View
215
Download
0
Category
Preview:
Citation preview
1
SEPIO, U. Paris 1 – Mardi 6 juillet 2010, 16h - MSE, salle 17, 106-112 bd de l'Hôpital, Paris 13e
Une évaluation comparative de l’efficience économique des universités les
mieux classées dans le monde
Important:
(Version très préliminaire et incomplète, à ne pas citer)
Fouad FERHAT
Centre d’Economie de la Sorbonne (CES),
Université Paris 1 Panthéon - Sorbonne
Juillet, 2010
Sous la direction de Monsieur le professeur :
François FACCHINI
Mots-clés : Classements mondiaux des universités, Qualité des universités, Evaluation comparative,
Efficience économique des universités, méthode non-paramétrique DEA (Data Envelopment Analysis)
Keywords : World Economic Rankings of universities, quality of universities, Comparative evaluation,
Economic efficiency of universities, non-parametric DEA (Data Envelopment Analysis)
Résumé : Est-ce que les universités les mieux classées dans le monde sont aussi les plus efficientes
dans l’utilisation de leurs ressources ? Pour répondre à cette question, nous avons procédé dans ce
texte par 2 étapes. Dans la première étape, nous avons choisi les indicateurs inputs les plus corrélés
avec l’indicateur output (scores des universités dans les classements mondiaux). Dans la deuxième
étape les indicateurs inputs choisis (les dépenses totales de l’université, les dépenses par étudiant et
le nombre des enseignants pour 100 étudiants) et l’indicateur output (scores dans les classements)
ont été utilisé pour calculer, à l’aide de la méthode DEA, les scores de l’efficience économique
comparative de chaque université évaluée. Nos résultats montrent que les universités les mieux
classées ne sont pas forcément les plus efficientes, et que certains pays comme la France même si
leurs universités ne sont pas bien classées, faute à des ressources limitées, elles sont cependant
efficientes dans l’utilisation de leurs ressources.
2
Introduction
problématique : « Est-ce que les universités les mieux classées dans le monde sont
aussi les plus efficientes dans l’utilisation de leurs ressources ? »
I)- La détermination des indicateurs inputs fortement corrélés avec l’indicateur
output (score des universités dans les classements mondiaux)
II)- Le calcul des scores d’efficience économique par la méthode DEA
Conclusion
Annexe
Sources bibliographiques
Introduction
Bien que les classements mondiaux des universités soient un nouveau phénomène né juste
avant quelques années, il n’en demeure pas moins qu’être bien classé dans ces classements
mondiaux (notamment ceux du Times et de Shanghai) est devenu un des principaux objectifs non
seulement des universités elles mêmes mais aussi des autorités publiques dans la gestion des
systèmes universitaires nationaux. Il est à signaler que les effets de ces classements sur les
universités et les systèmes universitaires, sont loin d’être subtiles. En effet, des réorganisations
ainsi que des changements institutionnels profonds des systèmes universitaires et de recherche de
différents pays (notamment la France), avaient comme un objectif principal de permettre aux
universités nationales de devenir plus compétitives, renommées et attirantes pour mieux classer
sur la scène internationale.
Ce n’est pas l’objet de ce texte de discuter de la pertinence des classements des universités
comme indicateurs fiables de la vraie qualité de production des universités (qualité
d’enseignement et de recherche). Même si nous pensons que les classements peuvent être
considérés comme un signal important envoyé aux différents partis preneurs sur la qualité des
universités et peuvent ainsi avoir une réelle influence sur leurs attractivité au niveau national et
international, notamment pour attirer le maximum de ressources ainsi que les meilleurs étudiants
et enseignants et chercheurs dans le monde. Toutefois, nous partons plutôt de l’hypothèse
simple suivante : être bien classé dans les classements mondiaux est devenu un objectif principal
des universités et donc peut être considéré comme un Output important dans leurs fonctions de
production.
A partir de cette hypothèse et vu qu’on vit dans un monde de ressources rares et des
besoins illimités et donc l’importance que les agents économiques soient efficients dans
l’utilisation de leurs ressources, nous nous interrogeons sur la problématique suivante : « Est-ce
que les universités les mieux classées dans le monde sont aussi les plus efficientes dans
l’utilisation de leurs ressources ? ».
Pour répondre à cette question, nous allons procéder par deux étapes. Dans La première
étape nous allons déterminer les indicateurs Inputs qui influencent le plus les résultats des
universités dans les classements mondiaux, tandis que dans la deuxième étape nous allons utiliser
ces indicateurs choisis pour calculer les scores de l’efficience économique grâce à la méthode
DEA. Commençons tout d’abord par la première étape.
4
I)- Détermination des indicateurs inputs fortement corrélés avec l’indicateur output (score des universités dans les classements mondiaux) :
La première étape consiste à déterminer les indicateurs Inputs qui influencent le
plus les résultats des universités dans les classements mondiaux de Times et de
Shanghai (dans leur édition de 2009). Pour déterminer ces inputs, nous allons tester le
niveau de corrélation entre différents indicateurs Inputs (dépenses totales des
universités, dépenses par étudiant, nombre d’enseignants pour 100 étudiants…etc) et
l’indicateur Output (scores des universités dans les classements). L’existence ou non et
l’intensité de corrélation entre chaque indicateur input et l’indicateur Output sera
déterminé grâce aux graphiques à nuages de points dans Excel avec une régression
linéaire permettant le dessin d’une courbe de tendance et l’obtention du coefficient de
détermination R². Les indicateurs Inputs qui sont significativement corrélés avec
l’indicateur Output seront gardés pour être utilisés dans l’étape 2, tandis que les
indicateurs non ou très faiblement corrélés avec l’indicateur Output, seront écartés.
