Les effectifs étudiants en Afrique au XXIe siècle : évolution passée et exercice de prospective

HAL Id: hal-04144512 https://hal.science/hal-04144512v1 Submitted on 28 Jun 2023

HAL is a multi-disciplinary open access archive for the deposit and dissemination of scientific re-search documents, whether they are published or not. The documents may come from teaching and research institutions in France or abroad, or from public or pri-vate research centers.

L’archive ouverte pluridisciplinaire HAL, est des-tinée au dépôt et à la diffusion de documents scien-tifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

Distributed under a Creative Commons CC BY 4.0 - Attribution - International License

Jean-Baptiste Meyer, Marc Pilon, Andrainolo Ravalihasy

To cite this version:

Jean-Baptiste Meyer, Marc Pilon, Andrainolo Ravalihasy. Les effectifs étudiants en Afrique au XXIe siècle : évolution passée et exercice de prospective. [Rapport de recherche] Working Paper du Ceped #48, Centre Population et Développement. 2020, 29 p. ⟨hal-04144512⟩

WORKING PAPER

Jean-Baptiste Meyer, Marc Pilon & Andrainolo Ravalihasy

Septembre 2020

Ceped Centre Population et Développement UMR 196 · Université de Paris · IRD 45 rue des Saints-Pères 75006 PARIS, France http://www.ceped.org/ • contact@ceped.org

Les Working Papers du Ceped constituent des documents de travail portant sur des recherches menées par des chercheurs du Ceped ou associés. Rédigés pour une diffusion rapide, ces papiers n’ont pas été formellement relus et édités. Certaines versions de ces documents de travail peuvent être soumises à une revue à comité de lecture. Les droits d’auteur sont détenus par les auteurs.

Ceped Working Papers are working papers on current research conducted by Ceped-affiliated researchers. Written for timely dissemination, these papers have not been formally edited or peer reviewed. Versions of these working papers are sometimes submitted for publication in peer-reviewed journals. Copyrights are held by the authors.

Auteurs Authors

Jean-Baptiste Meyer

jean-baptiste.meyer@ird.fr

Sociologue de la connaissance, directeur de recherche au CEPED, IRD-Université de Paris, coordonne le projet de recherche international sur les transformations de l’enseignement supérieur en Afrique septentrionale.

Orcid : 0000-0002-5442-8323

Marc Pilon

marc.pilon@ird.fr

Démographe de l'IRD, directeur de recherche au CEPED, IRD - Université de Paris :

Andrainolo Ravalihasy

andrainolo.ravalihasy@ird.fr

Ingénieur statisticien, au CEPED, IRD - Université de Paris ?

Orcid : 0000-0003-0880-6319

Citation recommandée Recommended citation

Meyer J-B., Pilon M., et Ravalihasy A, « Les effectifs étudiants en Afrique au XXIe siècle : évolution passée et exer-cice de prospective », Working Paper du Ceped, n°48, Ceped (UMR 196 Université de Paris IRD, ERL 1244 Inserm), Paris, Septembre 2020. Available at https://www.ceped.org/wp., DOI: 10.5281/zenodo.3970947

Jean-Baptiste Meyera, Marc Pilona & Andrainolo Ravalihasya

Résumé

Mots-clés : Afrique, enseignement supérieur, statistiques, prospective, évolution démographique, massification.

INTRODUCTION

L’Afrique est le continent où l’enseignement supé-rieur devrait le plus se développer durant les décennies prochaines.

Au sein de l’ODD 4 relatif à l’éducation, la cible 4.3 « Formation professionnelle et enseignement su-périeur » prévoit d’ici à 2030 de « faire en sorte que les femmes et les hommes aient tous accès dans des conditions d’égalité à un enseignement technique, professionnel ou tertiaire, y compris universitaire, de qualité et d’un coût abordable »¹.

Selon l’Agenda 2063 de l’Union Africaine, « Inves-tir dans l'enseignement supérieur (Universités, Grandes Écoles et Écoles polytechniques) permet-tra aux pays africains de constituer le capital humain crucial (ingénieurs, médecins, comp-tables, juristes, etc.) nécessaire pour construire des sociétés et des économies modernes et compéti-tives. L'enseignement supérieur apporte un soutien direct au développement économique en produisant de nouvelles connaissances, renforçant les capacités permettant d’accéder à la mine mon-diale des connaissances et d’adapter ces connaissances pour les utiliser au niveau local » (Union Africaine : 66). Ce même agenda se donne pour objectif que « Dans l'Afrique de 2063, au moins 70 pour cent de tous les diplômés du secon-daire poursuivront des études dans l’enseignement supérieur au sein d’institutions d’enseignement technique et de formation profes-sionnelle (EFTP) et d’universités » (Union Africaine : 32). Or, le taux brut de scolarisation au supérieur en 2020 s’élève seulement à 10 %... Au regard des objectifs affichés, les défis s’annoncent donc majeurs.

!a Centre Population et Développement, Paris

Ce document de travail souhaite explorer et mesurer les tendances qui caractérisent cette dy-namique. Cette réflexion n’est pas isolée : elle s’appuie sur des exercices antérieurs qu’elle sou-haite compléter et prolonger. La première partie fera état de ces travaux conceptuels et méthodolo-giques, avant que la seconde examine l’évolution passée des effectifs du supérieur en Afrique du Nord et sub-saharienne puis la troisième présen-tera des scenarios de leur développement à l’avenir.

L’ENSEIGNEMENT SUPÉRIEUR DANS LA LONGUE DURÉE : RÉFLEXIONS CONCEPTUELLES ET MÉTHODOLOGIQUES

Contexte géographique et théorique

L’Afrique est largement perçue aujourd’hui comme le continent de la jeunesse. La population en âge d’entrer et de suivre des programmes dans l’enseignement supérieur y représente la part la plus importante, comparativement aux autres ré-gions du monde, actuellement déjà mais surtout pour les décennies à venir (UNESCO 2015a, UN 2019). Si la perception du phénomène est bien présente et manifeste, son observation détaillée et rigoureuse l’est en revanche beaucoup moins. Peu d’analyses ont à ce jour été réalisées qui permet-traient de prendre la mesure de l’évolution récente et des tendances de celle à venir prochainement, ainsi que des enjeux qui en découlent. Cette fai-blesse tient au caractère récent des études prospectives portant sur l’éducation tertiaire au niveau international d’une façon générale (KC et al. 2010), mais aussi au fait que celles-ci émanent d’autres régions que l’Afrique, avec des préoccupa-tions bien différentes (OCDE 2018 et 2019). Le présent travail entend commencer à combler ce vide et contribuer au développement d’une telle approche, tournée vers le futur et vers ce conti-nent.

L’étude dont fait état ce document s’appuie sur des travaux antérieurs conséquents. La relation entre l’évolution de la population et celle de l’éducation constitue, en effet, un objet d’intérêt académique depuis plusieurs décennies. Deux disciplines - la démographie et les sciences économiques - ont respectivement fondé sur cette relation des cou-rants théoriques si forts qu’ils pourraient être qualifiés de paradigmes. Le premier est celui de la transition démographique et le second celui du ca-pital humain. L’une s’appuie sur le constat que la réduction de la fécondité ainsi que de la mortalité est associée à une augmentation de la scolarisation à tous les niveaux y compris supérieurs. L’autre re-lève la combinaison systématique existante entre l’intensité de la qualification dans la population ac-tive et la croissance économique. Ces deux inspirations nourrissent les approches rétrospec-tives et prospectives mobilisées ici pour positionner la contribution propre de notre travail.

Les sciences économiques ont effectué, notam-ment à partir des années 1990, des analyses rétrospectives très sophistiquées pour documen-ter précisément la relation entre l’éducation et la croissance. Les travaux de Robert Barro et Jong-Wha Lee font largement référence lorsqu’il s’agit de décrire l’avènement d’une économie mondiale basée sur les savoirs (global knowledge based economy) à la fin du XXème siècle. Leur approche consiste à observer les corrélations entre l’accrois-sement des qualifications et l’amélioration des compétences d’une part et les transformations productives et l’augmentation de la richesse des nations. Pour ce faire, ils travaillent sur des séries temporelles longues relevées à l’échelle internatio-nale, pour pouvoir comparer différentes périodes et de nombreux pays aux conditions très diverses.

Au fil des années, ils relèvent des informations de plus en plus considérables sur l’éducation passée et pour une liste croissante de pays. De quelques di-zaines depuis les années 50 (Barro et Lee 1993), ils passent à plus d’une centaine de relevés depuis le début du XXème siècle (Barro et Lee 2013), à plus de 150 depuis 1820 jusqu’à 2010 (Lee et Lee 2016).

