Article 2010

qwertyuiopasdfghjklzxcvbnmqwert
yuiopasdfghjklzxcvbnmqwertyuiopas
dfghjklzxcvbnmqwertyuiopasdfghjklz
Efficience et Qualité de
xcvbnmqwertyuiopasdfghjklzxcvbnm
l’Enseignement Supérieur
qwertyuiopasdfghjklzxcvbnmqwerty
17/05/2010
uiopasdfghjklzxcvbnmqwertyuiopasd
BEN HAMIDA ZRELLI Nadia
fghjklzxcvbnmqwertyuiopasdfghjklzx
cvbnmqwertyuiopasdfghjklzxcvbnmq
wertyuiopasdfghjklzxcvbnmqwertyui
opasdfghjklzxcvbnmqwertyuiopasdfg
hjklzxcvbnmqwertyuiopasdfghjklzxc
vbnmqwertyuiopasdfghjklzxcvbnmq
wertyuiopasdfghjklzxcvbnmqwertyui
17 mai 2010 [EFFICIENCE ET QUALITE DE L’ENSEIGNEMENT SUPERIEUR]
Efficience et Qualité de l’Enseignement Supérieur
BEN HAMIDA ZRELLI Nadia*
Université Tunis El Manar
Faculté des sciences économiques et de gestion de Tunis
Mai 2010
Résumé
La principale mission des systèmes d’enseignement supérieur est la formation d’une main
d’œuvre hautement qualifiée. Durant ces dernières décennies, ces systèmes sont passés d’un
élitisme à une massification suite à la démocratisation de l’accès à la formation supérieure.
Combiné à une forte contrainte budgétaire, les universités sont obligées d’opérer avec plus
d’efficience affectant vraisemblablement la qualité du service offert. Dans ce travail on se
propose de construire des indicateurs d’efficience et de qualité moyennant la technique
d’estimation non-paramétrique DEA et de démontrer l’existence d’un dilemme efficience-
qualité dans les systèmes d’enseignement supérieur.
Mots clefs : Enseignement Supérieur, Efficience, Qualité, Data Envelopment Analyses
Abstract:
The principal mission of the higher education systems is the training of a highly qualified
workforce. During last decades, these systems passed from elitism to massification given the
democratization of the access to higher education. Considering the strong budgetary
constraint, institutions of higher education are obliged to operate with more efficiency
affecting the quality of the offered service. In this work, we propose the construction of
efficiency and quality indicators to demonstrate the existence of a quality-efficiency dilemma
in the higher education systems.
Keywords: higher education, efficiency, quality, Data Envelopment Analyses
Code JEL : A2, C8, D2, H4, I2
 Doctorante en sciences économiques de la FSEG de Tunis et ancienne enseignante contractuelle de l’ESSEC Tunis
Page 2
Introduction
Le système d’enseignement supérieur participe considérablement à la croissance

économique et au développement d’un pays. La Banque Mondiale définit sa principale
mission comme étant la formation des cadres, des chercheurs, d’ingénieurs et de techniciens
capables d’utiliser leurs plus-values au développement, à l’adaptation et à la diffusion des
innovations.
Les deux dernières décennies se caractérisent par une démocratisation de l’accès à

l’enseignement supérieur. Deux principales raisons expliquent ce phénomène. D’une part les
besoins du marché de travail en termes de main d’œuvre hautement qualifiée et, d’autres part,
une forte demande des études supérieure animé par l’espoir de trouver un bon emploi à la fin
de la formation et donc une meilleure situation socio-économique. Etant données ces
circonstances les établissements d’enseignement supérieur se voit contraint de relaxer les
critères d’admissions aux formations du supérieures.
Face à cette démocratisation les pouvoirs publics trouvent de plus en plus de difficultés
pour garantir les ressources financières nécessaires ce qui oblige les institutions
d’enseignement supérieur d’opérer avec plus d’efficience. Ainsi, dans un cadre mondial de
restriction budgétaire combiné à un phénomène de massification de l’enseignement supérieur,
les planificateurs confrontent la nécessité de maintenir la qualité du service offert.
Ce qui nous suscite à poser la problématique suivante : Est-ce que le passage d’un
enseignement supérieur élitiste à un enseignement supérieur de masse avec l’obligation
d’opérer avec efficience pourrait affecter la qualité de la formation offerte ?
Cet article se propose de répondre à cette question à travers l’exposition, dans une
première section, une approche théorique de l’efficience et de la qualité de l’enseignement
supérieur. La seconde section fait l’objet d’une présentation de la méthode d’estimation des
deux indicateurs de qualité et d’efficience. La troisième section est un exposé des modèles
estimés, ainsi que les résultats obtenus et leurs interprétations.
Page 3
Efficience et qualité de l’enseignement supérieur : approche

théorique
La conjoncture actuelle de massification des systèmes d’enseignement supérieur

explique l’abondance des travaux portant sur le thème d’efficience alors que le concept même
de la qualité reste évasif et difficilement cerné.
Efficience interne des systèmes d’enseignement supérieur
Selon Lewis (1989) et Schwartz (1987) « l’allocation de nouvelles ressources ou de

ressources supplémentaires semble dépendre de plus en plus des résultats obtenus ». Cette
exigence de résultats en fonction des ressources mobilisées s’inscrit dans une perspective
d’évaluation de l’efficience. Lê Than Khôi (1967) avance que « la productivité totale des
facteurs ou l’ensemble des ressources utilisées permettent de déterminer le degré d’efficience
d’une économie ou de ses diverses branches ». L’efficience se base alors sur le rapport entre
les effets observés et les ressources mobilisées. Elle exprime « le rapport entre ce qui est
réalisé et les moyens mis en œuvre » Legendre (1993).
L’efficience interne quantitative met l’accent sur la nature quantitative des résultats du
système éducatif exprimé en fonction des ressources mobilisées. Cet indicateur est
généralement évalué à travers le rapport entre le nombre de diplômés et les dépenses en
personnel ou bien par le rapport entre le nombre d’inscriptions et la masse salariale du corps
enseignant.
Dans une optique de minimisation des coûts, l’étude de l’efficience interne

quantitative permet de déterminer le nombre d’enseignants, la quantité de matériels ou le
volume de ressources nécessaires pour réaliser un niveau d’output donné.
Afin d’expliciter la notion d’efficience il nous faut recourir aux outils d’analyse
microéconomiques. La notion d’efficience se base sur le rapport entre les outputs (sortie) ou
effets observés et les inputs (entrées) définies exclusivement en fonctions des ressources
financières mobilisées.
On distingue trois types d’efficience interne : l’efficience allocative, l’efficience technique

et l’efficience à l’échelle.
Koopmans (1951) définit l’efficience technique comme étant « le vecteur d’inputs ou

d’outputs où il est impossible d’accroître n’importe quel output (ou une diminution d’inputs)
Page 4
sans une réduction simultanée d’un autre output (ou une augmentation d’inputs) ». D’un
point de vue microéconomique, une entreprise alloue de manière efficiente ses ressources si,
d’une part, elle atteint le plein emploi et, d’une autre part, si les taux de substitution technique
entre les différents inputs sont les mêmes pour les différents outputs produits.
L’exemple suivant (graphique N°1) nous permet d’expliquer le concept d’efficience

technique dans le cadre de l’enseignement supérieur. Supposons que quatre universités
utilisent deux inputs, le nombre d’enseignants par étudiant (X) et le nombre d’ordinateurs
disponibles (Y), pour produire un seul output, le nombre de diplômés.
A K L
A’
g
J Isoquant
Isocoût
0 Y
Graphique N°1 : Diagramme d’efficience allocative dans le cadre de l’enseignement

supérieur
La première étape dans la détermination de l’efficience est l’identification d’un niveau

standard à partir duquel l’estimation est dérivée. Ceci consiste à identifier les institutions qui
minimisent l’utilisation des inputs pour réaliser un niveau d’output donné. Cet ensemble
d’institutions forme une enveloppe ou une frontière à partir de laquelle toute déviation est
considérée comme une inefficience.
Les points le long de l’enveloppe représentent les combinaisons équivalentes des

processus de production qui minimisent les coûts pour un niveau de production donné.
L’institution placée au point K utilise des quantités plus importantes des deux inputs que les
institutions placées aux points A ou J. Son degré d’inefficience est mesuré par les quantités
d’inputs qu’elle devrait renoncer à utiliser pour se placer sur l’enveloppe.
Page 5
Pour réaliser une efficience allocative il faut ajouter aux conditions de l’efficience
technique l’égalité entre le taux marginal de substitution TMS des deux inputs et leur rapport
de prix. La mesure de l’efficience allocative n’est possible qu’avec la considération de la
droite d’isocoût. La droite d’isocoût décrit le degré de substitution des inputs sur le marché à
travers leurs prix relatifs. Elle s’interprète comme la combinaison d’inputs réalisable sous une
contrainte budgétaire donnée.
L’inefficience allocative est mesurée par la distance qui sépare l’isoquant de l’isocoût
A, A . La considération de l’isocoût rend l’institution placée au point A inefficiente car elle
'
opère au dessus de cette droite. Pour atteindre le niveau efficient de part ses allocations, elle
doit se déplacer le long de l’isoquant jusqu’à atteindre la tangente avec l’isocoût (le point g).
Ainsi elle produit le même niveau d’output en minimisant les coûts et réalise à la fois
l’efficience technique et l’efficience allocative, condition nécessaire à la réalisation de
l’efficience économique.
L’étude de l’efficience à l’échelle permet de déterminer la taille optimale d’une institution

dont toute déviation est considérée comme source d’inefficience. Selon la théorie économique
à long terme les firmes en situation de concurrence pure et parfaite continuent à ajuster leurs
tailles jusqu’à atteindre un niveau qui coïncide aux rendements d’échelle constants.
Dans le cadre de l’enseignement supérieur, une institution atteint sa taille optimale

lorsqu’elle opère en rendements d’échelle constants : tout dédoublement du niveau d’inputs
utilisés conduit à une augmentation proportionnelle de l’output. En d’autres termes, dans un
cadre de rendements d’échelle constants il n’y a pas de gaspillage. On suppose par exemple
qu’un enseignant est capable d’assurer un cours pour 100 étudiants alors que concrètement le
nombre d’élèves assistant au cours est de 70. Le coût moyen par étudiant est donc trop élevé.
Par contre si le nombre de présents à ce cours augmente, le coût va diminuer car l’institution
n’a pas à recruter un enseignant de plus pour garantir le cours et le nombre de diplômés
augmente.
Le caractère multi-output des systèmes d’enseignement supérieur nous oblige à

considérer l’économie de gamme. Il s’agit d’une réduction des coûts obtenue par la
production conjointe de plusieurs outputs plutôt que de les produire séparément. En effet il est
plus économique d’offrir un même service à deux étudiants A et B simultanément que de
mettre en place un tel service une fois à la disposition de A et une autre fois au service de B.
Dans ces économies de gamme rentrent en ligne de compte un grand nombre de facteurs le
Page 6
plus essentiel est la présence de facteurs de production communs au niveau du système de

production. Koshal et Koshal (1999) démontre l’existence de ces économies de gamme en
étudiant plus de 300 institutions d’enseignement supérieur des Etats-Unis.
La qualité dans l’enseignement supérieur
L’intérêt porté à la qualité de l’enseignement supérieur s’explique par les

phénomènes suivants :
 Une tendance générale d’amélioration de la qualité des services publics.

