LAMETA Working Paper

2004-13

Choix d’orientation et rentabilité de l’enseignement supérieur :

Une application micro économétrique à partir du
modèle de scolarité de Mincer

Valérie Canals*, Magali Jaoul†

Résumé : L’un des facteurs déterminants dans le choix des étudiants de poursuivre des études
est le rendement associé à ces études. Si la poursuite d’études dans l’enseignement supérieur
constitue pour la majorité des individus une décision rentable sur le plan financier, cette
rentabilité varie considérablement selon le type de diplôme obtenu, la filière de formation,
certaines caractéristiques individuelles. L’hypothèse fondamentale de la théorie du capital
humain est que l’éducation représente un investissement qui permet l’accroissement de la
productivité de ceux qui en bénéficient et implique par là même, une augmentation de leurs
rémunérations. Partant de là, l’objet de cette communication est d’analyser les rendements
éducatifs des filières et secteurs universitaires. Nous estimons, grâce au modèle de scolarité
développé par Mincer, le taux de rentabilité privé de l’éducation associé au diplôme de
l’enseignement supérieur. Les résultats sont obtenus à partir de la base du CEREQ de
Génération 98.

Mots-clés : enseignement supérieur, économie de l’éducation, modèles de scolarité.

Abstract: One of the determining factors in the choice of the students to continue studies is the
return associated with these studies. If the continuation of studies in higher education
constitutes for the majority of the individuals a profitable decision in financial terms, this
profitability varies considerably according to the type of diploma obtained, the curriculum
and different individual characteristics. The fundamental assumption of the human capital
theory is that education involves an investment which allows the increase the productivity of
those which profit from it, and implies consequently, an increase in their earnings. Based on
this, the aim of this paper is to analyze the educational outputs of various university sectors.
We estimate, according to the model of schooling developed by Mincer, the private rate of
return of education associated with the diploma obtained in the higher education system. The
results are developed the CEREQ Generation 98 database.

Keywords: higher education, economics of education, models of schooling.

*
Université Montpellier III, Route de Mende, 34 199 Montpellier Cedex. E-mail : valerie.canals@univ-
montp3.fr.
†
LAMETA, Université Montpellier I, Faculté des Sciences Economiques, Espace Richter, Avenue de la Mer, CS
79 606, 34960 Montpellier Cedex 2. E-mail : m.jaoul@lameta.univ-montp1.fr

1
 Selon les approches en terme de capital humain, la hausse de la demande d’éducation
est le signe d’un accroissement relatif de la rentabilité professionnelle de l’investissement
éducatif. D’après ce modèle, la demande d’éducation est sensible à la fois aux variations des
coûts privés de l’éducation et aux variations des différences de gains associées aux années
supplémentaires de formation. Ainsi, la poursuite d’études correspond à une logique
d’accumulation de capital humain en vue d’un échange marchand sur le marché du travail.
Après le bac, l’individu doit faire un choix entre la poursuite d’études ou l’entrée sur le
marché du travail. Pour opérer son choix, le jeune bachelier tient à la fois compte des
bénéfices supplémentaires qu’il retirera et des coûts associés à la poursuite d’études. Selon ce
raisonnement, la poursuite d’études est rentable sur le plan financier, dans la mesure où les
bénéfices escomptés sont supérieurs aux coûts sur l’ensemble de la carrière professionnelle.
Du point de vue individuel, la décision d’investir dans l’éducation augmente généralement la
probabilité d’obtenir un emploi mieux rémunéré dans le futur. Confronté à un problème de
rationalité, à savoir celui de comparer les coûts de son investissement en éducation aux
bénéfices futurs anticipés de son investissement, l’étudiant opère un choix en fonction de
l’information dont il dispose. Les choix éducatifs dépendent à la fois de la structure éducative
(offre de formation) et du marché du travail. Face à l’ensemble des options possibles,
l’étudiant fera sa sélection. Cette problématique est liée à l’importance essentielle de
l’anticipation des revenus futurs associés à tel ou tel choix, très bien décrit dans les modèles
récursifs de toile d’araignée de R. Freeman [FREEMAN 1971] ou ceux plus récents de C.
Diebolt et B. El Murr [DIEBOLT & EL MURR 2003] dans le cadre d’un modèle d’équilibre
partiel d’économie de l’éducation et du travail. L’un des facteurs déterminants dans le choix
des étudiants de poursuivre des études est le rendement associé à ces études, c’est-à-dire le
taux de rendement privé associé à l’obtention d’un diplôme supérieur. Bien que les étudiants
ne fassent pas de calculs explicites du taux de rendement, ils ont tendance à réagir aux
changements et aux évolutions affectant les diverses filières de formation. Le taux de
rendement de l’éducation doit permettre d’apprécier la structure incitative à laquelle sont
confrontés les jeunes dans le choix de leur orientation !

Si la poursuite d’études dans l’enseignement supérieur constitue pour la majorité des

individus une décision rentable sur le plan financier, cette rentabilité varie considérablement
selon le type de diplôme obtenu, la filière de formation, certaines caractéristiques
individuelles et la conjoncture économique. En effet, il ne faut pas oublier, que dans une
économie de sous emploi, poursuivre les études n’est pas toujours lié à un calcul économique
basé sur un éventuel retour sur investissement. Cette décision peut aussi, tout simplement, être
vécue comme une protection contre le chômage, une considération atténuant
considérablement la portée des explications théoriques du modèle du capital humain. Malgré
cela, le mouvement de poursuite d’études et de migration vers l’université traduit bien une
réalité : le diplôme reste un signal malgré des signes évidents de dépréciation [SPENCE 1973,
AFFICHARD 1981 ; BAUDELOT & GLAUDE 1989 ; MARTINELLI & VERGNIES 1995 ; FORGEOT &
GAUTIE 1997 ; GAMEL 1998]. Ce phénomène est clairement perçu par les jeunes et leur
famille. Ainsi, c’est aujourd’hui la moitié d’une classe d’âge qui se dirige vers l’enseignement
supérieur.

L’objet de cette communication est d’analyser les rendements éducatifs des filières et
secteurs universitaires à partir de l’analyse des salaires des jeunes débutants entrant sur le
marché du travail. Nous estimerons à l’aide de la méthode développée par Mincer, le taux de
rentabilité privé de l’éducation associé au diplôme de l’enseignement supérieur. Quelles sont
à l’aube du 21ème siècle les filières les plus rentables ? Scientifiques ou littéraires ? Peut-on
déterminer d’éventuelles différences de rendement selon les individus à l’intérieur d’un même

2
domaine d’étude ? Existe-t-il des différences significatives dans le taux de rendement de
l’éducation entre les hommes et les femmes. Le rendement d’une année d’études
supplémentaire est-il identique pour toutes les filières ? Autant d’interrogations qui seront
traitées à partir d’observations individuelles issues d’une enquête réalisée par le Centre
d’études et de recherches sur les qualifications (Céreq).

1. PRESENTATION DU MODELE DE MINCER

Le modèle de base prévoit que le gain d’un actif est principalement expliqué par ses
caractéristiques propres : niveau d’éducation et expérience professionnelle en particulier. A
partir d’observations individuelles, on peut à l’aide de l’analyse de la régression relier le
revenu à d’autres caractéristiques comme la scolarité, l’âge ou l’expérience. On mesure ainsi
simultanément la contribution de différents facteurs à l’explication de la variance du revenu.
Par conséquent l’estimation du taux de rendement de l’éducation nécessite de disposer d’une
base de données individuelles relativement bien renseignée dans laquelle on dispose
d’information sur le revenu, le nombre d’années d’études, etc. Dans cette optique, nous avons
utilisé, Génération 98, une enquête réalisée par le Céreq sur l’insertion professionnelle des
jeunes sortant de l’enseignement en 1998 [ÉPIPHANE, GIRET, HALLIER, LOPEZ & SIGOT 2001 ;
CEREQ 2002 ; GIRET, MOULLET & THOMAS 2002] (cf Annexe). Un tri de l’échantillon a
conduit à ne garder que les sortants de Génération 98 ayant un niveau de formation supérieur
au niveau IV qui sont en emploi et à temps plein à la date de l’enquête. L’échantillon
regroupe 12 730 individus répartis de la façon suivante.

Figure 1 Répartition de l’échantillon selon le niveau de formation

Effectif brut Effectif pondéré
Niveau I 2380 20769
Niveau II 2635 26643
Niveau III 5482 60419
Niveau IV+ 2233 29866
ENSEMBLE 12730 137697
Source : Céreq – Génération 98

Contrairement à la majorité des travaux qui analysent ces relations, nous n’étudierons
pas ces liaisons dans une perspective dynamique. Notre analyse repose sur un traitement
statique des données, basé sur le salaire déclaré par les jeunes en emploi à la date de l’enquête
(c’est à dire 3 années après leur sortie de l’enseignement).

La théorie traditionnelle du capital humain selon laquelle il existe une relation

éducation-productivité-salaire résulte des contributions initiales de Becker (1964), Schultz
(1961) et Mincer (1958, 1974). L’hypothèse fondamentale de cette théorie est que l’éducation
représente un investissement qui permet l’accroissement de la productivité de ceux qui en
bénéficient et implique par là même, une augmentation de leurs rémunérations.
− La première relation causale résulte du fait que la formation (sous sa forme générale ou
spécifique) affecte de manière positive la productivité des individus (Becker 1964). La
production résulte ainsi de la production de trois facteurs, le capital physique, le travail et
le capital humain.
− La seconde relation causale résulte du cadre néo-classique de l’analyse selon lequel
l’hypothèse de concurrence requiert que les facteurs soient rémunérés à leur productivité
marginale.

Il s’ensuit 3 observations :

3
− les travailleurs ayant la même productivité marginale, ils sont rémunérés au même taux ;
− les travailleurs les plus productifs sont les mieux payés ;
− les travailleurs les mieux éduqués sont les mieux payés et ils devraient également être les
plus productifs.