À chaque fois le nombre d’observations s’accroît et l’inclusion dans la couverture géographique de pays du sud également.

Construction des données pour dégager des tendances longues

La recherche de B&L consiste à rapprocher la qua-lification (éducative) de son impact (économique) par le biais des diplômes obtenus. C’est le niveau éducatif atteint (educational attainment), qui les in-téresse de ce fait. Outre les différents degrés scolaires - primaire et secondaire-ils prennent donc en considération le niveau tertiaire, celui de l’enseignement supérieur. Ils examinent ainsi la croissance de capital humain par pays. Il s’agit d’une analyse de stock et non de flux, selon une méthode d’inventaire perpétuel effectué tous les 5 ans. Elle enregistre l’investissement passé dans l’éducation, tel qu’il se traduit dans la population et éventuellement sur le marché du travail. Il existe de ce fait un décalage temporel important entre le moment où l’étudiant débute son cursus et celui où, parfois longtemps après son achèvement, ses résultats se traduisent dans les statistiques, quel que soit leur mode de collecte (Lee et Lee 2016).

Les deux sources mobilisées sont les recensements et des enquêtes. Pour de nombreux pays et au fur et à mesure que l’on remonte dans le temps, l’in-formation est lacunaire ou déficiente. C’est notamment le cas pour l’Afrique et le sud en géné-ral où des relevés sont effectués seulement entre 1 et 3 fois, sur 12 (pour les pays les mieux rensei-gnés), (Barro et Lee 2010, tableau p 44). Ayant constaté le peu de fiabilité des taux de scolarisation rapportés par les pays aux Organisations interna-tionales (tels que l’UNESCO) B&L ont recours à des taux reconstruits par extrapolation à partir de données postérieures et antérieures (extrapolation forward and backward, Barro et Lee 2010, p 2).

C’est à partir de ces taux reconstruits que sont in-férées pour de nombreux pays les proportions de la population détentrice de diplômes de l’ensei-gnement supérieur et leur évolution, en particulier.

Dans leur plus récente étude portant sur une pé-riode de deux siècles, les taux d’inscription (enrolment rates) procèdent d’une combinaison de données issues de l’UNESCO après 1950 et d’esti-mations rétrospectives pour les séquences antérieures. Les auteurs prennent acte du fait que les taux bruts sont les plus pertinents compte tenu des variations importantes des classes d’âge et des catégories afférentes de scolarisation entre pays, notamment pour le sud et surtout pour l’enseigne-ment supérieur. Les ajustements sophistiqués auxquels ils procèdent pour l’inter-comparaison sont décrits comme impossibles à développer pour le niveau tertiaire, du fait notamment d’une exten-sion indéfinie de la période de scolarisation dans cette catégorie.

Les constats par grandes régions qui se dégagent de ces analyses de long terme sur l’ensemble du monde font ressortir une grande convergence sur la durée mais aussi d’importants décalages dans le temps (Lee et Lee 2016, p 157). La scolarisation en primaire, secondaire et tertiaire tend à s’uniformi-ser manifestement de façon croissante du premier au troisième niveau. Mais concernant ce dernier cette tendance générale n’empêche pas un décro-chage notable de l’Afrique sub-saharienne, à partir des années 1960 puis 1990. Malgré des augmenta-tions notables, la région se distingue alors de toutes les autres et notamment de sa voisine : l’Afrique du Nord. L’écart se creuse au point où durant l’actuelle décennie la différence de scolari-sation dans le supérieur serait à peu près équivalente entre l’Afrique et la moyenne du monde qu’entre celle-ci et les pays les plus avancés en la matière (Occident et pays de l’ancien bloc de l’Est).

Tentatives pour passer des tendances aux projections

Les précédents travaux ont inspiré, directement ou indirectement, des études qui ont emprunté la même voie conceptuelle et parfois les mêmes don-nées numériques. L’identification rigoureuse et argumentée de tendances précises a, entre autres, généré de l’intérêt pour en explorer les prolonge-ments éventuels.

Avant la fin des années 1990 une première étude émerge, combinant les données sur l’éducation provenant des calculs de B&L sur les niveaux at-teints avec les taux de scolarisation de l’UNESCO.

Exploitant les deux sources, tout en relativisant leur fiabilité, elle s’appuie sur les prévisions de po-pulation établies par le Bureau International du Travail, pour établir des projections sur 25 ans, jusqu’à 2020 (Ahuja et Filmer 1995). Se calant sur des hypothèses très basses de scolarisation pour l’Afrique sub-saharienne, à partir des données UNESCO relatives à la décennie précédente où un recul de l’accès à l’école s’y était clairement dessiné (UNESCO 1993), ils déduisent un afflux restreint de candidats à l’enseignement supérieur pour cette région. Ils présument ainsi que le pourcentage de la population formée au niveau post-scolaire y passera seulement de 0,8 % à 1,3 % entre 1995 et 2020, tandis que celui de la région voisine Afrique du Nord et Moyen Orient évoluera de 4,3 % à 8,4 %. Ces estimations pour l’Afrique ont été dé-passées (voir infra), notamment parce que les incitations politiques à la scolarisation universelle y ont eu un certain effet, perceptible à moyen terme (Conférence de Jomtien 1990 puis les OMD (Objectifs du Millénaire pour le Développement) de 2000). Mais cette tentative de projection montre certaines contraintes de l’exercice : la sé-lection de la période de référence, la sensibilité aux évènements extérieurs, la capacité prédictive va-riable selon l’échéance de la projection.

Des travaux réalisés essentiellement en Amérique du Nord dans les années suivantes (Zuñiga 1997, Forest et Alexander 2004, Chong and Chea 2010) accréditent les dynamiques de rattrapage à l’œuvre dans l’enseignement supérieur (par genre et par origine). Puis de nouvelles projections des niveaux d’éducation atteints voient le jour au milieu des années 2000 (Wils 2007). Elles banalisent la pro-cédure de projection multi-États (multi-state projection) et le recours à des cohortes de popula-tion standard (par classes d’âge) tel qu’il est pratiqué par de multiples agences internationales (Wils 2007). La source privilégiée est celle des en-quêtes ménages, considérées comme les seules à fournir de façon précises et comparables des infor-mations sur les niveaux atteints. Les projections sont basées sur l’hypothèse d’une poursuite de la tendance récente moyenne selon les pays mais celle d’une accélération (fastest rate projection) est également envisagée, sur la base de scenarios déri-vés de l’expérience enregistrée dans certains cas (asiatiques, notamment).

Le résultat confirme les tendances précédemment identifiées : amélioration globale du niveau de qualification et de sa distribution par genre (pa-rité). Ces travaux visualisent les résultats projetés sur des pyramides des âges où sont figurés les ni-veaux de qualification atteints pour chaque tranche de 5 ou 10 ans et apprécient également l’impact probable de la montée en qualification par genre, sur la fécondité en diminution des femmes.

Ces éléments seront ensuite repris et développés par les travaux du Centre Wittgenstein et IIASA (voir infra). Toutefois, ces analyses émanant d’agences américaines de coopération internatio-nale et portant essentiellement sur des pays du sud se préoccupent essentiellement alors des niveaux scolaires plus que du supérieur.

Projections récentes : la sophistication des modèles et méthodes

Depuis le tournant des années 2010 plusieurs tra-vaux émanant du Centre Wittgenstein et IIASA (International Institute for Applied Systems Ana-lysis) basés à Vienne, associés à - et activement soutenus par - l’Union Européenne (Joint Research Centre) approfondissent considérable-ment les exercices antérieurs de reconstruction de l’évolution de l’éducation (Speringer et al. 2019) et surtout de projections démographiques liées à cette dernière (KC et al. 2010 et 2013). Ils se fon-dent sur la même approche à la fois conceptuelle et méthodologique : apprécier l’accumulation croissante de capital humain au fil des décennies passées mais aussi à venir, en estimant les qualifi-cations acquises à différents niveaux dans les populations. La perspective démographique prend cependant une dimension accrue (Lutz et al. 2018). L’effet des différentes variables, notam-ment éducatives, sur les taux de fécondité et de mortalité sont primordiaux. Si le capital humain fait toujours l’objet de références explicites, il est conçu dans une approche du développement dé-bordant le cadre strictement économique. Un rapport complet est produit en 2014 puis en 2018 (Lutz et al.). Ce dernier porte sur 201 pays et re-vendique une couverture inégalée par ailleurs.

Les projections de population sont établies jusqu’à 2100 et envisagées selon trois scenarios (SSP= sha-red socio-economic pathways), alignés sur ceux du GIEC, Groupe d’experts intergouvernemental sur l’évolution du climat. Ils se conforment ainsi à la perspective du développement durable également, dont les ODD, Objectifs du Développement Du-rable, constituent le plus optimiste (SSP1). Les SSP2 et SSP3 sont les références des scenarios mé-dian (poursuite de tendances actuelles) et pessimiste (stabilité des valeurs actuelles), respec-tivement.

