quite abundant a walk of life et Countries never behave as they should ) et voilà (seconde fois) que je tombe sur quelque chose d’intéressant : la connexion entre la croissance du marché et l’opportunité pour innover. Je compare deux traités : « Le parfait négociant » de Jacques Savary, de 1675, et « La richesse des nations » d’Adam Smith, datant d’un siècle plus tard. Adam Smith, au milieu de la seconde moitié du 18ème siècle, dit fermement que les meilleures opportunités pour ce qu’il appelait « la division du travail » – et qui aujourd’hui voudrait dire l’innovation – se présentent dans les marchés qui croissent à une cadence relativement rapide. En revanche, Maître Savary, au milieu de la seconde moitié du 17ème siècle, était beaucoup plus enclin à voir des bonnes opportunités dans des marchés bien stables. Qu’est-ce qui eût changé le contexte de l’innovation si profondément in l’espace d’un siècle ?

Trois facteurs de différence viennent à mon esprit : la croissance démographique, la standardisation des systèmes monétaires, et la diversification des technologies. Les années 1670, c’était le temps quand une récession démographique profonde commençait à se faire remarquer un peu partout en Europe. Il avait fallu attendre les années 1760 pour voir un rebond dans la population. Vous pouvez trouver une description fascinante de ce processus de plusieurs décennies – quoi que c’est une histoire froide comme la finance dont elle parle – dans « La théorie de l’impôt » (1760) par Victor Riqueti, marquis de Mirabeau (oui, le même Mirabeau).

Donc, lorsque Jacques Savary écrivait, en 1675, que « cest une chose bien importante que dentreprendre des Manufactures, car il ny va pas moins que de la ruine des entrepreneurs, si elle nest pas conduite avec prudence et jugement », il faisait un croquis sur un fond de teint fait d’une population en déclin. Cette différence cardinale de contexte démographique se mariait d’une façon intéressante avec la diversité technologique. Durant la seconde moitié du 17ème siècle, l’industrie textile semble avoir été le secteur dominant, et de loin, en ce qui concerne l’innovation. Apparemment, à l’époque, inventer un tissu nouveau était l’équivalent de l’invention informatique aujourd’hui : un vrai cerveau, ça inventait un nouveau draguet pour les gens pauvres ou un nouveau ruban décoratif pour les riches. Notre guide dans les aléas de cette époque, Maître Savary, se vante lui-même d’avoir inventé, ainsi qu’avoir mis en marché, trois produits textiles différents, dont un – et voilà un petit bijou historique – était un ruban tissé en fil d’or et d’argent. En revanche, à la fin du 18ème , l’innovation prenait place un peu partout et, ce qui est un phénomène intéressant, elle prenait place dans le secteur financier, tout en contribuant à la standardisation financière. A l’époque, la finance, c’était en train d’inventer sa Ford Modèle T.

Voilà donc que j’arrive à ce troisième facteur : le pognon. Lorsque Maître Savary décrit les différentes stratégies de ce qu’il appelait « La Manufacture » – donc l’industrie – il préconise très clairement de se concentrer sur les étoffes bien établies dans le marché, qui ont « un cours ordinaire ». Cette notion de cours ordinaire reflète bien le fonctionnement des systèmes monétaires de l’époque : extrêmement diversifiés, basés très largement sur la circulation, par l’endossage, de la dette privée décentralisée. La plupart du monde d’affaires était basée sur un système des prix qui se croisait constamment avec le système des taux de change très fluide, y compris les taux de change des dettes privées provenant des sources diverses. Aussi bien dans le marché de vente que dans le marché d’achat, ce qu’on appelle aujourd’hui la politique de prix, dans le marketing mix, ressemblait plutôt au marché Forex moderne, mais avec plus de risque et avec une absence quasi-totale de ce que nous appelons, de nos jours, les valeurs-refuge (le franc suisse, tiens). La seconde moitié du 18ème siècle – les temps d’Adam Smith – c’était presque ennuyeux, par comparaison.