Avant de présenter les résultats de la première étape, nous présentons tout
d’abord la base de données utilisée (dont la source est les sites internet de chaque
université en téléchargeant leurs rapports financiers et annuels, notamment pour les
données sur les dépenses et revenus et leurs distributions, ainsi que la base de donnée
Times QS qui proposent des données détaillées sur le nombre des étudiants et
enseignants chercheurs de chaque université évaluée dans le classement mondial
Times).
Le tableau 1 (voir Annexe) contient les données principales pour les 85
universités évaluées. Le tableau 2 suivant montre une vue d’ensemble des universités
évaluées et des indicateurs utilisés dans l’étude.
Tableau 2 : une vue d’ensemble des universités évaluées et des indicateurs utilisés :
Score
classements Dépenses totales
Dépenses par
étudiant
nombre des
enseignants pour
100 étudiant
Moyenne 48 962 759 029 64 383 11
Médiane 47 629 136 157 29 994 10
Min 23 82 006 543 6 608 1
Max 100 5 015 111 000 1 162 270 49
Ecart moyen 14 680 462 813 57 375 5
5
Tandis que le tableau 3 suivant montre une répartition par pays des universités
évaluées et des indicateurs utilisés.
Tableau 3 : une vue par pays des universités évaluées et des indicateurs utilisés :
Nombre des
universités
évaluées
Moyenne des
scores
classements
Moyenne des
dépenses
totales
Moyenne des
dépenses par
étudiant
Moyenne du
nombre des
enseignants
France 11 35 301 715 079 28 151 13
Canada 14 41 793 841 957 26 444 7
Etats-Unis 17 66 2 394 125 672 189 949 14
UK 22 51 648 063 165 36 819 13
Suisse 7 48 493 893 675 41 973 12
Australie 14 40 539 693 982 23 867 9
Total 85 48 962 759 029 64 383 11
Nous avons collecté des données pour 85 universités présentes dans les
classements mondiaux des universités Times et Shanghai (édition 2009), ces
universités sont issues de 6 pays (France : 11 universités, Canada 14 universités, Etats-
Unis 17 universités, la Grande Bretagne 22 universités, la Suisse 7 universités et
l’Australie 14 universités). Les universités les mieux classées sont celles des Etats-
Unis avec une moyenne des scores dans les classements Times et Shanghai de 66 sur
100 (le score maximum étant 100 sur 100 celui de Harvard, les scores des autres
universités sont calculées comme proportion du score de Harvard). Suivies des
universités britanniques (51/100), suivies de la suisse (48/100), du canada (41/100), de
l’Australie (40/100) et enfin la France la moins bien classée avec un score moyen de
ses universités de seulement (35/100).
Les indicateurs utilisés montrent aussi qu’en moyenne se sont les universités
américaines qui dépensent le plus soit en total (2,4 milliards de $ par an) ou par
étudiant (190 000 $ par an) avec le nombre moyen d’enseignants pour 100 étudiant le
plus élevé (14 enseignants pour 100 étudiants).
Après plusieurs tests de corrélation sur Excel de différents types d’indicateurs
non inclus dans le texte (il s’agit des indicateurs suivants : dépenses par
enseignant/chercheur, % des étudiants de cycle supérieur, % des étudiants de cycle
supérieur étrangers, % des enseignants chercheurs étrangers, nombre de doctorats
6
délivrés par an, les droits d’inscriptions de chaque université, le % des droits
d’inscription comme revenu dans le budget de l’université…etc), nous avons trouvé
seulement 3 indicateurs Inputs assez bien corrélés avec l’output (score des universités
dans les classements). Ces indicateurs sont ceux présents dans le tableau 2 (dépenses
totales par an, dépenses par étudiant par an et nombre des enseignants pour 100
étudiants).
Les Graphiques 1, 2 et 3 suivants, montrent la corrélation de chacun de ces indicateurs
inputs avec l’indicateur output (moyenne des scores des universités dans les
classements mondiaux Times et Shanghai).
Graphique 1 :
Le Graphique 1 montre la corrélation la plus forte des 3 indicateurs inputs choisis,
avec un coefficient de détermination R2 de 0,7 cela veut dire que 70% des variations
des scores des universités s’expliquent bien par une variation dans les dépenses
totales. En effet, dépenser plus par an permet aux universités de réaliser de meilleure
recherche et d’être par conséquence mieux classée dans les classements mondiaux.
7
Graphique 2 :
On remarque une corrélation positive plus ou moins forte entre les dépenses par
étudiant et les scores des universités dans les classements (R2 = 0,6)
Graphique 3 :
8
Dans le graphique 3 même si la corrélation entre le nombre des enseignants pour 100
étudiants et les scores des universités dans les classements n’est pas assez forte (R2
faible de 0,4), néanmoins la relation positive entre les deux indicateurs est claire dans
le graphique.
Nous avons aussi jugé aussi utile de montrer le graphique 4 suivant (la
corrélation entre le % des étudiants étrangers et les scores des universités dans les
classements), puisque contrairement à l’idée répandue, avoir une plus grande
proportion des étudiants étrangers à l’université n’améliore pas le score de l’université
dans les classements mondiaux. La même remarque est aussi valable pour la
corrélation entre le % des enseignants-chercheurs étrangers et les scores des
universités dans les classements (dont le graphique n’est pas inclus dans ce texte).
Graphique 4 :
9
Après avoir trouvé les indicateurs inputs les plus fortement corrélés avec
l’indicateur output (scores dans les classements), nous passons maintenant à la
deuxième étape qui est celle de calculer les scores d’efficience économique par la
méthode non paramétrique DEA (Data Envelopment Analysis).
