Nous étudions l’influence des réseaux d’entrées-sorties sur le rythme d’adoption des technologies. En particulier, nous modélisons la décision d’adopter le langage de programmation Python 3 pour des progiciels. Python 3 propose des fonctions avancées, mais son installation ne permet pas un retour à la version Python 2, ce qui en soi représente un coût d’adoption. De plus, les progiciels dépendent d’autres progiciels. Autrement dit, la décision d’adopter un progiciel est influencée par les décisions d’adopter d’autres progiciels parce que de nombreux progiciels sont interreliés.

Nous construisons un modèle dynamique d’adoption de technologies qui incorpore un réseau d’entrées-sorties. Il est estimé à partir d’un ensemble complet de données tirées des progiciels Python. Nous sommes parmi les premiers à faire le lien entre les études consacrées aux modèles dynamiques à choix discret et l’analyse de réseaux. Nous contribuons aussi aux travaux sur l’adoption des technologies en montrant les conséquences négatives potentielles des réseaux d’entrées-sorties sur l’adoption d’une technologie à l’intérieur d’un cadre dynamique.

Nous montrons que la décision d’adopter un progiciel est largement influencée par les décisions d’adopter des progiciels dont il dépend. Nous menons des analyses contrefactuelles des subventions sectorielles. Elles nous permettent de démontrer que la structure des réseaux est un facteur essentiel dans le choix d’une politique de subvention optimale.