La théorie orthodoxe du capital humain, débouchant sur la conclusion que les

individus sont rémunérés à leur productivité marginale, reflet de leur capital humain, comme
de la quantité et la qualité de formation reçue, apparaît comme un déterminant essentiel des
gains de l’individu. Ainsi, comme le suggère Becker (1975), les différences de gains entre
individus proviennent de leur éducation.

Sous les hypothèses suivantes, Mincer (1974) spécifie de manière économétrique la

relation précédente :
− tous les individus ont des capacités et des opportunités identiques d’occuper un poste de
travail ;
− les postes de travail diffèrent dans la quantité de formation qu’ils requièrent ;
− la formation prend du temps et chaque année de formation entraîne un report de salaire à
une année ultérieure ;
− la quantité de revenu est stable pendant la durée de vie active.

Il en résulte que les salaires annuels correspondant aux différents niveaux de

formation, diffèrent de manière multiplicative. Si on relâche la première hypothèse, il existe
alors une corrélation positive entre la quantité de formation et les capacités ; dans ce cas, les
personnes les plus aptes à apprendre choisiront une formation plus longue. Le revenu dépend
aussi des qualités individuelles.

Mincer propose deux formes complémentaires d’acquisition du capital humain :

− l’investissement scolaire : hypothèse selon laquelle le capital humain est acquis
exclusivement lors de la scolarité ;
− l’investissement en expérience professionnelle. Extension de l’hypothèse précédente ;
l’individu continue d’investir en capital humain au cours de sa vie active. Comme cette
acquisition est coûteuse, le salaire observé diffère du salaire anticipé.

Donc, au lieu d’observer un niveau de salaire constant avec l’âge, on observe un profil
âge/salaire croissant. Le salaire continuera à augmenter tant que l’investissement net va
croître à un taux inférieur au taux de rendement des investissements professionnels. Sous
l’hypothèse de décroissance linéaire de l’intensité des investissements professionnels et de la
constance du rendement de ces investissements, les taux de rendement pour l’individu i de S
années d’études peuvent alors s’estimer de diverses manières.

1.1. Modèle simple

Soit Yi les revenus de l’individu i

Si est l’éducation formelle, les années de scolarité de l’individu i

La formulation la plus simple du modèle de scolarité de Mincer s’exprime sous la

forme d’une fonction linéaire : Ln Yi = a + b.Si + εi où le coefficient b s’interprète comme le
taux de rendement moyen des investissements scolaires. Diverses variantes ont été proposées
afin d’améliorer le modèle [RIBOUD 1978].

4
 1.2. Modèle avec expérience professionnelle

L’acquisition de connaissances scolaires n’est pas la seule façon pour un individu

d’accroître le stock de savoir utile à son travail. Une deuxième façon, qui fut rapidement
incorporée au modèle du capital humain, est l’expérience professionnelle, cette dernière étant
considérée comme un moyen pour l’individu d’acquérir des connaissances qui seront
rémunérées. Mincer propose l’estimation de la fonction suivante :

Ln Yi = a + b.Si + c.Ei + d.Ei² + εi

Où Ei l’expérience professionnelle, mesurée par l’âge de l’individu

Ainsi, plus le capital humain général (S) et spécifique (E) sont élevés plus les gains
sont importants ceteris paribus, les individus vont investir de moins en moins dans la
formation à mesure que se déroule leur vie professionnelle. On peut également prendre en
considération le fait que le rendement marginal varie avec le volume des investissements
éducatifs :

Ln Yi= a + b.Si + c.Si² + d.Ei + e.Ei² + εi

Compte tenu des caractéristiques de notre échantillon (jeunes débutants) l’expérience

professionnelle ne peut se mesurer en terme d’ancienneté sur le marché du travail. Pour
obtenir un indicateur d’expérience, nous avons calculé, à partir du calendrier présent dans la
base, la part du temps passé en emploi depuis la fin des études et nous avons ajouté à ces
données, les expériences professionnelles développées pendant les études (petits boulots,
emploi régulier et stages). Les estimations des modèles avec expérience professionnelle ont
montré que l’expérience joue négativement ou ne joue pas. Ce résultat, surprenant, peut
s’expliquer par les caractéristiques de notre échantillon composé de jeunes débutants entrés
sur le marché du travail depuis peu de temps. Il indique aussi que les compétences et signaux
acquis pendant les études jouent peu. Les seuls secteurs où l’expérience semble entrer en jeu
dans l’explication du salaire sont les Lettres et la Santé. Toutefois dans ce dernier secteur,
l’expérience professionnelle semble jouer un rôle plus important que les années de scolarité
puisque ces dernières ne sont plus significatives. On observe l’inverse dans les secteurs Staps,
Mécanique, Sciences économiques et Droit où les années de scolarité expliquent plus le
salaire que l’expérience professionnelle. Enfin, notons le caractère particulier du secteur
sciences où les années de scolarité jouent significativement dans l’explication du salaire alors
que l’expérience professionnelle a une influence négative.

2. PRESENTATION DES VARIABLES

2.1. Durée de scolarité

La durée de scolarité S est calculée en fonction du nombre d’années de scolarité

effectuées depuis l’entrée au cours préparatoire, années de redoublement exclues. Dans le
cadre de notre exploitation, nous nous basons sur un âge théorique, ce qui, selon le diplôme
obtenu, nous donne les années suivantes.

5
 Figure 2 Calcul du nombre théorique d’années d’études après le CP
Niveau d’études Diplôme (S) - Nombre théorique d’années d’études depuis le CP
Niveau I Doctorat 20
DEA - DESS 17
Ecole d’ingénieurs 17
Ecole de commerce 17
Niveau II 2nd cycle univ 15 ou 16
Niveau III DEUG 14
BTS 14
DUT 14
Niveau IV+ Bac + 1 13

2.2. Filières et secteurs universitaires

Dans les études analysant le rendement privé de l’éducation, le secteur de formation

est peu pris en compte dans l’estimation des revenus individuels. La raison en est que le
modèle du capital humain est essentiellement centré sur le lien entre la quantité de capital
humain (considéré comme homogène) détenue par les offreurs de travail et leurs revenus.
Toutefois, si l’on accepte l’idée que ce capital humain n’est pas homogène et que sa valeur ne
peut être réduite à un nombre d’années d’études, (et n’est donc pas parfaitement substituable -
ce qui implique que deux individus ayant le même nombre d’années de scolarité et
d’expérience ne peuvent pas toujours se remplacer l’un l’autre-) et que, par ailleurs, le marché
n’est pas nécessairement parfait, une analyse décomposée par secteur de formation semble
importante pour la détermination des revenus.

Pour un nombre d’années de scolarité identique, le secteur universitaire donne à

certains individus un accès plus rapide à des emplois plus rémunérateurs. Certaines spécialités
donnent accès à des emplois mieux rémunérés car ils sont rattachés à des segments du marché
du travail plus sélectifs‡. En effet, chacun sait que certaines disciplines conduisent plus que
d’autres, par exemple, à des emplois de professions libérales (avec un profil de revenu plus
élevé). Prendre en compte le caractère spécifique de la formation, révélé par la prise en
compte des disciplines devient important dans l’explication des disparités de revenu au sein
d’une main-d’œuvre diplômée de l’enseignement supérieur (même s’il existe des formations
substituables en termes d’accès à l’emploi). Dans cette optique, les modèles seront estimés
selon les différents secteurs et filières universitaires. Pour des raisons de synthèse, les 40
secteurs universitaires présents dans la base seront regroupés en filières.

Figure 3 Regroupement des secteurs universitaires en filières (spécialités SISE)

Filières universitaires Secteurs universitaires
Maths, Physiques MATHEMATIQUES, PHYSIQUE, MATH. APPLIQUES SCIENCES SOCIALES
Chimie CHIMIE
Sciences de la nature et de la vie SCIENCES DE L’UNIVERS, SCIENCES DE LA VIE
Santé MEDECINE, ODONTOLOGIE, PHARMACIE
Mécanique, électronique, MECANIQUE, GENIE MECANIQUE, GENIE CIVIL, GENIE DES PROCEDES,
INFORMATIQUE, ELECTRONIQUE, GENIE ELECTRIQUE, SC. ET
informatique, sc. de l’ingénieur
TECHNOLOGIE INDUST, SC. DE L’INGENIEUR

(‡) Les fonctions de gains testées par C. Baudelot et M. Glaude montrent, par exemple, que les grandes écoles et
les formations professionnelles sont plus rémunératrices que les formations universitaires.

6
Lettres et sciences Humaines, Staps STAPS , SC. LANGAGE LINGUISTIQUE, LANGUES ET LIT. ANCIENNES,
Droit, sc. économiques, gestion
LANGUES ET LIT. FRANCAISES, LITTER. GENE. ET COMPAREE, ARTS,
FRANCAIS, LANGUE ETRANGERE, LANGUES ET LIT. ETRANGERES,
LEA, CULTURES ET LANGUES REGIONALES, PHILOSOPHIE,
EPISTEMOLOGIE, HISTOIRE, GEOGRAPHIE, AMENAGEMENT, ARCHEO.
ETHNO. PREHISTOIRE, SCIENCES RELIGIEUSES, PSYCHOLOGIE,
SOCIOLOGIE, DEMOGRAPHIE, SCIENCES DE L’EDUCATION, SC.
INFORMATION ET COM
SCIENCES JURIDIQUES, SCIENCES POLITIQUES, SCIENCES
ECONOMIQUES, SCIENCES DE GESTION, AES

Si dans l’ensemble la répartition filles / garçons est équilibrée au sein de notre

échantillon (52% de filles), sa décomposition selon la filière suivie dans l’enseignement
supérieur montre des écarts entre les Lettres et sciences humaines dominées par les filles
(66%) et les filières comme la Mécanique, l’électronique ou les Math, physique qui ne
comptent respectivement que 13 et 33% de filles.