Voilà donc que nous arrivons à deux types de stratégies différentes en ce qui concerne l’innovation et le changement technologique. La stratégie « Fin 17ème » est celle qu’on pratique dans des marchés en déclin démographique, où la perte de vitesse en termes de population se traduit par un rétrécissement dramatique de la palette d’innovations possibles, ainsi que par un système monétaire où personne n’a vraiment d’intérêt à créer une circulation prévisible et à réduire le risque financier. D’autre part, je définis la stratégie « Fin 18ème », où une croissance démographique marquée, une innovation florissante et des systèmes monétaires qui croissent par standardisation. Bon, maintenant j’applique ça à ma petite obsession : les énergies renouvelables. Dans cet article que je viens de terminer , j’ai découvert un équilibre entre la population et la quantité d’énergies renouvelables par tête d’habitant. Il y a des pays, où l’importance des renouvelables pour l’équilibre démographique est extrêmement importante. Ce sont des cas aussi divers que l’Arabie Saoudite, Turkménistan, Botswana, Finlande ou la Lettonie. Là-bas, la population, ça semble être étroitement lié au marché d’énergies renouvelables. Par coïncidence, ce sont des pays avec des populations relativement stables et pas vraiment les plus grandes du monde. Intuitivement, j’associe leurs marchés d’énergies renouvelables avec la stratégie « Fin 17ème ». A l’extrémité opposée de l’échelle vous trouverez des pays comme la Chine ou l’Inde (mais aussi l’Ethiopie ou le Japon), où le marché des renouvelables semble avoir relativement peu de connexion avec le facteur population. Je pourrais être tenté de les associer avec la stratégie type « Fin 18ème » et en plus ça pourrait tenir pour les pays comme la Chine ou l’Inde, mais l’Ethiopie… Pas évident du tout. Là, je me sens comme dans un cul de sac. On va bien voir.

Je réorganise mes ressources pour le Python

Mon éditorial

Me voilà qui continue cette expérience étrange et rafraîchissante de faire de la recherche sur le changement technologique en même temps que je fais du changement technologique en moi-même, c’est-à-dire en apprenant le Python, une langue de programmation à la mode dans les endroits fréquentés par des types comme moi. Ces endroits sont des universités, des conférences, des bibliothèques etc. Vous voyez le genre. Durant les deux derniers jours j’ai déjà découvert qu’en appréhendant cette technologie nouvelle (nouvelle pour moi, je veux dire), j’avais commencé, intuitivement, par utiliser le Python pour qu’il fasse exactement la même chose que fait Excel ou mon logiciel d’analyse statistique, Wizard for MacOS. Je m’étais donc appliqué à bâtir une base de données comme je la vois, donc comme une table. En Python, les données sont organisées comme structures logiques et non pas graphiques, donc mes efforts avaient été vains dans une large mesure. Je commettais beaucoup d’erreurs, parfois stupides. J’avais besoin d’un nombre surprenant d’essais pour acquérir une capacité acceptablement intuitive de distinguer entre les structures logiques validées et celles qui ne le sont pas. Ça m’avait aussi pris un temps déconcertement long pour faire la distinction entre des structures logiques avec des mots et des symboles dedans – ces soi-disant « strings » – et les structures qui contiennent des nombres. Pour les non-initiés, une série de noms en Excel, ça se présente comme une colonne ou bien un vers, donc comme :

Mot#1
Mot#2
Mot#3

   …ou bien comme

Mot#1 Mot#2 Mot#3

…tandis qu’en Python ce serait plutôt :

>>> Mots=[‘Mot#1’, ‘Mot#2’, ‘Mot#3’]

… donc chaque mot entre des apostrophes (qui sont des marques de citation de base en anglais), les mots séparés par des virgules et tout ça compris entre des parenthèses carrées. C’est précisement ce qu’on appelle un « string ».

Si je veux organiser des valeurs numériques, la façon que j’ai déjà apprise pour les organiser est une série entre des parenthèses rondes :

>>> Nombres=(23, 34, 45, 56)

Comme vous pouvez le constater, le Python requiert un ordre logique : valeur logique ou numérique en position no. 1, ensuite celle en position no. 2 et ainsi de suite.

Bref, en un premier temps, j’avais mis beaucoup d’effort pour insérer de force cette nouvelle technologie dans une vieille structure de mes habitudes, et ce n’est qu’ensuite que j’ai commencé à apprendre des nouvelles habitudes. Tout ça se reflétait dans une efficacité tout ce qu’il y a de plus lamentable. J’avançais à un pas d’escargot. Oui, je sais, un escargot, ça n’a pas de pattes, donc ça ne peut pas faire de pas, mais « pas d’escargot » ça sonne bien.