 Une massification de l’enseignement supérieur.
 Une concurrence par rapport aux ressources financières.
 Un éventuel dilemme efficience-qualité.
Dans Lomas (2002) on rapporte que Ritzer a introduit le terme de Mcdonalisation pour
mettre en relief la perte de « prestige » des institutions d’enseignement supérieur due à leurs
massifications. En effet les institutions d’enseignement supérieur ne sont pas aussi différentes
des institutions offrants d’autres services. Le consommateur s’attend aux mêmes standards et
qualité de l’enseignement supérieur que ceux auxquels il s’attend lorsqu’il achète un
Hamburger ou en effectuant une transaction bancaire.
Cet argument est un instrument de mise en garde par rapport à la Mcdonalisation de

l’enseignement supérieur et met donc en relief l’importance de l’amélioration de la qualité qui
devrait être une priorité parmi les objectifs de la politique éducative.
Suite à ce regain d’intérêt une polémique par rapport à la définition même de la qualité
dans l’enseignement supérieur est apparue. En effet jusqu’à maintenant il n’existe pas de
définition communément admise pour ce concept. Selon Ball (1985) « définir la qualité de
l’enseignement supérieur est l’une des plus difficiles taches à faire ». Pirsing (1974) avance
que « le concept est évasif » et qu’il n’existe donc pas de critères ou de standards qui nous
permettent de mesurer la qualité.
Selon le rapport final de la commission sur la qualité de l’enseignement supérieur

présenté à la conférence mondiale sur l’enseignement supérieur UNESCO (1998), la qualité
est un concept complexe, dynamique, a facettes multiples, et qui s’appuie sur des données
historiques souvent définies par ce qui fait défaut plutôt que par son contenu. Le rapport
présente aussi la qualité de l’enseignement supérieur comme le reflet de conceptions socio-
économiques, culturelles et politiques au niveau régional, national et mondial.
Page 7
Martin. M et Stella. A (2007) présentent deux raisons qui expliquent les difficultés
rencontrées lorsqu’il s’agit de définir la qualité dans l’enseignement supérieur.
D’une part il n’existe aucun consensus sur les objectifs précis de l’enseignement
supérieur même si l’on peu en citer quelques-uns comme la production d’une main d’œuvre
qualifiée, la formation de futurs chercheurs, l’instauration de moyens de gestion efficaces de
la profession enseignante et l’amélioration des conditions de vie.
D’autre part, l’enseignement supérieur, comme tout autre type d’enseignement, est un
processus complexe et multidimensionnel, fondé sur les rapports qui existent entre et parmi
les enseignants et les étudiants. L’interaction entre les ressources et les rendements ainsi que
les vrais déterminants des résultats est difficile à cerner.
Avec un enseignement supérieur favorisant l’intégration et une population estudiantine

hétérogène, il y a une diversification croissante de la demande adressée aux établissements et
de la demande d’offres de cours. Ainsi, ce qui peut paraître une bonne définition de la qualité
pour un certain type de cours ou d’établissement peut s’avérer tout à fait inapproprié pour
d’autres.
Une revue de la littérature permet de distinguer plusieurs définitions attribuées à la

qualité de l’enseignement supérieur :
La qualité est considérée en tant en tant qu’exception si les objectifs établis par
l’institution sont parfaitement atteints. Or la garantie de la réalisation de ces objectifs n’est
possible qu’avec une politique d’admission extrêmement sélective. La meilleure qualité des
inputs garantit la réalisation de résultats d’exception.
Cette approche n’offre pas un outil ou une référence de mesure de la qualité et ne

permet pas de cerner avec exactitude la définition même de la qualité dans l’enseignement
supérieur. La qualité n’est présentée dans ce cadre que comme un objectif inévitable et
irréfutable.
L’approche de la qualité en tant que perfection démocratise l’enseignement supérieur

par rapport à l’approche exception. La qualité est assurée tant que l’objectif fixé par le
système est atteint. Ce concept est surtout utilisé dans le secteur industriel lors de la
production de biens standard et de meilleure qualité.
Page 8
Mais est ce que ce concept est applicable dans le secteur de l’enseignement supérieur ?
En d’autres termes est ce que la garantie d’un output parfait signifie produire des diplômés
identiques et de meilleure qualité ?
La qualité en tant qu’adéquation aux objectifs fixés est représentée à travers la

réalisation et l’évaluation des objectifs fixés. Cette approche se base sur l’hypothèse que la
qualité et les objectifs soient bien définis et se concentre sur la satisfaction des besoins des
principaux consommateurs du service de l’enseignement supérieur à savoir les étudiants.
Selon Scott (1996) l’institut annonce ce qu’elle compte faire, réalise ce qu’elle a promit et le
prouve aux tiers partis. Greene (1994) affirme aussi qu’un individu ou une organisation qui
réalise ses objectifs signifie que le programme ou l’organisation est de bonne qualité.
La qualité pourrait aussi être définie comme étant une transformation. Le principal
consommateur du service de l’enseignement supérieur est l’étudiant dont la formation est
supposée améliorer son comportement, son aptitude à la réalisation de ses objectifs. Si la vie
professionnelle d’un diplômé est une réussite au moyen du savoir acquis durant sa formation
universitaire alors l’enseignement qu’il a reçu est de bonne qualité. Dans ce carde l’étudiant
est le centre de tous le processus : une meilleure université signifie des objectifs mieux
atteints en termes de qualifications, de savoir et d’attitudes acquis par l’étudiant capable
désormais de vivre dans un société de savoir. L’accent est alors mis sur les changements subis
par l’étudiant durant sa formation (Westerheijden 1998).
La qualité est aussi considérée comme un standard. Les standards aident à rationaliser la
définition de la qualité et la rendre plus objective. Or ils sont difficilement établis lorsque les
circonstances sont en continuel changement. Dans ce cadre les pays européens suggèrent un
niveau minimum de qualité au dessous du quel l’institution qui offre la formation supérieure
ne devrait pas exister.
Ce standard ou niveau minimum est fixé à travers une définition générale du savoir
attendu, qualifications et attitudes des étudiants. Mais d’un autre coté, il est supposé que les
institutions d’enseignement supérieur doivent dépasser ce niveau minimum de qualité requise,
et considérer par conséquent les objectifs pour ainsi améliorer la qualité en les atteignant
(Westerheijden 1998).
Si la qualité est considérée en tant qu’amélioration son développement est la principale

mission de corps académique. Ce concept relie la liberté académique et l’autonomie de
l’université à la garantie d’une formation de qualité. Dans un cadre plus général Deming
Page 9
(1986) définit une organisation de qualité en tant qu’organisation qui crée un cadre de
constante amélioration.
Le rapport qualité- prix égalise la qualité à une certaine valeur monétaire ou à un

prix. L’expression « Une qualité pour un prix raisonnable » signifie la meilleure qualité pour
un bas prix. Or ceci est contraire aux lois du marché en concurrence pure et parfaite selon
lequel « vous avez pour ce que vous avez payé ». Cette approche relève de la
responsabilisation dans l’assurance de la qualité. En finançant les universités, l’Etat les
considère comme responsables de la qualité. Face à une exigence plus persistante d’un niveau
efficience –coût plus élevé et une meilleure qualité, les universités deviennent en compétition
pour le financement et l’attraction des étudiants de qualité. Selon Harvey et Greene (1993)
« cette approche a une incidence sur la dépendance de la qualité de sa valeur monétaire
spécialement sous la vague efficience ».
La qualité de l’enseignement supérieur concerne donc aussi bien la formation offerte que
les processus de formation et tous ses participants notamment les étudiants et le corps
enseignants. Diverses procédures appliquées surtout par les pays développés sont appliqués
pour la garantie de la meilleure qualité possible. Cette initiative s’inscrit dans le cadre de la
gestion de la qualité.
Mesure Efficience et qualité de l’enseignement supérieur : la

Data Envelopment Analyses
La méthode d’estimation DEA est déterministe et non paramétrique. Elle contourne le

problème d’une forme fonctionnelle sous jacente liant les différentes variables et détermine
une frontière empirique à partir des données observées.
Les fondements mathématiques de la méthode DEA reviennent à Farrell (1957) et

Debreu (1951). Le principal objectif de leurs travaux est de spécifier une programmation
linéaire capable de capter empiriquement les aspects économiques du phénomène de
production.
En effet la principale idée de Farrell (1957) est de considérer dans une analyse
empirique plusieurs inputs dans le processus de production d’un unique output. Cette
analyse a aboutit à une programmation linéaire capable d’estimer empiriquement des
mesures relatives d’efficience d’un ensemble d’entreprises.
Page
10
Une des mesures de la productivité est le ratio output/input. L’inconvénient de cette

mesure est le passage d’un cadre de couple (output, input) unique à une multitude d’outputs
et d’inputs. La pondération de chaque input et output est nécessaire pour attribuer une
mesure composite à chaque variable.
Lorsque ces pondérations sont inconnues, les économistes utilisent des hypothèses
pour performer leurs analyses empiriques ; ils optent, par exemple, pour une fonction de
production type Cobb-Douglas ou Leontief et imposent des pondérations sous jacentes à la
théorie économique adoptée.
Charnes, Cooper et Rohdes (1978) ont établi une recherche sur l’éducation des enfants
défavorisés des USA en 1970. Non satisfaits des résultats trouvés, les auteurs ont développé
un modèle basé sur les travaux de Farrell (1957) : le modèle DEA est né selon la forme
CCR (Cooper, Seiford et Tones 2000).
Les hypothèses de base du modèle CCR sont la convexité et les rendements d’échelle
constants.
Le modèle CCR est le suivant :

s
 r yr0
Modèle1 Maximiser h0  r 1
m
v x
i 1
i i0
Sous contraintes :
s
 r yrj
r 1
m
1 j=1………..n
v x
i 1
i ij
r   r =1…………s
vi   i=1…………m
Avec h : l’efficience relative, y les outputs et x les inputs
Le modèle comporte n DMU (decision making unit) utilisant m inputs pour produire r
outputs.
L’objectif de ce programme d’optimisation est de déterminer les pondérations u et v qui