II)- Le calcul des scores d’efficience économique par la méthode DEA :
Dans cette deuxième étape nous allons utiliser les indicateurs Inputs déterminés
dans la première étape en tant que les indicateurs les plus significativement corrélés
avec l’indicateur Output (scores des universités dans les classements) et cela pour
calculer les scores d’efficience économique comparative des 85 universités les mieux
classéss dans le monde de notre échantillon, grâce à la méthode non-paramétrique
DEA (Data Envelopment Analysis).
La méthode DEA est une méthode mathématique non paramétrique (à la
différence des méthodes économétriques paramétriques qui ont pour objectif d’estimer
les paramètres de la fonction de production) pour étudier l’efficience relative (et non
l’efficience absolue) des différentes unités de décision (Decision making Units DMU
dans le jargon de la littérature sur la méthode DEA). Il est très important d’insister sur
le concept d’efficience relative, puisque une unité de décision est dite efficiente (un
score de 1) seulement relativement aux autres unités de décision évaluées en même
temps. Si on inclut de nouvelles unités, les scores d’efficience changent, les unités qui
étaient auparavant efficientes peuvent devenir inefficientes. Donc c’est de l’efficience
comparative et non absolue, dans notre cas si une université est efficiente cela veut
dire tout simplement qu’il n y a aucune université qui réalise de meilleurs score dans
les classements en utilisant moins de ressources.
La méthode DEA affecte automatiquement différents poids pour les différents
indicateurs inputs et outputs des différentes unités évaluées de sorte à maximiser le
score d’efficience de chaque unité évaluée. Dans notre cas, cela veut dire que chaque
université peut donner plus de poids à l’indicateur le plus efficacement utilisé dans
cette université.
10
Concernant la lecture des résultats, un score = 1 veut dire que l’université est
efficiente (aucune autre université ne produit plus d’outputs avec les mêmes inputs ou
avec moins d’inputs), tandis qu’un score moins de 1 veut dire que l’université est
inefficiente, il existe d’autres universités qui sont mieux classées (produisent plus
d’outputs) avec le même niveau d’inputs ou un niveau plus faible d’inputs. Plus le
score est faible plus l’université est inefficiente. Par exemple un score de 0,666 veut
dire que l’université a une efficience d'inputs de 66,6% c'est à dire qu'elle peut réaliser
les mêmes outputs mais en utilisant seulement 66,6% des inputs qu'elle utilise
actuellement.
Les résultats de l’étude sont proposés en annexe dans les tableaux 4 (les scores
d’efficience des universités avec le type de rendement d’échelle et les universités
cibes) et le Tableau 5 (les scores d’efficience des universités avec les cibles des
indicateurs à atteindre pour les universités non efficientes). Dans le cas des universités
inefficientes (score inférieur à 1), connaître leurs universités cibles est très utile,
puisqu’il s’agit des universités qui réalisent de meilleurs résultats en utilisant moins de
ressources. La même remarque concernant les cibles des indicateurs à atteindre, la
méthode DEA permet de calculer les cibles d’indicateurs à atteindre pour que
l’université soit efficiente.
Pour une illustration sur comment lire les résultats dans le tableau, prenons
l’exemple de l’université Toulouse 3, elle est inefficiente, son score d’efficience de
0,808 est inférieur à 1 et signifie que l’université peut réaliser les mêmes résultats dans
les classements mondiaux (un score de 25,51/100, voir le tableau 1) mais seulement
avec 80,8% des ressources qu’elle utilise actuellement. Plus précisément si elle était
Modèle Testé Indicateurs Inputs Indicateurs Output
(3 inputs, 1 output)
Input oriented avec
rendement d’échelle
variable
- Dépenses totales de l’université ($)
- Dépenses par étudiant de l’université ($)
- Nombre des enseignants/chercheurs pour 100 étudiants
- Moyenne des scores des universités dans les classements mondiaux Times et Shanghai de 2009
11
efficiente, elle peut dépenser par an 289 092 360 $ (voir la cible à atteindre pour
l’indicateur dépenses totales dans le tableau 5) au lieu de 357 579 062 $, elle peut
dépenser annuellement sur chaque étudiant 10960$ au lieu des 13 556 $ qu’elle
dépense actuellement et elle peut utiliser seulement 5 enseignants pour 100 étudiants
au lieu de 7 enseignants qu’elle utilise actuellement, pourquoi ? parce que les
universités cibles font mieux ! il s’agit de l’université francaise paris 7 (qui dépense
moins et obtient de meilleurs résultats, est des universités canadiennes Carleton et
Quebec (voir les universités cibles dans le tableau 4).
Pour faciliter la lecture et l’analyse des résultats nous proposons les Tableaux 6 et 7
suivants :
Tableau 6 : vue d’ensemble des résultats de l’efficience par pays
Nombre
des
universités
évaluées
Nombre
des
universités
efficientes
% des
universités
efficientes
Moyenne
des scores
dans les
classmeents
Moyenne des
dépenses
totales des
universités
efficientes
Moyenne
des
dépenses par
tête des
universités
efficientes
Moyenne du
nombre des
enseignants
des universités
efficientes
France 11 4 36,4 41 337 404 580 19 191 13
Canada 14 5 35,7 36 789 238 824 20 471 4
Etats-Unis 17 5 29,4 73 1 970 353 140 105 006 9
UK 22 4 18,2 49 406 611 952 31 056 13
Suisse 7 1 14,3 66 801 772 393 57 274 9
Australie 14 1 7,1 60 561 723 288 47 038 12
Total 85 20 23,5 52 906 876 081 46 634 9
Tableau 7 : une vue d’ensemble des universités efficientes :
Score
classements Dépenses totales
Dépenses par
étudiant
Nombre des
enseignants
Moyenne 51,70 906 876 081 46 634 9
Médiane 48,77 560 837 274 28 310 1
Min 23,43 82 006 543 6 608 25
Max 100,00 3 756 071 000 182 461 8
Ecart moyen 17,70 670 277 910 33 574 5
12
Nous remarquons dans le tableau 6 que le % des universités efficientes évaluées
dans notre échantillon est le plus élevé en France (36,4% des universités francaises
évaluées sont efficientes ou 4 sur 11) suivi du canada (35,7% des universités
canadiennes sont efficientes) des Etats-unis (29,4%), de la Grande Bretagne (18,2%),
de la suisse (14,3%) et finalement de l’Australie qui possède seulement une seule
université efficiente sur ses 14 universités évaluées. On peut donc conclure que les
universités les mieux classées dans le monde (américaines et anglaises) ne sont pas
aussi les plus efficientes, Donc contrairement à une idée répandue au milieu
académique français, le problème des universités françaises résident beaucoup plus
dans l’insuffisance des ressources que dans l’efficience d’utilisation des ressources
disponibles.