Hier soir, tout en m’entraînant à développer une compréhension aussi intuitive que possible de ces structures logiques de Python, j’avais commencé à faire autre chose : engranger des données organisées façon Python. Les tables que je télécharge du site de la Banque Mondiale sont organisées en pays et années d’observation, pays en colonne, années dans un vers en haut. Je sens intuitivement qu’une fois que je crée un string des pays et je le sauve dans un fichier Python à part, il me servira plusieurs fois pour apprendre des nouveaux trucs ou tout simplement pour faire des analyses plus tard, lorsque j’aurai appris comment utiliser se string des pays. Avec deux tests rapides pour la grammaire et avec deux petits réajustements, ça m’a pris 26 minutes de créer le fichier « countries_WB.py », qui contient un string nommé « countries », qui, à son tour, contient la même liste des pays et régions, en anglais, que vous pouvez trouver dans les tables Excel de la Banque Mondiale.

Ce que je viens de faire consiste à réorganiser mes ressources de façon à les rendre plus accessibles à la nouvelle technologie que j’apprends. Pour le moment, je l’avais fait manuellement, en copiant la table des pays en Excel dans mon éditeur Word, ensuite en la convertissant en texte, copiant ce texte dans le compilateur Python et organisant ces noms des pays en un string « countries=[‘Pays#1’, ‘Pays#2’, etc.]. Je sais, je sais, je pourrais télécharger directement, du site de la Banque Mondiale, un fichier en format CSV et le déballer avec les commandes Python du module « csv ». Oui, j’aurai pu le faire si je savais exactement comment le faire et ça, c’est encore de l’avenir pour moi. Je faisais donc face à un choix : organiser mes ressources pour la nouvelle technologie en une manière bien grossière et improductive ou bien attendre que j’apprenne une façon plus rapide et élégante d’accomplir la même tâche. J’avais choisi la première option.

Voilà donc que je peux généraliser mes observations au sujet de mon propre comportement dans cette expérience sur moi-même. En présence d’une technologie nouvelle, j’ai développé comme trois modèles de comportement :

Modèle #1 : j’essaie d’utiliser la nouvelle technologie (Python) pour accomplir les mêmes résultats que j’accomplissais avec la technologie précédente (Excel, Wizard). Mon choix consiste surtout à décider combien de temps et d’énergie je vais consacrer à essayer d’appliquer la logique ancienne à la technologie nouvelle.

Modèle #2 : Je me suis rendu compte que les vieilles habitudes ne marchent pas et je commence à en apprendre des nouvelles. Mon choix se fait à deux niveaux. Premièrement, je fais des petites décisions instantanées à propos du prochain pas d’apprentissage à faire. Sur un deuxième niveau, je décide combien de temps et d’énergie consacrer à l’apprentissage des compétences requises par la technologie nouvelle. C’est un choix fait en vue de bénéfices futurs incertains.

Modèle #3 : Je sais que l’une des compétences de base dans l’univers de Python consiste à organiser mes ressources de base – l’information – en des structures spécifiques. Je décide de faire un premier pas dans cette direction et je consacre environ une demi-heure à créer un string des pays et régions, exactement conforme à l’ordre utilisé dans les données de la Banque Mondiale. Je me souviens d’avoir fait deux choix distincts : est-ce que je m’y prends du tout et quel type d’information organiser en premier. J’avais pris ces deux décision en sachant que j’utilise une technique qui est loin d’être optimale dans l’univers de cette nouvelle technologie, ainsi que je savais que je ne sais pas du tout comment je vais utiliser ce string des pays dans l’avenir (je n’y suis pas encore arrivé dans mon apprentissage de Python).

A propos, juste pour que vous ayez du solide après avoir lu cette mise à jour : en-dessous du texte, j’ai copié ce string des pays exactement comme je l’avais écrit manuellement. Comme ça se présente maintenant, ça devrait être directement utilisable en Python. Vous pouvez le copier et mettre dans un programme. Côté syntaxe, c’est correct : je l’avais testé avec la commande « list(countries) » et Python avait rendu une liste à partir du string sans gueuler « erreur ! ». A cette occasion, j’ai appris que le dépositoire des fichiers sur mon site https://discoversocialsciences.com , dans l’environnement Word Press, n’accepte pas des fichiers en Python. Je voulais y télécharger et stocker le fichier « countries_WB.py » et le site a rendu erreur. Une petite leçon à propos de la compatibilité des technologies.