Figure 4 Répartition de l’échantillon par genre selon la filière universitaire

Garçons Filles Ensemble % filles
Math. Physique 2019 1006 3025 33,3
Chimie 814 600 1414 42,4
Sciences de la nature et de la vie 2060 1922 3982 48,3
Santé 1003 1876 2879 65,2
Mécanique, électronique, informatique, sc. de l’ingénieur 8505 1296 9801 13,2
Lettres et sciences Humaines, Staps 7006 13492 20498 65,8
Droit, sc. économiques, gestion 8858 12741 21599 59,0
Ensemble 30265 32933 63198 52,1
Source : Céreq – Génération 98

Figure 5 Part des filles selon la classe de sortie (%)

Part de filles
Ecole ingénieur 26,0
Ecole commerce 42,0
3ème cycle MST 35,3
ème
3 cycle LSH 58,5
2nd cycle MST 36,3
nd
2 cycle LSH 69,4
DEUG DEUST 56,1
BTS DUT ind 15,1
BTS DUT tert 64,9
Santé social 84,9
Bac+1 +2 non dip 44,9
Ensemble 51,9
Source : Céreq – Génération 98

2.3. Caractéristiques de l’emploi

En prolongement du choix des indicateurs affinant la variable éducation, il semble

logique d’intégrer les caractéristiques de l’emploi dans une analyse des disparités
interpersonnelles de revenus. Le statut de l’emploi occupé ou les caractéristiques des
entreprises qui embauchent semblent contrebalancer dans certains cas l’effet lié au niveau de
formation [GOUX & MAURIN 1995]. En effet, comment expliquer les écarts de salaire de deux
jeunes aux caractéristiques scolaires identiques ? L’analyse descriptive de notre échantillon

7
montre bien que la proportion de jeunes occupant un emploi de Cadre est différente d’un
niveau de formation à l’autre mais aussi d’une filière à l’autre. Si près de 30% des jeunes
débutants de notre échantillon déclarent occuper un emploi de cadres, ce taux varie d’environ
10% pour les diplômés de bac+2 à plus de 90% pour les ingénieurs.

Figure 6 Catégorie sociale de l’emploi occupé selon la classe de sortie (% en ligne = 100)
Manœuvres, Employés Techniciens, agents Cadres, prof, Autres
ouvriers de maîtrise libérales
Ecole d’ingénieurs 0,4 2,9 2,8 93,2 0,7
Ecole de commerce 0,0 10,7 5,9 83,1 0,2
Doctorat 0,2 5,7 0,8 83,6 9,7
DEA 0,5 18,5 5,4 74,0 1,5
DESS 0,0 20,0 5,6 70,0 4,4
Maîtrises 1,0 41,5 8,7 44,6 4,3
Licence 3,2 53,9 11,8 25,0 6,2
IUFM 0,2 22,9 1,1 73,3 2,4
DEUG 8,9 65,6 8,5 11,3 5,7
DUT 5,8 48,8 30,6 10,8 3,9
BTS 11,5 53,3 24,8 7,9 2,4
ENSEMBLE 5,6 41,4 14,4 29,3 9,4
Source : Céreq – Génération 98

Au sein de la population des diplômés de l’université, des écarts sensibles existent

selon les filières. Que l’on se situe au niveau des 3èmes ou des 2nds cycles, les sortants de Math,
sciences et techniques occupent toujours plus de postes de cadres que les sortants de Lettres et
sciences humaines.

Figure 7 Catégorie sociale de l’emploi occupé selon le nom de diplôme agrégé (%)
Part de cadres Part d’employés Manœuvre, Part de techniciens et
ouvriers agents de maîtrise
3ème cycle MST 80,7 6,1 0,3 7,9
3ème cycle LSH 68,8 18,2 0,1 7,9
2nd cycle MST 55,8 21,3 2,2 17,9
2nd cycle LSH 50,6 39,4 0,6 4,9
Source : Céreq – Génération 98

Une autre caractéristique structurante des écarts entre filières est le secteur d’activité
de l’employeur.

Figure 8 Activité de l’entreprise de l’employeur selon la classe de sortie (% ligne =100)

Hôtels restau
Construction

Services non

Indéterminé
Agriculture

Automobile

marchands

marchands
Industrie

Services

Ecole ingénieur 1,0 31,0 5,3 4,0 51,6 6,2 0,2 0,8
Ecole commerce 0,3 15,5 0,8 0,0 81,2 2,0 0,2 0,0
3ème cycle MST 0,0 17,5 1,7 1,6 53,8 24,1 0,3 1,0
3ème cycle LSH 0,0 10,0 1,5 1,1 45,8 40,6 0,3 0,7
2nd cycle MST 0,7 18,0 1,9 1,8 35,3 40,9 0,1 1,3
2nd cycle LSH 0,0 5,6 0,4 1,0 33,9 57,2 1,6 0,3
DEUG DEUST 0,2 10,2 0,3 2,1 46,7 39,6 0,5 0,3

8
BTS DUT ind 2,2 36,3 4,3 7,9 35,8 11,7 0,3 1,5
BTS DUT tert 0,7 13,0 0,6 2,2 59,1 21,1 2,4 0,9
Ensemble 0,7 14,9 1,7 2,6 41,4 36,3 1,3 1,0
Source : Céreq – Génération 98

Le croisement de ces différentes données permet de dresser un portrait des premiers

emplois occupés par les jeunes. [GIRET, MOULLET & THOMAS 2002].

− Les sortants de 1er cycle universitaire occupent principalement des emplois de techniciens
(pour les filières math sciences et techniques) de professions intermédiaires
administratives et commerciales des entreprises et employés d’administration (pour Droit,
sciences économiques et gestion) et des emplois plus marqués par le déclassement et la
précarité en Lettres et sciences humaines (enseignants non titulaires, aides-éducateur). Les
sortants de BTS et DUT occupent des emplois déterminés par la spécialité de leur
formation (importance des techniciens dans les formations industrielles et importance des
employés d’administration et professions intermédiaires dans les formations tertiaires)
[GIRET, MOULLET & THOMAS 2002, pp. 19-21].
− Les sortants de 2nd cycle universitaire s’orientent principalement vers les services
(marchands -services aux entreprises- et non-marchands -éducation et administration-).
Les filières Lettres et sciences humaines conduisent principalement à l’enseignement et à
des emplois de « non titulaires ». Les autres débouchés sont des emplois administratifs et
commerciaux dans des postes d’employés. De façon générale, les diplômés de Math,
sciences et techniques occupent des emplois plus qualifiés [GIRET, MOULLET & THOMAS
2002, pp. 18-19].
− Les sortants de 3ème cycle des filières math, sciences et techniques s’orientent vers une
gamme d’emploi resserrée (50% d’ingénieurs -d’études ou de recherche- ; 25%
professions scientifiques -enseignants chercheurs ou professeurs- ; 25% professions
administratives et commerciales des entreprises -cadres, chargés d’études-). Les diplômés
de droit, sciences économiques et gestion occupent dans près d’un cas sur deux des postes
de cadres (fonction publique et administratifs et commerciaux). Les 3ème cycles de la
filière Lettres et sciences humaines sont plus souvent que les autres dans l’enseignement
(28% dans la secondaire et le supérieur et 9% dans le primaire). Enfin, les emplois des
docteurs sont fortement concentrés. Ils exercent des professions scientifiques (recherche),
sont professeurs (à l’université ou dans le secondaire) ou occupent des postes d’ingénieurs
ou de cadres techniques des entreprises [GIRET, MOULLET & THOMAS 2002, pp. 16-17].

Si les diplômes et spécialités donnent accès à des emplois différents, les salaires
obtenus en début de vie active par les jeunes sont aussi marqués par des différences.

Figure 9 Le salaire moyen (euros) selon le niveau de sortie

Salaire moyen
Fille Garçon Ensemble Ecarts H/F Effectif
Niveau I 1 723,46 2 031,68 1 901,45 -308,22 20 769
Niveau II 1 305,57 1 507,74 1 381,32 -202,17 26 643
Niveau III 1 202,47 1 300,03 1 247,32 -97,56 60 419
Niveau IV+ 1 014,30 1 152,73 1 090,44 -138,43 29 866
Ensemble 1 255,05 1 427,40 1 337,88 -172,35 137 697
Source : Céreq – Génération 98

− En début de vie active, le salaire moyen est d’autant plus élevé que le stock accumulé de
capital humain est élevé.

9
− Le montant du salaire diffère selon les spécialités de formation. Parmi les diplômés de
niveau I, par exemple, les diplômés d’école de commerce ont des salaires bien plus élevés
que les diplômés de 3ème cycle LSH. De même à l’intérieur d’un même niveau de
formation, des écarts importants existent selon les spécialités suivies.
− Quel que soit le niveau d’études atteint, le salaire moyen des femmes demeure toujours
inférieur à celui des hommes et ce, plus particulièrement pour des individus de niveau I.

Figure 10 Le salaire moyen (euros) selon le nom de diplôme obtenu (niveau I)

Salaire moyen
Fille Garçon Ensemble Effectif
Ecole ingénieur 1 882,86 2 024,91 1 987,97 6 803
Ecole commerce 2 052,91 2 672,24 2 385,83 1 784
ème
3 cycle MST 1 740,55 1 957,95 1 881,14 4 067
3ème cycle LSH 1 601,55 1 917,07 1 732,62 8 115
Ensemble 1 723,46 2 031,68 1 901,45 20 769
Source : Céreq – Génération 98

Figure 11 Le salaire moyen (euros) selon le nom de diplôme obtenu (niveau II)
Salaire moyen
Fille Garçon Ensemble Effectif
Ecole commerce 1 754,21 1 916,40 1 858,04 1 259
2nd cycle MST 1 341,49 1 539,40 1 467,46 4 245
2nd cycle LSH 1 287,93 1 443,66 1 335,63 21 139
Ensemble 1 305,57 1 507,74 1 381,32 26 643
Source : Céreq – Génération 98

Figure 12 Le salaire moyen (euros) selon le nom de diplôme obtenu (niveau III)
Salaire moyen
Fille Garçon Ensemble Effectif
DEUG DEUST 1 155,84 1 345,57 1 239,08 6 072
BTS DUT ind 1 165,61 1 274,13 1 257,76 17 071
BTS DUT tert 1 105,95 1 299,72 1 173,92 25 012
Santé social 1 377,20 1 439,46 1 386,55 12 264
Ensemble 1 202,47 1 300,03 1 247,32 60 419
Source : Céreq – Génération 98

Figure 13 Le salaire moyen (euros) selon la filière de formation suivie dans l’enseignement supérieur
(tous niveaux confondus)
Fille Garçon Ensemble
Math, Physique 1 372,30 1 370,77 1 371,28
Chimie 1 404,89 1 426,61 1 417,39
Sciences de la nature et de la vie 1 273,41 1 329,10 1 302,22
Santé 1 674,17 2 003,58 1 788,93
Mécanique, électronique, informatique, sc. de l’ingénieur 1 444,21 1 447,28 1 446,88
Lettres et sciences Humaines, Staps 1 143,39 1 255,15 1 181,59
Droit, sc. économiques, gestion 1 229,23 1 420,16 1 307,53
Ensemble 1 238,02 1 399,60 1 315,40
Source : Céreq – Génération 98

La figure ci-après représente graphiquement le modèle de scolarité. Elle illustre le

salaire moyen en log qui correspond à chaque niveau scolaire. On obtient ainsi une courbe qui
retrace le taux de rendement des investissements scolaires.

