Une évaluation comparative de l efficience économique des universités les mieux classées dans le monde

Transcription

1 SEPIO, U. Paris 1 Mardi 6 juillet 2010, 16h - MSE, salle 17, 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. 1

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 2

3 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 Médiane Min Max Ecart moyen

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 Canada Etats-Unis UK Suisse Australie Total 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 ( $ 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 5

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. 6

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 : 7

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 : 8

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. 9

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. 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 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 10

11 efficiente, elle peut dépenser par an $ (voir la cible à atteindre pour l indicateur dépenses totales dans le tableau 5) au lieu de $, elle peut dépenser annuellement sur chaque étudiant 10960$ au lieu des $ 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 , Canada , Etats-Unis , UK , Suisse , Australie , Total , Tableau 7 : une vue d ensemble des universités efficientes : Score classements Dépenses totales Dépenses par étudiant Nombre des enseignants Moyenne 51, Médiane 48, Min 23, Max 100, Ecart moyen 17,

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). 12

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 13

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! 14

15 Annexe : Tableau 1 : Les données utilisées pour 88 universités issues de 6 pays différents : 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 Université Pays Harvard Etats-Unis ,0 17,7 100,00 Cambridge UK ,3 22,3 84,90 MIT Etats-Unis ,3 15,1 82,81 Stanford Etats-Unis ,5 11,7 82,67 CALTECH Etats-Unis ,9 48,6 80,36 Columbia Etats-Unis ,6 18,8 78,65 Princeton Etats-Unis ,6 12,2 78,42 Yale Etats-Unis ,5 25,4 77,14 Oxford UK ,4 24,0 77,03 Chicago Etats-Unis ,4 18,5 76,92 Cal Berkeley Etats-Unis ,1 5,2 76,86 Cornell Etats-Unis ,7 14,1 72,82 UCL UK ,8 22,5 71,79 Pennsylvania Etats-Unis ,0 14,3 71,74 ICL UK ,1 23,9 69,83 Cal LosAngelos Etats-Unis ,8 8,3 67,92 ETH Zurich Suisse ,9 9,4 66,43 Toronto Canada ,2 10,4 62,89 Cal San Diego Etats-Unis ,9 3,7 61,09 Edinburgh UK ,0 14,0 60,13 Australian NU Australie ,4 12,4 60,05 Mcgill Canada ,2 19,2 59,45 Manchester UK ,6 13,0 59,35 KCL UK ,8 15,4 58,48 British Columbia Canada ,0 11,9 57,80 ENS Paris France 2332 NA NA 16,1 34,0 56,74 Bristol UK ,9 14,0 56,47 Melbourne Australie ,1 9,7 55,17 Sydney Australie ,2 9,9 53,72 Queensland Australie ,7 8,4 51,52 Lausanne polytech Suisse ,5 16,0 51,08 Cal Santa Barbara Etats-Unis ,8 4,5 50,78 Zurich Suisse ,2 4,7 50,06 Alberta Canada ,9 10,8 49,30 Paris 6 France ,1 14,1 49,17 Birmingham UK ,5 9,8 49,12 Cal Davis Etats-Unis ,2 7,9 48,93 New South Wales Australie ,9 7,3 48,77 Sheffield UK ,7 11,5 48,43 Ecole polytech France ,7 25,4 48,38 Monash Australie ,6 9,6 48,13 Nottingham UK ,9 10,2 47,67 15

16 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 Université Pays Warwick UK ,0 10,5 46,84 Genève Suisse ,0 9,3 46,69 Western Australia Australie ,3 8,7 46,32 Basel Suisse ,8 21,5 45,83 Glasgow UK ,5 11,1 45,63 Leeds UK ,6 10,1 44,40 York UK ,1 12,3 43,96 Montreal Canada ,1 6,9 43,34 St Andrews UK ,0 12,1 43,25 Mcmaster Canada ,3 5,4 42,77 Liverpool UK ,3 12,0 42,66 Paris 11 France ,9 11,8 42,22 Waterloo Canada ,8 2,9 41,17 Cardiff UK ,4 10,4 40,99 Queens Canada ,1 4,8 40,29 Sussex UK ,0 8,6 39,19 Calgary Canada ,3 1,8 38,50 Western Ontario Canada ,4 5,1 37,86 ENS Lyon France ,6 35,3 36,87 Bern Suisse ,5 9,8 36,44 Lausanne Suisse ,0 9,7 36,20 Strasbourg France ,1 5,8 35,45 Ottawa Canada ,6 1,4 32,42 Grenoble 1 France ,8 7,9 32,14 Paris 7 France ,7 6,0 31,18 George Washington Etats-Unis ,0 6,7 30,79 Woollongong Australie ,8 7,4 30,09 Montpellier 2 France ,2 13,1 30,07 Surrey UK ,3 8,7 29,68 Flinders Australie ,8 17,1 29,48 La Trobe Australie ,6 5,1 29,37 Exeter UK ,1 7,5 29,33 Alabama Etats-Unis ,2 5,0 29,19 Curtin Univ Tech Australie ,5 6,5 29,15 NewCastle Australie ,1 4,5 28,97 Essex UK ,1 7,0 28,18 Paris 5 France ,6 6,2 28,18 Tulane Etats-Unis ,7 12,9 28,17 Tasmania Australie ,3 7,1 25,96 Toulouse 3 France ,4 6,8 25,51 Manitoba Canada ,9 6,2 25,36 Lille 1 France ,6 11,5 24,97 James Cook Australie ,7 6,3 24,41 Carleton Canada ,1 4,7 23,48 Quebec Canada ,2 2,7 23,43 16