Maintenant, j’applique ces nouvelles connaissances, tout ce qu’il y a de plus empirique, pour faire une généralisation théorique. Si nous considérons deux technologies, une ancienne TC0 et une nouvelle TC1, la transition de TC0 à TC1 est liée, entre autres, à trois phénomènes : une substitution fonctionnelle complexe, un coût d’apprentissage CA(TC0 ; TC1) et un coût de réorganisation de ressources CR(TC0 ; TC1). Le premier phénomène, celui de substitution complexe, peut être représenté comme une relation entre deux ensembles. Il y a un ensemble F(TC0) = {f1, f2, …, fi} des fonctions remplies par la technologie TC0, et par analogie, je définis un ensemble F(TC1) = {g1, g2, …, gk} des fonctions remplies par la technologie TC1. Maintenant, avant que je passe plus loin, un petit mon d’explication à propos de la présentation : j’écris ce contenu-ci en sachant que je vais le copier dans mes deux blogs, celui en Word Press à https://discoversocialsciences.com , ainsi que celui dans l’environnement Blogger, à l’addresse https://researchsocialsci.blogspot.com . Tous les deux ne sont pas vraiment ami-ami avec l’éditeur d’équation de MS Word, donc j’écris les équations avec les symboles du clavier. Je n’ai pu trouver aucun clavier qui permet de taper directement les opérateurs mathématiques, y compris les opérateurs d’ensembles. J’adopte donc une convention simplifiée où les symboles +, -, * et / correspondent, respectivement, à la somme, différence, produit et quotient des ensembles.

La relation de substitution complexe entre technologies veut dire, qu’avec un niveau donné de compétences de la part d’utilisateurs, les ensembles F(TC0) = {f1, f2, …, fi} et F(TC1) = {g1, g2, …, gk} ont une partie commune, ou F(TC0)*F(TC1), qui correspond aux fonctions remplies par les deux technologies. Je définis le degré de substitution entre les deux technologies comme le quotient complexe : SU(TC0 ; TC1) = [F(TC0)*F(TC1)] / [ F(TC0) + F(TC1)]. Je pose formellement l’hypothèse que le coût d’apprentissage CA(TC0 ; TC1) ainsi que le  un coût de réorganisation de ressources CR(TC0 ; TC1) sont tous les deux inversement proportionnels à la valeur du quotient complexe SU(TC0 ; TC1) ou :

CA(TC0 ; TC1) = a1* SU(TC0 ; TC1)

CR(TC0 ; TC1) = a2* SU(TC0 ; TC1)

a1 > 0 ; a2 > 0

Je me dis, quand je regarde cette structure logique, qu’elle risque d’être un peu lourde avec beaucoup de technologies qui se substituent d’une façon complexe et avec beaucoup d’attributs fonctionnels. Je vois donc une façon alternative de représenter la même proposition, avec l’aide de la distance Euclidienne. Vous savez, ce truc basé sur le théorème de Pythagore : si on a deux points A et B, chacun défini par deux coordonnées x et y, on peut calculer la distance entre ces deux points comme d = ((x(A) – x(B))2 + (y(A) – y(B))2)0,5 . Maintenant, je remplace les points A et B par mes technologies TC0 et TC1, TCce que vous voulez, par ailleurs, et je dote chacune avec deux attributs mesurables x et y. Je peux alors calculer la distance Euclidienne « d » dans une paire donnée de technologies. Comme je suis toujours conscient que je devrais apprendre le Python, voilà, ci-dessous, je présente le fruit de trois jours d’apprentissage : un petit calculateur de distance Euclidienne en Python 3.6.2 :

# je commence par définir les coordonnées des trois technologies TC0, TC1 et TC2

>>> TC0=(12, 45)

>>> TC1=(34, 15)

>>> TC2=(17, 30)

>>> import math      #j’importe le module des fonctions mathématiques, juste pour me faciliter la tâche