permettent de maximiser l’efficience relative.
Page
11
Les contraintes de ce programme sont définies par des pondérations qui imposent une
efficience relative appartenant au vecteur 0,1 . Il faut noter que le modèle n’impose pas de
pondération, ce sont les données qui déterminent l’ensemble des pondérations optimales
qui maximisent le coefficient h. Plus le coefficient h est proche de 1, plus la DMU est
efficiente et vice versa.
Ce modèle possède plusieurs inconvénients. D’une part la possibilité d’une infinité de

solutions : si u et v sont des solutions optimales alors pour un   0 , (  u) et (  v) sont
aussi des solutions optimales. D’une autre part, lors du processus de maximisation, la
fonction objective est considérée comme une entité ce qui empêche la mise en relief
l’importance relative propre à chaque output et à chaque input.
Pour contourner ce problème et établir à chaque rapport son importance, il suffit de

considérer, par exemple, le dénominateur comme constant et de maximiser le numérateur ;
ceci aboutit alors à un programme de maximisation de l’output. Par contre si le numérateur
est constant, on a un problème de minimisation des inputs. Cette procédure permet alors
d’avoir une solution unique et convertir le modèle en un problème d’optimisation linéaire
primal :
s
Modèle 2 Maximiser  y
r i
r r0
m
Sous contraintes v x
i 1
i i0 1
s m
 r yrj   vi xij  0
r 1 i 1
 r 
vi  
j=1………….n
r=1…………..s
i=1…………..m
Dans ce modèle il y a (n+m+s+1) contraintes avec n>m+s.
L’objectif de ce modèle est la maximisation d’un output pondéré par rapport à un input
aussi pondéré. Il faut noter que le niveau de l’output ne dépasse pas celui de l’input pour
chaque entité étudiée (objet de la seconde contrainte).
Page
12
Le modèle DEA orienté vers les inputs
Le précédent modèle est un programme linéaire primal. L’ajout de variables duales

nous permet d’avoir un programme de minimisation dual :
s
Modèle 3 Maximiser 
r i
r yr 0 variables duales
m
Sous contraintes v xi 1
i i0 1 θ
s m
 r yrj   vi xij  0
r 1 i 1
λj
 r  Sr
vi   Si
Dans ce modèle le nombre de contraintes est réduit à (m+s) contraintes.
L’introduction des variables duales nous permet de formuler le modèle suivant :
m s
Modèle 4 Minimiser     Si    S r
i 1 r 1
n
Sous contraintes y ro   y rj  j  S r  0
j 1
n
xio   xij  j  S i  0
j 1

j 1
j 0
Sr  0
Si  0
i=1……m
r=1……..s
j=1……..n
Les variables duales 1........n ont la même interprétation que les multiplicateurs
lagrangiens et sont compris entre 0 et 1. Plus la valeur de  est proche de 1, plus la DMU
n’est relativement efficiente par rapport aux autres DMU.
Page
13
n
Pour réaliser le niveau d’output yro le plus proche de  yrj j , la DMU doit utiliser un
j 1
n
minimum d’input équivalent à  xrj j . Ceci implique que  * est la plus faible proportion
j 1
d’input utilisée par la DMU dans le processus de production : c’est donc un score
d’efficience. Si  = 0.6 alors 40% des ressources sont gaspillées.
Pour bien expliquer le modèle dans le cadre de l’enseignement supérieur, le recours à

un exemple est nécessaire (graphique N°2). On considère quatre institutions
d’enseignement supérieur E, F, U et R qui utilisent deux inputs, la masse salariale des
enseignants X1 et les dépenses en capital X2 pour produire un output le nombre de diplômés
X1 X
Y. Les coûts unitaires des inputs sont et 2
Y Y
Y1
X
L L’
R
U
E
R’’
R’
F
X2
0
Y
Graphique N°2 : Diagramme d’efficience orienté vers les inputs
Les DMU E et F ont des coûts unitaires plus faibles que les DMU R et U, elles sont
donc plus efficientes. Il existe alors une frontière qui enveloppe les DMU E et F et tout
autre DMU ayant le même niveau d’efficience.
Page
14
La DMU R utilise une quantité plus importante des deux inputs, elle est donc
relativement inefficiente par rapport aux DMU D et F. Pour se situer sur la même
enveloppe que E et F, l’institution R doit se déplacer au point R’. Pour améliorer le niveau
OR'
d’efficience de R il faut d’abord calculer le ratio et ensuite déterminer les
OR
pondérations qui minimisent ce rapport.
L’introduction de l’hypothèse des rendements d’échelle variables par Banker, Charnes

et Cooper (1984) modifie l’échelle de l’efficience.
Pour introduire l’hypothèse des rendements d’échelle variables il suffit de remplacer

n n
dans le modèle   j  0 par   j  1 .
j 1 j 1
Graphiquement l’hypothèse des rendements d’échelle variables déplace l’enveloppe de

L à L’. Ainsi dans le cadre de rendements d’échelle variables, la DMU devient plus
efficiente étant donné que désormais elle est comparée à des DMU de même taille.
La différence entre les niveaux d’efficience du passage du cadre REC à REV est
l’efficience à l’échelle.
Supposons qu’une DMU réalise un niveau d’efficience de 90% avec des REC et de
95% avec des REV ; l’efficience à l’échelle est de (90/95)*100=94.74%. On peut alors
conclure que 5.3% de l’inefficience de la DMU est du à sa taille.
Le modèle DEA orienté vers les outputs
L’objectif du modèle dans ce cadre est de maximiser le niveau de production sous la

contrainte des ressources disponibles. On suppose directement que les rendements d’échelle
sont variables.
r m
Modèle 5 Maximiser k    S i    S i
i 1 i 1
n
Sous contraintes :  k y rk    j y rj  S r  0
j 1
n
xik    j xij  Si  0
j 1

j 1
j 1
Page
15
Plus  tend vers l’unité, plus la DMU est efficiente.
Considérons les DMU A, B, et C qui produisent deux outputs Y1 et Y2 en utilisant un

seul input X (Graphique N° 3)
Les DMU A et C sont placés sur la frontière de production, elles sont donc efficientes.
La DMU B est relativement inefficiente par rapport à A et C, elle doit se placer sur
l’enveloppe c'est-à-dire au point B’
Y1
X
A
B’
B
C
Y2
0 X
Graphique N° 3: Diagramme d’efficience cas de maximisation des outputs
Calcul d’un indicateur d’efficience interne et de qualité des

systèmes d’enseignement supérieur
L’application du modèle DEA permet la construction d’indicateurs d’efficience interne et
de qualité du secteur de l’enseignement supérieur. Ainsi ce paragraphe présente d’abord les
modèles estimés, les résultats obtenus et leurs interprétations.
Page
16
Présentation des modèles
Modèle d’efficience interne
Comme tout secteur public majoritairement financé par des fonds publics,
l’enseignement supérieur est soumis à de fortes contraintes budgétaires. Dans ce cadre le
modèle DEA appliqué est orienté vers les inputs. . Cette optique nous permet de mesurer la
réduction possible des inputs utilisés pour produire le même niveau d’output. Aussi les
indicateurs d’efficience obtenus permettent de détecter les plus efficients systèmes
d’enseignement supérieur, de déceler les sources de gaspillage des ressources financières
ainsi que les degrés d’efficience à l’échelle.
La procédure d’estimation se base sur des données agrégées au niveau national. Le

choix des données est conditionné par leur disponibilité. Il est aussi établit de manière à
éviter deux principaux problèmes : un problème d’agrégation et les différences
institutionnelles des secteurs de l’enseignement supérieur d’un pays à l’autre. En effet la
procédure d’agrégation nécessite des hypothèses spécifiques pour que la mesure
d’efficience obtenue au niveau agrégé d’un pays reflète exactement l’efficience moyenne
de l’ensemble des établissements d’enseignement supérieur.
Le modèle estimé est le suivant.
Inputs Outputs
Dépenses ordinaires or Les diplômés de la CITE 5A et 6

dépenses de R&D
Les diplômés de la CITE 5B
Effectif non-diplômé
Tableau1 : Présentation du modèle d’estimation de l’efficience interne
Dans le calcul de l’indicateur d’efficience ont ne considère que les dépenses ordinaires
étant donnée que, par définition, elles représentent les dépenses au titre de biens et services
consommés durant l’année en cours et comprennent la rémunération , les pensions et les
avantages sociaux du personnel, les services contractuels ou acquis, les autres ressources
dont les livres et autres matériels pédagogiques, les services. Il fait aussi noter qu’on ne
tienne compte que de l’activité enseignement des systèmes d’enseignement supérieur, on a
Page
17
donc retranché la part de l’enseignement supérieur dans les dépenses internes de recherche
et développement des dépenses ordinaires des systèmes d’enseignement supérieur.
Les outputs représentent les diplômés deux types de formation offerts par les systèmes
d’enseignement supérieur et par la population estudiantine non-diplômée. La formation
CITE5A offre des programmes fondés sur un enseignement largement théorique et axés sur
l’acquisition de compétences suffisantes pour accéder à des programmes de recherche de
haut niveau et à des professions exigeant de grandes qualifications. La formation CITE6
est réservée aux programmes du supérieur qui conduisent à l’obtention d’un diplôme de
recherche de haut niveau. Les programmes sont consacrés à des études approfondies et à
des travaux de recherche originaux. La formation CITE5B définit des programmes ayant
des contenus généralement plus pratiques et techniques ainsi qu’une finalité professionnelle
plus précise qu’au niveau 5A (Banque Mondiale). La population estudiantine non-diplômée
est aussi considérée comme output étant donné qu’à chaque année un étudiant doit réussir
ses examens pour passer à l’année suivante durant laquelle il est considéré comme un input.
On suppose que les indicateurs d’efficience sont placés sur une courbe convexe. On
choisit un modèle DEA radial orienté vers les inputs étant donné qu’il permet non
seulement de déterminer la réduction possible des inputs tout en produisant la même
quantité d’output mais aussi, à travers les variables d’écart, les économies encore
réalisables une fois que la réduction préconisée par le score soit effectuée. La distinction
des cadres de rendement d’échelle constant (REC) et des rendements d’échelle variable
(REV) nous permet de déterminer l’efficience à l’échelle.
Les indicateurs obtenus sont compris en 1 et 100 (en pourcentage) : plus le score est
proche de 100 plus la DMU étudiée est efficiente. Ces indicateurs indiquent la part des
ressources financières que le système d’enseignement supérieur devrait réduire pour se
placer sur la frontière d’efficience tout en produisant le même niveau d’output.
Modèle de la qualité dans l’enseignement supérieur
On propose de calculer un indicateur composite de la qualité de l’enseignement

supérieur avec la technique d’estimation non-paramétrique DEA.
Il existe plusieurs applications du modèle DEA dans la construction des indicateurs

composites. Hashimoto et Ishikawa (1993), Hashimoto et Kodama (1997), Zhu (2001) et
Page
18
Murias et al (2006) utilisent les indicateurs composites DEA pour étudier le bien-être
économique. Mahlberg et Obersteiner (2001) et Despotis (2005) ont recalculé l’indice de
développement humain en utilisant la DEA.
On présente dans cette approche une variante du modèle DEA soit le modèle radial
sans inputs (Lovell et Pastor (1999)). Selon Koopmans (1951) et Lovell et Pastor (1995) cette
approche est traditionnellement interprétée comme un « helmsman » et elle est supposée
capable de diriger tous les indicateurs partiels vers leurs valeurs maximales.
A l’instar de Murias, Miguel et Rodriguez (2008) on présente les différents indicateurs

partiels susceptibles d’expliquer la qualité de l’enseignement supérieur :
Taux d'encadrement
Espérance de vie scolaire CITE

enseignement
5 et 6
Pourcentage de diplômés par

rapport à l'effectif total
qualité
mobilité internationale des Taux de mobilité vers