Le SSP2 est le scenario appliqué en priorité pour décrire les transformations de la situation des ni-veaux éducatifs atteints. Pour plus de réalisme concernant les prévisions, il est appliqué aux an-nées 2015 et 2060, afin de mesurer les changements sur un intervalle de temps raison-nable.

Le GET (Global Education Trend) est l’indicateur pris en compte pour définir cette tendance en ma-tière éducative. Sa composition détaillée est difficile à trouver, tant les diverses publications du groupe renvoient à des descriptions antérieures donc aucune n’est complète et explicite en totalité.

Pour autant, on comprend qu’il a été construit sur la base de la progression avérée de l’ensemble des pays sur une longue période (40 ans). C’est un mo-dèle bayésien qui définit la trajectoire la plus plausible dans une vision de transition éducative (KC et al. 2013 et Lutz et al. 2018). On voit ici la prégnance des références démographiques et l’im-portance d’un raisonnement déductif par analogie à des dynamiques antérieures largement parta-gées.

Concernant les données des modèles de projec-tion, la base est constituée essentiellement des recensements du « round 2010 ». Bien que com-portant des renseignements collectés individuellement pour 50 sur 57 pays d’Afrique, Lutz et al. considèrent que cette région ainsi que celle de l’Afrique du Nord et Moyen-Orient, sont les moins complètes. À défaut d’informations suf-fisantes, ils ont souvent recours à des proxies régionaux. En revanche, ils se refusent à faire ap-pel aux statistiques UNESCO de scolarisation dont ils estiment les taux exagérés, à l’instar des études antérieures (KC et al. 2010, Barro et Lee 2013).

Leur critique porte toutefois – comme celles de leurs prédécesseurs – plus sur les niveaux scolaires que supérieur, en l’occurrence.

Les résultats des projections indiquent, dans le SSP2, une amélioration remarquable de la propor-tion de personnes diplômées de l’enseignement supérieur dans la population par sous-régions de l’Afrique sub-saharienne, entre 2015 et 2060 : « the percentage of those with post-secondary education would grow from 1 % in 2015 to 6 % in 2060 in Eastern Africa, from 2 % to 7 % in Middle Africa, from 4 % to 13 % in Southern Africa and from 3 % to 10 % in West-ern Africa » (Erofili Grapsa et Daniela Ghio, 2018, p 81).

Les trois scenarios livrent des résultats extrême-ment contrastés, liés à des valeurs initiales minimales comparées à celles des autres régions du monde, ainsi qu’à des expectatives de rattra-page importantes. L’Afrique sub-saharienne reste toutefois derrière les autres régions jusqu’à 2060 suivant les estimations retenues. Ce constat de-meure cependant tributaire des incertitudes qui pèsent sur les données recueillies spécialement pour cette partie du monde (voir ci-dessus).

Explorer des voies différentes à travers des sources disponibles

Les méthodes présentées dans les sections précé-dentes procèdent toutes d’un même objectif : estimer la teneur en capital humain des sociétés à certaines dates contemporaines (XIXème, XXème et XXIème siècles). Pour ce faire, elles prennent la fré-quence du niveau scolaire atteint dans la composition sociale comme indicateur. Ce dernier leur sert ensuite à apprécier l’impact économique possible de cette disponibilité de main d’œuvre plus ou moins qualifiée et/ou l’effet démogra-phique de la scolarisation accrue – transition éducative – sur les comportements de reproduc-tion et l’allongement de la vie, dans la population.

En revanche, ces approches ne documentent que très partiellement les effets observables ou atten-dus sur le système éducatif. Ce dernier ne constitue guère son objet d’étude et elles ne se pré-occupent que de son résultat : la qualification acquise. Les entrants dans le système sont à peine pris en compte et les échecs, retards, redouble-ments, changements de voies, inachèvements, ou non formalisation des processus éducatifs et de leur achèvement ne sont à peu près pas enregis-trés. De plus, en ne relevant que tardivement l’issue des années de formation – après exécution, recensement et traitement – le décalage dans le temps pose un réel problème pour apprécier l’ef-fort d’investissement associé à la croissance du système. Or, cet effort doit être anticipé, pour ac-compagner les politiques éducatives et de formation des jeunes.

L’UNESCO (1993, 2015a), l’Union Européenne (2003 et 2004), et d’autres initiatives isolées (Cal-deron 2012 et 2018) optent pour des voies qui prennent en compte les entrants dans le système et effectuent alors les relevés à l’inscription plutôt qu’après la sortie. On constate globalement un phénomène de convergence des indicateurs de l’éducation à l’échelle mondiale, à l’instar des études antérieurement citées.

L’étude de l’UNESCO 25 ans en arrière révèle l’im-portance des données de base sur lesquelles appuyer les projections. Son modèle consiste en une extrapolation de la tendance 1960-1993 sur la période 1995-2025. L’exercice est réalisé pour chaque pays individuellement mais avec des li-mites de données pour certains plus que d’autres (Afrique sub-sahharienne, en particulier). Enfin, le modèle est construit avec des extrapolations à partir du primaire… (p 2). Or, du fait d’un déclin passager durant la décennie 1980 de la scolarisa-tion pour l’Afrique, et en maintenant constantes les dernières observations – plutôt qu’étalées sur l’ensemble de la période – les tendances pour les décennies futures se trouvent biaisées en consé-quence. Rétrospectivement, on constate l’erreur pour l’Afrique : 100 millions d’étudiants prévus en 2025 (déjà à 250 en 2020, aujourd’hui…) ; le gross enrolment ratio passe de 2,1 relevé en 1991 à 1,8 en 2025 supposément (vs près de 10 % aujourd’hui en réalité…).

Le travail de Calderon, récent, permet de compa-rer l’évolution passée et prévisible par régions du monde. On note qu’en 2030, la différence entre l’Afrique sub-sahharienne et les autres régions en terme de proportion de jeunes 18-23 sera la plus forte (p 22). 2060 est le moment où la population africaine atteindra ¼ de celle du monde et dépas-sera celle de l’Asie de l’Est et de l’Asie du Sud, (p 20). Entre 2020 et 2030, le nombre total des étu-diants sur la planète est appelé à passer de 250 à 377 millions. Mais le calcul des projections de l’au-teur n’est nulle part explicité. Il semble déduit des tendances antérieures projetées de façon linéaire sur les prochaines décennies. Pourtant ces prévi-sions pour l’Afrique apparaissent modestes : de 7,4 millions en 2015 à 8,8 en 2030 et 21,7 en 2040 (seuil de ses projections). Ces estimations méri-tent un examen accru. Enfin, au-delà des hypothèses effectuées pour le calcul des projec-tions, il est important d’apprécier le point de vue politique adopté par les agences et organisations internationales quant à l’augmentation des effec-tifs étudiants (AFD, Banque Mondiale, OCDE).

Figure 1 : Extrait du formulaire de l’ISU envoyé aux pays. (http://uis.unesco.org/fr/uis-questionnaires)

ÉVOLUTION PASSÉE DE LA SCOLARISATION AU SUPÉRIEUR EN AFRIQUE

Avant de commenter l’évolution passée de la sco-larisation au supérieur en Afrique, il importe de présenter et discuter la fiabilité des données statis-tiques disponibles.

Présentation et discussion de la fiabilité des données statistiques disponibles

Les données statistiques mobilisées sont celles provenant du site de l’Institut de Statistique de l’UNESCO (ISU). Chaque année, ce dernier re-cueille auprès de chaque pays tout un ensemble de données statistiques relatives à chaque niveau d’enseignement. Les données reçues sont ensuite contrôlées pour en évaluer la fiabilité, et pouvant parfois ne pas être publiées car jugées non cré-dibles.

À titre d’exemple, l’image ci-dessous (Figure 1) in-dique les informations demandées : le nombre d’étudiants, par sexe, par type d’établissement (pu-blic ou privé) et pour chaque niveau de la Classification internationale type de l'éducation (CITE) ; ici, il s’agit de la CITE 2011.

Le formulaire donne les précisions et instructions suivantes en ce qui concerne la « couverture » des données :

« Ce questionnaire porte entièrement sur le système d'enseignement supérieur formel dans les établissements publics et privés à l'intérieur des frontières du pays du répondant. Si les don-nées ne sont pas disponibles pour une partie du système, veuillez faire des estimations afin d'assurer une couverture complète des don-nées.