10
 Figure 14 Salaire moyen (en log) selon le nombre d’années de scolarité

7,8

Salaire moyen (en log) 7,6

7,4
7,2
7,0
6,8
6,6
6,4
13 ans 14 ans 15 ans 16 ans 17 ans 20 ans
Nbre d'années d'études après le CP

Fille Garçon

Figure 15
Salaire moyen (en log) selon le nombre d’années de scolarité
Fille Garçon Ensemble
13 ans Ensemble niveau IV+ 6,8961 7,0126 6,9602
14 ans DEUG 6,9462 7,0770 6,9977
BTS 6,9741 7,1137 7,0508
DUT 6,9963 7,1444 7,0857
15 ans Licence 7,0267 7,2003 7,0824
16 ans Maîtrises 7,1283 7,2446 7,1723
17 ans DEA 7,2045 7,3941 7,2988
DESS 7,3195 7,5062 7,4003
20 ans Doctorat 7,5205 7,6158 7,5705
Source : Céreq – Génération 98

2.4. Caractéristiques individuelles et origines sociales

Il existe au moins un autre inconvénient dans la méthode de Mincer. Elle suppose que
la variable éducation est exogène. Or, plusieurs facteurs tels que les caractéristiques sociales
des familles sont importants dans la détermination du niveau de scolarisation. La liaison entre
l’origine sociale et les études supérieures apparaît comme indéniable [PETIT 1975, JAOUL
2002]. La scolarisation au sein de l’enseignement supérieur se caractérise par une
prédominance des statuts supérieurs, les étudiants étant principalement issus de milieux
sociaux privilégiés tant au niveau de capital culturel et social [COLEMAN 1988] des parents
qu’en terme de revenus du ménage dû à la situation professionnelle des parents. Près de 17%
des jeunes composant notre échantillon ont un père Ouvrier. Ce taux diminue au fur et à
mesure que l’on s’avance dans les études : moins de 8% des diplômés de 3ème cycle ont un
père Ouvrier. Dans les filières courtes (bac+2), la part de père Employé ou Ouvrier est
toujours supérieure à la moyenne de notre échantillon. A l’inverse, les jeunes ayant un père
Cadre sont sur représentés dans les filières longues.

11
 Figure 16 Croisement entre la classe de sortie et la profession du père (% ligne = 100)
Agriculteur Artisan Cadre, prof Employé Ouvrier Technicien NSP
libérales
Ecole ingénieur 6,5 9,4 49,8 15,0 5,6 12,8 0,9
Ecole commerce 2,4 13,3 56,5 12,4 1,4 13,5 0,5
3ème cycle MST 2,9 12,8 42,3 20,1 8,7 11,1 2,0
3ème cycle LSH 3,0 8,3 51,8 16,8 7,1 12,0 1,0
nd
2 cycle MST 6,4 8,4 30,2 26,3 10,6 16,5 1,5
2nd cycle LSH 4,0 11,5 31,3 24,9 13,8 12,1 2,4
DEUG DEUST 2,4 11,7 23,2 30,4 15,9 11,3 5,1
BTS DUT ind 7,1 9,8 19,0 29,9 17,6 14,9 1,6
BTS DUT tert 5,9 13,6 18,2 30,7 18,4 11,6 1,6
Bac+1 +2 non dip 4,3 11,3 17,4 30,0 25,0 9,8 2,3
Santé social 5,5 13,6 20,0 29,0 19,1 10,6 2,3
Ensemble 4,9 11,5 26,0 26,9 16,8 11,9 2,0
Source : Céreq – Génération 98

3. ESTIMATION DU MODELE DE SCOLARITE : LNYi = A + B. SCOi + εi

Le modèle de scolarité permet de mesurer les rendements des investissements

scolaires et la contribution des ces investissements à l’inégalité des salaires. Il explique donc
le niveau de salaire à la fin des investissements scolaires, c’est à dire en début de vie active.
Le modèle de scolarité LnYi = a + b. scoi + εi est estimé pour les variables individuelles et
les différentes filières de l’enseignement supérieur. Quand l’échantillon le permet, les
estimations seront aussi données par secteur universitaire. Dans les modèles qui suivent,
− le coefficient b s’interprète comme le taux de rendement moyen des investissements
scolaires. Un secteur sera rentable si le coefficient b est significativement différent de
0;
− quand les résultats ne sont pas significatifs statistiquement : NS.

Afin de comparer les rendements dans divers sous-groupes de notre échantillon initial
(secteurs universitaires, milieux sociaux, emplois…), pour chacun de ces critères, nous
procédons à une partition de l’échantillon et nous évaluons le modèle pour les divers sous-
groupes.

3.1. Etude des rendements par sexe

Le taux de rendement moyen des investissements scolaires est de 10,25%. L’analyse

selon le genre montre que les études supérieures sont plus rentables pour les garçons que pour
les filles. Avec un taux de rendement supérieur à 11%, une année d’études supplémentaire
génère pour les garçons un accroissement du logarithme du revenu de 11,22%.

Figure 17 Rentabilité des années de scolarité selon le genre

Sexe Rendement b R²
Garçon 0.1122 0.3188
Fille 0.0916 0.2257

12
 La variable éducation (mesurée par le nombre d’années de scolarité) n’explique que
31,88% de la variance du log des salaires pour les garçons et 22,57% pour les filles. La durée
de scolarité entre plus dans l’explication du salaire chez les garçons que chez les filles.
L’ajout d’une mesure plus précise de la variable éducation peut-il entraîner une augmentation
du pouvoir explicatif du modèle ?

3.2. Etudes des rendements par filière et secteur universitaires

Le classement des rendements des filières universitaires de la plus à la moins rentable

donne les résultats suivants.

Figure 18 Classement des filières universitaires selon leur rentabilité

Rendement b R²
Effectifs totaux
Santé 0.1029 0.4302
Droit, sc. économiques, gestion 0.0937 0.2421
Maths, Physiques 0.0931 0.3853
Mécanique, électronique, informatique, sc. de l’ingénieur 0.0884 0.2511
Chimie 0.0810 0.3937
Sciences de la nature et de la vie 0.0792 0.2885
Lettres et sciences Humaines, Staps 0.0731 0.1590

Les années de scolarité expliquent de 43% (Santé) à 16% (Lettres et sciences

humaines) le salaire des individus. Ce différentiel entre les secteurs est dans doute lié au
comportement plus ou moins homogène des jeunes entrant dans la vie active. Les sortants de
la filière Santé (Médecine, Odontologie et Pharmacie) occupant un éventail d’emplois
beaucoup moins large que ceux issus de la filière Lettres et sciences humaines. La prise en
compte du genre dans les analyses permet de différencier les rendements des filières. Quelle
que soit la filière universitaire considérée, les rendements sont toujours plus importants pour
les garçons excepté pour ceux qui sont issus des filières Lettres, Sciences humaines – Staps et
Chimie. La filière universitaire la plus rentable pour les garçons semble être la Santé. De plus,
les années de scolarité entrent dans l’explication du salaire des individus pour plus de 50%
dans ce secteur, 40% la Chimie, 38% pour les Mathématiques et la Physique, 29% pour les
Sciences Nature et Vie, 26% pour Droit, sc. économiques, gestion et Mécanique et, enfin,
seulement 13% pour les Lettres et sciences humaines. On obtient ici des résultats comparables
à ceux de l’ensemble des individus.

Figure 19 Rentabilité des filières universitaires (Garçons)

Rendement b R²
Garçons
Santé 0.1096 0.5395
Droit, sc. économiques, gestion 0.0976 0.2643
Maths, Physiques 0.0943 0.3827
Mécanique, électronique, informatique, sc. de l’ingénieur 0.0914 0.2605
Sciences de la nature et de la vie 0.0839 0.2989
Chimie 0.0782 0.4000
Lettres et sciences Humaines, Staps 0.0704 0.1319

13
 Les trois filières les plus rentables pour les filles sont les mêmes que chez les garçons
(Santé, Droit - Sciences économiques et Math-Physique). Les différences n’apparaissent
qu’après. Alors que la filière Mécanique arrive en 4ème position pour les garçons en terme de
rentabilité, elle n’est classée que 6ème pour les filles ce qui semble logique compte tenu de la
faible proportion de filles dans cette filière (13%).

Figure 20 Rentabilité des filières universitaires (Filles)

Rendement b R²
Filles
Santé 0.0966 0.3741
Droit, sc. économiques, gestion 0.0951 0.2679
Maths, Physiques 0.0920 0.3961
Chimie 0.0871 0.4012
Sciences de la nature et de la vie 0.0781 0.3030
Mécanique, électronique, informatique, sc. de l’ingénieur 0.0775 0.2193
Lettres et sciences Humaines, Staps 0.0769 0.1930

Les pouvoirs explicatifs des années de scolarité sont bien différents d’une filière à
l’autre. Ils varient de 40% pour Chimie à 19% pour Lettres et sciences humaines. Dans ce
domaine, il est à noter que les années de scolarité ne jouent pas de la même façon pour les
garçons et les filles. Ces dernières obtiennent un coefficient de détermination supérieur aux
garçons dans les filières Math-Physique, Sciences de la nature et de la vie et Lettres et
sciences humaines. Au-delà de cette approche, il est possible d’affiner les analyses en
désagrégeant les filières. Compte tenu de la structure de l’échantillon de départ et de la
faiblesse des effectifs, certains secteurs ne sont pas traités§. Sur l’ensemble des individus issus
de la Génération 98, les secteurs universitaires les plus rentables avec un taux de rendement
supérieur à 10% sont : les Sciences de gestion (12,68%), Langues et Littératures françaises
(11,76%), les Sciences de l’univers (10,28%), Aménagement (10,23%), Mathématiques
(10,09%) et Pharmacie (10,01%).