étudiants l’étranger
La qualité du service enseignement offert par les systèmes d’enseignement supérieur est
quantifiée par l’indicateur composite à travers la combinaison des indicateurs partiels
suivants :
 Le taux d’encadrement garantit une meilleure compréhension des enseignements

fournis. Le taux d’encadrement est défini comme étant l’inverse du ratio nombre
d’étudiants par enseignant. Ce ratio est le rapport entre les effectifs d’étudiants d’un
niveau d’enseignement donné, exprimés en équivalents temps plein et le nombre
d’enseignants au même niveau et dans le même type d’établissement également en
équivalents temps plein.
Page
19
 L’espérance de vie scolaire (EVS) CITE 5 et 6 est la somme des taux spécifiques de
scolarisation aux différents âges pour des niveaux précis. Afin de pallier au manque de
données fiables par tranche d’âge relativement à l’enseignement supérieur, le taux brut
de scolarisation dans l’enseignement supérieur est multiplié par 5 et utilisé comme
indicateur approximatif des taux spécifiques de scolarisation aux différents âges. Cet
indicateur évalue la durée moyenne des études et non pas le nombre d'années scolaires
achevées. Il peut également être défini comme le nombre moyen d'années qu'un
étudiant passera vraiment dans le système d’enseignement supérieur en tenant compte
des taux de redoublement et d'abandon. Cet indicateur possède deux caractéristiques
importantes. Premièrement, il permet de comparer la taille de la population étudiante
par niveau d'éducation en utilisant une échelle commune, soit le nombre d'années
scolaires. Cela permet d'établir des comparaisons entre des pays dont les programmes
ont une durée différente et/ou différentes combinaisons de niveaux d'éducation (c'est-
à-dire primaire, secondaire et supérieure). Deuxièmement, cet indicateur permet de
comparer divers types de programmes postsecondaires n'ayant pas une durée similaire
(recueil de données mondiales sur l'éducation 2004)
 La mobilité internationale des étudiants permet d’introduire deux dimensions de la
qualité. En effet, le nombre d’étudiants étrangers accueillis dans un pays donné peut
représenter l’attractivité et la qualité de la formation offerte au niveau international
alors que le nombre d’étudiant nationaux et sortant reflète l’internationalisation de la
formation offerte (un indicateur similaire le « overseas students » est utilisée dans
Sarrico et al (1997)). Malheureusement faute de données nous n’allons utiliser dans
cette étude que le taux de mobilité vers l’étranger soit le nombre d’étudiants d’un pays
donné inscrits à l’étranger exprimé en pourcentage du nombre total d’étudiants de
l’enseignement supérieur du pays d’origine.
 Pourcentage de diplômés par rapport à l’effectif total permet de considérer la capacité
dus système à produire les diplômés. En désagrégeant le nombre de diplômés par
catégories de CITE nous pourrions étudier sa corrélation avec l’espérance de vie
scolaire.
Il est important qu’aucune de ces dimensions n’expliquent pas à elle seule la qualité et
aussi qu’elles ne participent pas de façon identique à la construction de d’indicateur
composite pour éviter l’hypothèse qu’elles aient toutes la même importance. Le respect de ces
Page
20
conditions revient à imposer des restrictions au niveau des pondérations dans l’application du
DEA.
On considère les restrictions suivantes inspirées du modèle de Murias, Miguel et

Rodriguez (2008) :
 Restriction A : chaque indicateur partiel doit participer dans la construction de

l’indicateur composite de la qualité.
 Restriction B : La contribution de l’enseignement doit être plus importante que
celle des autres indicateurs partiels.
 Restriction C : les contributions individuelles des indicateurs partiels de
l’enseignement ne doivent pas dépasser les 60% de la contribution totales des
indicateurs dans la construction de l’indicateur composite de la qualité.
Les indicateurs partiels sont représentés dans le tableau suivant :
Dimension Indicateur
Enseignement Taux d’encadrement 𝑌1
Pourcentage de diplômés 𝑌2
Poursuite des études Esperance de vie scolaire CITE 5 et 6 𝑌3
Mobilité internationale des étudiants Taux de mobilité vers l’étranger 𝑌4
Tableau N°2 : Indicateurs partiels de la qualité dans l’enseignement supérieur
Pour dégager l’indicateur composite de la qualité il faudrait considérer un modèle

DEA orienté vers les outputs et un seul input soit une dummy égale à l’unité pour toutes les
DMU étudiées. L’objectif est de maximiser l’indice composite étant donnée la contrainte des
indicateurs partiels disponibles.
Page
21
Le modèle DEA est donc le suivant :
Min 𝑖 𝑣𝑖 𝑋𝑖0 = 𝐼𝐶0
Sous contraintes : 𝑖 𝑢𝑟 𝑌𝑟0 = 1
𝑖 𝑣𝑖 𝑋𝑖0 − 𝑖 𝑢𝑟 𝑌𝑟0 ≥ 0 ∀ 𝑗 = 1 … … 𝑁 Avec N le nombre de DMU étudiées
𝑣𝑖 ≥ 𝛼 ∀ 𝑖 = 1 … … 𝑝
𝑢𝑟 ≥ 𝛼 ∀ 𝑟 = 1 … … 𝑞
𝑢 𝑟 𝑌𝑟𝑗
𝑉𝑟𝑗 = 𝑞 Représente la contribution de chaque indicateur partiel dans la
𝑟=1 𝑢 𝑟 𝑌𝑟𝑗
construction de l’indicateur composite de la qualité.
L’introduction des restrictions sont intégrées à travers les inégalités suivantes :
Restriction A : 𝑉𝑟𝑗 ≥ 0.0001 𝑠𝑜𝑖𝑡 𝑢𝑟 ≥ 0.0001
Restriction B : 𝑉1 + 𝑉3 ≥ 𝑉2 + 𝑉4
Restriction C : 𝑉1 + 𝑉3 ≤ 0.6(𝑉1 + 𝑉2 + 𝑉3 + 𝑉4 )
Présentation des résultats
Cette étude représente une tentative de mesure des indicateurs d’efficience et de qualité
des systèmes d’enseignement supérieur d’un ensemble de pays de l’OCDE et de la Tunisie.
Cet échantillon se compose de 13 pays : la Tunisie, la République Tchèque, la

Belgique, la Finlande, la France, la Grèce, l’Irlande, les Pays-Bas, la Norvège, le Portugal,
l’Espagne, la suisse et le Royaume-Uni.
Les données représentent une moyenne de la période 2000-2004. Les bases de

données utilisées sont l’Edstat (Banque mondiale), le Recueil mondial sur l'éducation
(UNESCO) et la publication Regard sur l’éducation de l’OCDE.
Le calcul des indicateurs d’efficience interne et l’indicateur composite de la qualité

des systèmes d’enseignement est réalisé avec le logiciel EMS 3.1
Les différents scores d’efficience et de qualité des modèles estimés sont présentés dans
le tableau suivant :
Page
22
Pays Score d’efficience Score d’efficience Indicateur Score d’efficience Efficience à l’échelle Nature des
avec REC avec REV composite de la avec RE non- rendements
qualité croissant d’échelle
Tunisie 71.35% 100% 0.662 71.35% 71.35% RE Croissants
République Tchèque 46.69% 56.18% 0.832 46.69% 83.10% RE Croissants
Belgique 100% 100% 0.884 100% 100% RE constants
Finlande 12.33% 14.12% 0.945 12.33% 87.32% RE Croissants
France 100% 100% 0.919 100% 100% RE constants
Grèce 35.66% 39.33% 1 39.33% 90.66% RE Décroissants
Irlande 12.24% 21.82% 1 12.24% 56.095% RE Croissants
Pays-Bas 13.54% 14.28% 0.955 13.54% 94.81% RE Croissants
Norvège 7.99% 12.65% 1 7.99% 63.16% RE Croissants
Portugal 34% 37.59% 1 34% 90.44% RE Croissants
Espagne 29.44% 99.02% 0.894 99.02% 29.73% RE Décroissants
Suisse 7.4% 9.83% 1 7.4% 75.27% RE Croissants
Royaume-Uni 18.38% 100% 0.828 100% 18.38% RE Décroissants
Tableau N° 3 : Scores d’efficience interne et de qualité des systèmes d’enseignement

supérieur
Interprétation des résultats
Les treize pays étudiés présentent en moyenne un indicateur d’efficience et un indicateur

composite de qualité respectivement de l’ordre de 0.9168 et de 0.5414 avec un maximum de 1
et un minimum respectif de 0.662 et 0.0883.
Page
23
Observations Moyenne Ecart type min Max
Qualité 13 0.9168 0.099 0.662 1
efficience 13 0.5414 0.3972 0.0883 1
Tableau N°4 : caractéristiques statistiques de l’efficience et de la qualité
X<20 20<X<50 50<X<80 X>80
Finlande Grèce République Tchèque Tunisie
Pays-Bas Irlande Belgique
Norvège Portugal France
Suisse Espagne
Royaume-Uni
28.57% 21.42% 7.14% 38.46%
Tableau N°5 : Répartition des pays par scores d’efficience
Les pays avec un niveau d’efficience supérieur à 80% représentent 38.46% de