Avant de remplir ce questionnaire, les pro-grammes d'éducation doivent d'abord être classés par niveau en fonction de la révision 2011 de la Classification internationale type de l'éducation (CITE 2011). L'ISU utilisera la car-tographie de la CITE 2011 de votre pays afin de valider votre soumission de données. Si votre pays ne dispose pas d'une cartographie récente de la CITE ou s'il y a eu des modifica-tions substantielles de votre système d'éducation nationale, veuillez télécharger et remplir ou mettre à jour le questionnaire sur les systèmes nationaux d'éducation (UIS/ED/ISC11) qui est disponible sur notre site Web des Questionnaires » (http://uis.unesco.org/fr/uis-questionnaires).

Pour rappel, la première CITE fut adoptée en 1976, puis révisée en 1997 et enfin en 2011 (ta-bleau 1). L’enseignement supérieur correspond aux niveaux 5 à 8 de chaque CITE.

Pour le calcul du taux brut de scolarisation au su-périeur, l’ISU utilise les projections démographiques produites par la Division de la population des Nations Unies (actualisées tous les deux ans), sur la base de la « variante moyenne ».

Dans ses publications annuelles, l’ISU précise qu’« En raison d’écarts éventuels entre les estima-tions nationales relatives à la population et celles des Nations Unies, ces indicateurs ne sont pas né-cessairement identiques à ceux que publient les pays eux-mêmes ou d’autres organisations. La Di-vision de la population des Nations Unies ne fournit pas de données par année d’âge pour les pays dont la population totale est inférieure à 50 000 habitants. Le cas échéant, les taux de scola-risation ont été calculés à partir des données sur la population publiées par les pays lorsqu’elles étaient disponibles et, à défaut, à partir des estima-tions de l’ISU » (UNESCO 2015b, p 313).

Tableau 1 : Correspondances entre les niveaux des CITE 1978, 1997 et 2011 1976 1997 2011

01 Développement éducatif de la

petite enfance

0 Préprimaire 0 Préprimaire 02 Préprimaire 1 Enseignement primaire 1 Enseignement primaire 1 Enseignement primaire 2 Enseignement secondaire 1er

cycle

Général/pré-technique

2 Enseignement secondaire 1er

cycle

Général/pré-technique

2 Enseignement secondaire 1er

cycle

Général/pré-technique

3 Enseignement secondaire 2e

cycle

Général/pré-technique

ou/et professionnel

3 Enseignement secondaire 2e

cycle

Général/pré-technique ou/et

professionnel

3 Enseignement secondaire 2e

cycle Général/pré-technique

ou/et professionnel

4 Enseignement post-secondaire

non-universitaire Général/tech-

nique

4 Enseignement post-secondaire

non-universitaire Général/tech-

nique

5 Enseignement supérieur

2-3 ans

5B Enseignement supérieur

2-3 ans

5 Enseignement supérieur, cycle

court général

6 Enseignement supérieur

3-5 ans

5A Enseignement supérieur

5A<4 ou 5A>=4 ans

6 Enseignement supérieur, cycle

court, professionnel

7 Enseignement supérieur, cycle

court, orientation non spécifiée

7 Enseignement supérieur,

3e cycle

6 Enseignement supérieur,

3e cycle

8 Enseignement supérieur,

3e cycle

En ce qui concerne le calcul de moyennes régio-nales, par exemple pour l’Afrique septentrionale et l’Afrique subsaharienne, « les moyennes sont cal-culées à partir de données publiées et de valeurs imputées, pour les pays pour lesquels on ne dis-pose pas de données récentes ou de données publiables suffisamment fiables, d’estimations gé-nérales. Les moyennes pondérées marquées de deux astérisques (**) dans les tableaux sont des imputations partielles de l’ISU dues à une couver-ture incomplète des pays de la région (entre 33 % et 60 % de la population d’une région ou d’un groupe de pays donné). Lorsque les données fiables sont insuffisantes pour établir une moyenne générale pondérée, une valeur médiane est calculée sur la seule base des pays disposant de données » (UNESCO 2015b, p 315). En ce qui concerne les valeurs régionales des taux bruts de scolarisation au supérieur, il s’agit donc de moyennes régionales pondérées par le poids res-pectif de chaque pays concernant la population de la tranche d’âges retenue comme dénominateur pour l’enseignement supérieur, laquelle tranche d’âges, quinquennale, est celle suivant l’enseigne-ment secondaire et varie selon les pays. Pour les moyennes régionales, l’ISU ne procède donc à des agrégations séparées des populations d’âge sco-laire régionales d’un côté (dénominateur) et des effectifs totaux fréquentant le supérieur (numéra-teur).

Sans remettre ici en cause la méthodologie utilisée par l’ISU, les valeurs ainsi obtenues pour les en-sembles régionaux doivent être considérées avant tout comme des ordres de grandeur et interprétées avec prudence, en fonction du nombre de pays sans données. À titre d’illustration pour l’année 2015, échéance de l’EPT (Éducation pour Tous) et des OMD, l’information sur le nombre d’étudiants était manquante pour 23 pays africains (sur un to-tal de 54), dont un « poids lourd » sur le plan démographique, à savoir le Nigéria. Depuis l’an-née 2000, pour une quinzaine d’autres pays, le nombre d’étudiants est une donnée très souvent manquante (pas plus de cinq années renseignées) : Djibouti, Érythrée, Gabon, Gambie, Guinée Bis-sau, Guinée Conakry, Guinée équatoriale, Libéria, Lybie, Nigéria, Sahara occidental (aucune don-née), Sierra Leone, Somalie, Soudan, Zambie, Zimbabwe².

Par ailleurs, alors que le formulaire envoyé l’ISU aux pays prévoit la distinction entre les secteurs public et privé, on peut s’interroger sur la fiabilité des effectifs d’étudiants relevant du secteur privé pour les pays qui les fournissent. Selon les données disponibles sur le site de l’ISU, en 2015 (ou l’année la plus proche) le pourcentage des effectifs scolari-sés au supérieur dans un établissement privé varie très fortement selon les pays : de 4,2 % en Mauri-tanie à 60,8 % au Rwanda (Figure 2). Mais la question est de savoir quel crédit accorder à ces pourcentages. Dans la plupart des pays, l’enseigne-ment supérieur privé demeure très peu régulé, très mal documenté.

Figure 2 : Pourcentage des effectifs scolarisés au supérieur dans un établissement privé en 2015 (ou année la plus proche) source :http://data.uis.unesco.org/?lang=fr)

Il faut en outre évoquer le cas des pays qui produi-sent, voire publient les effectifs d’étudiants relevant du secteur privé mais qui, pour des rai-sons diverses n’apparaissent pas dans la base de données de l’ISU. À titre d’illustration, en ce qui concerne le Sénégal, pour l’année 2015 (soit 2014- 15), la donnée sur le pourcentage des effectifs sco-larisés au supérieur dans un établissement privé est manquante sur le site de l’ISU. Pourtant on peut trouver cette information dans un rapport du Ministère de l’Enseignement supérieur, de la Re-cherche et de l’Innovation (2019, p 14), à partir d’un tableau fournissant l’évolution des effectifs étudiants de 2012 à 2016 : le calcul du pourcentage des effectifs scolarisés au supérieur dans un éta-blissement privé s’élève ainsi à 23,7 % en 2015, et à 30,8 % en 2016. Selon ce rapport le nombre total des étudiants s’élève à 147 957 (dont 35 083 dans le privé), un effectif qui semble correspondre à ce-lui de la base de l’ISU (144 827).

En ce qui concerne le Mali, alors que la donnée re-lative au privé pour 2015 est renseignée dans la base de l’ISU, soit un pourcentage de 9,1 % (valeur étonnamment identique depuis 2011), l’avant-propos de l’annuaire statistique des étudiants de l’enseignement supérieur de 2017-18 (seulement le troisième réalisé) précise que « L’objectif de prendre en compte les établissements publics rat-tachés (INJS, INSS, INFTS) en fin 2015 au Département de l’enseignement supérieur a pu fi-nalement être atteint grâce à l’implication de tous les acteurs. Cependant, cela n’est pas encore le cas pour les établissements d’enseignement supérieur privés reconnus par l’État » (Direction générale de l’enseignement supérieur et de la recherche scien-tifique 2018, p 5).

Il est fort probable aussi que certains pays ne par-viennent pas à recenser les étudiants inscrits dans le secteur privé, auquel cas la population étudiante globale disponible dans la base de l’ISU est sous-estimée, mais dans une proportion inconnue.

D’une manière générale, les raisons des données manquantes sont assurément diverses, variables selon les pays : refus du pays de transmettre ses données, situations de conflits armés, manque de ressources humaines dans les ministères, défi-cience du système statistique, refus des acteurs privés de communiquer leurs données ou trans-mission de données erronées (plutôt sous-déclarées), etc.