Figure 21 Rentabilité des secteurs universitaires

Secteur universitaire Rendement Rendement Rendement
Figure 22
Ensemble Filles Garçons
MATHEMATIQUES 0.1009 0.0884 0.1075
Maths, Physiques PHYSIQUE 0.0878 0.0977 0.0849
MATH. APPLIQUES SC. SOC. N<30 N<30 N<30
Chimie CHIMIE 0.0810 0.0871 0.0782
Sciences de la SCIENCES DE L’UNIVERS 0.1028 N<30 0.1107
nature et de la vie SCIENCES DE LA VIE 0.0763 0.077 0.0812
MEDECINE 0.0718 0.072 NS
Santé ODONTOLOGIE NS N<30 N<30
PHARMACIE 0.1001 0.1071 0.1027
MECANIQUE, GENIE MECA. 0.0969 N<30 0.0994
Mécanique, GENIE CIVIL 0.0852 N<30 0.0935
électronique, GENIE DES PROCEDES 0.0638 N<30 N<30
informatique, sc. de INFORMATIQUE 0.0821 0.0716 0.0839
l’ingénieur ELECTRON. GENIE ELECTRIQUE 0.0855 N<30 0.0886
SC. ET TECHNOLOGIE INDUST. 0.0856 0.0949 0.083

(§) Nous ne retenons que les secteurs où les effectifs sont supérieurs à 30 (N>30) afin de conserver une certaine
fiabilité statistique.

14
 STAPS 0.0987 0.1191 0.0995
SC. LANGAGE LINGUISTIQUE 0.0837 0.0878 N<30
LANGUES ET LIT. ANCIENNES N<30 N<30 N<30
LANGUES ET LIT. FRANCAISES 0.1176 0.1105 N<30
LITTER. GENE. ET COMPAREE NS N<30 N<30
ARTS 0.0713 0.0597 0.0796
FRANCAIS, LANGUE ETRANGERE N<30 N<30 N<30
LANGUES ET LIT. ETRANGERES 0.0368 0.0511 NS
LEA 0.0728 0.0785 N<30
Lettres et sciences CULTURES ET LANGUES REGION. N<30 N<30 N<30
Humaines, Staps PHILOSOPHIE, EPISTEMOLOGIE
N<30 N<30 N<30
HISTOIRE 0.0744 0.0842 0.0673
GEOGRAPHIE 0.0648 0.0627 0.064
AMENAGEMENT 0.1023 0.0828* N<30
ARCHEO. ETHNO. PREHISTOIRE N<30 N<30 N<30
SCIENCES RELIGIEUSES N<30 N<30 N<30
PSYCHOLOGIE 0.0783 0.0753 0.0796
SOCIOLOGIE, DEMOGRAPHIE 0.0609 0.062 0.0522
SCIENCES DE L’EDUCATION 0.0492 0.0443* N<30
SC. INFORMATION ET COM. 0.0918 0.0953 0.0969
SCIENCES JURIDIQUES 0.0651 0.0726 0.0691
SCIENCES POLITIQUES 0.0733 N<30 N<30
Droit, sc.
Economiques, SCIENCES ECONOMIQUES 0.0967 0.0808 0.1148
gestion SCIENCES DE GESTION 0.1268 0.1217 0.1382
AES 0.0832 0.0991 0.0657
* Significatif à 10 %

On note toutefois que c’est pour le secteur Pharmacie que les années de scolarité
entrent le plus dans l’explication du salaire (64,7%). Pour les autres secteurs l’explication est
inférieure à 50%, ce qui peut apparaître paradoxal dans le cas des sortants de formation de
Médecine (18,87%).

Figure 23
Rentabilité des secteurs universitaires
Rendement R²
SCIENCES DE GESTION 0.1268 0.3371
LANGUES ET LIT. FRANCAISES 0.1176 0.3794
SCIENCES DE L’UNIVERS 0.1028 0.4488
AMENAGEMENT 0.1023 0.1312
MATHEMATIQUES 0.1009 0.3265
PHARMACIE 0.1001 0.6470
STAPS 0.0987 0.3830
MECANIQUE, GENIE MECA. 0.0969 0.3522
SCIENCES ECONOMIQUES 0.0967 0.2154
SC. INFORMATION ET COM. 0.0918 0.2022
PHYSIQUE 0.0878 0.4390
SC. ET TECHNOLOGIE INDUST. 0.0856 0.1633
ELECTRON. GENIE ELECTRIQUE 0.0855 0.2651
GENIE CIVIL 0.0852 0.3818
SC. LANGAGE LINGUISTIQUE 0.0837 0.4379

15
 AES 0.0832 0.1921
INFORMATIQUE 0.0821 0.2049
CHIMIE 0.0810 0.3937
PSYCHOLOGIE 0.0783 0.3169
SCIENCES DE LA VIE 0.0763 0.2619
HISTOIRE 0.0744 0.1502
SCIENCES POLITIQUES 0.0733 0.2082
LEA 0.0728 0.1515
MEDECINE 0.0718 0.1887
ARTS 0.0713 0.0856
SCIENCES JURIDIQUES 0.0651 0.1747
GEOGRAPHIE 0.0648 0.1775
GENIE DES PROCEDES 0.0638 0.2699
SOCIOLOGIE, DEMOGRAPHIE 0.0609 0.1824
SCIENCES DE L’EDUCATION 0.0492 0.0564
LANGUES ET LIT. ETRANGERES 0.0368 0.0278

En différenciant les deux sexes, si le secteur universitaire le plus rentable demeure le

même, les classements se différencient par la suite. Pour les filles, seulement 4 secteurs
présentent un taux de rendement supérieur à 10% (Sc de Gestion (12,17%), Staps (11,91%),
Langues et Littératures Françaises (11,05%) et Pharmacie (10,71%)) contre 5 pour les garçons
(Sc de Gestion 13,82%, Sc Eco 11,48%, Sc univers 11,07%, Mathématiques 10,75% et
Pharmacie 10,27%). Enfin, notons que quel que soit le sexe, la filière pour laquelle les années
de scolarité entrent le plus dans l’explication du salaire est Pharmacie (plus de 70%). Si chez
les filles, il s’agit de la seule filière présentant un pouvoir explicatif supérieur à 50 %, chez les
garçons, il y a aussi les sciences de l’univers (58%).

Figure 24 Rentabilité des secteurs universitaires (Filles)

Rendement b R² Rendement b R²
SCIENCES DE GESTION 0.1217 0.3993 SCIENCES ECONOMIQUES 0.0808 0.1399
STAPS 0.1191 0.4907 LEA 0.0785 0.1711
LANGUES ET LIT. FRANCAISES 0.1105 0.3206 SCIENCES DE LA VIE 0.077 0.302
PHARMACIE 0.1071 0.7367 PSYCHOLOGIE 0.0753 0.3093
AES 0.0991 0.2303 SCIENCES JURIDIQUES 0.0726 0.2249
PHYSIQUE 0.0977 0.533 MEDECINE 0.072 0.2066
SC. INFORMATION ET COM. 0.0953 0.2182 INFORMATIQUE 0.0716 0.2528
SC. ET TECHNOLOGIE INDUST. 0.0949 0.1455 GEOGRAPHIE 0.0627 0.233
MATHEMATIQUES 0.0884 0.2878 SOCIOLOGIE, DEMOGRAPHIE 0.062 0.246
SC. LANGAGE LINGUISTIQUE 0.0878 0.4655 ARTS 0.0597 0.0872
CHIMIE 0.0871 0.4012 LANGUES ET LIT. ETRANGERES 0.0511 0.0722
HISTOIRE 0.0842 0.1694 SCIENCES DE L’EDUCATION 0.0443* 0.0434
AMENAGEMENT 0.0828* 0.0986
Significatif à 10 %

16
 Figure 25 Rentabilité des secteurs universitaires (Garçons)
Rendement b R² Rendement b R²
SCIENCES DE GESTION 0.1382 0.3658 INFORMATIQUE 0.0839 0.2008
SCIENCES ECONOMIQUES 0.1148 0.3308 SC. ET 0.083 0.1742
TECHNOLOGIE
INDUST.
SCIENCES DE L’UNIVERS 0.1107 0.5834 SCIENCES DE LA 0.0812 0.2574
VIE
MATHEMATIQUES 0.1075 0.3445 ARTS 0.0796 0.0825
PHARMACIE 0.1027 0.7203 PSYCHOLOGIE 0.0796 0.3202
STAPS 0.0995 0.3779 CHIMIE 0.0782 0.4000
MECANIQUE, GENIE MECA. 0.0994 0.3573 SCIENCES 0.0691 0.2007
JURIDIQUES
SC. INFORMATION ET COM. 0.0969 0.2509 HISTOIRE 0.0673 0.1378
GENIE CIVIL 0.0935 0.3997 AES 0.0657 0.1604
ELECTRON. GENIE 0.0886 0.2680 GEOGRAPHIE 0.064 0.1380
ELECTRIQUE
PHYSIQUE 0.0849 0.4126 SOCIOLOGIE, 0.0522 0.0954
DEMOGRAPHIE

3.3. Etude des rendements en fonction de la profession des parents

Quelle est l’influence du milieu social sur les rendements éducatifs ? Depuis les
héritiers [BOURDIEU & PASSERON 1964] de nombreuses recherches ont montré que le statut
social des parents se reflétait sur le niveau de scolarité atteint par leurs enfants. Poursuivre des
études supérieures dépend d’une part du coût supporté et d’autre part de la rentabilité future
attendue – le salaire -. Ainsi, si les filières longues présentent certes une rentabilité future
intéressante, d’un autre côté, les coûts qu’elles engendrent sont tellement importants que
seules les familles aisées peuvent en bénéficier. Dans ces orientations, les rendements de
l’enseignement supérieur sont relativement élevés pour les élites mais demeurent insuffisants
pour les autres classes sociales, les rendements étant décroissants avec le niveau social [PETIT,
1975].