En effet, l’exemple de l’excellente université Paris 6 est très flagrant, elle ne
dépense que 500 millions de $ par an mais elle est mieux classée que d’autres
universités dans le monde qui dépensent presque 2 fois plus (par exemple l’université
américaine California davis qui dépense 2,3 milliard de $ et qui obtient un score dans
les classements de 48,93 comparé au score de paris 6 qui est de 49,17, ou l’université
australienne Monash qui dépense plus d’1 milliard de $ par an et qui obtient un score
dans les classements de 48,13).
13
Conclusion
Est-ce que les universités les mieux classées dans le monde sont aussi les plus
efficientes dans l’utilisation de leurs ressources ? Pour répondre à cette question, nous
avons procédé dans ce texte par 2 étapes. Dans la première étape, nous avons testé la
corrélation en choisissant les indicateurs inputs les plus corrélés avec l’indicateur
output (scores des universités dans les classements mondiaux). Dans la deuxième étape
les indicateurs inputs choisis (les dépenses totales de l’université, les dépenses par
étudiant et le nombre des enseignants pour 100 étudiants) et l’indicateur output (scores
dans les classements) ont été utilisé pour calculer, à l’aide de la méthode DEA, les
scores de l’efficience économique comparative des universités les mieux classés dans
le monde avec un échantillon de 85 universités issues de 6 pays différents.
Nos résultats montrent que les indicateurs inputs qui déterminent les scores des
universités dans les classements mondiaux sont l’indicateur des dépenses totales de
l’université par an, l’indicateur des dépenses annuelles par étudiant et l’indicateur du
nombre des enseignants pour 100 étudiants. Il s’est aussi avéré que contrairement à
une idée répandue, un % élevé d’étudiants étrangers ou d’enseignants-chercheurs
étrangers n’influence pas les scores des universités dans les classements.
Tandis que notre étude d’efficience économique a permis de répondre à notre
problématique par le négatif. En effet les universités les mieux classées ne sont pas
forcément les plus efficientes, et certains pays qui ne sont pas bien classés, possèdent
des universités efficientes (notamment la France) par rapport à leurs ressources
relativement limitées, cela veut dire que dans le cas de la France augmenter les
ressources des universités serait très bénéfique sur les résultats des universités
françaises dans les classements mondiaux, tandis que dans le cas de la Grande
Bretagne ou de l’Australie (faible efficience économique des universités) les efforts
seront mieux déployés en utilisant mieux les ressources qu’en les augmentant.
Outre l’élargissement de notre échantillon des universités évaluées pour
améliorer et s’assurer de la fiabilité de nos résultats, nos efforts de recherche peuvent
aussi aller dans le sens d’une troisième étape qui consiste à essayer d’expliquer
pourquoi certaines universités sont plus efficientes que d’autres. Aussi vu que les
14
dépenses totales déterminent en grande partie les résultats des universités dans les
classements, un autre chemin de recherche à poursuivre serait d’essayer d’expliquer
pourquoi les universités de certains pays possèdent plus de ressources en moyenne par
rapport aux universités d’autres pays et là fort probablement les explications seront
plutôt institutionnelles !