Au vu de l’ensemble de ces éléments, il convient d’avoir à l’esprit les imprécisions, les limites rela-tives aux effectifs relevant de l’enseignement supérieur, transmis et accessibles sur la base de données de l’ISU. Il en résulte un degré de préci-sion, de fiabilité variable selon les pays et sans doute selon les années, avec l’hypothèse d’une pro-bable amélioration au fil du temps (à vérifier !), mais sans qu’il soit possible de l’évaluer pays par pays. Des effectifs et des pourcentages qui doivent donc être considérés avant tout comme des ordres de grandeur et analysés avec prudence.

L’évolution de la scolarisation au supérieur en Afrique depuis 1970

Tout en ayant à l’esprit les réserves exposées pré-cédemment, cette section propose, à partir des données extraites du site de l’ISU, une analyse de l’évolution de la scolarisation au supérieur en Afrique depuis 1970.

Ainsi, selon les données disponibles, à l’échelle de l’Afrique, la population étudiante aurait été multi-pliée par presque 20 (19,8) entre 2017 et 1970, passant de 741 312 à 14 654 968 étudiants, avec une accélération à partir des années 1990 (Figure 3). Les courbes régionales montrent que cette ac-célération serait intervenue en premier dans les pays d’Afrique septentrionale, dès la décennie 1990, puis en Afrique subsaharienne à partir des années 2000, avec un rythme de croissance plus élevé. Sur l’ensemble de la période, de 1970 à 2017, la population étudiante en Afrique subsaharienne aurait été multipliée par 37,9 contre 12,5 en Afrique septentrionale (Tableau 2). Comme le soulignait l’ISU en 2010, « La scolarisation dans l’enseignement supérieur s’est développée plus ra-pidement en Afrique subsaharienne que dans toutes les autres régions ces quarante dernières années » (ISU 2010, p 2). Il est cependant à noter qu’alors que l’Afrique subsaharienne comptabilise un nombre de pays (et donc un poids démogra-phique) bien plus important que l’Afrique septentrionale (46 contre 8), il faut attendre 2010 pour que l’effectif de sa population étudiante dé-passe celui de cette dernière.

La progression plus précoce de la population étu-diante en Afrique septentrionale provient en premier lieu d’une croissance de la scolarisation au niveau secondaire qui y fut elle-même plus rapide et plus précoce, alors qu’en Afrique subsaha-rienne, elle va s’avérer plus marquée à partir des années 2000 (Figure 4).

Tableau 2 : Coefficients multiplicateurs de la population étudiante pour l’Afrique globalement, l’Afrique septentrionale et l’Afrique subsaharienne, de 1970 à 2017, au sein de chaque décennie Afrique Afrique septentrionale Afrique subsaharienne

1980/1970 2,3 2,1 2,7

1990/1980 1,7 1,4 2,3

2000/1990 2,2 2,3 2,0

2010/2000 1,8 1,6 2,2

2017/2007 1,6 1,3 1,8

2017/1970 19,8 12,5 37,9

2017/2000 2,4 1,9 3,0

Figure 3 : Évolution de la population étudiante de 1970 à 2017, pour l’Afrique globalement, l’Afrique septentrionale et l’Afrique subsaharienne (source : http://data.uis.unesco.org/?lang=fr)

Figure 4 : Taux brut de scolarisation au secondaire (%), en Afrique septentrionale et Afrique subsaharienne, en 1970, 1980, 1990, 2000 et 2010.

Les données relatives au secteur privé sont mal-heureusement trop lacunaires pour disposer de moyennes régionales, qui auraient permis de do-cumenter l’évolution de la part du privé. Il ne semble cependant guère faire de doute quant à sa croissance au fil des années, et sans doute surtout à partir des années 2000 (?), avec notamment l’émergence d’un phénomène nouveau, celui de la création d’universités privées.

Pour les pays africains pour lesquels les données sont disponibles, une comparaison a été faite entre le pourcentage des effectifs scolarisés au supérieur dans un établissement privé entre 2005 et 2015 (ou les années les plus proches, qui sont précisées ; Figure 5). Pour la plupart des pays, la tendance est clairement à l’accroissement de la part du secteur privé, mais de manière très variable selon les pays.

Quelques pays font exception, avec une tendance à la baisse qui interroge ; il s’agit du Niger, du Ke-nya, de la RDC et surtout de la Namibie (où la part des étudiants inscrits dans le privé serait passé de 82,5 % à 39,7 % !). Des évolutions qui question-nent fortement la fiabilité des données…

Ainsi, pour le Niger, le pourcentage de 31,5 % en 2005 se voit en fait « encadré » par des valeurs de 24,6 % en 2004 et 20,4 % en 2006 ! Pour le Kenya, le pourcentage de 12,9 % en 2015 est quant à lui suivi des valeurs de 14,4 % en 2016 et 19 % en 2017 (contre 13,5 % en 2005). Le cas le plus surprenant est bien sûr celui de la Namibie.

En ce qui concerne le niveau de scolarisation au supérieur (et son l’évolution), appréhendé à tra-vers le taux brut de scolarisation³(TBS), les données extraites de la base de l’ISU révèlent tout d’abord des taux bien plus élevés en Afrique sep-tentrionale qu’en Afrique subsaharienne, et avec un écart qui s’est creusé au fil du temps : en 1970, les TBS étaient respectivement de 6,3 % et 0,9 % ; en 2017, ils étaient de 34 % et 9 % (Figure 6). Ainsi, en 2017, le niveau de scolarisation au supérieur pour l’Afrique subsaharienne n’était que légère-ment plus élevé que celui de l’Afrique septentrionale en 1970…

En Afrique subsaharienne, l’évolution du TBS se révèle plus linéaire, avec cependant une accéléra-tion à partir des années 2000. Si sur l’ensemble de la période, de 1970 à 2017, les effectifs ont été mul-tipliés par presque quarante (37,9) et le niveau de scolarisation au supérieur quasiment multiplié par dix, au bout de presque cinquante ans le seuil des 10 % n’était pas encore atteint.

Figure 5 : Pourcentage des effectifs scolarisés au supérieur dans un établissement privé en 2005 et 2015 (ou années les plus proches), pour quelques pays africains (source : http://data.uis.unesco.org/?lang=fr)

Figure 6 : Évolution du taux brut de scolarisation au supérieur (%), en Afrique septentrionale et Afrique subsaharienne, de 1970 à 2017

PROJECTIONS ET SCENARIOS

Méthodologie

L’exercice auquel nous nous livrons à présent est un exercice prospectif concernant l’évolution de la population étudiante scolarisée dans l’enseigne-ment supérieur en Afrique dans les décennies à venir. Les modèles présentés dans les pages sui-vantes n’ont pas pour prétention de « prédire » la taille de la population étudiante dans l’enseigne-ment supérieur en Afrique mais plutôt d’envisager différents scénarios possibles. Si ils revêtent un as-pect technique prospectif, ils ont donc une visée plutôt réflexive.

Cet exercice permettra de mettre en exergue les enjeux auxquels l’enseignement supérieur en Afrique fera face considérant les évolutions rela-tives au taux brut de scolarisation dans l’enseignement supérieur ainsi que les perspec-tives démographiques dans les années à venir.

Les données utilisées dans cette analyse sont celles provenant du site de l’Institut de Statistique de l’UNESCO (ISU)⁴et de la Division de la popula-tion des Nations Unies⁵. Les premières permettent d’établir les évolutions passées du taux brut de scolarisation dans l’enseignement supé-rieur et d’en envisager les évolutions futures. Les taux bruts de scolarisation dans l’enseignement supérieur dans chaque pays sont calculés à partir des données officielles disponibles et transmises par les pays à l’ISU, concernant les inscriptions dans l’enseignement supérieur, rapportées aux es-timations de la population du groupe d’âge quinquennal suivant la fin de l’enseignement se-condaire. Les secondes proviennent des dernières projections démographiques révisées en 2019 par la Division de la population des Nations Unies, en considérant le groupe d’âges des 20-24 ans⁶; pro-jections disponibles pour chaque pays et par ensembles régionaux, tels que l’Afrique septen-trionale et l’Afrique subsaharienne.

Ces projections démographiques sont effectuées en utilisant l’approche de composantes de cohorte (Smith, Tayman, et Swanson 2013). Cette ap-proche permet d’effectuer des projections au niveau des différents pays et régions concernés par cohortes selon le sexe et l’âge grâce un modèle bayésien hiérarchique prenant en compte l’évolu-tion probable de 3 composantes (United Nations 1956; 2019) :

• Le taux de fécondité considérant 3 phases : un taux de fécondité élevé suivi d’une transition démographique par une réduction de la fécondité et ensuite un taux de fécondité plus bas qui se stabilise à l’issue de la phase précédente.