Les travaux relatifs aux débats sur l’évolution ou non de la démocratisation de l’accès
à l’enseignement supérieur ont fait l’objet d’une littérature abondante [VALLET 1988 ; GOUX
& MAURIN 1995 ; GALLAND & ROUAULT 1996 ; DURU-BELLAT & KIEFFER 1999 ; THELOT &
VALLET 2000]. Thélot & Vallet (2000) illustrent une tendance à la démocratisation de l’école
via différentes évolutions :
− le diplôme étant une porte d’accès à l’emploi, l’obtention de celui-ci par une plus grande
part d’enfants d’ouvriers est un facteur essentiel de diminution des inégalités ;
− malgré leur dépréciation, certains diplômes attestent d’un niveau de connaissances et de
compétences améliorant le bien être des individus le possédant ;
− depuis 1984, l’accès à l’enseignement supérieur a été multiplié par 3,5 pour les enfants
d’ouvriers, contre 2,2 pour les autres catégories socioprofessionnelles.**

Toutefois, cette démocratisation reste inachevée. Selon les dernières statistiques du

Ministère de l’éducation, les étudiants des catégories sociales les plus favorisées continuent à
être fortement sur-représentés au détriment des jeunes des catégories sociales plus modestes.

(**) En 1970, un enfant d’ouvrier avait 28 fois moins de chances de faire des études supérieures qu’un enfant de
cadre supérieur ; aujourd’hui, il en a 7.

17
Toutes formations confondues, 31% des étudiants ont des parents cadres supérieurs ou
exerçant une profession libérale, 10% sont enfants d’ouvriers et seulement 2,5% fils ou filles
d’agriculteurs [MEN DPD 2002]. De plus, les jeunes des milieux populaires ne tirent pas
autant profit de leur diplôme ou de leur bagage universitaire, que les individus issus de
milieux plus aisés [GALLAND & ROUAULT, 1996]. Prendre en compte la profession du père
des individus montre que les années de scolarité semblent plus rentables pour un individu
dont le père possède une bonne situation : taux de rendement de 10,32% pour les individus
dont le père est Cadre contre 8,92% pour ceux dont le père est Ouvrier. La profession de la
mère donne des résultats assez différents qui semblent atténuer les inégalités sociales. En
effet, le taux de rendement le plus élevé concerne les individus dont la mère est Technicien
(10,67%). Notons que les enfants dont la mère est Cadre ne présentent que le 4ème taux.

Figure 26 Classement des rentabilités selon la Figure 27 Classement des rentabilités selon la
profession du père profession de la mère
Rendement b R² Rendement b R²
Cadre, Prof. Libérale 0.1032 0.2802 Technicien 0.1067 0.3101
Agriculteur 0.0988 0.2595 Employé 0.1010 0.2354
Artisan 0.0966 0.2367 Artisan 0.1009 0.2564
Employé 0.0943 0.2122 Cadre, Prof. Libérale 0.0961 0.2397
Technicien 0.0909 0.2106 Ouvrier 0.0937 0.1772
Ouvrier 0.0892 0.1681 Agriculteur 0.0816 0.2094

La prise en compte de la profession des deux parents pour caractériser l’origine

sociale, donne les résultats suivants :

Figure 28 Rentabilité selon la profession des deux parents

PERE \ MERE Agriculteur Artisan Cadre, Prof. Lib. Employé Ouvrier Technicien
Agriculteur 0.0874 NS 0.1305 0.1229 0.0614 * N<30
Artisan NS 0.0908 0.0998 0.1009 0.0723 0.1180
Cadre, Prof. Libérale N<30 0.0927 0.0914 0.1108 0.1549 0.1156
Employé N<30 0.0795 0.0960 0.0932 0.0965 0.0788
Ouvrier N<30 N<30 0.0778 0.0857 0.0882 0.1156
Technicien N<30 0.1294 0.0904 0.0839 0.0888 0.0948
* Significatif à 10 %

Les milieux sociaux du plus au moins rentable se classent de la façon suivante :

Figure 29 Classement des rentabilités selon la profession des deux parents

Père Mère Rendement b R²
Cadre. Prof. Libérale Ouvrier 0.1549 0.4703
Agriculteur Cadre. Prof. Libérale 0.1305 0.4003
Technicien Artisan 0.1294 0.3732
Agriculteur Employé 0.1229 0.2714
Artisan Technicien 0.1180 0.3717
Cadre. Prof. Libérale Technicien 0.1156 0.4026
Ouvrier Technicien 0.1156 0.3369
Cadre. Prof. Libérale Employé 0.1108 0.2853
Artisan Employé 0.1009 0.2292
Artisan Cadre. Prof. Libérale 0.0998 0.2771
Employé Ouvrier 0.0965 0.1679

18
 Employé Cadre. Prof. Libérale 0.0960 0.2338
Technicien Technicien 0.0948 0.2298
Employé Employé 0.0932 0.1965
Cadre. Prof. Libérale Artisan 0.0927 0.2099
Cadre. Prof. Libérale Cadre. Prof. Libérale 0.0914 0.2164
Artisan Artisan 0.0908 0.2216
Technicien Cadre. Prof. Libérale 0.0904 0.1874
Technicien Ouvrier 0.0888 0.1895
Ouvrier Ouvrier 0.0882 0.1495
Agriculteur Agriculteur 0.0874 0.2344
Ouvrier Employé 0.0857 0.1513
Technicien Employé 0.0839 0.1782
Employé Artisan 0.0795 0.1605
Employé Technicien 0.0788 0.1489
Ouvrier Cadre. Prof. Libérale 0.0778 0.2043
Artisan Ouvrier 0.0723 0.0991
Agriculteur Ouvrier 0.0614 * 0.098

On voit que la profession du père mais aussi celle de la mère jouent un rôle important
dans le rendement de l’éducation, permettant d’atténuer les inégalités. En effet, on a vu
précédemment que les individus dont la mère était Cadre n’étaient pas les plus avantagés, face
notamment aux individus dont la mère exerce les fonctions de Technicien, Employé ou
Artisan. Le classement ci-après rend compte des observations précédentes à savoir que la
profession de la mère, si elle a une influence sur le taux de rendement de l’éducation, cette
influence est relativement bénéfique et permet une certaine démocratisation. En effet, le
croisement Cadre / Cadre n’est pas celui présentant le taux de rendement le plus important
(9,14%) et des croisements a priori plus modestes lui présentent des taux de rendement
supérieurs : Agriculteur / Employé (12,29%), Artisan / Employé (10,09%) ou même
Employé / Ouvrier (9,65%). Notons enfin, que la présence d’un des deux parents dans la
catégorie Cadres, ne garantit pas un certain taux de rendement : seulement 4 croisements avec
un des deux parents Cadre procurent un taux de rendement supérieur à 10% contre 6 pour un
taux inférieur à 10%.

3.4. Etude des rendements en fonction des caractéristiques de l’emploi6

Le même type d’analyse selon les principales caractéristiques de l’emploi occupé

(catégorie sociale, secteur d’activité et fonction) donne les résultats suivants.

Figure 30 Classement des rentabilités selon la catégorie sociale exercée

Rendement b R²
Autres agents de maitrise 0,0713 0,179
Employé de commerce 0,0646 0,0765
Cat A fonction publique 0,0624 0,2413
Prof - Prof des écoles 0,0593 0,1234
Agent de maitrise ouv 0,0592 0,154

6
Nous sommes conscientes que l’introduction de l’emploi dans le modèle de Mincer peut être critiquable ;
toutefois, nous n’introduisons pas de variable à proprement parler pour mesurer l’emploi. Nous conservons le
modèle de Mincer dans sa formulation la plus simple et nous l’estimons pour des sous-groupes formés en
fonction des caractéristiques de l’emploi.

19
 Autres professions interm 0,0533 0,0383
Cadre / Ingénieur 0,0518 0,0969
Technicien 0,0514 0,0442
Employé de bureau 0,0399 0,0384
Manœuvre ou OS 0,0358 0,0133
Autres employés 0,028 0,0426
Agent de maitrise adm 0,0228 0,0281
Cat B fonction publique 0,0134 0,0161

Les années d’études apparaissent plus rentables si l’on exerce une fonction d’Employé
de commerce, de Fonctionnaire Catégorie A ou de Professeur. Les taux sont toutefois
relativement faibles : 6,4%, 6,2% et 5,9%. On remarque que les catégories sociales de Cadre
et de Fonctionnaire catégorie B ne présentent un taux de rentabilité que de 5,1% et 1,3%. La
même analyse selon le genre montre des résultats différents. En effet, hormis dans le cas des
employés, si pour les garçons ce sont les catégories de Professeur et d’Agent de maîtrise qui
offrent les meilleurs rendements, pour les filles ce sont les emplois de Cadres (catégorie A de
la fonction publique), Technicien et Cadre - ingénieur.