15
Annexe :
Tableau 1 : Les données utilisées pour 88 universités issues de 6 pays différents :
Université Pays
Nombre
total
des
étudiants
Dépenses
totales
($
millions)
Dépenses
par
étudiant
($)
% des
étudiants
étrangers
Nombre
des
enseignants
pour 100
étudiants
Moyenne du Score
de l'université dans
les classements
Times et Shanghai
de 2009
Harvard Etats-Unis 21 347 3 756 175 953 19,0 17,7 100,00
Cambridge UK 18 325 1 005 54 822 27,3 22,3 84,90
MIT Etats-Unis 10 102 2 461 243 645 26,3 15,1 82,81
Stanford Etats-Unis 15 523 3 100 199 704 32,5 11,7 82,67
CALTECH Etats-Unis 2 126 2 471 1 162 270 25,9 48,6 80,36
Columbia Etats-Unis 20 556 3 061 148 924 22,6 18,8 78,65
Princeton Etats-Unis 7 349 1 341 182 461 19,6 12,2 78,42
Yale Etats-Unis 11 431 2 491 217 911 17,5 25,4 77,14
Oxford UK 18 935 1 305 68 912 28,4 24,0 77,03
Chicago Etats-Unis 12 884 2 670 207 234 23,4 18,5 76,92
Cal Berkeley Etats-Unis 34 222 1 809 52 861 8,1 5,2 76,86
Cornell Etats-Unis 21 170 2 815 132 971 16,7 14,1 72,82
UCL UK 17 631 1 085 61 558 32,8 22,5 71,79
Pennsylvania Etats-Unis 21 454 5 015 233 761 16,0 14,3 71,74
ICL UK 12 949 995 76 805 39,1 23,9 69,83
Cal LosAngelos Etats-Unis 37 354 4 292 114 889 7,8 8,3 67,92
ETH Zurich Suisse 13 999 802 57 274 25,9 9,4 66,43
Toronto Canada 59 439 1 760 29 603 11,2 10,4 62,89
Cal San Diego Etats-Unis 26 957 2 474 91 771 5,9 3,7 61,09
Edinburgh UK 20 771 889 42 801 21,0 14,0 60,13
Australian NU Australie 11 942 562 47 038 24,4 12,4 60,05
Mcgill Canada 27 044 804 29 725 26,2 19,2 59,45
Manchester UK 29 136 1 116 38 314 21,6 13,0 59,35
KCL UK 17 214 734 42 614 21,8 15,4 58,48
British Columbia Canada 37 964 1 418 37 346 15,0 11,9 57,80
ENS Paris France 2 332 NA NA 16,1 34,0 56,74
Bristol UK 15 971 568 35 560 17,9 14,0 56,47
Melbourne Australie 35 150 1 045 29 722 28,1 9,7 55,17
Sydney Australie 37 486 902 24 065 26,2 9,9 53,72
Queensland Australie 28 701 821 28 589 19,7 8,4 51,52
Lausanne polytech Suisse 6 163 455 73 763 41,5 16,0 51,08
Cal Santa Barbara Etats-Unis 21 467 472 21 984 3,8 4,5 50,78
Zurich Suisse 24 788 697 28 109 16,2 4,7 50,06
Alberta Canada 33 393 1 170 35 025 14,9 10,8 49,30
Paris 6 France 30 676 515 16 779 22,1 14,1 49,17
Birmingham UK 23 710 629 26 535 17,5 9,8 49,12
Cal Davis Etats-Unis 29 558 2 750 93 036 5,2 7,9 48,93
New South Wales Australie 32 166 807 25 096 24,9 7,3 48,77
Sheffield UK 20 782 626 30 103 17,7 11,5 48,43
Ecole polytech France 2 237 82 36 659 26,7 25,4 48,38
Monash Australie 37 315 926 24 816 27,6 9,6 48,13
Nottingham UK 27 536 679 24 652 20,9 10,2 47,67
16
Université
Pays
Nombre
total
des
étudiants
Total
dépenses
($
millions)
Dépenses
par
étudiant
($)
% des
étudiants
étrangers
Nombre
des
enseignants
pour 100
étudiants
Moyenne du Score
de l'université dans
les classements
Times et Shanghai
de 2009
Warwick UK 16 532 568 34 377 28,0 10,5 46,84
Genève Suisse 11 188 422 37 730 36,0 9,3 46,69
Western Australia Australie 15 712 470 29 885 21,3 8,7 46,32
Basel Suisse 9 973 362 36 252 22,8 21,5 45,83
Glasgow UK 19 469 629 32 314 13,5 11,1 45,63
Leeds UK 26 308 735 27 932 12,6 10,1 44,40
York UK 10 147 334 32 893 20,1 12,3 43,96
Montreal Canada 24 532 786 32 056 17,1 6,9 43,34
St Andrews UK 7 196 194 27 016 32,0 12,1 43,25
Mcmaster Canada 22 763 660 29 008 6,3 5,4 42,77
Liverpool UK 16 137 563 34 861 14,3 12,0 42,66
Paris 11 France 24 234 428 17 644 15,9 11,8 42,22
Waterloo Canada 25 565 546 21 365 8,8 2,9 41,17
Cardiff UK 23 054 606 26 275 16,4 10,4 40,99
Queens Canada 17 338 672 38 781 7,1 4,8 40,29
Sussex UK 10 247 243 23 681 19,0 8,6 39,19
Calgary Canada 22 820 798 34 982 6,3 1,8 38,50
Western Ontario Canada 24 337 761 31 259 5,4 5,1 37,86
ENS Lyon France 913 120 131 387 13,6 35,3 36,87
Bern Suisse 13 092 425 32 498 9,5 9,8 36,44
Lausanne Suisse 10 465 295 28 188 19,0 9,7 36,20
Strasbourg France 41 058 460 11 208 18,1 5,8 35,45
Ottawa Canada 29 691 591 19 893 4,6 1,4 32,42
Grenoble 1 France 16 771 286 17 062 13,8 7,9 32,14
Paris 7 France 24 158 293 12 116 21,7 6,0 31,18
George Washington Etats-Unis 18 904 817 43 242 9,0 6,7 30,79
Woollongong Australie 13 855 272 19 629 24,8 7,4 30,09
Montpellier 2 France 8 966 197 22 002 16,2 13,1 30,07