• Le taux de mortalité considérant les gains d’espérance de vie à la naissance relatifs aux impacts des progrès et interventions dans les domaines médicaux, sanitaires, sociaux et économiques à différents âges ainsi que les impacts de la baisse de la morbidité concernant différentes mala-dies, notamment l’infection à VIH.

• Les migrations internationales considé-rant les informations relatives aux flux migratoires tels que recensés et/ou esti-més au niveau de différents pays concernant les migrations liées au travail, les migrations clandestines, les réfugiés et demandeurs d’asiles, le mouvement des personnes nées à l’étranger présentes sur le territoire.

À partir de ces données, différents modèles illus-trant différents scénarios d’évolution du taux brut de scolarisation et de l’effectif de la population étu-diante dans l’enseignement supérieur en Afrique sont estimés. Les projections présentes dans la lit-térature (voir partie I) permettent d’envisager plusieurs types de scénarios. Il est néanmoins pos-sible de dire qu’au moins 3 types de scénarios sont souvent retenus pour explorer les estimations concernant le système éducatif dans le futur : un scénario pessimiste (borne basse), un scénario considéré le plus probable souvent basé sur une tendance centrale (scénario médian), et un scéna-rio optimiste (borne haute). Dans notre cas, les bornes basses retenues considèrent un scénario de maintien du taux brut de scolarisation actuel dans l’enseignement supérieur dans les années à venir, à l’instar de ceux formulés notamment par le GIEC (voir partie I). Le scenario médian se base sur une hypothèse de la poursuite des tendances calculées sur les variantes moyennes depuis 50 ans. Elle per-met d’obtenir une tendance centrale de l’évolution du TBS et des effectifs de la population étudiante dans les années à venir. En ce qui concerne la for-mulation d’un scénario optimiste, deux références programmatiques ont été prises en considération :

de retenir un groupe unique, les 20-24 ans. Raisonnant à l’échelle d’ensembles régionaux, on peut avancer que cette simplification n’affecte pas globalement les ten-dances observées.

• l’atteinte des objectifs formulés par les ODD pour l’année 2030. Parmi ces objec-tifs, notons l’objectif 4.3 : « D’ici à 2030, faire en sorte que les femmes et les hommes aient tous accès dans des condi-tions d’égalité à un enseignement technique, professionnel ou tertiaire, y compris universitaire, de qualité et d’un coût abordable ».

• la réalisation des aspirations pour l’Afrique telles que présentées par l’Orga-nisation de l’Unité Africaine (Union Africaine 2015) à l’horizon 2063.

Une modélisation basée sur l’agenda le plus proche, c’est-à-dire celui des ODD, permet de considérer un intervalle de temps plus court pour des projections plus réalistes tandis qu’une modé-lisation basée sur l’agenda le moins proche, celui de l’UA, implique plus d’incertitudes mais de-meure néanmoins utile pour identifier les enjeux à long terme. Le scénario optimiste retenu est ce-lui d’une meilleure scolarisation dans l’enseignement supérieur permettant de rattraper, voire de dépasser le taux de scolarisation brut dans l’enseignement supérieur dans le monde tel qu’il est actuellement, c’est-à-dire 38 %. On ne présume donc pas que les objectifs préconisés soient at-teints mais plutôt que l’Afrique s’aligne sur la moyenne mondiale quant à son évolution tendant vers ces derniers.

Les scénarios retenus sont modélisés à l’aide d’une progression linéaire, le modèle le plus simple per-mettant néanmoins de visualiser et rendre compte des enjeux liés aux possibles évolutions de l’ins-cription dans l’enseignement supérieur en Afrique. En particulier, le scénario central de maintien de la tendance actuelle est modélisé à l’aide des données sur l’évolution du taux brut de scolarisation dans l’enseignement supérieur et des effectifs de la population dans les régions concer-nées de 1970 à nos jours. Par ailleurs, pour chaque scénario considéré, l’évolution de l’effectif de la population étudiante dans l’enseignement supé-rieur est estimée en appliquant les taux bruts de scolarisation au supérieur attendus à l’effectif de la population des 20-24 ans (tranche d’âges utilisée pour le calcul des taux bruts) issu des projections démographiques produites par la Division de la population des Nations Unies. Mettre en perspec-tive l’évolution du taux de scolarisation dans l’enseignement supérieur avec l’évolution de l’ef-fectif de la population étudiante permet de rendre compte de la fréquentation de l’enseignement su-périeur non seulement en termes de proportion sur la tranche d’âge considérée mais également en termes d’effectifs donc de pression engendrée par l’évolution démographique.

Projections comparées par grandes régions d’Afrique

Les projections effectuées sur les taux bruts de sco-larisation à partir de ces scénarios montrent que la dynamique d’évolution du taux brut de scolarisa-tion dans l’enseignement supérieur est différente entre la région de l’Afrique subsaharienne et celle de l’Afrique septentrionale peu importe si le scé-nario considéré tient compte de l’agenda de l’UA (Figure 7) ou des objectifs de développement du-rable (Figure 8).

En Afrique septentrionale, le taux de scolarisation dans l’enseignement supérieur est de 35 % et avoi-sine la tendance mondiale de 38 % en 2017. La poursuite de la tendance actuelle permettra certai-nement de dépasser ce taux avant 2030. En ce qui concerne l’Afrique subsaharienne, le taux de sco-larisation brut dans l’enseignement supérieur est de 9 %. Bien que les tendances passées soient en faveur d’une amélioration de ce taux, la poursuite de la tendance actuelle ne permettra d’aligner les chiffres de l’Afrique subsaharienne sur la tendance mondiale que dans une vision à long terme. Ac-tuellement, l’agenda des ODD semble improbable : une amélioration du taux brut de scolarisation dans l’enseignement supérieur de manière à dépasser la tendance globale actuelle de 38 % d’ici l’année 2030 nécessiterait un redresse-ment radical de la tendance actuelle qui semble irréaliste lorsqu’on se base sur une progression li-néaire.

Figure 7 : 3 scénarios d’évolution du taux brut de scolarisation dans l'enseignement supérieur en Afrique subsaharienne et en Afrique du Nord

Figure 8 : 3 scénarios d’évolution du taux brut de scolarisation dans l'enseignement supérieur en Afrique subsaharienne et en Afrique du Nord

Cependant, la poursuite de la tendance actuelle, ou ne serait-ce que le maintien du taux actuel, repré-sente déjà une pression démographique importante. Le maintien du taux actuel en Afrique subsaharienne représenterait une population étu-diante dont l’effectif s’élèverait à plus de 12 millions en 2030 et plus de 20 millions en 2063 alors qu’en Afrique du Nord, la poursuite de la ten-dance actuelle ne représenterait « que » 10 millions d’étudiants en 2030 et 19 millions d’étu-diants d’ici l’année 2063. En revanche, la poursuite de la tendance actuelle en Afrique subsaharienne en considérant une perspective à long terme (Fi-gure 9) basée sur l’agenda de l’UA renforce l’idée d’une pression démographique importante : d’ici l’horizon 2063, l’effectif de la population étudiante dépasserait 38 millions.

Figure 9 : Évolution du taux brut de scolarisation dans l'enseignement supérieur et de l’effectif de la population étudiante en Afrique subsaharienne

Lorsque ces projections sur les taux bruts de sco-larisation sont effectuées par sexe, les dynamiques d’évolution du taux brut de scolarisation dans l’en-seignement supérieur sont également contrastées selon la région considérée. En 2018, le taux brut de scolarisation en Afrique septentrionale est de 37,7 % chez les femmes et de 32,2 % chez les hommes. La poursuite de la tendance actuelle est en faveur d’une meilleure scolarisation des femmes. En 2030, le taux brut de scolarisation dans l’enseignement supérieur passerait à 45,6 % chez ces dernières et serait de 38 % chez les hommes (Figure 10). En Afrique subsaharienne, le taux brut de scolarisation dans l’enseignement su-périeur est plus élevé chez les hommes (10,4 % contre 7,7 % chez les femmes en 2018). La pour-suite de la tendance actuelle maintiendrait un écart entre les deux sexes (12,9 % et 9,6 % respective-ment chez les hommes et les femmes en 2030). Les objectifs formulés par les ODD préconisent un ac-cès à l’enseignement dans des conditions d’égalité pour les hommes et les femmes amènent à être vi-gilant. Si de tels objectifs impliquent un taux brut de scolarisation dans l’enseignement supérieur égal chez les hommes et chez les femmes, des ef-forts doivent être déployés pour réduire les écarts observés (Figure 11).