17 Tableau 4 : les scores d efficience des universités avec le type de rendement d échelle et les universités cibes Université Pays Efficienc Rendement y Scores 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 17

18 Université Pays Efficienc Rendement y Scores 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 18

19 Tableau 5 : les scores d efficience des universités avec les cibles des indicateurs à atteindre pour les universités non efficientes Dépenses Totales actuelles (en millions de $) Dépenses par étudiant ($) Nombre des enseignants pour 100 étudiants Université Pays Score d Cible à Cible à efficience atteindre atteindre Harvard Etats-Unis 1, ,7 17,7 Cambridge UK 1, ,3 22,3 Princeton Etats-Unis 1, ,2 12,2 Cal Berkeley Etats-Unis 1, ,2 5,2 ETH Zurich Suisse 1, ,4 9,4 Toronto Canada 1, ,4 10,4 Cal San Diego Etats-Unis 1, ,7 3,7 Australian NU Australie 1, ,4 12,4 Cal Santa Barbara Etats-Unis 1, ,5 4,5 Paris 6 France 1, ,1 14,1 Ecole polytech France 1, ,4 25,4 St Andrews UK 1, ,1 12,1 Sussex UK 1, ,6 8,6 Calgary Canada 1, ,8 1,8 Strasbourg France 1, ,8 5,8 Ottawa Canada 1, ,4 1,4 Paris 7 France 1, ,0 6,0 Essex UK 1, ,0 7,0 Carleton Canada 1, ,7 4,7 Quebec Canada 1, ,7 2,7 Waterloo Canada 0, ,9 2,9 Flinders Australie 0, ,1 9,6 Paris 5 France 0, ,2 5,1 James Cook Australie 0, ,3 6,1 NewCastle Australie 0, ,5 4,3 Sydney Australie 0, ,9 9,3 Paris 11 France 0, ,8 11,0 Mcgill Canada 0, ,2 15,9 La Trobe Australie 0, ,1 4,7 Montpellier 2 France 0, ,1 9,0 Grenoble 1 France 0, ,9 7,1 Zurich Suisse 0, ,7 4,1 Bristol UK 0, ,0 12,1 Woollongong Australie 0, ,4 6,4 Lille 1 France 0, ,5 6,4 Tasmania Australie 0, ,1 5,9 Melbourne Australie 0, ,7 8,0 Manitoba Canada 0, ,2 4,8 Genève Suisse 0, ,3 7,7 Toulouse 3 France 0, ,8 4,8 Lausanne Suisse 0, ,7 7,8 New South Wales Australie 0, ,3 5,8 York UK 0, ,3 9,7 Cible à atteindre 19

20 Dépenses Totales actuelles (en millions de $) Dépenses par étudiant ($) Nombre des enseignants pour 100 étudiants Université Pays Score d Cible à Cible à efficience atteindre atteindre Exeter UK 0, ,5 5,9 MIT Etats-Unis 0, ,1 11,8 Western Australia Australie 0, ,7 6,8 Lausanne polytech Suisse 0, ,0 12,4 Surrey UK 0, ,7 6,7 Curtin Univ Tech Australie 0, ,5 5,0 Monash Australie 0, ,6 7,4 Queensland Australie 0, ,4 6,4 Manchester UK 0, ,0 9,9 Nottingham UK 0, ,2 7,7 Birmingham UK 0, ,8 7,3 KCL UK 0, ,4 11,5 Stanford Etats-Unis 0, ,7 8,6 UCL UK 0, ,5 16,3 ICL UK 0, ,9 17,3 British Columbia Canada 0, ,9 8,6 Basel Suisse 0, ,5 15,5 Oxford UK 0, ,0 17,3 Edinburgh UK 0, ,0 10,0 Queens Canada 0, ,8 3,5 Mcmaster Canada 0, ,4 3,8 ENS Lyon France 0, ,3 24,9 Sheffield UK 0, ,5 8,0 Warwick UK 0, ,5 6,9 Bern Suisse 0, ,8 6,5 Alabama Etats-Unis 0, ,0 3,2 Cardiff UK 0, ,4 6,6 Glasgow UK 0, ,1 7,0 Western Ontario Canada 0, ,1 3,2 Leeds UK 0, ,1 6,3 Liverpool UK 0, ,0 7,2 Montreal Canada 0, ,9 4,1 Alberta Canada 0, ,8 6,2 Chicago Etats-Unis 0, ,5 9,9 Cal LosAngelos Etats-Unis 0, ,3 4,4 Columbia Etats-Unis 0, ,8 9,7 George Washington Etats-Unis 0, ,7 3,4 Cornell Etats-Unis 0, ,1 7,0 Yale Etats-Unis 0, ,4 12,6 Tulane Etats-Unis 0, ,9 5,1 CALTECH Etats-Unis 0, ,6 19,0 Cal Davis Etats-Unis 0, ,9 2,9 Pennsylvania Etats-Unis 0, ,3 4,8 Cible à atteindre 20

21 Sources bibliographiques : - Classement mondial des universités (de Shanghai, édition 2009) - Classement mondial des universités (de Times, édition 2009) - 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, Cooper, Seiford et Tone, DATA ENVELOPMENT ANALYSIS, A Comprehensive Text with Models, Applications, References and DEA-Solver Software, Second Edition, Springer,