Surrey UK 10 407 269 25 820 25,3 8,7 29,68
Flinders Australie 11 675 206 17 670 18,8 17,1 29,48
La Trobe Australie 22 394 326 14 554 22,6 5,1 29,37
Exeter UK 12 903 303 23 466 13,1 7,5 29,33
Alabama Etats-Unis 24 701 638 25 841 4,2 5,0 29,19
Curtin Univ Tech Australie 27 973 428 15 301 41,5 6,5 29,15
NewCastle Australie 18 866 327 17 324 17,1 4,5 28,97
Essex UK 9 878 185 18 704 29,1 7,0 28,18
Paris 5 France 31 106 346 11 124 18,6 6,2 28,18
Tulane Etats-Unis 9 353 661 70 630 9,7 12,9 28,17
Tasmania Australie 13 310 252 18 925 24,3 7,1 25,96
Toulouse 3 France 26 378 358 13 556 10,4 6,8 25,51
Manitoba Canada 26 334 350 13 302 8,9 6,2 25,36
Lille 1 France 11 664 235 20 120 29,6 11,5 24,97
James Cook Australie 9 891 213 21 527 15,7 6,3 24,41
Carleton Canada 21 097 238 11 268 16,1 4,7 23,48
Quebec Canada 84 741 560 6 608 10,2 2,7 23,43
17
Tableau 4 : les scores d’efficience des universités avec le type de rendement d’échelle et les
universités cibes
Université Pays
Efficienc
y Scores
Rendement
d'échelle Cibles
Harvard Etats-Unis 1,000 Décroissant Harvard
Cambridge UK 1,000 Décroissant Cambridge
Princeton Etats-Unis 1,000 Décroissant Princeton
Cal Berkeley Etats-Unis 1,000 Décroissant Cal Berkeley
ETH Zurich Suisse 1,000 Décroissant ETH Zurich
Toronto Canada 1,000 Décroissant Toronto
Cal San Diego Etats-Unis 1,000 Décroissant Cal San Diego
Australian NU Australie 1,000 Décroissant Australian NU
Cal Santa
Barbara Etats-Unis 1,000 Constant Cal Santa Barbara
Paris 6 France 1,000 Constant Paris 6
Ecole polytech France 1,000 Constant Ecole polytech
St Andrews UK 1,000 Constant St Andrews
Sussex UK 1,000 Croissant Sussex
Calgary Canada 1,000 Décroissant Calgary
Strasbourg France 1,000 Constant Strasbourg
Ottawa Canada 1,000 Constant Ottawa
Paris 7 France 1,000 Constant Paris 7
Essex UK 1,000 Croissant Essex
Carleton Canada 1,000 Croissant Carleton
Quebec Canada 1,000 Constant Quebec
Waterloo Canada 0,991 Décroissant Cal Berkeley Cal Santa Barbara Ottawa
Flinders Australie 0,978 Croissant Ecole polytech Paris 7 Carleton
Paris 5 France 0,974 Croissant Paris 7 Carleton Quebec
James Cook Australie 0,963 Croissant Essex Carleton
NewCastle Australie 0,956 Croissant Cal Santa Barbara Ottawa Carleton
Sydney Australie 0,936 Décroissant Cambridge Toronto Cal Santa Barbara Paris 6
Paris 11 France 0,932 Décroissant Cal Santa Barbara Paris 6 St Andrews Paris 7
Mcgill Canada 0,928 Décroissant Cambridge Toronto Paris 6
La Trobe Australie 0,913 Croissant Cal Santa Barbara Paris 7 Carleton Quebec
Montpellier 2 France 0,907 Croissant Ecole polytech Essex Carleton
Grenoble 1 France 0,900 Croissant St Andrews Paris 7 Essex Carleton
Zurich Suisse 0,868 Décroissant Cal Berkeley Cal Santa Barbara Ottawa
Bristol UK 0,866 Décroissant Cambridge Cal Santa Barbara Paris 6 Ecole polytech
Woollongong Australie 0,861 Croissant Cal Santa Barbara Paris 7 Essex Carleton
Lille 1 France 0,841 Croissant Essex Carleton
Tasmania Australie 0,830 Croissant Essex Carleton
Melbourne Australie 0,827 Décroissant Cambridge Toronto Cal Santa Barbara Paris 6
Manitoba Canada 0,823 Croissant Paris 7 Carleton Quebec
Genève Suisse 0,822 Croissant Cal Santa Barbara St Andrews Sussex
Toulouse 3 France 0,808 Croissant Paris 7 Carleton Quebec
Lausanne Suisse 0,803 Croissant Cal Santa Barbara Sussex Essex
New South
Wales Australie 0,801 Décroissant Cal Santa Barbara Paris 6 Strasbourg
York UK 0,792 Croissant Cal Santa Barbara St Andrews Sussex
Exeter UK 0,784 Croissant Cal Santa Barbara Essex Carleton
18
Université Pays
Efficienc
y Scores
Rendement
d'échelle Benchmarks
MIT Etats-Unis 0,780 Décroissant Harvard Cambridge Cal Berkeley
Western
Australia Australie 0,779 Croissant Cal Santa Barbara St Andrews Sussex
Lausanne
polytech Suisse 0,776 Décroissant Australian NU Cal Santa Barbara Ecole polytech
Surrey UK 0,771 Croissant Cal Santa Barbara Essex Carleton
Curtin Univ
Tech Australie 0,769 Croissant Cal Santa Barbara Paris 7 Carleton Quebec
Monash Australie 0,766 Décroissant Cal Santa Barbara Paris 6 Strasbourg
Queensland Australie 0,764 Décroissant Toronto Cal Santa Barbara Paris 6
Manchester UK 0,758 Décroissant Cambridge Toronto Cal Santa Barbara Paris 6