Figure 10 : Taux bruts de scolarisation en Afrique septentrionale par genre dans les années à venir selon un scénario de poursuite des tendances actuelles

Figure 11 : Taux bruts de scolarisation en Afrique subsaharienne par genre dans les années à venir selon différents scénarios

0

10

20

30

40

50

2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 Taux brut de scolarisation dans

l'enqeignement supérieur (%)

Années

Poursuite de la tendance actuelle chez les hommes Poursuite de la tendance actuelle chez les femmes

Le futur proche : les pistes du court terme

Les estimations exposées précédemment sont su-jettes à caution car projetant les chiffres dans un intervalle de temps long. Mais elles témoignent de la nécessité de prendre en compte la transition démographique telle qu’estimée par les Nations Unies ainsi que d’investiguer les différents scéna-rios à court terme permettant d’obtenir des estimations plus réalistes.

Tel qu’on peut le voir dans la figure suivante (Fi-gure 12), l’évolution de la population étudiante en termes d’effectifs devrait être fort différente entre l’Afrique septentrionale et sub-saharienne. L’aug-mentation du nombre d’étudiant en Afrique subsaharienne – même en considérant le scénario le plus modeste – serait bien plus marquée qu’en Afrique septentrionale, en considérant le scénario optimiste. C’est la traduction de la croissance dé-mographique remarquable de la jeunesse attendue dans les années à venir au sud du Sahara.

Figure 12 : Effectif de la population étudiante dans l’enseignement supérieur en Afrique subsaharienne et en Afrique septentrionale dans les années à venir selon différents scénarios

La prise en considération des trois scénarios pour chaque sous-région d’Afrique permet de mieux nourrir la réflexion concernant les enjeux de l’en-seignement supérieur en Afrique dans les décennies à venir. En Afrique subsaharienne (Fi-gure 13), les scénarios retenus montrent que les objectifs de développement durable supposent un redressement spectaculaire de la tendance actuelle de la scolarisation dans l’enseignement supérieur.

Une quelconque amélioration impacte cependant les effectifs de la population étudiante. Ils s’élèvent à un peu plus de 8 millions aujourd’hui : le main-tien du taux actuel les augmenterait d’environ une moitié d’ici l’année 2030, tandis qu’un alignement sur la moyenne mondiale aboutirait à une multi-plication par 6 de l’effectif (Figure 14).

Figure 13 : Évolution du taux brut de scolarisation dans l'enseignement supérieur et de l’effectif de la population étudiante en Afrique subsaharienne

Figure 14 : Effectifs de la population étudiante en Afrique subsaharienne dans les années à venir selon différents scénarios

En Afrique septentrionale (Figure 15), le maintien de la tendance actuelle est le meilleur scénario qui s’offre pour dépasser un taux de scolarisation su-périeur à 38 % d’ici l’année 2030. Contrairement à l’Afrique subsaharienne, ce « meilleur » scénario est associé à une pression démographique moins importante que celle envisagée plus au sud. En ef-fet, en considérant le scénario de croissance le plus important, l’effectif de la population étudiante passerait de 6,8 millions à 9,7 millions de l’année 2017 à l’année 2030 (Figure 16). Cette modeste évolution envisagée de l’effectif étudiant dans l’en-seignement supérieur s’explique en partie par les projections démographiques des Nations Unies tenant compte de l’évolution modérée de la fécon-dité dans les années à venir.

En définitive, si la croissance de l’enseignement supérieur semble inéluctable sur tout le continent africain, l’avenir des deux régions se dessine de fa-çon relativement contrastée. Pour chacune, le déroulement des scenarios jusqu’à 2030 produit des résultats différents. Dans le cas d’une stabilité des taux de scolarisation actuelle et par simple inertie démographique, la population étudiante croîtra d’un peu moins de 20 % en Afrique du Nord et de presque 50 % en Afrique sub-saha-rienne. Dans le cas d’une tendance à l’accomplissement des ODD vers une généralisa-tion du supérieur, cet accroissement serait d’un peu plus de 40 % pour la première région et plus de 500 % pour la seconde… Quelle consistance re-vêtent ces scenarios ? La politique mais aussi la situation socio-économique en décidera ; mais quelques pistes se discernent d’ores et déjà.

0

10 000 000

20 000 000

30 000 000

40 000 000

50 000 000

60 000 000

2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 Effectif de la population étudiante Années

Scénario 1 : maintien du taux actuel Scénario 2 : poursuite de la tendance actuelle Scénario 3 : rattrapage du taux brut de scolarisation dans l’enseignement supérieur mondial actuel de 38%

Figure 15 : Évolution du taux brut de scolarisation dans l'enseignement supérieur et de l’effectif de la population étudiante en Afrique septentrionale

Figure 16 : Effectifs de la population étudiante en Afrique septentrionale dans les années à venir selon différents scénarios

0

2 000 000

4 000 000

6 000 000

8 000 000

10 000 000

12 000 000

2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 Effectif de la population étudiante Années

Scénario 1 : maintien du taux actuel Scénario 2 : poursuite de la tendance actuelle

CONCLUSION

La vraisemblance des scenarios esquissés dans ce travail (troisième partie) relève des hypothèses plausibles de développement telles qu’elles se dé-gagent de la littérature (première partie) et de l’histoire récente (deuxième partie). Ces scénarios sont à mettre en regard d’une volonté politique af-firmée pour développer l’enseignement supérieur, objectif qui apparaît comme une nécessité incon-tournable pour relever les défis économiques à venir, tant à court terme (d’ici 2030, échéance des ODD) qu’à moyen terme (Agenda 2063 de l’Union Africaine), et pour faire face à une demande so-ciale d’enseignement supérieur qui ira croissante.

La question fait toujours débat quant aux orienta-tions à privilégier pour les systèmes éducatifs et de formation en Afrique, et particulièrement celle des parts respectives entre enseignement général et formation technique et professionnelle, tant au secondaire qu’au supérieur (avec les interroga-tions spécifiques sur les filières professionnalisantes). Aborder cette question dé-borde largement le cadre de ce document de travail qui consiste surtout à attirer l’attention sur les implications des divers scénarios retenus, en termes d’évolution (d’investissements) à prévoir au niveau des infrastructures (capacités d’accueil, équipements, etc.) et des personnels (enseignants, administratifs et techniques), pour l’enseignement supérieur (universitaire et professionnel), mais aussi pour l’enseignement secondaire. Un déve-loppement de l’enseignement supérieur implique en amont un développement correspondant pour le secondaire, avec la question spécifique de la for-mation des enseignants du secondaire qui est assurée par des formateurs de niveau supérieur (universitaire). Au final, ces diverses implications posent à leur tour la question de leur financement, qui amène à poser celle de la place du secteur privé, de plus en plus mis en avant par les États et les acteurs internationaux comme partenaire in-contournable, mais qui soulève portant de nombreuses interrogations, notamment en ma-tière d’inégalités.

Un élément de réponse à la question de la crois-sance de la demande d’enseignement tertiaire avec celle de la catégorie de population correspondante consiste à inaugurer une nouvelle forme d’offre en correspondance avec celle-ci. Il est certes difficile-ment imaginable que la capacité d’accueil universitaire en Afrique subsaharienne s’accroisse entre 50 et 500 % (selon les scenarios présentés ici) dans les dix ans qui viennent, selon les infrastruc-tures et technologies mobilisées actuellement.

Mais ce dernier facteur est justement malléable.

L’enseignement supérieur à distance permet par la voie numérique de démultiplier considérablement la capacité de travail. Ce n’est pas une réponse ma-gique et elle requiert d’importants investissements informatiques et pédagogiques mais aussi organi-sationnels et, dans une moindre mesure, financiers. En effet, la récente expérience du con-finement à grande échelle a fait surgir de multiples adaptations auto-organisées, de la part des établis-sements d’enseignements supérieurs, en Afrique comme ailleurs. Recourant à des solutions tech-niques existantes et mobilisées en bouquet, elles ont répondu à l’improviste et à des coûts modestes aux enjeux d’assurer les enseignements sans perdre une année. Les conditions de pérennisation de telles options sont à étudier et à développer soi-gneusement. Mais en démythifiant leur réalisation extensive, n’ouvrent-elles pas un espace nouveau à des pratiques auparavant limitées essentielle-ment par des contraintes physiques ?

ANNEXES

Annexe 1 : Données manquantes concernant les effectifs de la population étudiante – statistiques ISU (CITE 5-8) de 2000 à 2017

NB : les cases colorées correspondent aux cas de données manquantes (marron pour les années 2000 et jaune pour les années 2010).