# je définis mon calculateur pour la première paire de technologies

>>> for n in range(0, len(TC0)):

            for m in range(0, len(TC1)):

                       print(math.sqrt((math.pow(34-12, 2)+math.pow(15-45, 2))))

37.20215047547655

37.20215047547655

37.20215047547655

37.20215047547655

# je n’ai pas la moindre idée pourquoi le compilateur a affiché le même résultat quatre fois ; voilà un défi potentiel

#je répète avec l’autre paire de technologies

>>> for n in range(0, len(TC0)):

            for m in range(0, len(TC2)):

                       print(math.sqrt((math.pow(17 – 12, 2) + math.pow(30 – 15, 2))))

15.811388300841896

15.811388300841896

15.811388300841896

15.811388300841896

#voilà encore une fois le même résultat quatre fois ; amusant

Bon, je commence à ressentir de la fatigue intellectuelle. Temps de terminer pour aujourd’hui. A bientôt.

Comme promis, voilà le string des pays pour Python, conforme à la structure utilisée par la Banque Mondiale :

countries=[‘Aruba’,‘Afghanistan’,‘Angola’, ‘Albania’, ‘Andorra’, ‘Arab World’, ‘United Arab Emirates’, ‘Argentina’, ‘Armenia’, ‘American Samoa’, ‘Antigua and Barbuda’, ‘Australia’, ‘Austria’, ‘Azerbaijan’, ‘Burundi’, ‘Belgium’, ‘Benin’, ‘Burkina Faso’, ‘Bangladesh’, ‘Bulgaria’, ‘Bahrain’, ‘Bahamas The’, ‘Bosnia and Herzegovina’, ‘Belarus’, ‘Belize’, ‘Bermuda’, ‘Bolivia’, ‘Brazil’, ‘Barbados’, ‘Brunei Darussalam’, ‘Bhutan’, ‘Botswana’, ‘Central African Republic’, ‘Canada’, ‘Central Europe and the Baltics’, ‘Switzerland’, ‘Channel Islands’, ‘Chile’, ‘China’, ‘Cote d_Ivoire’, ‘Cameroon’, ‘Congo, Dem. Rep.’, ‘Congo, Rep.’, ‘Colombia’, ‘Comoros’, ‘Cabo Verde’, ‘Costa Rica’, ‘Caribbean small states’, ‘Cuba’,’Curacao’, ‘Cayman Islands’, ‘Cyprus’, ‘Czech Republic’, ‘Germany’, ‘Djibouti’, ‘Dominica’, ‘Denmark’, ‘Dominican Republic’, ‘Algeria’, ‘East Asia & Pacific (excluding high income)’, ‘Early-demographic dividend’, ‘East Asia & Pacific’, ‘Europe & Central Asia (excluding high income)’, ‘Europe & Central Asia’, ‘Ecuador’, ‘Egypt, Arab Rep.’, ‘Euro area’, ‘Eritrea’, ‘Spain’, ‘Estonia’, ‘Ethiopia’, ‘European Union’, ‘Fragile and conflict affected situations’, ‘Finland’, ‘Fiji’, ‘France’, ‘Faroe Islands’, ‘Micronesia, Fed. Sts.’, ‘Gabon’, ‘United Kingdom’, ‘Georgia’, ‘Ghana’, ‘Gibraltar’, ‘Guinea’, ‘Gambia, The’, ‘Guinea-Bissau’, ‘Equatorial Guinea’, ‘Greece’, ‘Grenada’, ‘Greenland’, ‘Guatemala’, ‘Guam’, ‘Guyana’, ‘High income’, ‘Hong Kong SAR, China’, ‘Honduras’, ‘Heavily indebted poor countries (HIPC)’, ‘Croatia’, ‘Haiti’, ‘Hungary’, ‘IBRD only’, ‘IDA & IBRD total’, ‘IDA total’, ‘IDA blend’, ‘Indonesia’, ‘IDA only’, ‘Isle of Man’, ‘India’, ‘Not