Nottingham UK 0,753 Décroissant Cal Santa Barbara Paris 6 Strasbourg
Birmingham UK 0,751 Décroissant Cal Santa Barbara Paris 6 St Andrews Paris 7
KCL UK 0,744 Décroissant Cambridge Australian NU Cal Santa Barbara Ecole polytech
Stanford Etats-Unis 0,733 Décroissant Harvard Cambridge Cal Berkeley
UCL UK 0,724 Décroissant Cambridge Australian NU Cal Santa Barbara Ecole polytech
ICL UK 0,724 Décroissant Cambridge Australian NU Ecole polytech
British
Columbia Canada 0,721 Décroissant Cambridge Toronto Cal Santa Barbara Paris 6
Basel Suisse 0,719 Décroissant Paris 6 Ecole polytech St Andrews Paris 7
Oxford UK 0,718 Décroissant Cambridge Cal Berkeley ETH Zurich Cal Santa Barbara
Edinburgh UK 0,718 Décroissant Cambridge Toronto Cal Santa Barbara Paris 6
Queens Canada 0,713 Croissant Cal Santa Barbara Ottawa Carleton
Mcmaster Canada 0,709 Croissant Cal Santa Barbara Ottawa Carleton
ENS Lyon France 0,707 Croissant Ecole polytech Essex
Sheffield UK 0,696 Décroissant Cal Santa Barbara Paris 6 St Andrews Paris 7
Warwick UK 0,659 Croissant Cal Santa Barbara St Andrews Paris 7 Essex
Bern Suisse 0,655 Croissant Cal Santa Barbara Sussex Essex
Alabama Etats-Unis 0,645 Croissant Cal Santa Barbara Ottawa Carleton
Cardiff UK 0,636 Décroissant Cal Santa Barbara Paris 6 St Andrews Paris 7
Glasgow UK 0,631 Décroissant Cal Santa Barbara Paris 6 St Andrews Paris 7
Western
Ontario Canada 0,630 Croissant Cal Santa Barbara Ottawa Carleton
Leeds UK 0,621 Décroissant Cal Santa Barbara Paris 6 Strasbourg Paris 7
Liverpool UK 0,596 Croissant Cal Santa Barbara St Andrews Paris 7 Essex
Montreal Canada 0,592 Croissant Cal Santa Barbara Ottawa Carleton Quebec
Alberta Canada 0,579 Décroissant Cal Santa Barbara Paris 6 Strasbourg
Chicago Etats-Unis 0,537 Décroissant Cambridge Princeton Cal Berkeley ETH Zurich
Cal LosAngelos Etats-Unis 0,528 Décroissant Cal Berkeley Cal San Diego Calgary
Columbia Etats-Unis 0,514 Décroissant Cambridge Princeton Cal Berkeley ETH Zurich
George
Washington Etats-Unis 0,502 Croissant Cal Santa Barbara Ottawa Carleton
Cornell Etats-Unis 0,498 Décroissant Princeton Cal Berkeley ETH Zurich
Yale Etats-Unis 0,497 Décroissant Cambridge Princeton Cal Berkeley ETH Zurich
Tulane Etats-Unis 0,395 Croissant Cal Santa Barbara Essex Carleton
CALTECH Etats-Unis 0,391 Décroissant Cambridge Princeton ETH Zurich
Cal Davis Etats-Unis 0,366 Décroissant Cal Berkeley Cal Santa Barbara Ottawa
Pennsylvania Etats-Unis 0,332 Décroissant Cal Berkeley Cal Santa Barbara Ottawa
19
Tableau 5 : les scores d’efficience des universités avec les cibles des indicateurs à atteindre pour les
universités non efficientes
Université Pays Score d’
efficience
Dépenses
Totales
actuelles
(en millions
de $)
Cible à
atteindre
Dépenses
par étudiant
($)
Cible à
atteindre
Nombre des
enseignants
pour 100
étudiants
Cible à
atteindre
Harvard Etats-Unis 1,000 3 756 3 756 175 953 175 953 17,7 17,7
Cambridge UK 1,000 1 005 1 005 54 822 54 822 22,3 22,3
Princeton Etats-Unis 1,000 1 341 1 341 182 461 182 461 12,2 12,2
Cal Berkeley Etats-Unis 1,000 1 809 1 809 52 861 52 861 5,2 5,2
ETH Zurich Suisse 1,000 802 802 57 274 57 274 9,4 9,4
Toronto Canada 1,000 1 760 1 760 29 603 29 603 10,4 10,4
Cal San Diego Etats-Unis 1,000 2 474 2 474 91 771 91 771 3,7 3,7
Australian NU Australie 1,000 562 562 47 038 47 038 12,4 12,4
Cal Santa Barbara Etats-Unis 1,000 472 472 21 984 21 984 4,5 4,5
Paris 6 France 1,000 515 515 16 779 16 779 14,1 14,1
Ecole polytech France 1,000 82 82 36 659 36 659 25,4 25,4
St Andrews UK 1,000 194 194 27 016 27 016 12,1 12,1
Sussex UK 1,000 243 243 23 681 23 681 8,6 8,6
Calgary Canada 1,000 798 798 34 982 34 982 1,8 1,8
Strasbourg France 1,000 460 460 11 208 11 208 5,8 5,8
Ottawa Canada 1,000 591 591 19 893 19 893 1,4 1,4
Paris 7 France 1,000 293 293 12 116 12 116 6,0 6,0
Essex UK 1,000 185 185 18 704 18 704 7,0 7,0
Carleton Canada 1,000 238 238 11 268 11 268 4,7 4,7
Quebec Canada 1,000 560 560 6 608 6 608 2,7 2,7
Waterloo Canada 0,991 546 541 21 365 21 024 2,9 2,9
Flinders Australie 0,978 206 202 17 670 17 281 17,1 9,6
Paris 5 France 0,974 346 337 11 124 10 837 6,2 5,1
James Cook Australie 0,963 213 205 21 527 15 853 6,3 6,1
NewCastle Australie 0,956 327 312 17 324 13 933 4,5 4,3