Annexe 2

Tableau A : Effectifs de la population étudiante dans l’enseignement supérieur en Afrique d’ici 2030, selon différents scénarios

Afrique subsaharienne :

maintien du taux actuel

Afrique septentrionale :

poursuite de la tendance actuelle Afrique septentrionale :

maintien du taux actuel

2017 8 297 997 6 762 824 6 762 824 2018 8 567 684 6 922 973 6 922 973 2019 8 817 806 6 922 275 7 035 242 2020 9 077 625 6 926 460 7 152 529 2021 9 340 797 6 950 868 7 291 168 2022 9 610 947 6 980 507 7 436 175 2023 9 888 619 7 023 397 7 596 481 2024 10 175 625 7 089 997 7 784 219 2025 10 472 872 7 186 237 8 007 156 2026 10 771 841 7 308 628 8 262 801 2027 11 079 328 7 452 639 8 547 235 2028 11 391 618 7 625 591 8 870 033 2029 11 703 727 7 837 249 9 244 130 2030 12 012 574 8 091 098 9 675 589

Tableau B : Effectifs de la population étudiante en Afrique subsaharienne dans les années à venir selon différents scénarios

Années scénario 1 :

maintien du taux actuel

scénario 2 :

poursuite de la ten-

dance actuelle

scénario 3 : rattrapage ou

dépassement du taux brut

de scolarisation dans

l’enseignement supérieur

mondial actuel de 38 %

2017 8 297 997 8 297 997 8 297 997 2018 8 567 684 8 567 684 8 567 684 2019 8 817 806 8 992 939 11 164 187 2020 9 077 625 9 438 211 13 908 661 2021 9 340 797 9 897 357 16 797 438 2022 9 610 947 10 374 490 19 840 678 2023 9 888 619 10 870 622 23 045 219 2024 10 175 625 11 388 231 26 421 773 2025 10 472 872 11 928 904 29 980 383 2026 10 771 841 12 483 381 33 702 574 2027 11 079 328 13 059 774 37 612 792 2028 11 391 618 13 654 139 41 704 236 2029 11 703 727 14 260 688 45 961 167 2030 12 012 574 14 875 595 50 370 520

Tableau C : Effectifs de la population étudiante en Afrique septentrionale dans les années à venir selon différents scénarios

Années Scénario 1 :

maintien du taux actuel

Scénario 2 :

poursuite de la tendance actuelle 2017 6 762 824 6 762 824

2018 6 922 973 6 922 973

2019 6 922 275 7 035 242

2020 6 926 460 7 152 529

2021 6 950 868 7 291 168

2022 6 980 507 7 436 175

2023 7 023 397 7 596 481

2024 7 089 997 7 784 219

2025 7 186 237 8 007 156

2026 7 308 628 8 262 801

2027 7 452 639 8 547 235

2028 7 625 591 8 870 033

2029 7 837 249 9 244 130

2030 8 091 098 9 675 589

Figure A : Effectifs de la population étudiante en Afrique subsaharienne dans les années à venir selon différents scénarios

Années

Figure B : Évolution du taux brut de scolarisation dans l'enseignement supérieur et de l’effectif de la population étudiante en Afrique septentrionale jusqu’en 2063

BIBLIOGRAPHIE

Ahuja, V. and Filmer, D. (1995). Educational attainment in devel-oping countries: New estimates and projections disaggregated by gender. Journal of Educational Planning and Administration X(3): 229-254

Barro, R; J., and Lee. J. W. (1993) “International Comparisons of Educational Attainment” Journal of Monetary Economics 32: 363–94

Barro, R. J., and Lee. J. W. (2010) “A New Data Set of Educational Attainment in the World, 1950–2010.” NBER Working Paper series, 50p

Calderon, A. (2012) « Massification continues to transform Higher Education », University World News, issue n° 237

Calderon, A. (2018) « Massification of Higher Education revis-ited », RMIT University, Melbourne, Australie, 30p

Chong S. N.Y. and Cheah H. M. (2010) Demographic Trends : Im-pact on Schools, New Horizons in Education, Vol.58, No.1

Direction générale de l’enseignement supérieur et de la re-cherche scientifique, 2018, Annuaire statistique des étudiants de l’enseignement supérieur de 2017-18, Ministère de l’Educa-tion nationale, Mali, 101 p.

Grapsa E.et Ghio D. (2018), Demographic trends in sub-saharan af-rica, in Lutz W., Goujon A. , KC S., Stonawski M., Stilianakis N. (Eds.) Demographic and human capital scenarios for the 21st century ; 2018 assessment for 201 countries, European Union, Luxembourg 2018, chap 7

Forest, M. & Alexander, K. (2004). The influence of population de-mographics: what does it mean for teachers and teacher education? Journal of Family and Consumer Sciences Educa-tion, 22(2).

ISU (Institut de Statistique de l’Unesco, 2010, Tendances dans l’en-seignement supérieur : l’Afrique subsaharienne, Bulletin d’information de l’ISU, N°10, décembre 2010, Montréal

ISU (Institut de Statistique de l’Unesco, 2018, enquête sur l’ensei-gnement formel : manuel d’instruction, Montréal, 51p.

KC S., Barakat B., Goujon A., Skirbekk V., Sanderson W., Lutz W. (2010) Projection of populations by level of educational at-tainment, age, and sex for 120 countries for 2005-2050, Demographic Research, Vol22/15/

KC S., Potancokova M., Bauer R., Goujon A., Striessnig E.(2013) Summary of Data, Assumptions and Methods for New Witt-genstein Centre for Demography and Global Human Capital. Population Projection by age, sex and level of education for 195 countries to 2100, Interim Report, IIASA IR 13-018, 87p

Lee J-W. and Lee H. (2016), Human Capital in the long run, Journal of Development Economics 122 : 147-169

Lutz, W., Goujon A., Samir KC, Stonawski M., Stilianakis N. (Eds.) (2018) Demographic and human capital scenarios for the 21st century; 2018 assessment for 201 countries, European Union, Luxembourg 2018.

Ministère de l’Enseignement Supérieur, de la Recherche et de l’Innovation (2019) Données statistiques du sous-secteur de l’enseignement supérieur, de la recherche et de l’innovation. Année académique 2015-2016, Dakar, 76 p.

OECD/OCDE (2018) The future of education and skills ; education 2030 « the future we want », Position paper

OECD/OCDE (2019) Trends shaping education, Centre pour la re-cherche et l’innovation dans l’enseignement, OECD 2019

Smith, S. K., Tayman J., et Swanson D. A.. (2013). « Overview of the Cohort-Component Method ». In A Practitioner’s Guide to State and Local Population Projections, édité par Stanley K. Smith, Jeff Tayman, et David A. Swanson, 45‑50. The Springer Series on Demographic Methods and Population Analysis. Dordrecht: Springer Netherlands. https://doi.org/10.1007/978-94-007-7551-0_3.

Speringer M., Goujon A., Samir KC, Potancokova M., Reiter C., Jurasszovich S., Eder, (2019) Global Reconstruction of educa-tional attainment, 1950 to 2015 : Methodology and assessment, Vienna Institute of Demography Working Pa-pers, N° 02/2019

Union Africaine (2015) Agenda 2063, L’Afrique que nous voulons, document cadre, Commission de l’Union Africaine, SP 15830, 227p

UNESCO (1993) Trends and projections of Enrolment by level of education, by age and by sex (1960-2025 (as assessed in 1993), Current syrveys and research in statistics, CSR-E-63, UNESCO division of statistics, Paris, 167p

UNESCO (2015a) How long will it take to achieve universal pri-mary and secondary education ? Technical Note

UNESCO, 2015b, Éducation Pour tous 2000-2015 : progrès et en-jeux, rapport mondial de suivi sur l’EPT 2015, Paris, 472 p.

United Nations (2005). World Population Prospects: The 2004 Re-vision. New York: United Nations, Department of Economic and Social Affairs, Population Division.

United Nations. 1956. « Methods for Population Projections by Sex and Age ». Manuals on methods of estimating popula-tion. Department of Economic and Social Affairs.

———. 2019. « World Population Prospects 2019: Methodology of the United Nations Population Estimates and Projec-tions ». Department of Economic and Social Affairs.

Wils, A. (2007). Window on the Future: 2025 – Projections of Edu-cation Attainment and Its Impact. Washington, DC: Academy for Educational Development

Wittgenstein Centre for Demography and Global Human Capital (2015), Wittgenstein Centre Data Explorer Version 1.2. Availa-ble at: www. wittgensteincentre.org/dataexplorer/

World Bank (2018), World Development Report 2018: Learning: To realize education’s promise. Washington, DC. World Bank

Zuñiga R. E. (1997) Demographic trends affecting higher educa-tion, New Directions for Institutional Research, vol 24, n°1