Figure 31 Classement des rendements selon la Figure 32 Classement des rendements selon la
catégorie sociale (Garçons) catégorie sociale (Filles)
Rendement b R² Rendement b R²
Autres employés 0,0789 0,1219 Employé de commerce 0,0756 0,1411
Prof - Prof des écoles 0,0668 0,2313 Cat A fonction publique 0,072 0,2558
Agent de maitrise ouv 0,0639 0,1941 Technicien 0,0533 0,078
Employé de commerce 0,0603 0,0441 Cadre / Ingénieur 0,0532 0,1121
Autres professions interm 0,0587 0,0607 Prof - Prof des écoles 0,049 0,0602
Cadre / Ingénieur 0,0541 0,1044 Autres professions interm 0,0477 0,0272
Technicien 0,0539 0,0387 Employé de bureau 0,04 0,0414
Cat A fonction publique 0,0482 0,1883 Employé de tourisme 0,039 0,0629
Employé de bureau 0,0374 0,0322 Autres employés 0,0363 0,034
Cat B fonction publique 0,0368 0,1218 Agent de maitrise adm 0,0343 0,0644
Autres agents de maitrise 0,0363 0,0761 Agent de maitrise ouv NS NS
Employé de tourisme N<30 N<30 Autres agents de maitrise N<30 N<30
Agent de maitrise adm NS NS Cat B fonction publique NS NS
Cat C fonction publique NS NS Cat C fonction publique NS NS
Employé de transport NS NS Employé de transport NS NS
Manœuvre ou OS NS NS Manœuvre ou OS NS NS
OQ – OHQ NS NS OQ - OHQ NS NS
Ouvrier SAI N<30 N<30 Ouvrier SAI N<30 N<30

Les années d’études n’offrent donc pas la même rentabilité lors de l’entrée sur le
marché du travail ; en effet une année d’études supplémentaire n’offre pas le même
rendement. Examinons plus précisément les rendements obtenus selon les différents secteurs
d’activité. Ce dernier a-t-il une influence sur le salaire ?

20
 Figure 33 Classement des rentabilités selon le secteur d’activité
Rendement b R²
Industrie automobile 0,1431 0,6225
Industrie des biens d’équipement 0,1351 0,4591
Activités financières 0,1335 0,3106
Energie 0,1266 0,5165
Industrie des biens intermédiaires 0,1256 0,4238
Industrie agricoles et alimentaires 0,1173 0,3781
Services aux entreprises 0,1116 0,3041
Construction 0,1075 0,2615
Commerce 0,1039 0,2485
Industrie des biens de consommation 0,1009 0,2814
Transports 0,0899 0,1989
Education, Santé, Action Sociale 0,0805 0,1952
Services aux particuliers 0,0736 0,1109
Agriculture, sylviculture , Pêche 0,0729 0,1802
Activités immobilières 0,0713 0,15
Administration 0,0611 0,1724

Le secteur le plus rentable semble être celui de l’automobile ; il est aussi, et de loin,
celui pour lequel les années d’études expliquent le plus le salaire (62%). Les secteurs
industriels et tertiaires sont dans l’ensemble assez bien classés du point de vue des rendements
avec des taux supérieurs à 10% (Finance 13,4%, Industrie agro-alimentaire 11,7%). En
revanche, les services, qu’ils soient publics ou privés, n’offrent pas un taux de rendement très
élevé – celui étant inférieur généralement à 10%. L’analyse désagrégée selon le genre illustre
quelques différences.

Figure 34 Classement des rendements selon le Figure 35 Classement des rendements selon le
secteur d’activité (Garçons) secteur d’activité (Filles)
Rendement b R² Rendement b R²
Activités financières 0,1521 0,3596 Industrie agricoles et 0,1502 0,5392
alimentaires
Industrie automobile 0,1442 0,6413 Industrie automobile 0,1388 0,5744
Industrie des biens 0,137 0,4887
d’équipement Industrie des biens 0,1208 0,4513
intermédiaires
Energie 0,132 0,5691 Industrie des biens 0,1202 0,3434
Industrie des biens 0,1293 0,4301 d’équipement
intermédiaires Energie 0,1151 0,4304
Commerce 0,1245 0,2867 Activités financières 0,113 0,2798
Services aux entreprises 0,1111 0,3226 Services aux entreprises 0,1118 0,304
Industrie des biens de 0,1111 0,2968
consommation Construction 0,1099 0,3481
Construction 0,1089 0,2606 Activités immobilières 0,1035 0,2431
Services aux particuliers 0,0997 0,1504 Industrie des biens de 0,0977 0,3146
consommation
Transports 0,0962 0,2701 Commerce 0,0921 0,2659
Agriculture, sylviculture 0,0918 0,2156
Pêche Transports 0,0779 0,1384
Industrie agricoles et 0,0916 0,2763 Education, Santé, Action 0,0747 0,1486
alimentaires Sociale
Education, Santé, Action 0,0878 0,2866 Services aux particuliers 0,0645 0,1111
Sociale
Administration 0,0621 0,1802
Administration 0,0683 0,2095
Agriculture, sylviculture N<30 N<30
Activités immobilières NS NS Pêche

21
 On retrouve pour les garçons des résultats semblables aux résultats sur la population
entière : les secteurs industriels, financiers et de l’énergie sont les débouchés où les années
d’études sont les plus rentables.

Avec un classement quelque peu différent, on retrouve le même classement en

fonction des rendements chez les filles ; en revanche, l’Industrie agricole et alimentaire, est le
secteur d’activité pour lequel les rendements sont les plus importants pour les filles alors que
chez les garçons, ce secteur est en queue de classement. Les années de scolarité semblent plus
rentables pour un individu qui occupe une fonction dans la Production, Information et
télécommunications, et Gestion comptabilité.
Figure 36 Classement des rentabilités selon la fonction exercée
Rendement b R²
Production 0,1257 0,3385
Information Télécom 0,1132 0,2831
Gestion Comptabilité 0,1096 0,2735
Recherche, Etudes 0,0988 0,3078
Commerce et Vente 0,0962 0,167
Manutention 0,0904 0,2137
Enseignement, Santé 0,0813 0,1853
Installation 0,0784 0,0758
Fonction de direction 0,0672 0,0881

Figure 37 Classement des rendements selon la Figure 38 Classement des rendements selon la
fonction finale (Garçons) fonction finale (Filles)
Rendement b R² Rendement b R²
Production 0,1321 0,3559 Production 0,1112 0,343
Manutention 0,1138 0,2546 Information Télécom 0,1105 0,2571
Information Télécom 0,1129 0,2977 Gestion Comptabilité 0,1065 0,2695
Recherche, Etudes 0,1107 0,3687 Commerce et Vente 0,0885 0,1701
Commerce et Vente 0,1097 0,19 Recherche, Etudes 0,0783 0,2021
Gestion Comptabilité 0,1078 0,27 Installation 0,0774 0,1139
Enseignement, Santé 0,1031 0,3098 Manutention 0,0737 0,2421
Installation 0,0785 0,0719 Enseignement, Santé 0,0664 0,1211
Directeur général N<30 N<30 Directeur général NS NS
Nettoyage N<30 N<30 Nettoyage N<30 N<30
Secrétariat NS NS Secrétariat NS NS

Si les résultats des filles sont très proches de ceux de la population totale, les résultats
des garçons présentent quelques différences : on remarque en effet que le secteur de la
manutention apparaît assez rentable pour ces derniers (11,38%).

3.5. Etude des rendements en fonction du niveau de diplôme

Pour parachever l’analyse des rendements de l’enseignement supérieur, nous

effectuons une partition de l’échantillon initial en fonction du niveau de diplôme des
individus. Si l’on s’intéresse au niveau de diplôme, seul quatre sous-groupes présentent des

22
résultats significatifs : les 2nd et 3ème cycles LSH et MST. Ils indiquent que pour la filière
LSH, faire un troisième cycle est plus rentable que faire un second cycle ; en revanche, on
observe le résultat inverse pour la filière MST où le second cycle est plus rentable que le
troisième cycle.

Figure 39 Classement des rentabilités selon le niveau de diplôme

Rendement b R²
BTS, DUT NS NS
DEUG, DEUST NS NS
nd
2 cycle LSH 0,0545 0,0091
2nd cycle MST 0,0521 0,0103
ème
3 cycle LSH 0,0772 0,0923
ème
3 cycle MST 0,0251 0,0174

Si l’on partitionne l’échantillon selon la classe de sortie, les résultats permettent de

comparer essentiellement le niveau 3 : les BTS et DUT apparaissent plus rentable sur le
marché du travail qu’un DEUG – en raison certainement de la professionnalisation de ces
types d’études - , en revanche les études post DUT ne sont pas rentables, de même que les
écoles de santé de niveau 3.

Figure 40 Classement des rentabilités selon la classe de sortie

Rendement b R²
BTS 0,0765 0,0212
DEUG 0,0611 0,0054
DUT 0,0765 0,0169
Post DUT -0,1205 0,0023
Autres Bac +2 0,1655 0,0231
Ecole de santé niveau 3 0 0,0011

4. CONCLUSION

A partir de l’hypothèse que l’éducation est la source du capital humain et que ce

dernier est déterminant dans la formation des salaires, nous avons, à l’aide de la spécification
du modèle de scolarité de Mincer, évalué les rendements des années d’études des jeunes de
niveau IV et supérieur ayant terminé leur scolarité en 1998. Les résultats obtenus montrent
que l’investissement dans l’enseignement supérieur est une opération rentable, le taux de
rendement observé pour notre population se situant aux alentours de 10%. Il existe toutefois
certains écarts entre les disciplines. En effet, les études garantissant le meilleur rendement des
années de scolarité sont les filières santé - plus particulièrement le secteur pharmaceutique - ,
économie et math/physique. Les moins bons rendements concernent les filières littéraires et
cela que l’on soit un garçon ou une fille. Les secteurs les plus rentables pour les filles sont
Sciences de gestion, Staps, Langues et Littératures Françaises et Pharmacie ; on retrouve des
tendances identiques pour les garçons avec Sciences de gestion, Sciences Economiques,
Sciences de l’Univers, Mathématiques et Pharmacie. L’analyse de la rentabilité salariale de la
formation en fonction des caractéristiques de l’emploi montre que les années d’études offrent
des rendements très différents selon le secteur d’activité de l’emploi. Les rendements sont
bien plus importants si l’on possède une activité dans le secteur automobile, dans
l’équipement ou la finance ; en revanche, en début de vie active les fonctions dans
l’administration offrent des débouchés moins rentables. Enfin, notons que l’origine sociale

23
joue encore un rôle non négligeable dans la rentabilité des études : il vaut mieux avoir un père
Cadre qu’un père Ouvrier. Toutefois, la profession de la mère vient quelque peu
contrebalancer cette influence en atténuant les inégalités. Cependant, il faut se rendre à
l’évidence, les opportunités de carrière obéissent encore aux lois du milieu social tant et si
bien que « le concept clef n’est plus celui de la démocratie mais celui de la méritocratie »
[GOUX & MAURIN 1995].