classified’, ‘Ireland’, ‘Iran, Islamic Rep.’, ‘Iraq’, ‘Iceland’, ‘Israel’, ‘Italy’, ‘Jamaica’, ‘Jordan’, ‘Japan’, ‘Kazakhstan’, ‘Kenya’, ‘Kyrgyz Republic’, ‘Cambodia’, ‘Kiribati’, ‘St. Kitts and Nevis’, ‘Korea, Rep.’, ‘Kuwait’, ‘Latin America & Caribbean (excluding high income)’, ‘Lao PDR’, ‘Lebanon’, ‘Liberia’, ‘Libya’, ‘St. Lucia’, ‘Latin America & Caribbean’, ‘Least developed countries: UN classification’, ‘Low income’, ‘Liechtenstein’, ‘Sri Lanka’, ‘Lower middle income’, ‘Low & middle income’, ‘Lesotho’, ‘Late-demographic dividend’, ‘Lithuania’, ‘Luxembourg’, ‘Latvia’, ‘Macao SAR, China’, ‘St. Martin (French part)’, ‘Morocco’, ‘Monaco’, ‘Moldova’, ‘Madagascar’, ‘Maldives’, ‘Middle East & North Africa’, ‘Mexico’, ‘Marshall Islands’, ‘Middle income’, ‘Macedonia, FYR’, ‘Mali’, ‘Malta’, ‘Myanmar’, ‘Middle East & North Africa (excluding high income)’, ‘Montenegro’, ‘Mongolia’, ‘Northern Mariana Islands’, ‘Mozambique’, ‘Mauritania’, ‘Mauritius’, ‘Malawi’, ‘Malaysia’, ‘North America’, ‘Namibia’, ‘New Caledonia’, ‘Niger’, ‘Nigeria’, ‘Nicaragua’, ‘Netherlands’, ‘Norway’, ‘Nepal’, ‘Nauru’, ‘New Zealand’, ‘OECD members’, ‘Oman’, ‘Other small states’, ‘Pakistan’, ‘Panama’, ‘Peru’, ‘Philippines’, ‘Palau’, ‘Papua New Guinea’, ‘Poland’, ‘Pre-demographic dividend’, ‘Puerto Rico’, ‘Korea, Dem. People’s Rep.’, ‘Portugal’, ‘Paraguay’, ‘West Bank and Gaza’, ‘Pacific island small states’, ‘Post-demographic dividend’, ‘French Polynesia’, ‘Qatar’, ‘Romania’, ‘Russian Federation’, ‘Rwanda’, ‘South Asia’, ‘Saudi Arabia’, ‘Sudan’, ‘Senegal’, ‘Singapore’, ‘Solomon Islands’, ‘Sierra Leone’, ‘El Salvador’, ‘San Marino’, ‘Somalia’, ‘Serbia’, ‘Sub-Saharan Africa (excluding high income)’, ‘South Sudan’, ‘Sub-Saharan Africa’, ‘Small states’, ‘Sao Tome and Principe’, ‘Suriname’, ‘Slovak Republic’, ‘Slovenia’, ‘Sweden’, ‘Swaziland’, ‘Sint Maarten (Dutch part)’, ‘Seychelles’, ‘Syrian Arab Republic’, ‘Turks and Caicos Islands’, ‘Chad’, ‘East Asia & Pacific (IDA & IBRD countries)’, ‘Europe & Central Asia (IDA & IBRD countries)’, ‘Togo’, ‘Thailand’, ‘Tajikistan’, ‘Turkmenistan’, ‘Latin America & the Caribbean (IDA & IBRD countries)’, ‘Timor-Leste’, ‘Middle East & North Africa (IDA & IBRD countries)’, ‘Tonga’, ‘South Asia (IDA & IBRD)’, ‘Sub-Saharan Africa (IDA & IBRD countries)’, ‘Trinidad and Tobago’, ‘Tunisia’, ‘Turkey’, ‘Tuvalu’, ‘Tanzania’, ‘Uganda’, ‘Ukraine’, ‘Upper middle income’, ‘Uruguay’, ‘United States’, ‘Uzbekistan’, ‘St. Vincent and the Grenadines’, ‘Venezuela, RB’, ‘British Virgin Islands’, ‘Virgin Islands (U.S.)’, ‘Vietnam’, ‘Vanuatu’, ‘World’, ‘Samoa’, ‘Kosovo’, ‘Yemen, Rep.’, ‘South Africa’, ‘Zambia’, ‘Zimbabwe’]