l’échantillon étudié composé de la Tunisie, la Belgique, la France, l’Espagne, et le
Royaume-Uni. Ceux avec un score d’efficience inférieur aux 20% représentent 28.57% de
l’échantillon soit la Finlande, les Pays-Bas, la Norvège et la Suisse.
Aux pays qui affichent les niveaux d’efficience les moins élevés correspondent les
coûts unitaires les plus élevés de l’échantillon, et vice versa, ce qui confirme la relation
inverse entre les coûts unitaires et le niveau d’efficience proposée par Bayanet et Debande
(2001). Parmi les pays étudiés La Belgique, la France, l’Espagne et la R-U présentent la
population estudiantine la plus élevée et le coût unitaire le plus faible expliquant leur
importante efficience.
Le point commun entre les pays affichant de faibles niveaux d’efficience (Finlande,
Pays-Bas, Norvège et Suisse) est un taux d’encadrement élevé (inversement pour les pays à
haut niveau d’efficience).
Page
24
En effet pour garantir un haut niveau d’encadrement le système doit soit réduire la
population estudiantine ou bien augmenter le nombre de personnels enseignants. Or dans le
cadre actuel de démocratisation de l’enseignement supérieur, le maintient d’un niveau
d’encadrement satisfaisant serait plutôt le résultat d’une augmentation du personnel
enseignant et donc de leur masse salariale. Dans ce cadre est-ce que ces pays privilégient la
qualité de l’enseignement qu’ils offrent aux économies qu’ils peuvent réaliser ?
Pays Efficience interne avec REV Taux d'encadrement
France 100,00% 6,37
Espagne 99,02% 7,37
Portugal 37,59% 9,38
Grèce 39,33% 4,44
Pays-Bas 14,28% 8,45
République Tchèque 56,18% 7,55
Belgique 100,00% 6,58
Suisse 8,83% 7,66
Irlande 21,82% 6,69
Royaume-Uni 100,00% 4,89
Tunisie 100,00% 4,99
Finlande 14,12% 6,17
Norvège 12,65% 8,25
Tableau N° 6 : Efficience interne des systèmes d’enseignement supérieur et taux

d’encadrement
Dans la cadre de ce travail on ne peut se prononcer sur la contribution du

développement de l’enseignement supérieur privé dans les d’efficience interne réalisés par
les systèmes d’enseignement supérieur. En effet la Tunisie affiche un score d’efficience de
100% (REV) avec une part des étudiants inscrit dans des institutions d’ES privé
négligeable. La France affiche la même tendance avec 15.62 % des étudiants inscrits dans
Page
25
le privé. Le Pays-Bas par contre présente un des plus faibles scores d’efficience soit
14.28% bien que 81.59% de ses étudiants poursuivent leurs études dans le privé.la
Norvège, l’Irlande la Finlande et la suisse présentent de faible pourcentage aussi bien dans
le développement du secteur privé de l’enseignement supérieur que de l’efficience.
ESP EFF REV EFF REC
0% 5,63% 55,65% 11,45% 15,62% 0% 6,00% 81,59% 13,34% 28,79% 13,25% 20,63% 100,00%
Graphique N°5 : ES privé, Efficience avec REV et REC
La comparaison des indicateurs d’efficience sous l’hypothèse de rendements d’échelle

non croissants (RENC) aux indicateurs obtenus sous l’hypothèse de REV nous permet de
déterminer la nature des rendements d’échelle. En effet, si pour un pays on obtient le même
indicateur d’efficience sous les hypothèses de REV et de RENC alors les rendements
d’échelle sont décroissants. Par contre si on obtient des indicateurs différents alors les
rendements d’échelle sont croissants. Les rendements d’échelle sont constants si le système
d’ES est placée sur la frontière d’efficience.
Selon les résultats trouvés 61.53% des pays étudiés opèrent avec des rendements
d’échelles croissants alors que 23 .07% présentent des rendements d’échelles décroissants
et 15.38% des pays se placent sur la frontière d’efficience et présentent des rendements
d’échelle constants.
Les systèmes d’enseignement supérieur de la France et de la Belgique ont atteint leur

taille optimale étant donné qu’ils présentent des rendements d’échelles constants. Par
contre la Tunisie présente des rendements d’échelle croissants alors que pour le RU et
l’Espagne les rendements d’échelles sont décroissants.
Page
26
Les indicateurs composites de la qualité de l’enseignement supérieurs estimés se

basent sur des indicateurs partiels dont les caractéristiques statistiques sont résumées
comme suit :
Indicateur partiel Nombre Moyenne Ecart-type minimum maximum

d’observations
𝒀𝟏 13 8.776 7.396 4.449 9.39
𝒀𝟐 13 22.311 10.016 13.260 48.420
𝒀𝟑 13 2.745 0.7817 1.231 4.334
𝒀𝟒 13 4.449 3.205 1.216 11.459
Tableau N° 8: caractéristiques statistiques des indicateurs partiels de la qualité de

l’enseignement supérieur
Les systèmes d’enseignement supérieur qui présentent les meilleurs indicateurs

composites de la qualité sont ceux de la Suisse, la Norvège, l’Irlande ; le Portugal et la Grèce.
Pour les autres pays de l’OCDE les indicateurs sont aussi importants sauf pour la Tunisie qui,
toutes choses égales par ailleurs, présente un indicateur composite de qualité moindre de
l’ordre de 0.662 mais qui reste néanmoins respectables.
L’ensemble des pays de l’OCDE étudiés présentent des universités parmi les 500
meilleures au monde selon le classement mondiale des universités de l’année 2004 établit par
Shanghai Jiao Tang University.
RU France PB Espagne Suisse Belgique Finlande Norvège Irlande Grèce Portugal RT
42 22 12 9 8 7 5 4 3 2 1 1
Tableau N°9 : Nombre d’universités des pays étudiés dans le classement du
Shanghai Jiao Tang University en 2004
Les résultats trouvés présentent certaines divergences qui suscitent une explication plus
détaillée. En effet, certains systèmes d’enseignement supérieur sont parvenus à atteindre
l’efficience tout en préservant la qualité de l’enseignement, tel que le Belgique, l’Espagne et
la France, alors que d’autres présentent d’importants niveaux de qualité au dépend de leurs
efficiences ce qui est notamment le cas le plus dominant de l’échantillon avec 61.53% des
pays (graphique N°6)
Page
27
1,2
1
0,8
0,6
0,4
0,2
0
Royaume-Uni
Portugal
Norvège
Finlande
Espagne
Pays-Bas
Grèce
République tchèque
Irlande
France
Suisse
Tunisie
Belgique
qualité
efficience
Graphique N°6 : Comparaison de l’efficience er de la qualité des systèmes

d’enseignement supérieur
Pour expliquer la qualité de l’enseignement dans le supérieur relativement à chaque pays

il est impératif de recourir aux caractéristiques propres à chaque système du supérieur.
La correspondance entre l’indicateur composite de la qualité et le score d’efficience nous

permet de distinguer deux groupes. Le premier ensemble correspond aux pays qui présentent
les meilleures niveaux de qualité au dépend de l’efficience. Cet ensemble comprend la Suisse,
l’Irlande, la Grèce, la Norvège, la Finlande, le Portugal, la République Tchèque et le Pays-
Bas.
Les traits communs aux systèmes d’enseignement supérieur de ces pays expliquent
vraisemblablement la qualité qu’ils affichent. En effet chacun de ses pays appliquent un
numerus clausus comme politique d’admission. La Suisse applique un examen d’admission
dit de maturité réussi par seulement 19% de la population en classe d’âge. En Irlande la
sélection est effectuée via le « national Entrance Examination » à travers le quel se distinguent
les plus méritants qui bénéficient des 60% des attribues. La Grèce applique une restriction à
l’entrée dans tous les départements de l’enseignement supérieur où l’admission dépend des
résultats académiques et des préférences de l’étudiant. La Finlande applique divers examen
d’admission ainsi que des restrictions d’entrée dans toutes les disciplines et le Portugal à
recours à un test de capacité.
Page
28
Les systèmes d’enseignement supérieur relatif à ce groupe de pays présentent aussi de

forts taux d’encadrement soit au minimum 7 enseignants pour cent étudiants garantissant ainsi
une meilleure communication et compréhension des enseignements.
On remarque aussi une forte correspondance entre l’espérance de vie scolaire et le type
de formation dominant. En effet la Suisse par exemple se distingue par la dominance de
l’enseignement supérieur non-universitaire et une espérance de vie scolaire CITE 5A et 6 de
deux ans. Le Norvège présente par contre l’une des plus importantes espérances de vie de
l’ordre de 3ans et demi avec une proportion de la population estudiantine inscrites et de
diplômés dans les formations type CITE 5A et 6 respectivement de 95.05% et de 47.41%.
A travers cette concordance entre espérance de vie scolaire et le niveau de formation

dominant on pourrait vraisemblablement avancer que le système d’enseignement supérieur en
question se caractérise par de faibles niveau de redoublement et d’abondant.
Parmi ce groupe la Grèce et la République Tchèque se distinguent par une plus

importante efficience. En effet la Grèce n’applique aucune restriction à l’entrée et présente un
faible niveau d’encadrement avec 4 enseignants pour cent étudiants. La qualité y est donc
principalement expliquée par une importante espérance de vie scolaire de 3ans et 5 mois pour
une population estudiantine et un pourcentage de diplômés respectifs de 67.23% et de 53%
dans la formation type CITE5A et 6.
La République Tchèque affiche une espérance de vie de prés de deux ans alors que
l’enseignement universitaire domine avec une proportion de 89% de la population
estudiantine. En outre elle présente un taux d’encadrement relativement faible par rapport au
reste des pays de l’OCDE qui n’est que de 5 enseignants pour cent étudiants. Ceci est
principalement expliqué par une population estudiantine qui a littéralement doublé entre la
période 1997et 2006 pour atteindre prés de 300000 étudiants. Le système d’enseignement
supérieur de la République Tchèque est alors contraint d’appliquer une sélection à l’entrée à
travers des politiques d’admissions qui combinent des examens oraux er écrits pour ne
satisfaire que 60% des demandes d’inscriptions. D’un autre coté le taux de diplômés n’a
augmenté que de 6% pour la CITE 5A et 6 et une stagnation pour la CITEB durant la période
2000-2004. Ces caractéristiques nous permettent de conclure que le système d’enseignement
supérieur se distingue par un fort taux de redoublement et d’abandon. On peut ainsi avancer
que, toutes choses égales par ailleurs, la sélection à l’entrée permet à la République Tchèque
de maintenir la qualité de la formation supérieure malgré les circonstances de massification
qu’elle subit et par conséquent de l’obligation d’efficience.
Page
29
La quatrième caractéristique commune à se groupe est une forte mobilité vers

l’étrangers reflétant la capacité des étudiants nationaux à poursuivre leurs études à l’étranger
d’où l’internationalisation de la formation offerte.
Taux de mobilité vers étrangers
Royaume-Uni 1,21
Espagne 1,47
République Tchèque 2,18
Pays-Bas 2,27
France 2,66
Belgique 2,91
Portugal 2,97
Finlande 3,30
Suisse 5,07
Tunisie 5,29
Norvège 7,47
Irlande 9,52
Grèce 11,45
Tableau N°10 : La moyenne des taux de mobilité vers l’étranger des étudiants de
L’ES pour la période 2000-2004
La dernière caractéristique est relative à l’accord d’une autonomie financière et