Sydney Australie 0,936 902 845 24 065 22 530 9,9 9,3
Paris 11 France 0,932 428 398 17 644 16 441 11,8 11,0
Mcgill Canada 0,928 804 746 29 725 27 572 19,2 15,9
La Trobe Australie 0,913 326 298 14 554 13 286 5,1 4,7
Montpellier 2 France 0,907 197 179 22 002 19 957 13,1 9,0
Grenoble 1 France 0,900 286 258 17 062 15 354 7,9 7,1
Zurich Suisse 0,868 697 605 28 109 24 283 4,7 4,1
Bristol UK 0,866 568 492 35 560 30 786 14,0 12,1
Woollongong Australie 0,861 272 234 19 629 16 902 7,4 6,4
Lille 1 France 0,841 235 197 20 120 16 926 11,5 6,4
Tasmania Australie 0,830 252 209 18 925 15 303 7,1 5,9
Melbourne Australie 0,827 1 045 864 29 722 24 586 9,7 8,0
Manitoba Canada 0,823 350 288 13 302 10 942 6,2 4,8
Genève Suisse 0,822 422 347 37 730 23 920 9,3 7,7
Toulouse 3 France 0,808 358 289 13 556 10 960 6,8 4,8
Lausanne Suisse 0,803 295 237 28 188 21 913 9,7 7,8
New South Wales Australie 0,801 807 476 25 096 20 096 7,3 5,8
York UK 0,792 334 264 32 893 25 204 12,3 9,7
20
Université Pays Score d’
efficience
Dépenses
Totales
actuelles
(en millions
de $)
Cible à
atteindre
Dépenses
par étudiant
($)
Cible à
atteindre
Nombre des
enseignants
pour 100
étudiants
Cible à
atteindre
Exeter UK 0,784 303 238 23 466 16 585 7,5 5,9
MIT Etats-Unis 0,780 2 461 1 921 243 645 73 788 15,1 11,8
Western Australia Australie 0,779 470 366 29 885 23 190 8,7 6,8
Lausanne polytech Suisse 0,776 455 353 73 763 29 857 16,0 12,4
Surrey UK 0,771 269 207 25 820 18 715 8,7 6,7
Curtin Univ Tech Australie 0,769 428 329 15 301 11 760 6,5 5,0
Monash Australie 0,766 926 482 24 816 18 999 9,6 7,4
Queensland Australie 0,764 821 582 28 589 21 837 8,4 6,4
Manchester UK 0,758 1 116 846 38 314 29 039 13,0 9,9
Nottingham UK 0,753 679 483 24 652 18 551 10,2 7,7
Birmingham UK 0,751 629 473 26 535 19 928 9,8 7,3
KCL UK 0,744 734 546 42 614 31 709 15,4 11,5
Stanford Etats-Unis 0,733 3 100 2 272 199 704 83 039 11,7 8,6
UCL UK 0,724 1 085 786 61 558 44 576 22,5 16,3
ICL UK 0,724 995 720 76 805 49 709 23,9 17,3
British Columbia Canada 0,721 1 418 1 023 37 346 26 941 11,9 8,6
Basel Suisse 0,719 362 260 36 252 26 066 21,5 15,5
Oxford UK 0,718 1 305 936 68 912 49 458 24,0 17,3
Edinburgh UK 0,718 889 638 42 801 30 711 14,0 10,0
Queens Canada 0,713 672 479 38 781 19 672 4,8 3,5
Mcmaster Canada 0,709 660 468 29 008 20 047 5,4 3,8
ENS Lyon France 0,707 120 85 131 387 36 170 35,3 24,9
Sheffield UK 0,696 626 435 30 103 20 955 11,5 8,0
Warwick UK 0,659 568 374 34 377 22 642 10,5 6,9
Bern Suisse 0,655 425 279 32 498 20 349 9,8 6,5
Alabama Etats-Unis 0,645 638 412 25 841 15 822 5,0 3,2
Cardiff UK 0,636 606 385 26 275 16 699 10,4 6,6
Glasgow UK 0,631 629 397 32 314 20 380 11,1 7,0
Western Ontario Canada 0,630 761 479 31 259 19 097 5,1 3,2
Leeds UK 0,621 735 456 27 932 17 351 10,1 6,3
Liverpool UK 0,596 563 335 34 861 20 769 12,0 7,2
Montreal Canada 0,592 786 465 32 056 18 973 6,9 4,1
Alberta Canada 0,579 1 170 478 35 025 20 263 10,8 6,2
Chicago Etats-Unis 0,537 2 670 1 433 207 234 111 245 18,5 9,9
Cal LosAngelos Etats-Unis 0,528 4 292 1 854 114 889 60 695 8,3 4,4
Columbia Etats-Unis 0,514 3 061 1 573 148 924 76 499 18,8 9,7
George Washington Etats-Unis 0,502 817 410 43 242 16 173 6,7 3,4
Cornell Etats-Unis 0,498 2 815 1 402 132 971 58 211 14,1 7,0
Yale Etats-Unis 0,497 2 491 1 239 217 911 108 348 25,4 12,6
Tulane Etats-Unis 0,395 661 261 70 630 14 147 12,9 5,1
CALTECH Etats-Unis 0,391 2 471 966 1 162 270 58 901 48,6 19,0
Cal Davis Etats-Unis 0,366 2 750 1 007 93 036 31 468 7,9 2,9
Pennsylvania Etats-Unis 0,332 5 015 1 664 233 761 48 983 14,3 4,8
21
Sources bibliographiques :
- Classement mondial des universités (de Shanghai, édition 2009) http://www.arwu.org/
- Classement mondial des universités (de Times, édition 2009) http://www.topuniversities.com/university-rankings
- Les sites internet des 85 universités évaluées dans cette étude
- Joe Zhu, Quantitative Models for Performance Evaluation and Benchmarking:
DEA with Spreadsheets and DEA Excel Solver, Springer (Kluwer Academic
Publishers), Boston, 2003
- Cooper, Seiford et Tone, DATA ENVELOPMENT ANALYSIS, A
Comprehensive Text with Models, Applications, References and DEA-Solver
Software, Second Edition, Springer, 2007
Recommended