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