académique aux institutions d’enseignement supérieur. Une telle initiative des autorités de
tutelle incombe aussi la soumission est organismes de contrôle et d’évaluation de la qualité.
Durant l’année universitaire 2001-2002, l’organe d’accréditation et d’assurance qualité des
hautes écoles fut crée en Suisse et l’agence nationale de l’assurance qualité en Norvège.
Le second groupe de pays ont pu opérer avec plus d’efficience affichant une moindre
qualité relativement au premier groupe de pays. Ce groupe ne compte que 15% de
l’échantillon comptant le RU, la France, la Belgique, l’Espagne et la Tunisie.
Page
30
Cet ensemble de pays se distinguent par l’absence d’un système de sélection à l’entrée.
En effet le numerus clausus n’est appliqué que pour l’accès aux grandes écoles ou bien des
filières bien spécifiques telles que la médecine ou les études d’ingénierie. La France, par
exemple présente un système d’enseignement supérieur binaire composé d’une part de
grandes écoles qui adopte une politique d’admission sélective et, d’autre part, les universités
qui accueillent la masse sans aucune sélection.
En absence de sélection à l’entrée le phénomène de massification se développe

obligeant les instituions d’enseignement supérieur à opérer avec plus d’efficience affectant
négativement la qualité de l’enseignement.
Le taux d’encadrement est l’un des principaux déterminants de cette qualité. La

majorité des pays de ce groupe présentent des taux d’encadrement inférieur à la moyenne de
l’échantillon sauf pour l’Espagne (5 enseignants pour cent étudiants en Tunisie et au RU et de
6 en France et en Belgique). Ces taux d’encadrement s’expliquent principalement par une
augmentation du nombre d’enseignant disproportionnelle à la croissance exponentielle de la
population estudiantine. En effet, pour le cas de la Tunisie, l’effectif étudiant a augmenté de
180044 étudiants en 2000 à 291842 étudiants en 2004 alors que le nombre d’enseignants
durant cette même période n’a augmenté que de 5330 enseignants. Par contre la Belgique et
l’Espagne présentent une relative stagnation de la population estudiantine alors que le nombre
d’enseignants a augmenté respectivement de 2846 et de 33708 enseignants durant la période
2000-2004.
On remarque aussi que L’espérance de vie scolaire ne correspond pas aux types de
formations dominants dans leurs systèmes d’enseignement supérieur respectifs. En effet
l’Espagne présente une espérance de vie de 3ans alors que 90% de la population estudiantine
poursuit des formations universitaires CITE 5A et 6 ce qui laisse conclure à de fort taux
d’abondant et de redoublement. Pour la Tunisie l’espérance de vie scolaire pour l’ensemble
des CITE 5A et 6 n’est que d’une année et deux mois sachant que 70% des diplômés ont une
formation CITE5B et qu’en moyenne 83% des effectifs sont inscrits dans les formations
CITE5A et 6. La Belgique, contrairement aux précédents pays, présente une participation
accrue à la formation CITE5B avec une espérance de vie de trois ans ce qui prétend à de
faibles niveau de redoublement et d’abondant.
La mobilité internationale des étudiants de ce groupe de pays est des plus faibles sauf
pour la Tunisie dont 5% de la population estudiantine poursuit ses études à l’étranger contre
1.2% pour le Royaume-Uni et 1.47% pour l’Espagne.
Page
31
Pour l’ensemble des pays il nous faut noter que, dans le cadre de la mobilité
internationale des étudiants, nous n’avions pas pu utiliser la proportion des étudiants étranger
accueillis faute de disponibilité de données sachant qu’elle représente l’attractivité et la
qualité de la formation offerte au niveau international. La contribution du développement du
secteur privé de l’enseignement supérieur n’a pas aussi été clarifiée étant donné qu’on n’a pas
pu mettre en relief une concordance claire entre cet aspect de l’enseignement supérieur et sa
qualité.
Néanmoins il est claires d’après le rapport entre les indicateur composites de qualité et
les caractéristiques des différents systèmes d’enseignement supérieur que l’adoption d’un
numérus clausus entant que politique d’admission permet à l’institution d’enseignement
supérieur de gérer sa masse et ainsi garantir ainsi un taux d’encadrement plus élevé. La
conséquence directe en est amélioration de la qualité de la formation offerte reflétée par une
baisse du taux de redoublement et d’abondant et donc l’amélioration de l’espérance de vie
scolaires dans l’enseignement supérieur.
Cette proposition sous entend un dilemme entre l’efficience et la qualité. En effet est
ce que la quantité tue la qualité dans le cadre d’une massification de l’enseignement
supérieur ?
Le test non paramétrique de Spearman et de Kendall permettent d’étudier la nature la

corrélation entre la qualité et l’efficience pour l’ensemble des pays étudiés :
Test de corrélation non paramétrique repose sur les hypothèses suivantes :
 Sous H0 : les indicateurs d’efficience et de qualité sont indépendants
 Sous H1 : les indicateurs d’efficience et de qualité sont dépendants.
Les résultats obtenus sont résumés comme suit :
Test non-paramétrique Nombre d’observations coefficient probabilité
Test de Spearman 13 Rho= -0.7143 Prob> |t|=0.0061
Test de Kendall 13 Tau= -0.5128 Prob> |z|=0.0173
Tableau N° 11 : Tests non-paramétriques de Kendall et de Pearson
Aussi bien le test de Spearman que celui de Kendall montrent que la qualité et
l’efficience sont effectivement inversement liées. La probabilité d’une indépendance entre les
Page
32
deux indicateurs est très faible. On peut ainsi conclure que, toutes choses égale par ailleurs,
dans le cadre des systèmes d’enseignement supérieur la quantité engendre l’efficience et tue
par conséquent la qualité.
Conclusion
L’évaluation interne des systèmes d’enseignement supérieurs est une pratique de plus
en plus courante. En effet, la rareté des ressources financières ainsi que la démocratisation de
l’accès à la formation universitaire obligent l’évaluation de l’efficience interne des systèmes
d’enseignement supérieur.
Dans ce travail nous avons essayé de calculer un indicateur d’efficience moyennant

l’approche non-paramétrique Data Envelopment Analyses pour un ensemble de treize pays
(Pays de l’OCDE et la Tunisie). Les résultats d’analyse de l’efficience interne des systèmes
d’ES ne nous permettent pas de se prononcer sur la contribution du développement de l’aspect
privé des systèmes d’enseignement supérieur. Par contre elle nous permet de remarquer que
les pays qui affichent de faibles scores d’efficiences présentent, toutes choses égales par
ailleurs, d’importants coûts unitaires, des variables d’écart relatif à la capacité d’accueil aussi
élevé ainsi que d’importants taux d’encadrement. Ainsi peut-on avancer que ces systèmes
d’ES privilégient la qualité de la formation qu’elles offrent à leurs efficiences ?
Pour analyser ce potentiel dilemme efficience-qualité il nous faut calculer des

indicateurs composites de la qualité de l’enseignement supérieur propre à cet échantillon de
pays. L’évaluation de la qualité de l’enseignement supérieur est une entreprise délicate.
Chaque système d’enseignement supérieur présente ses propres caractéristiques
susceptibles d’expliquer la qualité de la formation qu’il offre. Nous avons donc essayé de
présenter une tentative de mesure d’un concept aussi évasif que la qualité de
l’enseignement supérieur. Pour ce faire nous avons eu recours à une variante du modèle
DEA pour construire un indicateur composite de la qualité. Les résultats obtenus montrent
que les pays qui affichent la meilleure qualité présentent de forts taux d’encadrement ainsi
qu’une concordance entre l’espérance de vie scolaire et le type de formation qui domine en
terme de participation et de diplômés entre les études universitaires (CITE 5A et 6) et les
formations professionnalisées (CITE5B). Le troisième déterminant qui affecte la qualité de
la formation offerte est l’efficience. En effet certains pays optent pour la quantité ce qui tue
la qualité. La non application d’un numerus clausus a pour conséquence directe une
Page
33
massification de l’enseignement supérieur. En la conjuguant à de fortes restrictions

budgétaires, ces systèmes sont obligés de produire le plus en dépensant le moins. Ce qui
implique automatiquement un faible niveau d’encadrement et un effet d’encombrement
affectant négativement la qualité de l’enseignement d’où une augmentation des taux de
redoublement et d’abondant. Cette proposition se confirme par l’importance des indicateurs
synthétiques de la qualité obtenus par les pays qui appliquent une politique d’admission
restrictive. Ce dilemme efficience-qualité est confirmé économétriquement par les tests non
paramétriques de Spearman et de Kendall.
En comparant la situation de la Tunisie par rapport aux reste des pays de l’OCDE ont
remarque qu’elle présente, toutes choses égales par ailleurs, un fort niveau d’efficience mais
un moindre niveau de la qualité qui reste néanmoins respectable. Le système d’enseignement
supérieur présent, en effet, le plus faible niveau d’encadrement. Il nous faut noter que le
dilemme efficience-qualité pour le cas de la Tunisie ne pourrait être confirmé étant donnée on
n’a pas considéré la rémunération des salaires des enseignants car elle ne compte pas parmi
les dépenses de fonctionnement or dépenses ne recherche de développement. Par contre pour
les pays de l’OCDE le dilemme entre efficience et qualité est effectivement confirmée.
Afin de préserver la qualité de l’enseignement supérieur tous les pays composant notre
échantillon ont mis en place une réforme du système d’enseignement supérieur dans le cadre
du processus de Bologne. Parmi les réformes proposées par cet engagement est la promotion
d’une coopération européenne pour l’assurance de la qualité. Malheureusement on ne peut
considérer les effets d’une telle réforme étant donné que l’adoption de la nouvelle structure
LMD s’effectue progressivement. Pour la Tunisie les premiers diplômés dans le cadre de la
structure LMD est prévue pour l’année universitaire 2009-2010.
L’évaluation de la qualité est une entreprise délicate mais nécessaire. Le diplômé de

l’enseignement supérieur représente une main d’œuvre supposé de haute qualité. La
conjoncture actuelle pourrait elle modifier la perception du marché de travail par rapport à la
qualité des compétences acquises par les diplômés de l’enseignement supérieur ?
Page
34
Bibliographie
Abbott .M et Doucouliagos. C « The efficiency of Australian universities: a data
envelopment Analysis » Economics of Education Review 22 (2003) 89–97.
Afonso. A et Santos. M « Public Tertiary Education Expenditure in Portugal: a Non-
Parametric Efficiency Analysis » (2004).
Ahuja.V et Filmer.D “Educational Attainment in developing countries » WPS 1489
Banque Mondiale.
Banque Mondiale « Constructing knowledge societies: new challenges for tertiary
education » (2002).
Barr .N “Higher education funding» Oxford Review of Economic Policy Vol.20 No2
Bayanet .B et Debande. O “ Performance des activités d’éducation et de recherche des
systèmes d’enseignement supérieur de l’OCDE » Annales Of public and cooperative
economics 70.4 (1999).
Beaton .A et Al “The benefits and limitations of international educational
achievement studies» UNESCO (1999).
Bedard. K « School quality and the distribution of male earnings in Canada »
Economics of Education Review 22 (2003)
Bergmann . H « Quality of Education and the Demand for Education: Evidence from
DevelopingCountries» Revue Internationale de l'Education, Vol. 42, No. 6. (1996),
Bertola. G , Checchi .D et Oppedisano. V « Private schoole quality in Italy» IZA
working paper series N°3222 2007
Bettinger. E et Terry Long. B “ Do college instructors matter? The effects of adjuncts
and graduate assistants on students’ interests and success» NBER WP 10370
Birdsall. N «Public Spending on Higher Education in Developing Countries: Too
Much or Too Little?» Economics of Education Review, Vol. 15, No. 4, (1996).
Blöndal. S, Field. S et Girouard. “L’investissement en capital humain : le rôle de
l’enseignement secondaire du deuxième cycle et de l’enseignement supérieur » Revue
économique de l’OCDE n° 34, (2002)
Bloom. D, Canning. D and Chan. K “Higher Education and Economic Development
in Africa» Harvard University (2006).
Banque Mondiale “higher education in developing countries: peril and promise»
(2000).
Page
35
Bowker. A « Quality and Quantity in Higher Education» Journal of the American