5. BIBLIOGRAPHIE

Affichard J. (1981) Quels emplois après l’école : la valeur des tires scolaires depuis 1973, in
: Économie et statistique, 134, juin, pp. 7-26.

Arrow K.-J. (1973) Higher Education as a Filter, in : Journal of Public Economics, 2-3,
juillet, pp. 193-216.

Baudelot C. & Glaude M. (1989) Les diplômes se dévaluent-ils en se multipliant ?, in :

Économie et Statistique, 225, pp. 3-16.

Becker G.S. (1964) Human Capital. A Theoretical and Empirical Analysis with Special
Reference to Education, Columbia University Press, New York.

Becker G.S. (1975) Human Capital, 2ème éd. Chicago, University of Chicago Press.

Bienaymé A. (1988) La demande d’enseignement supérieur, in : Revue d’économie politique,

98-1, pp. 60-65.

Bourdieu P & Passeron J.-C. (1964) Les héritiers, Les éditions de minuit.

Canals V. (1998) Des motivations des étudiants. Les inscrits en première année de DEUG à
l’Université Paul Valéry en 1997-98, rapport réalisé pour le compte de l’Observatoire de la
Vie Étudiante, Montpellier III.

Canals V. & Diebolt C. (2001) Pourquoi entrer à l’Université ? L’exemple d’une Université
de Lettres et Sciences Humaines, in : International Review of Education, 47-6, pp. 539-572.

CEREQ (2002) Quand l’école est finie... Premiers pas dans la vie active de la Génération 98,
Première interrogation, mars 2001.

Diebolt C. (2001) La théorie de l’engorgement, in : Economie Appliquée. An International

Journal of Economic Analysis, 54-4, pp. 7-31.

Diebolt C. & El Murr B. (2003) Educational Development and Labour Markets. The case of
Higher Education in Germany, 1820-1941, in : Quality and Quantity. International Journal of
Methodology, 37 (in press).

Dupray A. (1999) Déclin de l’efficacité de l’investissement éducatif : les enseignements du

modèle de signalement, colloque IDEP Eléments d’analyse de l’efficacité du système éducatif
et de formation, 21-22 juin.

24
Épiphane D., Giret J.-F., Hallier P, Lopez A. & Sigot J.-C. (2001) Génération 98. A qui a
profité l’embellie économique ? CEREQ Bref 181, décembre.

Forgeot G. & Gautié J. (1997) Insertion professionnelle des jeunes et processus de

déclassement, in : Économie et statistique, 304-305, pp. 53-74

Freeman R. (1971) The Market for College-Trained Manpower. A Study in the Economics of
Career Choice, Harvard University Press, Cambridge.

Galland O. & Rouault D. (1996) Des études supérieures inégalement rentables selon les
milieux scolaires, in : Insee Première, 469, juillet.

Gamel C. (1998) Le diplôme, un signal en voie de dépréciation ? Le modèle de Spence

réexaminé, Greqam, Working paper, 98C07, juin.

Giret J.-F., Moullet S. & Thomas G. (2002) De l’enseignement supérieur à l’emploi : les trois
premières années de vie active de la Génération 98, Céreq, décembre.

Girod de l’ain B. (1993) L’avenir des enseignements supérieurs. Quelques faits et principes,
in : Savoir, 5-4, pp. 557-574.

Goux D. & Maurin, E. (1995) Origine sociale et destinée scolaire, in : Revue Française de
Sociologie, XXXVI, pp. 81-121.

Jaoul M. (2002) Enseignement supérieur et origine sociale en France : étude statistique des
inégalités depuis 1965 , DT-2002-19, Documents de Travail LAMETA, Octobre 2002.

Lévy-Garboua L. (1979) Marché du travail et marché de l’enseignement supérieur, in :

Eicher J.-C. & Lévy-Garboua L. (eds) Economique de l’éducation, Economica, Paris,
pp. 178-210.

Levy-Garboua L. & Mingat A. (1979) Les taux de rendement de l’éducation, in : Eicher J-C.
& Lévy Garboua L. (eds) Economique de l’éducation, Economica, Paris, pp. 104-143.

Meulemeester J.-L. De (1994) Une évaluation empirique de la rationalité des étudiants et

étudiantes belges (1954-1987), in : Économie & Prévision, 116, 1994-5, pp. 137-153.

Martinelli D. & Vergnies J.-F. (1995) L’insertion professionnelle des diplômés de

l’enseignement supérieur se dégrade, in : Céreq Bref, 107, mars.

Mincer J. (1958) Investment in Human Capital and Personal Income Distribution, in : Journal
of Political Economy, 66-4, pp. 281-302.

Mincer J. (1974) Schooling, Experience and Earnings, Columbia University Press, New
York.

Mincer J. (1993) Job Trainings: Costs, Returns and Wages Profiles in : Mincer J.: Studies in
Human Capital, Edward Elgar, Aldershot pp. 239-281.

25
Ministère de l’Education Nationale - DPD (2002) Repères et références statistiques 2002 sur
les enseignements, la formation et la recherche.

Orivel F. (1974) Le choix d’une filière universitaire : un arbitrage entre consommation et

investissement ? Colloque Credoc - Iredu, Paris.

Petit P. (1975) Rendement de l’enseignement Supérieur et Origine Sociale, in : Revue

Economique, 26, juillet, pp. 587-604.

Poulet P., Minni C.& Ducatez S. (1996) Après le baccalauréat, quelles études, quels
emplois ?, in : MEN - Direction de l’Evaluation et de la Prospective, Note d’information,
96.05, février.

Riboud M. (1978) Accumulation du capital humain, Economica, Paris.

Schultz T. W. (1961) Investment in Human Capital, in : American Economic Review, LI, 1,

(march), pp. 1-17.

Spence M. (1973) Job Market Signalling, in : Quarterly Journal of Economics, 87-3, pp. 355-
374.

Vandenberghe V. (2001) Inégalité d’accès aux diplômes supérieurs et financement public de

l’enseignement, Journées d’étude du réseau RAPPE, 25-26 juin.

Verdier E. (1997) En France, les diplômes de l’enseignement supérieur rentre dans le rang ?
in : Formation Professionnelle, Revue européenne, Cedefop, 10, avril, pp. 17-27.

Vincens J. (1999) Les caractéristiques de l’enseignement supérieur de masse en France,

LIRHE, note 219, juin.

Vinokur A. (1976) L’économie de l’éducation néo-classique et la crise de l’université :

remarques méthodologiques sur l’article de Louis Lévy-Garboua, in : Revue française de
sociologie, 18-3, pp. 485-498.

26
ANNEXE - LA SOURCE : PRESENTATION DE GENERATION 98
Le CEREQ a réalisé au printemps 2001 une enquête nationale auprès de 55 000 jeunes sortis de formation
initiale en 1998, de tous les niveaux et de toutes les spécialités de formation, parmi les 742 000 jeunes qui cette
année-là ont quitté pour la première fois le système éducatif. L’objectif de l’enquête « Génération 98 » est
d’analyser les premières années de la vie active au regard de la formation initiale. Elle a pour finalité de rendre
compte des différentes composantes des parcours d’insertion professionnelle. Pour ce faire, elle explore toutes
les situations – emploi, chômage, formation… – traversées par les jeunes entre la date de leur sortie de formation
initiale et la date de l’enquête. L’échantillon de « Génération 98 » a été interrogé au printemps 2001, c’est-à-dire
trois ans après sa sortie du système éducatif et sera réinterrogé entre 2003 et 2005 afin de pouvoir analyser les
processus de cheminement professionnel.

Qui sont ces jeunes ?

− Élèves, étudiants ou apprentis,

− Ils étaient inscrits dans un établissement scolaire ou universitaire en 1997-1998
− Ils ont quitté le système éducatif en 1998
− Ils n’ont pas repris leurs études pendant l’année qui a suivi leur entrée sur le marché du travail

Le champ de « Génération 98 » couvre plus de 98 % des formations initiales dispensées en France

métropolitaine. Concernant l’enseignement supérieur, il couvre les sortants de l’université, du 1er au 3ème cycle,
qu’ils aient ou non obtenus le diplôme correspondant à la classe de sortie. Il englobe aussi les sortants de STS et
IUT, d’écoles de commerce, écoles d’ingénieur, écoles d’art et d’architecture. Les sortants de la filière de santé
sont également interrogés ainsi que ceux issus d’écoles de la santé et du social. En revanche sont exclus du
champ de l’interrogation : les formations dépendant du ministère de a Jeunesse et des Sports, les écoles
d’ingénieurs sous tutelle du ministère de la défense, les écoles de notariat, les écoles juridiques, les écoles
normales supérieures, les élèves sortis non diplômés des écoles de l’enseignement supérieur, les étudiants de
nationalité étrangère issus de l’université.

L’enquête en quelques chiffres

− Une base de plus d’1,2 million d’individus présumés sortis du système éducatif en 1998, constituée par le
Céreq après contacts avec l’ensemble des rectorats et des universités ainsi que des milliers d’établissements.
− 170 000 lettres-avis expédiées
− 135 000 jeunes contactés par téléphone
− 150 télé-enquêteurs
− Un questionnaire d’une durée moyenne de 20 minutes.
− Au total, deux mois de pré-enquête et trois mois d’enquête.

L’échantillon retenu

Etape 1 : Dans la base individu : sélection des sortants de Génération 98 ayant un niveau de formation de niveau
IV+ et supérieur. Ce qui nous fait une base de 30 200 individus.

− Niveau I :6072
− Niveau II : 7093
− Niveau III : 10 775
− Niveau IV+ : 6260

Etape 2 : Dans la base emploi : sélection des séquences d’emploi actuelles (séquence pour laquelle le salaire est
renseigné), longues (garder les séquences > 6 mois permet d’éviter les petits boulots) et à temps plein.

Etape 3 : Fusion des deux bases. La base de travail est composée de 12 730 individus.

27