Statistical Association, Vol. 60, No. 309. 1965
Brasington. D M « The supply of public school quality» Economics of Education
Review 22 (2003)
Brooks, R. L.(2005) “Measuring University Quality». Review of Higher Education
29, (1),p. 1-22.
Brossard. M et Foko. B « Coûts et financement de l’enseignement supérieur dans les
pays d’Afrique francophone » UNESCO (2006).
Brown .W “Sources of funds and quality effects in higher education» European
Economic Review N°20 2001.
Bruce Johnstone .D “The economics and politics of cost sharing in higher education:
comparative perspectives» Economics of Education Review 23 (2004) 403–410
Carrington.R, Coelli. T et Rao. P « Measuring the performance of Australian
universities: conceptual issues an initial results» The Asia-Pacific Productivity
Conference 2004.
Casu.B et Thanassoulis.E « Evaluating cost efficiency in central administrative
services In UK universities » Omega 34 (2006) 417 – 426.
Charlot. O et Decreuse. B «Self-selection in education with matching frictions»
Labour Economics N° 5 2005.
Cheslock.J « Differences between public and private institutions of higher education
in the enrolment of transfer students» Economics of Education Review 24 (2005).
Chevalier. A “Measuring over-education» Economica N°70 2003.
Clarke, M (2002). “Some Guidelines for Academic Quality Rankings». Higher
Education inEurope 27 (4),p. 443-459.
Dabla-Norris. E et Matovu.J “Composition of government expenditures and demand
for education in developing countries » FMI WP/02/78.
Danskin. E « Quality and Quantity in Higher Education in Thailand and Philippines»
Comparative Education, Vol. 15, No. 3 1979
David Bloom. D, Canning. D , and Chanet. K “Higher Education and Economic
Development in Africa» Harvard University 2006.
Dolton. P, Marcenaro.D et Navarro « The effective use of student time: a stochastic
frontier production function case study » Economics of Education Review 22 (2003)
547–560
Page
36
Dutta . J, Sefton. J et Weale. M “ Education and Public Policy» Fiscal Studies vol.
20, no. 4, (1999).
Eccles, C (2002). “The Use of University Rankings in the United Kingdom». Higher
Education in Europe 27 (4),p. 423–432.
Ehrenberg. R « Econometric studies of higher education» Journal of Econometrics
121 (2004)
El-Khawas.E « Quality Assurance in Higher Education: Recent Progress; Challenges
Ahead» UNESCO conférence mondiale sur l’enseignement supérieur 1998
Figlio.D « Functional form and the estimated effects of school resources» Economics
of Education Review 18 (1999).
Figlio.D « Teacher salaries and teacher quality » Economics letters N° 55 1997
Finnie .R et Usher.A « measuring the quality of post-secondary education : concepts ,
current pratices and a strategic plan » Canadian policy research networks research
report W/28 2005.
Glass.J, McCallion. G, McKillop.D, Rasaratnam. S, et Stringer. K “Implications of
variant efficiency measures for policy evaluations in UK higher education» Socio-
Economic Planning Sciences 40 (2006).
Glewwe . P and Kremer.M “Schools, Teachers, and Education Outcomes in
Developing Countries» Working Paper No. 122 Centre de développement
international Université de Harvard (2005).
Goldhaber. D et Anthony.E « Teacher Quality and Student Achievement» ERIC
Clearinghouse on Urban Education Urban Diversity Series No. 115 2003
Greene.D “What is quality in higher education» Society for research into higher
education London 1994.
Hanushek .E « Some simple analytics of school quality» NBER WP10229 2004
Hanushek. E “Publicly provided education» WP 8799 NBER (2002) .
Hanushek. E “The market for teacher quality» NBER WP 11154 2005
Hartley. D « The 'McDonaldization' of Higher Education: Food for Thought?» Oxford
Review of Education, Vol. 21, No. 4. 1995
Hazelkorn.E « Impact of global rankings on higher education research and the
production of knowledge » Occasional paper N°15 UNESCO.
Heckman.J , Layne-Ferrar et Todd. P “Does measured school quality really matter?
An examination of the earnings-quality relationship» NBER WP5274 1995
Page
37
Hénard. F « Etat des lieux et perspectives pour l’évaluation de la qualité de

l’enseignement supérieur en Europe » Publication des actes du 19ème colloque de
l’admée – Europe 2007 volume 1, No 1
Henderson.D « The Measurement of Technical Efficiency Using Panel Data» (2003).
Henderson.D, Simar.l «A Fully Nonparametric Stochastic Frontier Model for Panel
Data» journal of economic literature 2005.
Herrera. S et Pang . G « Efficiency of Public Spending in Developing Countries: An
Efficiency Frontier Approach» World Bank Policy Research Working Paper 3645,
Juin (2005).
Heyneman .S “The quality of education in the Middel East and North Africa»
International Journal of Education Development Vol 17 N°4 1997.
Heyneman .S « International education quality » Economics of Education Review 23
2004
Hilmer M « Human Capital Attainment, University Quality, and Entry-Level Wages
for College Transfer Students» Southern Economic Journal, Vol. 69, No. 2 2002
Hilmer. M « Does the return to university quality differ for transfer students and
direct attendees?» Economics of Education Review 19 (2000)
Hilmer.M « Human Capital Attainment, University Quality, and Entry-Level Wages
for
Hoffmann. F et Oreopoulos. P « Professor Qualities and student achievement» NBER
WP 12596
Horowitz. J “Oracle-efficient nonparametric estimation of an additive model with an
unknown link function» JEL C31 C14 (2005).
James D. Adams. J et Clemmons. J « The growing allocative inefficiency of the US
higher education sector » Working Paper 12683 NBER
Jensen, M. C. & Meckling, W. H. (1976). “Theory of the firm: Managerial behavior,
agency costs and ownership structure». Journal of Financial Economics, 3(4), 305-
360.
John B. Horowitz J.B et Spector.L “Is there a difference between private and public
education on college performance?» Economics of Education Review 24 (2005).
Johnes .J “Data envelopment analysis and its application to the measurement of
efficiency in higher education» Economics of Education Review (2006).
Page
38
Johnes .J “Measuring teaching efficiency in higher education: An application of data

envelopment analysis to economics graduates from UK Universities 1993» European
Journal of Operational Research 174 (2006).
Johnes « Data envelopment analysis and its application to the measurement of
efficiency in higher education» Economics of Education Review (2005)
Johnstone .B “The economics and politics of cost sharing in higher education:
comparative perspectives» Economics of Education Review 23 (2004)
Kaiser. F et O’Heron “Myths and methods on access and participation in higher
education in international comparison» CHEPS (2005).
Kemnitz. A « Funding, Competition and Quality in Higher Education»2003
www.ec.europa.eu/economy_finance/events/2004/bxl0504/kemnitz_en.pdf
King. W “ Input and output substitution in higher education» Economics Letters N°
57 1997.
Kivistö, J. A. (2005).» The government-higher education institution relationship:
theoretical considerations from the perspective of agency theory». Tertiary Education
and Management, 11(1), 1-17.
Kivistö, J. A. (2007). Agency theory as a framework for the government-university
relationship. (Academic Dissertation) Higher Education Group: Tampere University
Press.
Kokkelenberg. E, Dillon. M et Christy.S « The Effects of Class Size on Student Grades
at a Public University» 2005.
Koshal et Koshal. M « Economies of scale and scope in higher education: a case of
Krieg.J « Teacher quality and attrition» Economics of Education Review 2004
Kruger.A “Experimental estimates of education production functions» W.P 6051
NBER (1997).
Kuosmanen. T, Postb. T, Scholtes. S “ Non-parametric tests of productive efficiency
with errors-in-variables» Journal of Econometrics 136 (2007).
Kuziemko .I « Using shocks to school enrolment to estimate the effect of school size
on student achievement » Economics of Education Review (2005).
Lane, J. E., & Kivistö, J. A. (2008). “Interests, information, and incentives in higher
education: Principal-agent theory and its potential applications to the study of higher
education governance». Higher Education: Handbook of Theory and Research, 23,
141-180.
Lazear. E. « Educational production» W.P 7349 NBER (1999) .
Page
39
Lianos.T, Asteriou. D et Agiomirgianakis.G « Foreign universities graduates in the

Greek lbor market : employment, salaries and overeducation » présenté à la
conférence internationale “overeducation in Europe; What we know» Berlin
Novembre 2002.
Liefner, I. (2003).» Funding, resource allocation, and performance in higher
education systems». Higher Education, 46, 469-489.
Lien. D « On the optimal quality of domestic higher education programs » Economic
Modelling 2005.
Lovell. K et Pastor .J “ Radial DEA models without inputs or without outputs»
European journal of operational research N°118 1999.
M. Giménez. M et Martınez J.L « Cost efficiency in the university: A departmental
evaluation model» Economics of Education Review (2005).
Maassen . M « Quality Control in Dutch Higher Education: Internal versus External
Evaluation» European Journal of Education, Vol. 22, No. 2. 1987
Machin. S et McNally.S “Tertiary education systems and labour markets» Tertiary
review OCDE 2007.
MAINDIRATTA. A « Largest size-efficient scale and size efficiencies of decision-
making-unit in data envelopment analysis» Journal of Econometrics 46 (1990).
Marsh .L « The econometrics of higher education: editor’s view» Journal of
Econometrics 121 (2004)
Martin. M et Stella. A “ Assurance qualité externe dans l’enseignement supérieur : les
options » UNESCO 2007
Mayer-Foulkes. D « On the dynamics of quality student enrollment at institutions of
higher education » Economics of Education Review 21 (2002)
Mc Millan. M, Datta, D « The Relative Efficiencies of Canadian Universities: a DEA
Perspective» Canadian public policy _ analyse de politiques VOL. XXIV, NO. 4
(1998).
McMillan. M et Chan.W « University Efficiency: A Comparison and Consolidation of
Results from Stochastic and Non-Stochastic Methods» University of Alberta Working
Paper Series Paper Number04 (2005)
Murias. P, Carlos De Miguel .J et Rodriguez. D « A composit indicator for university
quality assessment : the case of Spanish Higher Education System » Social Indicators
Research N°89 2008.
Page
40
Neave. G « Elite and Mass Higher Education in Britain: A Regressive Model?»

Comparative Education Review, Vol. 29, No. 3. 1985
Nunan. T “Graduate qualities, employment and mass higher education» HERDSA
Annual international conference 1999.
Patrinos. H « The Privatization of Higher Education in Colombia: Effects on Quality
and Equity» Higher Education, Vol. 20, No. 2. 1990
Patrinos.H « Public-Private Partnerships: Contracting Education in Latin America»
Banque mondiale 2006.
Pratt.M , Conrad. C « Designing for Quality» The Journal of Higher Education, Vol.
56, No. 6. 1985
Pritchett .L et Filmer. D “What Education Production Functions Really Show: A
Positive Theory of Education Expenditures» (1997).
Psacharopoulos.G et Papakonstantinou. G “ the real university cost in a free higher
education country “ Economics of Education Review 24 (2005) 103–108
Quintanilla . M « The Quality Challenge for Universities: A View from Spain»
Tertiary Education and Management; 1999; 5, 4
Ruggiero. J « Comment on estimating school efficiency» Economics of Education
Review 22 (2003).
Ruggiero. J « Measurement error, education production and data envelopment
analysis» Economics of Education Review( 2005).
Salerno .C « What we know about the efficiency of higher education institutions: The
best evidence» The Center for Higher Education Policy Studies (2004).
Salerno. C “Improving estimates of higher education institutions per-student costs
with DEA» 16ème conference du CHER (2003).
Salerno. C « Issues in higher education policy » CHEPS (2005).
Salmi. J « Tertiary Education in the Twenty-First Century, Challenges and
Opportunities» LCSHD Paper Series No. 62 Banque Mondiale (2000).
Salmi. J et Hauptman. A « Innovation in tertiary education financing: comparative
evaluation of allocation mechanisms» WPS 4 Banque Mondiale (2006).
Sanyal. B “Diversification of sources and the role of the privatization in financing of
higher education in the Arab States region» Working document N° 30 UNESCO
1998.
Scheerens. J “Improving school effectiveness» UNESCO (2000).
Page
41
Schwartzman. S « Equity, quality and relevance in higher education in Brazil» Annals

of the Brazilian Academy of Sciences 2004 www.scielo.br/aabc
Shah.T et Brennan. J « Quality Assessment and Institutional Change: Experiences
from 14 Countries» Higher Education, Vol. 40, No. 3. 2000
Shapiro, S. P. (2005). “Agency theory”. Annual Review Sociology, 31, 263-284
Sirageldin. I et Morgan. J « A Note on the Quality Dimension in Education» The
Journal of Political Economy, Vol. 76, No. 5. 1968
Stone. C et Mortimore. P « Measuring Educational Quality» British Journal of
Educational Studies, Vol. 39, No. 1. 1991
Su. X « Endogenous determination of public budget allocation across education
stages» Journal of Development Economics (2005).
Taussig.M et Seneca. J « Educational Quality, Access, and Tuition Policy at State
Universities» The Journal of Higher Education, Vol. 58, No. 1. 1987
Tavares. G “A bibliography of Data Envelopment Analysis (1978-2001)» Ructor
Research Report (2002).
Thompson. K « Quality Control in Higher Education» British Journal of Educational
Studies, Vol. 40, No. 1 1992
Tilak. J « Are We Marching towards Laissez-faireismin Higher Education
Development?» Journal of International Cooperation in Education, Vol.8, No.1,
(2005)
Tuijnman A « Dilemmas of Open Admissions Policy: Quality and Efficiency in
Swedish Higher Education» Higher Education, Vol. 20, No. 4. 1990
TURNER, D.R.(2005) “Benchmarking in Universities: League Tables Revisited».
Oxford Review of Education 31(3), septembre p. 353-371
UNESCO “ Déclaration mondiale sur l'enseignement supérieur pour le XXIe siècle :
Vision et actions » 1998.
UNESCO “Accès à l’enseignement supérieur en Europe » Etude editée par le centre
européen pour l’enseignement supérieur UNESCO (1981).
UNESCO “Elargir l’accès à l’enseignement supérieur de qualité « Seconde réunion
du Forum mondial sur les dimensions internationales de l’assurance qualité,
l’accréditation et la reconnaissance des diplômes 2004
UNESCO “Lignes directrices pour des prestations de qualité dans l’enseignement
supérieur transfrontalier » 2005
UNESCO « L’enseignement supérieur dans une société mondialisée » (2004).
Page
42
UNESCO « Le financement de l’éducation : investissement et rendements » (2002) .

USHER, A. et SAVINO, M. (2006) “A World of Difference: A Global Survey of
University League Tables». Canadian Education Report Series. Toronto: Education
Policy Institute.
Volkwein. Jf « Campus Autonomy and Its Relationship to Measures of University
Quality» The Journal of Higher Education, Vol. 57, No. 5. 1986
Weert. E « A Macro-Analysis of Quality Assessment in Higher Education» Higher
Education, Vol. 19, No. 1. 1990
West E « Autonomy in school provision: Meanings and implications- Review essay »
Economics of education review Vol 11 N° 4 1992
Westerheijden. E et van Vught. F “Towards a General Model of Quality Assessment in
Higher Education» Higher Education, Vol. 28, No. 3. 1994
Wicks. S « Peer Review and Quality Control in Higher Education» British Journal of
Educational Studies, Vol. 40, No. 1. 1992
Woodhall .M “Cost-Benefit analysis in education planning» UNESCO (2004).
Wright.P « Who Defines Quality in Higher Education? Reflections on the Role of
Professional Power in Determining Conceptions of Quality in English Higher
Education» Higher Education, Vol. 18, No. 2. 1989
Youngs. P et Wayne. A « Teacher Characteristics and Student Achievement Gains: A
Review» Review of Educational Research, Vol. 73, No. 1. 2003
Page
43

Article 2010

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Article 2010

Transféré par

Droits d'auteur :

Formats disponibles

qwertyuiopasdfghjklzxcvbnmqwert

Efficience et Qualité de l’Enseignement Supérieur

BEN HAMIDA ZRELLI Nadia*

Université Tunis El Manar

Faculté des sciences économiques et de gestion de Tunis

Code JEL : A2, C8, D2, H4, I2

Le système d’enseignement supérieur participe considérablement à la croissance

Les deux dernières décennies se caractérisent par une démocratisation de l’accès à

Efficience et qualité de l’enseignement supérieur : approche

La conjoncture actuelle de massification des systèmes d’enseignement supérieur

Efficience interne des systèmes d’enseignement supérieur

Selon Lewis (1989) et Schwartz (1987) « l’allocation de nouvelles ressources ou de

Dans une optique de minimisation des coûts, l’étude de l’efficience interne

On distingue trois types d’efficience interne : l’efficience allocative, l’efficience technique

Koopmans (1951) définit l’efficience technique comme étant « le vecteur d’inputs ou

L’exemple suivant (graphique N°1) nous permet d’expliquer le concept d’efficience

Graphique N°1 : Diagramme d’efficience allocative dans le cadre de l’enseignement

La première étape dans la détermination de l’efficience est l’identification d’un niveau

Les points le long de l’enveloppe représentent les combinaisons équivalentes des

L’étude de l’efficience à l’échelle permet de déterminer la taille optimale d’une institution

Dans le cadre de l’enseignement supérieur, une institution atteint sa taille optimale

Le caractère multi-output des systèmes d’enseignement supérieur nous oblige à

plus essentiel est la présence de facteurs de production communs au niveau du système de

La qualité dans l’enseignement supérieur

L’intérêt porté à la qualité de l’enseignement supérieur s’explique par les

 Une tendance générale d’amélioration de la qualité des services publics.

Cet argument est un instrument de mise en garde par rapport à la Mcdonalisation de

Selon le rapport final de la commission sur la qualité de l’enseignement supérieur

Avec un enseignement supérieur favorisant l’intégration et une population estudiantine

Une revue de la littérature permet de distinguer plusieurs définitions attribuées à la

Cette approche n’offre pas un outil ou une référence de mesure de la qualité et ne

L’approche de la qualité en tant que perfection démocratise l’enseignement supérieur

La qualité en tant qu’adéquation aux objectifs fixés est représentée à travers la

Si la qualité est considérée en tant qu’amélioration son développement est la principale

Le rapport qualité- prix égalise la qualité à une certaine valeur monétaire ou à un

Mesure Efficience et qualité de l’enseignement supérieur : la

La méthode d’estimation DEA est déterministe et non paramétrique. Elle contourne le

Les fondements mathématiques de la méthode DEA reviennent à Farrell (1957) et

Une des mesures de la productivité est le ratio output/input. L’inconvénient de cette

Le modèle CCR est le suivant :

L’objectif de ce programme d’optimisation est de déterminer les pondérations u et v qui

Ce modèle possède plusieurs inconvénients. D’une part la possibilité d’une infinité de

Pour contourner ce problème et établir à chaque rapport son importance, il suffit de

Le modèle DEA orienté vers les inputs

Le précédent modèle est un programme linéaire primal. L’ajout de variables duales

L’introduction des variables duales nous permet de formuler le modèle suivant :

Pour bien expliquer le modèle dans le cadre de l’enseignement supérieur, le recours à

Graphique N°2 : Diagramme d’efficience orienté vers les inputs

L’introduction de l’hypothèse des rendements d’échelle variables par Banker, Charnes

Pour introduire l’hypothèse des rendements d’échelle variables il suffit de remplacer

Graphiquement l’hypothèse des rendements d’échelle variables déplace l’enveloppe de

Le modèle DEA orienté vers les outputs

L’objectif du modèle dans ce cadre est de maximiser le niveau de production sous la

Plus  tend vers l’unité, plus la DMU est efficiente.

Considérons les DMU A, B, et C qui produisent deux outputs Y1 et Y2 en utilisant un

Graphique N° 3: Diagramme d’efficience cas de maximisation des outputs

Calcul d’un indicateur d’efficience interne et de qualité des

Présentation des modèles

Modèle d’efficience interne

La procédure d’estimation se base sur des données agrégées au niveau national. Le

Le modèle estimé est le suivant.

Dépenses ordinaires or Les diplômés de la CITE 5A et 6

Tableau1 : Présentation du modèle d’estimation de l’efficience interne